基于奇异值分解的图像压缩

理论：

矩阵的奇异值分解变换是一种正交变换，它可以将矩阵对角化
定理：
设A是一个秩为$r$的$m\ast n$矩阵,则存在正交矩阵$U$和$V$,使得
$$U^{T}AV=\left[\begin{array}{cc}\Sigma & 0\\ 0& 0\end{array}\right]$$
其中 Σ = d i a g { σ 1 , σ 2 , σ 3 , . . . . , σ r } \Sigma=diag\{\sigma_1,\sigma_2,\sigma_3,....,\sigma_r\} Σ=diag{σ1​,σ2​,σ3​,....,σr​}，这里${\sigma }_1>={\sigma }_2>={\sigma }_3....>={\sigma }_r$，
${\sigma }_1^2....{\sigma }_r^2$是矩阵$A^{T}A$对应的特征值。
称$$A=U\left[\begin{array}{cc}\Sigma & 0\\ 0& 0\end{array}\right]V^T$$A的奇异值分解，${\sigma }_i(i=1,...r)$称为A的奇异值

根据自己的理解，压缩的思路就是先进行奇异值分解，将前k大个特征值保留下来，其余的变为0，然后进行逆变换，起到基本替代原来奇异值矩阵的作用，从而实现图像的压缩，压缩率也会随k的变化而变化，诚然，k越大，压缩率越小。

实现步骤：

• 读取RGB图像
• 将RGB图像变为灰度图像
• 奇异值分解
• 保留前k大个特征值
• 逆变换
• 计算压缩率
• 打印图像（保存）
• 修改k的值，重复以上步骤

实现：

% 通过奇异值分解 进行图像压缩
clc;clear;
I = imread('figure1.jpg');  % rgb图像为274KB
[m,n,h] = size(I);
% Igray = rgb2gray(I);
% imwrite(Igray,'figure1grayByrgb2gray.png','png') % 灰度图像为993KB，文件变大了好几倍
% 参考别人的博客，手写将rgb图像变成灰度图像
for i=1:m
    for j=1:n
    Igray(i,j)=0.299*I(i,j,1)+0.587*I(i,j,2)+0.114*I(i,j,3);
    end
end
imwrite(Igray,'figure1grayBymyself.png','png') 
k = 20;
Igray = double(Igray);
[U,S,V] = svd(Igray);
S = diag(S); % 变成列向量
Smax = max(S);
Smin = min(S);
S1 = S;
S1(k:end)=0;  %保留前ｋ个
% S1 = diag(S1);  % 考虑不周到
if m>=n  % 对于非方图形
    S1 = [diag(S1);zeros(m-n,n)]; 
else S1 = [diag(S1),zeros(m,n-m)]; 
end
g = U*S1*V'; % S1的奇异值分解
g = uint8(g);
compressration = n^2/(k*(2*n+1));
subplot(1,2,1),imshow(mat2gray(Igray)),title('soure');
subplot(1,2,2),imshow(g),title(['k =',num2str(k),'  compress ratio =',num2str(compressration)]);
imwrite(g,'figure1Compress20.png','png')
figure,plot(S,'.','Color','k'); % 画出奇异值对应的点

• 原RGB图像：

• 灰度图像

• 特征值分布

• K=20时的压缩率

可以调节k的值得到不同的压缩率

参考博客：

RGB图像转为灰度图像原理
RGB转灰度的几种算法
图像压缩（SVD方法）