我有大约2000张人脸图像，需要对它们进行主成分分析（PCA）。然后，我会丢弃两个最大的特征值，并绘制剩余特征值按降序排列的图表。每张图像的尺寸都是19×19像素。

为了尝试是否能正确执行，我在Matlab中尝试对单张图像进行PCA，只需执行常规操作来加载图像。起初效果不佳，但后来有人告诉我，在使用Matlab的Princomp函数之前，先对图像进行梯度处理。因此，我做了以下操作：

a = imread('face1.pmg');b = imgradient(a);[COEFF,SCORE,latent] = princomp(b);

这样做效果很好，但我有很多图像，一个一个处理并不有趣。因此，我尝试编写一个for循环，从我的目录中加载图像，读取每个图像的文件名，然后对其应用imgradient函数，再将结果传递给princomp函数。但似乎它只对最后一张图像进行了处理。

我的想法是为每张图像编入索引，以便将它们存储在数组或矩阵中，但我上网查找后，没有找到任何有效的方法。目前我已经有了以下代码，运行正常，但如我所说，它似乎无法存储所有图像。

filePattern = 'C:\Users\Morgan Weiss\Documents\MATLAB\STA5635_HW12\faces\*.pgm';fileList = dir(filePattern); % Will not contain any directories, only .pgm files.for k = 1:length(fileList)    thisFileName = fileList(k).name;    thisImage(k) = imread(thisFileName);    % Get the gradient of this image.    A = imgradient(thisImage);    % Principle Component Analysis    [COEFF,SCORE,latent] = princomp(A);end

如果有人能帮助我解决这个问题或提供任何建议，我将不胜感激。

回答：

听起来你需要存储每次迭代的潜在值。可以这样做：

...latents = zeros(19*19, length(fileList)); % store each image latent as a columnfor k = 1:length(fileList)    ...    [COEFF,SCORE,latent] = princomp(A);    latents(:,k) = latent;end

你可以根据需要进行修改。你可以在存储到latents之前对latent进行排序等操作。