原题如下:
先把图像转换成矩阵
pic=imread("picture.jpg");
pic2=rgb2gray(pic);
[m,n]=size(pic2);
pic3=double(pic2)/255;
然后写error_norm2函数,输入矩阵和阶数,输出A和近似矩阵Ar之间二范数的差,函数如下:
function x=error_norm2(A,r)%
[u,s,v]=svd(A);
B=u(:,1:r)*s(1:r,1:r)*v(1:r,:);
x=norm(A-B,2);
end
然后构造向量v,v(i)为r=i时的误差
u=zeros(10,1);
for i=1:10
u(i,1)=error_norm2_pro(pic3,i);
end
plot(1:10,u)
图像如下(横坐标为r,纵坐标为误差):
写了一个新的error_norm2_pro函数
function x=error_norm2_pro(A,r)
[u,s,v]=svd(A);
[m,n]=size(s);
s2=zeros(m,n);
s2(1:r,1:r)=s(1:r,1:r);
B=u*s2*v;
x=norm(A-B,2);
end
结果还是一样
但是,将上一个error_norm2_pro函数换一个写法,不再单独计算A B,而是用奇异值矩阵作差代替A,B作差,就能得到理想的图像了
function x=error_norm2_pro(A,r)
[u,s,v]=svd(A);
[m,n]=size(s);
s2=zeros(m,n);
s2(1:r,1:r)=s(1:r,1:r);
x=norm(u*(s-s2)*v,2);
end
这是为什么呢?