在Matlab SVD函数中输出三个矩阵：
[U,S,V] = svd(X)
我们可以使用 S 矩阵找到尽可能少的分量，以减少 X 的维数以保留足够的方差。
我的问题是如何使用 Opencv 找到 S 矩阵（不是 U 矩阵），是否可以使用 OpenCV SVD 中的构建找到 S 矩阵？我的意思是 OpenCV SVD 函数像 Matlab 一样输出三个矩阵，但我不知道它们是否相同。
这是 OpenCV 中的 SVD：
SVD::compute(InputArray src, OutputArray w, OutputArray u, OutputArray vt, int flags=0 )
这是 Matlab SVD：
[U,S,V] = svd(X).
谢谢。
【问题讨论】：
我很确定实际计算 SVD 分解的后端对于 MATLAB 和 OpenCV 是相同的（我认为在这两种情况下都是使用 LAPACK 完成的）。所以你想要做的似乎很容易。
您可以通过创建一个与 src 大小相同且处处为零且 w 中的值沿对角线的矩阵来将 w 转换为 S。只是数据结构的简单改变，值是一样的。
【讨论】：
Matlab 中的 S 和 OpenCV 中的 w 之间有一个简单的区别。
举个例子：
A = [2, 4;
1, 3;
0, 0;
0, 0]
在 Matlab 中，S 将是：
S = [5.47, 0 ;
0 , 0.37;
0 , 0 ;
0 , 0 ]
但是 openCV 给出了以下w：
w = [5.47; 0.37]
所以，OpenCV 给出了一个奇异值数组，如果你真的想要 S 矩阵，你可以创建一个新矩阵并将w 的元素放在它的对角线上。
【讨论】：