作业
作业1:利用SVD分解,完成china.jpg文件的压缩与显示。
代码
from skimage import io
import matplotlib.pyplot as plt
import numpy as np
def getImgAsMatFromFile(filename):
# 读取灰度图像
img = io.imread(filename, as_gray=True)
# np.mat()函数用于将输入解释为矩阵
return np.mat(img)
# 显示灰度图像
def plotImg(imgMat):
plt.imshow(imgMat, cmap=plt.cm.gray)
plt.show()
# SVD处理
def recoverBySVD(imgMat, k):
# SVD分解
U, s, V = np.linalg.svd(imgMat)
print(len(s))
# 选择前k个重要的特征值
Uk = U[:, : k]
Sk = np.diag(s[: k])
Vk = V[: k, :]
# 重构图像
imgMat_new = Uk * Sk * Vk
return imgMat_new
A = getImgAsMatFromFile('china.jpg') #读取图片的数字矩阵
plotImg(A) #绘图
A_new = recoverBySVD(A, 10) #取前10个奇异值
plotImg(A_new)
结果
取前10个奇异值
取前20个奇异值
心得体会
SVD压缩速度相对较快(相较于K-means而言),上图中, 仅提取未至1/10, 便达到较为理想的效果, 且占用空间大大减少。
原创不易
转载请标明出处
如果对你有所帮助 别忘啦点赞支持哈