Matlab 基于PCA的二维图像降维

我想缩小2D图像的尺寸。我有大小为100x50的图像补丁，我想缩小这些补丁的尺寸

---

我是否需要首先将patch100x50转换为矢量5000x1，然后应用PCA来减小尺寸，或者我可以直接在patch100x50上应用PCA来减小尺寸，并将尺寸减小到2x50

主成分分析将向量空间中的一个点作为输入，并将其投影到子空间上。通过这种方式表达，很容易记住需要将面片调整为向量

使用Matlab，调用你的补丁X，你可以通过调用X:轻松实现这一点，你不必搞乱重塑。

降维是R^n->R^m，其中n>m，因此根据你的文本，我得到的印象是你的意思是：

分辨率调整

改变目标分辨率 数据缩减

消除无关紧要的数据 对于图像大小调整或数据缩减，有许多方法，如：

线性/双线性/立方/。。。过滤

适用于可视化数据大小调整，而不是数据缩减 基于频域DFFT/DCT/DST的数据约简

可用于更改分辨率而不会造成重大数据丢失 通过转换到频域 可选删除噪声或不重要的数据，如JPEG压缩 以所需分辨率转换回空间域 当您停留在频域时，也可用于数据缩减 使用有效频率和高振幅。。 主成分分析

无法用于预定目标分辨率，因为 它提取重要数据，其大小取决于内容

---

因此，答案实际上取决于您需要实现什么，以及为了什么目的可以直接应用2D-PCA。至少它存在，并且在还原方面应比1D-PCA更好

2004年关于这一点的一篇被高度引用的研究论文： Yang，J.等人，2004年。二维PCA：一种新的基于外观的人脸表示和识别方法。IEEE模式分析和机器智能学报，261页，第131-137页。

---

不幸的是，我不知道Matlab实现。

最初编写时，不清楚是要调整图像大小还是要应用标题中的PCA。我调整了标题以反映问题文本中的问题。我执行了以下操作：noofdim=4[r，c]=sizeimg；%计算cov矩阵和PCA矩阵m=meanimg；S=img-m*ones1，c*img-m*ones1，c'；[潜在系数]=环境影响指数；[潜在的，潜在的]=sortdiaglatent，“下降”；M1=系数：，ind1:noofdim；latent1=latent1:noofdim@对不起，我现在没有足够的时间检查。