前面一篇文章我们生成了脸部特征的线性形状模型，本章来学习一下显示线性形状的代码。

线性模型类的结构如下：

class shape_model

    {                         //2d linear shape model

    public:

        Mat p;                                   //parameter vector (kx1) CV_32F，参数向量

        Mat V;                                   //shape basis (2nxk) CV_32F, line subspace,线性子空间

        Mat e;                                   //parameter variance (kx1) CV_32F 参数方差

        Mat C;                                   //connectivity (cx2) CV_32S 连通性

...

}

我们生成的线性形状模型用矩阵V表示，它是152*18，前四列是旋转缩放矩阵R，接着是保留的14副特征图像。

通过下面的代码计算平移和缩放：

float scale = calc_scale(smodel.V.col(0),200);

float tranx = n*150.0/smodel.V.col(2).dot(Mat::ones(2*n,1,CV_32F));

float trany = n*150.0/smodel.V.col(3).dot(Mat::ones(2*n,1,CV_32F));

参数p的计算如下，最后通过draw_shape函数求得生成的模型，并显示出来：

for(int k = 4; k < smodel.V.cols; k++)

{

    for(int j = 0; j < int(val.size()); j++)

    {

        Mat p = Mat::zeros(smodel.V.cols,1,CV_32F);

        p.at<float>(0) = scale;

        p.at<float>(2) = tranx;

        p.at<float>(3) = trany;

        p.at<float>(k) = scale*val[j]*3.0*sqrt(smodel.e.at<float>(k));

        p.copyTo(smodel.p);

        img = Scalar::all(255);

        char str[256];

        sprintf(str,"mode: %d, val: %f sd",k-3,val[j]/3.0);

        draw_string(img,str);

        vector<Point2f> q = smodel.calc_shape();

        draw_shape(img,q,smodel.C); //s = V*p

        imshow("shape model",img);

        if(waitKey(10) == 'q')

            return 0;

    }

}

显示结果如下图：