SVD之python代码实现

原创

已于 2022-06-20 20:58:20 修改 · 1.6k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#python

于 2022-06-20 20:57:38 首次发布

博客介绍在jupyter（tensorflow）环境下，使用Python结合SVD（奇异值分解）处理人物图片。图片mi.png从网上下载，尺寸为（521，396，3），还给出了相关参考链接。

环境：jupyter(tensorflow)

import numpy as np
import matplotlib.image as mpimg
import matplotlib.pyplot as plt


def svd(A):
    # 特征值，特征向量
    val,U = np.linalg.eigh(A.dot(A.T))

    # 特征值由大到小排序
    val_idx = np.argsort(val)[::-1]
    val = val[val_idx]
    Sigma = np.sqrt(val)  #(649,)

    # 特征向量由大到小排序
    U = U[:,val_idx]

    # A = U * Sigma * VT --->  VT = inv_(U * Sigma) * A = inv(Sigma) * UT * A
    VT =  np.linalg.inv(np.diag(Sigma)).dot(U.T).dot(A)
    return U, Sigma, VT



def draw(img1,img2,img3):
    fig,ax = plt.subplots(1,3,figsize = (25,30))
    ax[0].imshow(img1)
    ax[0].set(title = 'src')
    ax[1].imshow(img2)
    ax[1].set(title = 'nums of sigma = 60')
    ax[2].imshow(img3)
    ax[2].set(title = 'nums of sigma = 120')

    plt.show()

if __name__ == '__main__':
    img = mpimg.imread("./mi.png")  #(521, 396, 3)
    A = img.reshape(521, 396 * 3)
    U,Sigma,VT = svd(A)
    print(U.shape,Sigma.shape,VT.shape)

    nums = 6