使用的主要函数为：

(1)得到一个32位的浮动图像

IplImage* convertFloatImageToUcharImage(const IplImage *srcImg)

{

    IplImage *dstImg = 0;

    if ((srcImg) && (srcImg->width > 0 && srcImg->height > 0))

    {

        double minVal, maxVal;

        cvMinMaxLoc(srcImg, &minVal, &maxVal);

        if (cvIsNaN(minVal) || minVal < -1e30)

            minVal = -1e30;

        if (cvIsNaN(maxVal) || maxVal > 1e30)

              maxVal = 1e30;

        if (maxVal-minVal == 0.0f)

            maxVal = minVal + 0.001;

           dstImg = cvCreateImage(cvSize(srcImg->width, srcImg->height), 8, 1);

        cvConvertScale(srcImg, dstImg, 255.0 / (maxVal - minVal), - minVal * 255.0 /     (maxVal-minVal));

    }

    return dstImg;

}

    (2) 保存源图片的所有特征向量

void FaceRec::storeEigenfaceImages()

{源-自/751+文,论`文'网]www.751com.cn

    if (nEigens > 0)

    {

        int COLUMNS = 8;                      // Put upto 8 images on a row.

        int nCols = min(nEigens, COLUMNS);

        int nRows= 1 + (nEigens / COLUMNS);// Put the rest on new rows.

        int w           = eigenVectArr[0]->width;

        int h           = eigenVectArr[0]->height;

        CvSize size;

        size = cvSize(nCols * w, nRows * h);

        IplImage *bigImg = cvCreateImage(size, IPL_DEPTH_8U, 1);

        for (int i=0; i<nEigens; i++)

        {

           IplImage*byteImg=convertFloatImageToUcharImage(eigenVectArr[i]);   

            int x = w * (i % COLUMNS);

            int y = h * (i / COLUMNS);

            CvRect ROI = cvRect(x, y, w, h);

            cvSetImageROI(bigImg, ROI);

            cvCopyImage(byteImg, bigImg);

            cvResetImageROI(bigImg);

            cvReleaseImage(&byteImg); OPENCV基于ARM的图像识别系统的设计与实现(6):http://www.751com.cn/zidonghua/lunwen_56628.html