MIT 18.06 linear algebra 第三十二讲笔记
- Change of basis
- Compression of Images
- Transformation ↔ ↔ Matrix
这一课主要是讲了一些关于信号图像压缩的知识。
假设现在有一幅图是 512×512 512 × 512 个像素的灰度图。这幅图可以表示为 5212×1 521 2 × 1 的一个向量。对于这幅图我们可以将其划分为 64×64 64 × 64 的小方块,每个小方块中有 8×8 8 × 8 一共64个像素点。这样我们就可以选取8个不相关的向量作为基底,来表示这 8×8 8 × 8 像素矩阵的每一列。其中最为常用的基底有傅里叶,小波变换。
图像或者信号压缩的过程
那么压缩后的信号为
C^=∑ci^vi
C
^
=
∑
c
i
^
v
i
在前面的基变换过程中,假设
p
p
是输入信号,,因此有
p=W⎡⎣⎢⎢⎢⎢c1c2⋮c8⎤⎦⎥⎥⎥⎥
p
=
W
[
c
1
c
2
⋮
c
8
]
,那么
c=W−1p
c
=
W
−
1
p
,
c
c
就是基变换后的坐标。
一个好的基底有以下要求:
- Fast,运算速度快,像基向量中只含有0,1的话,计算机计算的速度就很快。
- 求逆方便,如果是标准正交基,那么逆就是矩阵的转置。
- 良好的压缩性。这意味着中有很多0,但是它可以凭借着少量的向量就可以重现图像。
假设对于一个线性变换,如投影,旋转45度,现在有一组基 v1,⋯,v8 v 1 , ⋯ , v 8 ,就这个基底它所对应的线性变换矩阵为 A A 。现在还有另外一组基,对于线性变换对应的矩阵为 B B ,这两个矩阵与 B B 之间有什么关系?
矩阵和 B B 是相似的,基。教授这块讲的十分简略。