利用矩陣奇異值分解對影象進行壓縮
最近學習線性代數的有關東西,在看到奇異值分解(svd)時,發現了一個在影象壓縮上的應用。
奇異值分解:線上性代數中,我們知道對任意一個矩陣都存在奇異值分解,,其中U和V是標準正交矩陣,而是一個對角矩陣,每一個對角元是該矩陣的奇異值,奇異值指的是矩陣的特徵值開根號。其具體分解形式如下:
其中
將A展開得
將A看成一個影象的矩陣,上面和式的每一個分量按大小排序,越大,說明越重要。而後面的權很小,可以捨去,如果只取前面k項,則資料量為(m+n+1)k<<m*n因而達到了壓縮影象的目的。
通過對比發現,當k=1/20 r時,能基本看清影象。當k=1/4r時基本看不出任何區別,對於長寬相等的影象,此時資料量佔原資料量的
處理結果如下:
原始影象:
k=1:
k=2:
k=3:
k=4:
k=21:
k=50:
k=105:
k=r=420:
附matlab測試程式碼:
SNum = 21;
I = imread('img.bmp');
h = size(I,1);
w = size(I,2);
R = I(:,:,1);
G = I(:,:,2);
B = I(:,:,3);
debug = 'RGB disposed'
Rd = im2double(R);
Gd = im2double(G);
Bd = im2double(B);
[Ur,Sr,Vr] = svd(Rd);
[Ug,Sg,Vg] = svd(Gd);
[Ub,Sb,Vb] = svd(Bd);
debug = 'end SVD decomposition'
Rt = zeros(h,w);
Gt = zeros(h,w);
Bt = zeros(h,w);
for i = 1:SNum
Rt = Rt + Sr(i,i)*Ur(:,i)*Vr(:,i)';
Gt = Gt + Sg(i,i)*Ug(:,i)*Vg(:,i)';
Bt = Bt + Sb(i,i)*Ub(:,i)*Vb(:,i)';
end
I2(:,:,1) = im2uint8(Rt);
I2(:,:,2) = im2uint8(Gt);
I2(:,:,3) = im2uint8(Bt);
imshow(I2);