开发工具:
文件大小: 4kb
下载次数: 0
上传时间: 2018-07-10
详细说明： str='F:\\code\\matlab\\face\\face'; %图像存放路径 S=0.0;%行向量 dis=zeros(1,100,'double');%每一个人脸跟平均脸的距离 b=zeros(2700,400,'double');%人脸向量矩阵 for i=1:2700 B=imread([str,num2str(i),'.bmp']); %依次读取每一幅图像 m = size(B, 3); if m==1 I = B; else I=rgb2gray(B); end %在此处进行你的图像处理即可 A = I';%I的转置 C = A(:)';%矩阵转换为行向量，即一张图片对应一个行向量 b(i,:)=C; %S = S+C; end Avg=mean(b);%平均脸 %% %显示平均脸 AvgImg = reshape(Avg,20,20)'; AvgImgInt=uint8(AvgImg); imshow(AvgImgInt)%显示平均脸 %% %使用PCA分析b [coef,score,latent,t2] = princomp(b); % % % 通过latent,可以知道提取前几个主成分就可以了. figure(1); percent_explained = 100*latent/sum(latent); pareto(percent_explained); xlabel('Principal Component'); ylabel('Variance Explained (%)'); print -djpeg 2; %选取前10个主特征组成新的特征空间 pca10 = coef(:,1:10); %% %人脸的读取及重构 facestr='F:\\code\\matlab\\face\\'; %图像存放路径 faceagr=zeros(100,10,'double');%每一张非人脸图像映射到特征空间的系数 for i=1:2700 faceagr(i,:) = (b(i,:)-Avg)*pca10; end for i=1:2700 faceImg(i,:)=Avg+(pca10*(faceagr(i,:)'))';%人脸图像图像重构 faceJuli(i)=norm(b(i,:)-faceImg(i,:)); end avgJuli = mean(faceJuli); %分布图 figure(2); faceymin=min(faceJuli); faceymax=max(faceJuli); facex=linspace(faceymin,faceymax,20); %将最大最小区间分成20个等分点(19等分),然后分别计算各个区间的个数 faceyy=hist(faceJuli,facex); %计算各个区间的个数 faceyy=faceyy/length(faceJuli); %计算各个区间的个数 bar(facex,faceyy) %画出概率密度分布图 %% %非人脸的读取及重构 nofacestr='F:\\code\\matlab\\noface\\'; %图像存放路径 b1=zeros(4300,400,'double');%非人脸向量矩阵 for i=1:4300 B1=imread([nofacestr,num2str(i),'.bmp']); %依次读取每一幅图像 m = size(B1, 3); if m==1 I1 = B1; else I1=rgb2gray(B1); end %在此处进行你的图像处理即可 A1 = I1';%I的转置 C1 = A1(:)';%矩阵转换为行向量，即一张图片对应一个行向量 b1(i,:)=C1; %S = S+C; end %非人脸的映射 bb1=zeros(1000,10,'double');%每一张非人脸图像映射到特征空间的系数 for i=1:1000 bb1(i,:) = (b1(i,:)-Avg)*pca10; end for i=1:1000 nofaceImg(i,:)=Avg+(pca10*(bb1(i,:)'))';%非人脸图像重构 nofaceJuli(i)=norm(b1(i,:)-nofaceImg(i,:)); end nofaceavgJuli = mean(nofaceJuli); figure(3); nofaceymin=min(nofaceJuli); nofaceymax=max(nofaceJuli); nofacex=linspace(nofaceymin,nofaceymax,20); %将最大最小区间分成20个等分点(19等分),然后分别计算各个区间的个数 nofaceyy=hist(nofaceJuli,nofacex); %计算各个区间的个数 nofaceyy=nofaceyy/length(nofaceJuli); %计算各个区间的个数 bar(nofacex,nofaceyy) %画出概率密度分布图 %Img=reshape(X1,20,20)'; %ImgInt=uint8(Img); %imshow(ImgInt) str='F:\\code\\matlab\\face\\face'; %图像存放路径 