opencv常用函数

cv::eigen(matA1, matD1, matV1);

cv::eigen 函数主要用于对矩阵进行特征值分解。特征值分解是线性代数中非常重要的概念，它可以将一个矩阵分解为特征向量和特征值。

• matA1: 需要进行特征值分解的输入矩阵。
• matD1: 输出的特征值矩阵，对角线上的元素为特征值。
• matV1: 输出的特征向量矩阵，每一列是一个特征向量

当我们调用 cv::eigen(matA1, matD1, matV1) 时，OpenCV 会对矩阵 matA1 进行特征值分解。具体来说，它会找到一组向量 (特征向量) 和一组标量 (特征值)，使得：

matA1 * matV1 = matV1 * matD1

• matV1 的列向量是 matA1 的特征向量。
• matD1 是一个对角矩阵，对角线上的元素是 matA1 的特征值

cv::eigen 函数计算得到的特征值矩阵 matD1 中，特征值通常是按照 从大到小 的顺序排列在对角线上

为什么是降序排列？

• 重要性排序: 特征值反映了矩阵在对应特征向量方向上的伸缩比例。一般来说，较大的特征值对应着数据变化较大的方向，即信息量较大的方向。因此，将特征值降序排列可以方便我们提取主要信息。
• PCA降维: 在主成分分析（PCA）中，我们通常选取前几个最大的特征值对应的特征向量来进行降维，这些特征向量代表了数据的主要变动方向。

---------------------------------------------------------------------------------------------------------------------------------