针对Feret人脸库，用MATLAB编写一个基于主成分分析的人脸识别函数，输入一张人脸图像，识别出库中的人脸，并用左右子图显示结果。 要求： 1.函数的主体算法为主成分分析算法；2.每个人的7张人脸图像中，选择6张图像作为训练样本，1张作为测试样本；请写出完整程序和解释

好的，下面是一个完整的MATLAB程序，实现基于主成分分析的人脸识别功能，同时满足你的要求：

% 读取数据
load('feret.mat'); % 这里假设数据已经存储在feret.mat文件中
X = double(data');

% 训练集和测试集划分
train_idx = repmat([1:6], 1, 200);
test_idx = setdiff(1:1200, train_idx);
X_train = X(:, train_idx);
X_test = X(:, test_idx);

% 特征中心化
mean_face = mean(X_train, 2);
X_train = X_train - mean_face;
X_test = X_test - mean_face;

% 计算协方差矩阵
C = cov(X_train');

% 计算特征向量和特征值
[V, D] = eig(C);

% 排序特征向量
[~, idx] = sort(diag(D), 'descend');
V = V(:, idx);

% 选择前k个特征向量
k = 100;
V_k = V(:, 1:k);

% 投影训练集和测试集
Y_train = V_k' * X_train;
Y_test = V_k' * X_test;

% 计算距离并进行分类
dist = sum((Y_train - Y_test).^2, 1);
[~, label] = min(dist);

% 显示结果
subplot(121); imshow(reshape(X_test(:,1), [64 64])', []); title('测试图像');
subplot(122); imshow(reshape(X_train(:,label), [64 64])', []); title('识别结果');

上述代码中，我们首先读取了Feret人脸库的数据，并将其划分为训练集和测试集。然后进行特征中心化、协方差矩阵、特征向量和特征值、特征向量排序和选择等步骤，最终得到了分类结果。接着，我们将测试图像和识别结果分别显示在左右两个子图中，方便比较。

需要注意的是，这里我们只使用了一个测试图像进行演示，如果要进行批量测试，只需要对程序进行相应的修改即可。