opencv求特征值和特征向量

   IplImage:表示图片。 
 cvTermCriteria:用来决定学习演算法何时结束。 
 cvSize:用来表示图片大小。 

 cvCvtColor:用来转换图片的色彩空间。 

 cvLoadImage:载入一张图片。 
 cvCreateImage:依照IplImage结构配置记忆体。 
 cvCalcEigenObjects:计算传入影响阵列的eigen vector(特征向量)、  eigen value(特征根)、image average(影像平均值) 
 cvEigenDecomposite:透过eigen vector和原始影像集来解析每张图  片降维后对应的系数coefficients。 
 cvEigenProjection:投影图片在特征空间。 
 cvSaveImage:存储图片。 
 cvReleaseImage:释放记忆体

 宣告eigenObjects 用來存储载入的图片。

 IplImage **objects = new IplImage*[nEigens];

 将文件夹中的图片读入objects（灰度的）

 IplImage* tmpImg; 
 for(int i=0;iFileListBox1->Count;i++) 
 { 
  tmpImg = cvLoadImage(this->FileListBox1-        >FileName.c_str(),CV_LOAD_IMAGE_COLOR); 
  objects[i]=cvCreateImage( cvSize(tmpImg-        >width,tmpImg->height),IPL_DEPTH_8U,1); 
  cvCvtColor(tmpImg,objects[i],CV_BGR2GRAY); 
  this->FileListBox1->ItemIndex++; 
 }

 接下來，在计算eigenvector之前，我们要先配置一些记忆体空间给变数  eigenObjects，让计算出来的eigenvector可以存放在变数  eigenObjects中。 
CvSize size = cvSize(objects[0]->width,objects[0]->height);   
for(int k = 0; k < nEigens; k++) 
  eigenObjects[k]= 
  cvCreateImage=(size,IPL_DEPTH_32F,1);

配置记忆体空间，用来存放训练样本图片的平均值。 
avg = cvCreateImage(size, IPL_DEPTH_32F, 1);

指定PCA要训练到何时才能结束，CV_TERMCRIT_EPS表示精确度到0.05就可以结束，CV_TERMCRIT_ITER表示迭代nEigens次就可以结束。(nEigens=nTrainFaces-1，nTrainFaces表示xunl)

CvTermCriteria cri=cvTermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, nEigens, 0.05);

接下来我们就可以用cvCalcEigenObjects计算eigenface//Calculate EigenFaces, and put in eigenObjects 
cvCalcEigenObjects( 
nTrainFaces-1 ,objects,eigenObjects, 0,0,0, &cri, avg, eigVals);


在上面方法中，我们必须传入 -1的个数值(nTrainFaces-1)，objects训练样本，cri训练终止条件，avg用來存储图片集平均值的变数，eigVals用来存储计算出来的eigenvalue。

接下来，因为要对图片集objects里面的每张图片分別处理。所以有一個for循环。我们先 用cvEigenDecomposite求出cofficients


再用求出的系数当做input传给 cvEigenProjection方法，计算投影图片。因此最后得到人脸投影在特征空间(eigenspace)上的结果，存在out变数中，这就是我们要找的eigenface 
(我们可以用cvSaveImage方法将eigenface存成图片)

for(int k = 0; k < nTrainFaces; k++) 
{ 
    float  *coeffs = new float[kValueUses]; 
    IplImage *out = cvCreateImage 
              (size,IPL_DEPTH_8U, 1); 
    //compute coefficients 
    cvEigenDecomposite(objects[k], 
    kValueUses ,eigenObjects, 0,0, avg, coeffs); 
    //image reconstruction 
    cvEigenProjection( eigenObjects, 
    kValueUses, 0, 0, coeffs, avg, out); 
    cvSaveImage(filename, out); 

}