主成分分析法，你怎么看？

        最近在看主成分分析法，通过对原始数据进行投影，使得投影后数据更能体现原始数据特征。

        主成分分析(PCA)具有数据分离和信息压缩等有用的特性，运用主成分分析的方法可以根据图像的整体特征，构造目标的特征子空间(即由主成分生成的子空间)，从而较好地克服噪声干扰和图像畸变的影响，完成对目标的匹配定位和跟踪。

         在网上找了段用matlab实现的pca算法，对RGB图像计算每个分量协方差矩阵的特征向量、特征值，根据特征值从大到小选取特征向量作为第一主成分、第二主成分和第三主成分，对RGB图像——薏仁、炉贝、青贝和松贝进行投影，效果如下。

                                               

                                              

            通过上图不难发现，右上角第一主成分投影下，颜色细节较少，数据分离效果最明显。

            这些图，让我想到：为什么要先gabor滤波，再pca、fld进行滤波后降维，这种做法在灰度图像下进行，实际上等同直接在RGB空间进行pca，利用第一主成分投影后再进行后续特征提取，应该比gabor滤波后再处理效果更好。试试才知道！！！