RGB图像特征值计算：OpenCV与Numpy工具报错求助

我正尝试复现一篇论文中的图像处理算法，关键步骤是计算方形图像的特征值。起初以为要分别计算RGB三个通道的特征值，但根据论文描述，方形图像实际是在三维RGB颜色空间中定义一个方阵，可通过传统方法计算三个正交特征向量，特征向量指向颜色变化方向，最大特征值对应的特征向量指向颜色变化最剧烈的方向。

尝试用OpenCV和Numpy进行计算时遇到以下问题：

1. OpenCV的eigen()报错问题 #

代码：

import cv2
import numpy as np

img = cv2.imread("/home/my_user/Desktop/DSC02654.jpeg")
roi = img[0:10, 0:10, :]
roi = np.float32(roi)

print(roi.dtype) # float32
print(roi.shape) # (10, 10, 3)

res = cv2.eigen(roi)

报错信息：

error: OpenCV(4.6.0) /io/opencv/modules/core/src/lapack.cpp:1390: error: (-215:Assertion failed) type == CV_32F || type == CV_64F in function 'eigen'

明明数据类型符合要求，求解决思路。

2. Numpy的eigvals()报错问题 #

代码：

from numpy.linalg import eigvals as LA_eigvals
# 使用上述相同的roi变量
a = LA_eigvals(roi)

报错信息：

LinAlgError: Last 2 dimensions of the array must be square

单通道可正常计算，求支持三维元素空间计算的Numpy方法。

针对OpenCV eigen()的问题 #

OpenCV的eigen()函数要求输入是2D方阵（如n×n），你传入的(10,10,3)是3D数组，这才是报错的核心原因，和数据类型无关。

要计算RGB颜色空间的特征值，需先把ROI中的所有像素转换为三维RGB向量集合，再计算该集合的协方差矩阵，最后对协方差矩阵调用eigen()：

import cv2
import numpy as np

img = cv2.imread("/home/my_user/Desktop/DSC02654.jpeg")
roi = img[0:10, 0:10, :]
# 将ROI形状从(10,10,3)转为(100,3)，每行对应一个RGB像素向量
pixels = roi.reshape(-1, 3).astype(np.float32)
# 计算协方差矩阵
cov_matrix = np.cov(pixels, rowvar=False)
# 计算特征值与特征向量
eigenvalues, eigenvectors = cv2.eigen(cov_matrix)

针对Numpy eigvals()的问题 #

Numpy特征值函数同样要求输入为方阵，需先计算RGB像素集合的协方差矩阵，再传入函数：

import numpy as np
from numpy.linalg import eigvals, eig

img = cv2.imread("/home/my_user/Desktop/DSC02654.jpeg")
roi = img[0:10, 0:10, :]
# 转换为像素向量集合
pixels = roi.reshape(-1, 3).astype(np.float64)
# 计算协方差矩阵（rowvar=False表示每列对应一个变量，即R、G、B通道）
cov_matrix = np.cov(pixels, rowvar=False)
# 仅计算特征值
eigenvalues = eigvals(cov_matrix)
# 若需同时获取特征向量，使用eig()
eigenvalues, eigenvectors = eig(cov_matrix)

关键说明 #

论文中“在三维RGB颜色空间中定义一个方阵”，指的是RGB像素集合的3×3协方差矩阵——它描述了R、G、B三通道的相关性与变化程度。对该矩阵计算特征值，就能得到颜色空间内的变化方向，最大特征值对应的特征向量即为颜色变化最剧烈的方向。

内容的提问来源于stack exchange，提问作者Ivan