特征提取——生成样本矩阵（MATLAB实现）

函数功能：全像素存储，将图像所有像素存储在矩阵里。将人脸图像转换为向量形式，组成样本矩阵，便于后面做降维处理。

首先利用ReadFaces函数读入样本图像

然后将imgRow像素*imgCol像素的图像按列存储为一个imgRow*imgCol维的行向量作为样本矩阵FaceContainer中的一行（一个样本）

最后将样本保存在FaceMat.mat文件中

function [imgRow,imgCol,FaceContainer,faceLabel]=ReadFaces(nFacesPerPerson, nPerson, bTest)

% 读入ORL人脸库的指定数目的人脸前前五张(训练)

%

% 输入：nFacesPerPerson --- 每个人需要读入的样本数，默认值为 5

%       nPerson --- 需要读入的人数，默认为全部 40 个人

%       bTest --- bool型的参数。默认为0，表示读入训练样本（前5张）；如果为1，表示读入测试样本（后5张）

%

% 输出：FaceContainer --- 向量化人脸容器，nPerson * 10304 的 2 维矩阵，每行对应一个人脸向量

%nargin是用来判断输入变量个数的函数，这样就可以针对不同的情况执行不同的功能。通常可以用它来设定一些默认值。

if nargin==0 %default value

    nFacesPerPerson=5;%前5张用于训练

    nPerson=40;%要读入的人数（每人共10张，前5张用于训练）

    bTest = 0;

elseif nargin < 3

    bTest = 0;

end

img=imread('Data/ORL/S1/1.pgm');%为计算尺寸先读入一张

[imgRow,imgCol]=size(img);

FaceContainer = zeros(nFacesPerPerson*nPerson, imgRow*imgCol);

faceLabel = zeros(nFacesPerPerson*nPerson, 1);

% 读入训练数据

for i=1:nPerson

    i1=mod(i,10); % 个位

    i0=char(i/10);

    strPath='Data/ORL/S';

    if( i0~=0 )

        strPath=strcat(strPath,'0'+i0);

    end

    strPath=strcat(strPath,'0'+i1);

    strPath=strcat(strPath,'/');

    tempStrPath=strPath;

    for j=1:nFacesPerPerson

        strPath=tempStrPath;

        if bTest == 0 % 读入训练数据

            strPath = strcat(strPath, '0'+j);

        else

            strPath = strcat(strPath, num2str(5+j));

        end

        strPath=strcat(strPath,'.pgm');

        img=imread(strPath);

        %把读入的图像按列存储为行向量放入向量化人脸容器faceContainer的对应行中

        % img(:)将读入的二维图像转换成一维列向量， img(:)'将列向量转置成行向量存储在FaceContainer中

        FaceContainer((i-1)*nFacesPerPerson+j, :) = img(:)';

        faceLabel((i-1)*nFacesPerPerson+j) = i;

    end % j

end % i

% 保存人脸样本矩阵

save('Mat/FaceMat.mat', 'FaceContainer')