图片SVD-python code

最新推荐文章于 2023-10-22 21:52:22 发布

原创最新推荐文章于 2023-10-22 21:52:22 发布 · 置顶 · 443 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#svd

DL 同时被 3 个专栏收录

28 篇文章

订阅专栏

13 篇文章

订阅专栏

numpy

3 篇文章

订阅专栏

本文介绍了一种使用奇异值分解(SVD)进行图像压缩的方法。通过将图像转换为矩阵，应用SVD，然后根据奇异值的百分比重建图像，实现了有效的图像数据压缩。实验中，对彩色图像的不同颜色通道分别进行了SVD处理，展示了如何通过调整保留的奇异值数量来控制压缩比率和图像质量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#svd
from PIL import Image
import numpy as np
def rebuild_img(u, sigma, v, p): #p表示奇异值的百分比
    m = len(u)
    n = len(v)
    A=np.zeros((m,n))
    for i in range(int(len(sigma)*p)):
        #print(i)
        A[i,i]=sigma[i]
        #print(A)
    a=np.dot(np.dot(u,A),v)
    
    a[a < 0] = 0
    a[a > 255] = 255
    #按照最近距离取整数，并设置参数类型为uint8
    return np.rint(a).astype("uint8")

if __name__ == '__main__':
    img = Image.open('C:/Users/van/Pictures/Saved Pictures/1.jpg', 'r')
    a = np.array(img)
    u, sigma, v = np.linalg.svd(a[:, :, 0])
    print(np.array(sigma).shape)
    print(np.array(u).shape)
    print(np.array(v).shape)
    for p in np.arange(0.01, 0.1, 0.01):
        u, sigma, v = np.linalg.svd(a[:, :, 0])
        R = rebuild_img(u, sigma, v, p)

        u, sigma, v = np.linalg.svd(a[:, :, 1])
        G = rebuild_img(u, sigma, v, p)

        u, sigma, v = np.linalg.svd(a[:, :, 2])
        B = rebuild_img(u, sigma, v, p)

        I = np.stack((R, G, B), 2)
        #保存图片在img文件夹下
        Image.fromarray(I).save("C:/Users/van/Pictures/Saved Pictures/svd_" + str(p * 100) + ".jpg")