cvCalcEigenObject——opencv内置PCA算法的第一个函数

cvCalscEigenObject()函数，包含于<cvAux.h>中。在PCA人脸识别的程序中，属于核心算法。

先翻译一段注解，原文来自：

http://www710.univ-lyon1.fr/~bouakaz/OpenCV-0.9.5/docs/ref/OpenCVRef_ObjectRecognition.htm

void cvCalcEigenObjects( int nObjects, void* input, void* output, int ioFlags, int ioBufSize, void* userData,

CvTermCriteria* calcLimit, IplImage* avg, float* eigVals )

输入为目标向量，计算正交特征基向量(orthonormal eigen basis)和目标平均值。

nObjects:
目标的数量。
input:
IplImage队列（数组）的指针，或者根随ioFlag的值变化的读回调函数(read callback function)

函数。
output:
对于目标的队列（数组）的指针，或者根随参数值变化的写回调函数(write callback functions)。
ioFlags:

。

ioBuffSize:
buffsize，0为未知大小。
userData:
指向回调函数(callback function)必须数据结构体的指针。
calcLimit:
终止迭代计算目标特征的条件。
avg:
avg。
eigVals：
以降序排列的特征值的行向量指针。可以为0。

cvCalcEigenObject计算出正交特征基（eigen face，而且是正交的，第二点是我猜的），以及输入目标的平均值。根据ioFlags参数，此函数可用在直接访问和回调函数两种模式下。根据calcLimit的参数，计算会在前maxIters主要特征目标被提取后结束（这句话有点绕，应该就是提取了前int_max_iter个特征值，），另一种结束的情况是：目前特征值同最s大特征值的比值降至calcLimit的epsilon值之下。

clacLimit的type参数必须为CV_TERMCRIT_NUMB, CV_TERMCRIT_EPS,

or CV_TERMCRIT_NUMB | CV_TERMCRIT_EPS。
函数返回maxIter&epsilond的真值。

平均值avg
计算得到的特征目标，排序是根据相应的特征值降序而得。

程序中这个函数的例子是这样的。

// compute average image, eigenvalues, and eigenvectors
cvCalcEigenObjects(
  nTrainFaces,
  (void*)faceImgArr,
  (void*)eigenVectArr,
  CV_EIGOBJ_NO_CALLBACK,
  0,
  0,
  &calcLimit,
  pAvgTrainImg,
  eigenValMat->data.fl);

参数第一个不用说。faceImgArr，是IplImage**，存有nTrainFaces个训练用人脸。eigenVectArr同样也是IplImage**，是需要计算的特征脸（eigenface），每个大小和训练脸相同，取前nEigens个储存。

这段代码有助于理解。

for(i=0; i<nEigens; i++)
  eigenVectArr[i] = cvCreateImage(faceImgSize, IPL_DEPTH_32F, 1);

后面3个参数，表明不需要回调函数。

calcLimit是一个迭代算法终止准则。

赋值如下calcLimit = cvTermCriteria( CV_TERMCRIT_ITER, nEigens, 1);

它的类型定义如下：

typedef struct CvTermCriteria

{

　　int type;　　int max_iter;　　　　//最大迭代次数

　　double epsilon;　　　　//结果精确性

}

看刚才翻译的那段已经说明：

根据calcLimit的参数，计算会在前maxIters主要特征目标被提取后结束（这句话有点绕，应该就是提取了前int_max_iter个特征值），另一种结束的情况是：目前特征值同最大特征值的比值降至calcLimit的epsilon值之下。在这个迭代算法终止条件的约束下，于是就产生了nEigen个特征脸（object's eigen vector）

程序后两个参数，一个是平均目标，另一个是存nEigen个特征值的向量。

核心已经包含在opencv里面了，我们通过这个函数可以方便地调用这个算法、高效地实现目的。