使用有序梯度直方图(HoG) 我计算了 15 个样本图像的特征。这些样本生成的特征向量非常大（即占用大量内存）。
为了减少这些特征向量，我使用了主成分分析（PCA）。这是我正在使用的OpenCV代码：
PCA pca(imageT, Mat(), CV_PCA_DATA_AS_ROW, 300);
pca.project(imageT, imageT1);
在 imageT 矩阵中，行数 = 否。样品编号 列数 = 没有。特征 假设 15 张图像
，imageT 的行数为 15，没有。列数为 57400
应用 PCA 后我想要 300 个特征；它给了我不到 15 个功能。我需要帮助。