利用奇异值分解（SVD）进行彩色图片压缩

最新推荐文章于 2023-10-22 21:52:22 发布

Jayphone17

最新推荐文章于 2023-10-22 21:52:22 发布

阅读量1w

点赞数 18

分类专栏：机器学习文章标签：计算机视觉图像识别 python

本文链接：https://blog.csdn.net/Jayphone17/article/details/113107036

版权

本文介绍了如何使用奇异值分解（SVD）对彩色图像进行压缩。首先，阐述了如何用数据表示图像，特别是JPG格式的3D张量表示。接着，详细讲解了灰度图像的处理，以及彩色图像压缩的具体步骤，包括通道分离、矩阵压缩和图像重建。最后，通过实验展示了不同奇异值比例下图像的压缩效果。

摘要由CSDN通过智能技术生成

一、怎么用数据表示图像？

首先，要对一张图像进行压缩处理，那么应该知道怎么用数据来表示一张具体的图像。

我们选择用Python中的第三方工具库的Pillow来读取一张样例照片，观察参数信息。

以下是一张lenna.jpg

需要提前安装第三方库pillow
pip install pillow
安装好之后，将图片放在源文件所在路径下，我们先来读取一下图片信息：
import numpy as np
from PIL import Image

originalImage = Image.open(r'lenna.jpg', 'r')
imageArray = np.array(originalImage)

print(imageArray.shape)
print(imageArray)
(600, 601, 3)
[[[186 102  68]
  [191 107  73]
  [190 106  72]
  ...
  [ 49  35  35]
  [ 54  40  40]
  [ 53  39  39]]

 [[192 108  74]
  [191 107  73]
  [191 107  73]
  ...
  [ 54  40  40]
  [ 50  36  36]
  [ 49  35  35]]

 [[192 108  74]
  [190 106  72]
  [190 106  72]
  ...
  [ 52  38  37]
  [ 52  38  37]
  [ 50  36  35]]

 ...

 [[237 199 186]
  [237 199 186]
  [239 201 190]
  ...
  [168 106  93]
  [166 104  91]
  [169 105  93]]

 [[242 204 191]
  [241 203 190]
  [241 201 191]
  ...
  [170 108  95]
  [178 116 103]
  [174 110  98]]

 [[237 199 186]
  [240 202 189]
  [242 202 192]
  ...
  [161  99  86]
  [171 109  96]
  [170 106  94]]]

Process finished with exit code 0
我们从结果可以看到，这张图被表示为一个三维的ndarray数组对象：imageArray。

数组的维度是 600 x 601 x 3 。我们称为3D张量。这个3D张量由图片的三个维度信息组成，

分别为：高度信息、宽度信息、颜色通道信息。

程序的结果可以看出：这张图片是高度X宽度为600 x 60

最低0.47元/天解锁文章