奇异值分解（SVD）实现简单的图像降噪处理

奇异值（Singular Value）往往对应着矩阵中的隐含的重要信息，且重要性与奇异值大小呈正相关。

关于奇异值的知识，可以参考：机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用

一般来说，较少的奇异值就可以表达一个矩阵很重要的信息，所以我们可以舍掉一部分奇异值来实现压缩。

在图像处理中，奇异值小的部分往往代表着噪声，因此可以借助SVD算法来实现去噪。

选取图像如下，

可以看到，人物脸上的雀斑是我们需要去掉的噪声。

分别取前0.5%、1%、5%的奇异值，得到的图像依次是：