如何在 OpenCV 3 中使用 Python 的 PCACompute 函数？

Question

该cv2.PCACompute函数在 OpenCV 2.4 中运行良好，使用以下语法：

import cv2
mean, eigvec = cv2.PCACompute(data)

该函数存在于 OpenCV 3.1 中，但引发以下异常：

TypeError: Required argument 'mean' (pos 2) not found

C++ 文档对于解释我应该如何从 Python 调用它没有太大帮助。我猜测InputOutputArray参数现在也是 Python 函数签名中的强制参数，但我无法找到使它们起作用的方法。

有什么方法可以正确调用它吗？

（注意：我知道还有其他方法可以运行 PCA，我可能最终会选择其中一种。我只是好奇新的 OpenCV 绑定是如何工作的。）

Answer 1

简单回答：

\n\n

mean, eigvec = cv2.PCACompute(data, mean=None)\n

\n\n\n\n

详细信息：

\n\n

\n

1. 让我们先搜索PCA计算源。然后找到这个：

   \n\n

   // [modules/core/src/pca.cpp](L351-L360)\nvoid cv::PCACompute(InputArray data, InputOutputArray mean,\n                    OutputArray eigenvectors, int maxComponents)\n{\n    CV_INSTRUMENT_REGION()\n\n    PCA pca;\n    pca(data, mean, 0, maxComponents);\n    pca.mean.copyTo(mean);\n    pca.eigenvectors.copyTo(eigenvectors);\n}\n

\n

2. 好的，现在我们阅读文档：

   \n\n

   C++: PCA& PCA::operator()(InputArray data, InputArray mean, int flags, int maxComponents=0)\nPython: cv2.PCACompute(data[, mean[, eigenvectors[, maxComponents]]]) \xe2\x86\x92 mean, eigenvectors\n\nParameters: \n    data \xe2\x80\x93 input samples stored as the matrix rows or as the matrix columns.\n    mean \xe2\x80\x93 optional mean value; if the matrix is empty (noArray()), the mean is computed from the data.\nflags \xe2\x80\x93\n    operation flags; currently the parameter is only used to specify the data layout.\n\n    CV_PCA_DATA_AS_ROW indicates that the input samples are stored as matrix rows.\n    CV_PCA_DATA_AS_COL indicates that the input samples are stored as matrix columns.\nmaxComponents \xe2\x80\x93 maximum number of components that PCA should retain; by default, all the components are retained.\n

\n

3. 这要说的是，

   \n\n

   ## py\nmean, eigvec = cv2.PCACompute(data, mean=None)\n

   \n\n

   等于

   \n\n

   // cpp \nPCA pca;\npca(data, mean=noArray(), flags=CV_PCA_DATA_AS_ROW);\n...\n

\n

\n