import numpy as np
from PIL import Image
image_file = u'speed.jpg'
if __name__ == '__main__':
im = Image.open(image_file) #打开图像文件
im = im.convert('L') #将原图像转化为灰度图
im.save("Gray_" + image_file) #保存灰度图
w, h = im.size #得到原图的长与宽
dt = np.zeros((w, h), 'uint8') #新建一int矩阵,储存灰度图各像素点数据
for i in range(w): #逐像素点复制,由于直接对im.getdata()进行数据类型转换会有偏差
for j in range(h):
dt[i][j] = im.getpixel((i, j))
dt = dt.transpose() #复制过来的图像是原图的翻转,因此将其再次翻转到正常角度
u, sigma, v = np.linalg.svd(dt)#调用numpy库进行SVM
u = np.array(u) #转为array格式,方便进行乘法运算
v = np.array(v) #同上
for k in [1, 10, 20, 30, 50, 80, 100, 150, 200, 300, 500]:
svd_restore(sigma, u, v, k)#使用前k个特征值进行恢复
def svd_restore(sigma, u, v, K):
K = min(len(sigma)-1, K) #当K超过sigma的长度时会造成越界
print 'Now restore the image with %d ranks' % K
m = len(u)
n = v[0].size
SigRecon = np.zeros((m, n)) #新建一int矩阵,储存恢复的灰度图像素
for k in range(K+1): #计算X=u*sigma*v
for i in range(m):
SigRecon[i] += sigma[k] * u[i][k] * v[k]
SigRecon = SigRecon.astype('uint8') #计算得到的矩阵还是float型,需要将其转化为uint8以转为图片
Image.fromarray(SigRecon).save("svd_" + str(K) + "_" +image_file) #保存灰度图
那就把程序运行一下吧!使用如下图所示的速度与激情7的一张海报试验,结果如图所示:
可以看到,随着k的增大,恢复的图片质量逐渐提高了。那就先到这儿吧~
(没想到在这儿打公式并不容易,只好用在wordpress下用latex写好再截图了..)
陈政/arc001 原创作品转载请注明出处