奇异值分解

在网上看了很多，大概理解了，结合老师所讲解的一个例子，大概谈谈自己的理解

奇异值分解就是对一堆数据生成的矩阵，提取里面的特征

---

 对这个m*n的矩阵T进行降维进行奇异值分解

取它前r个非零奇异值，可以还原原来的矩阵，即前r个非零奇异值所对应的奇异向量代表了矩阵T的主要特征

 

 

import cv2
import numpy as np
import matplotlib.pyplot as plt
def Img_PCA(img,a):           #img为输入图像，a为保留主成分比例
    U,S,V=np.linalg.svd(img)  #将img进行奇异值分解，U为左酉矩阵大小M*M，S为奇异值，V为右酉矩阵N*N。
    SS=np.zeros(img.shape)
    for i in range(len(S)):
        SS[i][i]=S[i]       #将S转化为M*N对角矩阵
    sval=np.sum(S)
    for i in range(len(S)):
        if np.sum(S[:i]) >= a*sval:
            k=i+1
            break
    Uk=U[:,0:k]
    Sk=SS[0:k,0:k]
    Vk=V[0:k,:]
    img_pca = np.uint8(np.dot(np.dot(Uk,Sk),Vk))  #计算降维处理后的矩阵
    return img_pca