Question

Matlab中的

SVD函数输出三个矩阵：

[U,S,V] = svd(X)

我们可以使用S Matrix找到最小可能数量的组件，以减少X的维数以保持足够的方差。我的问题是如何使用Opencv找到S矩阵（而不是U矩阵），是否可以使用OpenCV SVD中的内部版本找到S Matrix？我的意思是OpenCV SVD函数输出三个矩阵，如Matlab一个，但我不知道它们是否相同。这是OpenCV中的SVD：

SVD::compute(InputArray src, OutputArray w, OutputArray u, OutputArray vt, int flags=0 )

这是Matlab SVD：

[U,S,V] = svd(X).

谢谢。

Answer 1

Matlab中的S和OpenCV中的w之间存在简单的区别。

举个例子：

A = [2, 4;
     1, 3;
     0, 0;
     0, 0]

在Matlab中，S将是：

S = [5.47, 0   ;
     0   , 0.37;
     0   , 0   ;
     0   , 0   ]

但是openCV给出了以下w：

w = [5.47; 0.37]

因此，OpenCV给出一个奇异值数组，如果你真的想要有S矩阵，你可以创建一个新矩阵并将w的元素放在对角线上。

Answer 2

我很确定实际计算SVD分解的后端对于MATLAB和OpenCV来说是相同的（我想在两种情况下都是用LAPACK完成的）。所以你想做的事情似乎很容易。

您可以通过创建一个相同大小的src矩阵，将w转换为S，其中零到处为零，w为沿对角线的值。它只是一个简单的数据结构变化，值将是相同的。

opencv中的Matlab SVD输出

2 个答案: