Analyse en composantes principales

Version imprimable

02/12/2011, 00h30
james_sunderland

Analyse en composantes principales

Bonsoir tout le monde,
je cherche a faire un programme avec opencv qui calcule les axes principaux(premier et deuxième axes) d'une forme(image binaire),j'ai fait beaucoup de recherche avec les mots clés "acp opencv" mais j'ai rien trouvé,j'ai aussi lu quelque document sur l'acp mais je n'ai toujours pas compris le principe,donc est ce que vous pouvez m'aider a comprendre le principe comment ça fonctionne(méthode),et est ce que il y'a des fonction dans opencv qui permettent de calculer les vecteurs propre et valeurs propre d'une matrice (parce que dans les documents que j'ai lu on parle de ça mais je n'ai pas encore compris comment ça fonctionne).
merci
02/12/2011, 14h38
james_sunderland

des idées svp
02/12/2011, 14h59
romanzo

Salut,

A propos des PCA si tu n'as pas bien compris le fonctionnement, jette un coup d'oeil sur tutoriel. Il est assez clair je trouve.
http://www.google.fr/url?sa=t&rct=j&...9W2mLA&cad=rja
02/12/2011, 20h06
james_sunderland

romanzo merci beaucoup le document explique très bien l'acp et c'est exactement ce que je cherchais encore une fois merci. :)
06/12/2011, 09h49
romanzo

Your welcome :ccool:

Bonjour,

Je ne sais pas si le sujet est encore d'actualité (vu la date surement pas) mais étant donné que j'ai pas mal galéré pour trouver une documentation sur la PCA d'OpenCV appliquée à une seule image, je me permets tout de même de proposer ma solution :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <math.h>
using namespace std;
 
int main(void){
	cv::Mat img = cv::imread("image.png",CV_LOAD_IMAGE_GRAYSCALE);
	cv::Mat thr;
	cv::threshold(img,thr,0,255,cv::THRESH_OTSU|cv::THRESH_BINARY_INV);
	int count = cv::countNonZero(thr);
	if (count == 0)
		return 1;
	cv::Mat data(2, count, CV_32FC1);
	int dataColumnIndex = 0;
	uchar * ptrThr = thr.data;
	for (int row = 0, k = 0; row < thr.rows ;row++) {
		for(int col = 0; col < thr.cols ; col++, k++){
			if (ptrThr[k] != 0) {
				data.at<float>(0,dataColumnIndex) = (float) col;
				data.at<float>(1,dataColumnIndex) = (float) row;
				++dataColumnIndex;
			}
		}
	}
 
	int maxComponents = 2;
	cv::PCA pca(data, cv::Mat(), CV_PCA_DATA_AS_COL, maxComponents);
	vector<float> vAngle;
	for(int i = 0 ; i < maxComponents; i++){
		float dx = pca.eigenvectors.at<float>(i, 0);
		float dy = pca.eigenvectors.at<float>(i, 1);
		vAngle.push_back(atan2(dy, dx)); //rad
	}
	return 0;
}

Ce code détermine les 2 principales orientations (en radian) d'une image (groupe de pixels blancs). En espérant que cela puisse en aider d'autres.