文中【模式识别1】Eigenfaces相关部分代码，通过PCA主成分分析计算出ORL数据集中人脸图像的特征向量（特征脸）和特征值，并将特征脸用JET颜色图进行可视化，最后利用一定数量的特征脸对PCA降维后的人脸向量进行重建，并可视化重建效果

该软件包接受的唯一图像是 .pgm（便携式灰度图）图像。 所有图像的大小应相同。 训练： 需要一组人脸图像来训练系统。 这些图像应放在 Matlab 路径中的单个文件夹中。 使用以下函数进行训练： [图像,H,W,M,m,U,omega]=trainingEF(trainingFolder); 在哪里 trainingFolder - 包含训练人脸图像的文件夹的完整路径 认出： 要识别的人脸图像也应该是 .pgm 文件。 使用以下函数进行识别： testingEF(testImage,images,H,W,M,m,U,omega) 在哪里testImage - 要识别的人脸图像的文件名（带扩展名）， images,H,W,M,m,U,omega - 训练函数的输出参数 测试图像和测试图像对应的训练集中的图像显示为输出。

基于PCA算法的人脸识别过程大致分为训练、测试、识别这三个阶段完成，在训练阶段，通过寻找协方差矩阵的特征向量，求出样本在该特征向量上的投影系数；在测试阶段，通过将测试样本投影到特征向量上，得到测试样本在该特征向量上的投影系数。最后，采用最小欧氏距离，找到了与测试样本最相近的训练样本图像。