基于奇异值分解（SVD）的图像压缩

基于奇异值分解（SVD）的图像压缩

       基于Matlab，将奇异值分解（SVD）用于图像的压缩，并同步显示奇异值的大小分布曲线、奇异值个数对压缩率的影响。对奇异值分解用于图像压缩整个过程的关键步骤都有图像记录。

       完整代码如下：

[plain] view plain copy

1. %%%%%%%%%%%%%%%%%%%%%%%%%%  
2. %修改第9行的图像路径即可，图像格式不限  
3. %2013.1.12 yangxin_szu  
4. %%%%%%%%%%%%%%%%%%%%%%%%%%  
5. %%  
6. clear all;  
7. clc;  
8. %导入图像  
9. X = imread('F:\M_Material\egle.bmp');  
10. if (size(X,3) ~= 1)   
11.    X = rgb2gray(X);  
12. end  
13. %奇异值分解  
14. [U S V] = svd(double(X));  
15. %绘制奇异值的分布曲线  
16. plot(diag(S),'b-','LineWidth',3);  
17. title('图像矩阵的奇异值');  
18. ylabel('奇异值');  
19. %图像大小  
20. [m n] = size(X);  
21. %图像矩阵的秩  
22. Rank = rank(double(X));  
23. %显示原图  
24. figure,subplot(1,2,1),imshow(X);  
25. Image_Rank = ['图像矩阵的秩 = ' int2str(Rank)];  
26. title(Image_Rank,'Color','b');  
27. %%  
28. %循环改变奇异值选取的个数，动态观察图像压缩的效果  
29. %循环次数  
30. it = 1;  
31. iter = (Rank/4 - 1)/10 +1;  
32. %保存奇异值的个数  
33. K_Store = ones(iter);  
34. %保存不同奇异值个数对应的压缩比  
35. CR_store = ones(iter);  
36. for K=1:10:Rank/4  
37.     K_Store(it) = K;  
38.     %选取K个奇异值，并恢复原图  
39.     R = U(:,1:K)*S(1:K,1:K)*V(:,1:K)';  
40.     T = uint8(R);  
41.     %显示恢复结果  
42.     subplot(1,2,2),imshow(T);  
43.     SVD_number = ['选取的奇异值的个数 = ' int2str(K)];  
44.     title(SVD_number,'Color','b');  
45.     %计算压缩比  
46.     src_elements = m*n;  
47.     compress_elements = m*K + K*K + K*n;  
48.     compress_ratio = (1 - compress_elements/src_elements)*100;  
49.     CR_store(it) = compress_ratio;  
50.     it = it+1;  
51.     fprintf('Rank = %d : K = %d 个: compress_ratio = %.2f\n',Rank,K,compress_ratio);  
52.     %暂停0.5秒，便于观察效果  
53.     pause(0.5);  
54. end  
55. %%  
56. %绘制奇异值个数与压缩比的关系曲线  
57. figure,plot(K_Store,CR_store,'b-','LineWidth',3);  
58. title('奇异值个数与压缩比的关系');  
59. xlabel('奇异值个数');  
60. ylabel('压缩比');  

 

程序运行结果如图所示：

原图：

奇异值大小的分布曲线：

奇异值个数的不同对图像压缩率的影响：

奇异值个数与图像压缩比的关系：