S=0.0;%行向量 dis=zeros(1,100,'double');%每一个人脸跟平均脸的距离 b=zeros(2700,400,'double');%人脸向量矩阵 for i=1:2700 B=imread([str,num2str(i),'.bmp']); %依次读取每一幅图像 m = size(B, 3); if m==1 I = B; else I=rgb2gray(B); end %在此处进行你的图像处理即可 A = I';%I的转置 C = A(:)';%矩阵转换为行向量，即一张图片对应一个行向量 b(i,:)=C; %S = S+C; end Avg=mean(b);%平均脸 %% %显示平均脸 AvgImg = reshape(Avg,20,20)'; AvgImgInt=uint8(AvgImg); imshow(AvgImgInt)%显示平均脸 %% %使用PCA分析b [coef,score,latent,t2] = princomp(b); %% % 通过latent,可以知道提取前几个主成分就可以了. figure(1); percent_explained = 100*latent/sum(latent); pareto(percent_explained); xlabel('Principal Component'); ylabel('Variance Explained (%)'); print -djpeg 2; %选取前10个主特征组成新的特征空间 pca10 = coef(:,1:10); %% %人脸的读取及重构 facestr='F:\\code\\matlab\\face\\'; %图像存放路径 faceagr=zeros(100,10,'double');%每一张非人脸图像映射到特征空间的系数 for i=1:2700 faceagr(i,:) = (b(i,:)-Avg)*pca10; end for i=1:2700 faceImg(i,:)=Avg+(pca10*(faceagr(i,:)'))';%人脸图像图像重构 faceJuli(i)=norm(b(i,:)-faceImg(i,:)); end avgJuli = mean(faceJuli); %分布图 figure(2); faceymin=min(faceJuli); faceymax=max(faceJuli); facex=linspace(faceymin,faceymax,20); %将最大最小区间分成20个等分点(19等分),然后分别计算各个区间的个数 faceyy=hist(faceJuli,facex); %计算各个区间的个数 faceyy=faceyy/length(faceJuli); %计算各个区间的个数 bar(facex,faceyy) %画出概率密度分布图 %% %非人脸的读取及重构 nofacestr='F:\\code\\matlab\\noface\\'; %图像存放路径 b1=zeros(4300,400,'double');%非人脸向量矩阵 for i=1:4300 B1=imread([nofacestr,num2str(i),'.bmp']); %依次读取每一幅图像 m = size(B1, 3); if m==1 I1 = B1; else I1=rgb2gray(B1); end %在此处进行你的图像处理即可 A1 = I1';%I的转置 C1 = A1(:)';%矩阵转换为行向量，即一张图片对应一个行向量 b1(i,:)=C1; %S = S+C; end %非人脸的映射 bb1=zeros(1000,10,'double');%每一张非人脸图像映射到特征空间的系数 for i=1:1000 bb1(i,:) = (b1(i,:)-Avg)*pca10; end for i=1:1000 nofaceImg(i,:)=Avg+(pca10*(bb1(i,:)'))';%非人脸图像重构 nofaceJuli(i)=norm(b1(i,:)-nofaceImg(i,:)); end nofaceavgJuli = mean(nofaceJuli); figure(3); nofaceymin=min(nofaceJuli); nofaceymax=max(nofaceJuli); nofacex=linspace(nofaceymin,nofaceymax,20); %将最大最小区间分成20个等分点(19等分),然后分别计算各个区间的个数 nofaceyy=hist(nofaceJuli,nofacex); %计算各个区间的个数 nofaceyy=nofaceyy/length(nofaceJuli); %计算各个区间的个数 bar(nofacex,nofaceyy) %画出概率密度分布图 %Img=reshape(X1,20,20)'; %ImgInt=uint8(Img); %imshow(ImgInt) ...展开收缩
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
