//读入图像，转换为灰度
    Mat img  = imread( "e:/sandbox/pca1.jpg");
    Mat bw;
    cvtColor(img, bw, COLOR_BGR2GRAY);
     //阈值处理
    threshold(bw, bw,  150,  255, CV_THRESH_BINARY);
     //寻找轮廓
    vector <vector <Point >  > contours;
    vector <Vec4i > hierarchy;
    findContours(bw, contours, hierarchy, CV_RETR_LIST, CV_CHAIN_APPROX_NONE);

//轮廓分析，找到工件
     for (size_t i  =  0; i  < contours.size();  ++i)
    {
         //计算轮廓大小
         double area  = contourArea(contours[i]);
         //去除过小或者过大的轮廓区域（科学计数法表示）
         if (area  <  1e2  ||  1e5  < area)  continue;
         //绘制轮廓
        drawContours(img, contours, i, CV_RGB( 255,  0,  0),  2,  8, hierarchy,  0);
         //寻找每一个轮廓的方向
        getOrientation(contours[i], img);
    }

//获得构建的主要方向
double getOrientation(vector <Point >  &pts, Mat  &img)
{
     //构建pca数据。这里做的是将轮廓点的x和y作为两个维压到data_pts中去。
    Mat data_pts  = Mat(pts.size(),  2, CV_64FC1); //使用mat来保存数据，也是为了后面pca处理需要
     for ( int i  =  0; i  < data_pts.rows;  ++i)
    {
        data_pts.at < double >(i,  0)  = pts[i].x;
        data_pts.at < double >(i,  1)  = pts[i].y;
    }
     //执行PCA分析
    PCA pca_analysis(data_pts, Mat(), CV_PCA_DATA_AS_ROW);
     //获得最主要分量，在本例中，对应的就是轮廓中点，也是图像中点
    Point pos  = Point(pca_analysis.mean.at < double >( 0,  0),pca_analysis.mean.at < double >( 0,  1));
     //存储特征向量和特征值
    vector <Point2d > eigen_vecs( 2);
    vector < double > eigen_val( 2);
     for ( int i  =  0; i  <  2;  ++i)
    {
        eigen_vecs[i]  = Point2d(pca_analysis.eigenvectors.at < double >(i,  0),pca_analysis.eigenvectors.at < double >(i,  1));
        eigen_val[i]  = pca_analysis.eigenvalues.at < double >(i, 0); //注意，这个地方原代码写错了
    }
     //在轮廓/图像中点绘制小圆
    circle(img, pos,  3, CV_RGB( 255,  0,  255),  2);
     //计算出直线，在主要方向上绘制直线
    line(img, pos, pos  +  0. 02  * Point(eigen_vecs[ 0].x  * eigen_val[ 0], eigen_vecs[ 0].y  * eigen_val[ 0]) , CV_RGB( 255,  255,  0));
    line(img, pos, pos  +  0. 02  * Point(eigen_vecs[ 1].x  * eigen_val[ 1], eigen_vecs[ 1].y  * eigen_val[ 1]) , CV_RGB( 0,  255,  255));
     //返回角度结果
     return atan2(eigen_vecs[ 0].y, eigen_vecs[ 0].x);
}