分解 python_Python实现奇异值分解（SVD）压缩图片

最新推荐文章于 2022-07-26 22:38:23 发布
最新推荐文章于 2022-07-26 22:38:23 发布
阅读量692 收藏 4
点赞数 1
文章标签： 分解 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_35268264/article/details/112718181
版权

奇异值分解(Singular Value Decomposition 简称SVD)是线性代数中的一种重要分解，在很多领域都有着广泛的应用。这篇文章将通过一个图像压缩的例子教你如何在Python中使用SVD实现数据压缩，并说明其原理。

奇异值分解压缩的原理

先看一个简单的例子，如果你想要在网络上给别人发送一段数据，数据的内容为

6749fb215d012b30bd901cd1f462b902.png

当然，最简单的方法就是给这个矩阵直接发过去，这是一个5x5的矩阵，你至少需要发送25个数字。

但是我们可以把这个矩阵分解为两个矩阵的乘积，这样只需要发送10个数字。

063af4af2e82f470ddcc5161334326bf.png

图像也可以被视为矩阵，图像的每一个点都是由RGB值定义的，所以每个图像可以被表示为三个巨型矩阵（分别是R，G，B矩阵）。

但图像所生成的矩阵显然不会像上面的例子那样简单的就被分解了。想要分解任意矩阵，这就需要用到SVD了。

SVD分解可以被认为是EVD（Eigen Value Decomposition 特征值分解）的延伸。特征值分解将一个矩阵分解为

最低0.47元/天 解锁文章
林闽琦
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数学建模-基于Python实现的数学建模常用模型之SVD奇异值分解.zip
03-02
SVD奇异值分解是数学建模中不可或缺的工具，Python提供了便捷的实现方式。理解SVD的数学原理及其应用，对于解决实际问题具有重要意义。通过Python编程实践，我们可以更好地掌握这一技术，从而在数据分析、机器学习等...
python图像压缩脚本（内附PIL安装包和处理图片、基于SVD分解和图像重组）
12-28
python图像压缩脚本（内附PIL安装包和处理图片、基于SVD分解和图像重组）
python图片压缩算法_Python实现奇异值分解（SVD）压缩图片
weixin_39666496的博客
12-04 1020
奇异值分解(Singular Value Decomposition 简称SVD)是线性代数中的一种重要分解，在很多领域都有着广泛的应用。这篇文章将通过一个图像压缩的例子教你如何在Python中使用SVD实现数据压缩，并说明其原理。奇异值分解压缩的原理先看一个简单的例子，如果你想要在网络上给别人发送一段数据，数据的内容为当然，最简单的方法就是给这个矩阵直接发过去，这是一个5x5的矩阵，你至少需要发...
python图像压缩编码_python SVD压缩图像的实现代码
weixin_39535283的博客
12-09 470
前言利用SVD是可以对图像进行压缩的，其核心原因在于，图像的像素之间具有高度的相关性。代码# -*- coding: utf-8 -*-'''author@cclplusdate:2019/11/3'''import cv2import matplotlib as mplimport numpy as npimport matplotlib.pyplot as plt#转为u8类型def rest...
机器学习实战：用SVD压缩图像
04-17 4916
前文我们了解了奇异值分解（SVD）的原理，今天就实战一下，用矩阵的奇异值分解对图片进行压缩. Learn by doing 我做了一个在线的图像压缩应用，大家可以感受一下。 https://huggingface.co/spaces/beihai/Image-Compression-with-SVD 功能很简单，上传需要压缩的图片，选择压缩比，提交即可。 下面咱们就一起看看实现过程 用SVD压缩图像 原理很简单： 将图片分解为RGB三颜色矩阵，将每个颜色矩阵进行奇异值分解，然后
【SVD（奇异值分解）】详解及python-Numpy实现
热门推荐
weixin_43821215的博客
07-26 1万+
奇异值分解(SingularValueDecomposition，以下简称SVD)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。是很多机器学习算法的基石。本文就对SVD的原理做一个总结，并讨论在在PCA降维算法中是如何运用运用SVD的。...
基于SVD图片压缩
zhangvalue的博客
12-10 2135
基于SVD图片压缩原理: 图片其实就是数字矩阵，通过SVD将该矩阵降维，只使用其中的重要特征来表示该图片从而达到了压缩的目的。 数据集降维： dim = data.T * U[:,:count] * dig.I # 降维 这里的dig为对角矩阵（需要利用原来svd返回的sigma向量构建矩阵，构建需要使用count这个值）。 U为svd返回的左奇异矩阵，count为我们指定的多少个奇异...
基于Python进行奇异值分解（SVD）【100013138】
最新发布
07-31
SVD是一种常用的矩阵分解技术，是一种有效的代数特征提取方法。SVD在协同过滤中的主要思路是根据已有的评分情况，分析出评分者对各个因子的喜好程度以及电影包含各个因子的程度，最后再反过来分析数据得出预测结果。...
基于奇异值分解（SVD）的图片压缩实践
01-21
SVD概念可以参考：《统计学习方法》–奇异值分解（Singular Value Decomposition，SVD） 2. 原理简介 彩色图片有3个图层，RGB（红、绿、蓝）也就是矩阵的一个位置上存储了3个基色的数值，由3个基色混合成不同的色彩...
SVD.rar_SVD_python svd_svd Python_svd实现_矩阵 python
09-22
本项目提供了使用Python语言实现矩阵奇异值分解的详细步骤和代码示例，帮助读者理解和掌握SVD的核心原理。 在Python中，我们可以使用NumPy库来实现SVD。NumPy是Python科学计算的基础库，包含了大量用于数组操作的...
svd.zip_SVD_svd 文本_svd文件_thankhr_矩阵奇异值分解
09-24
1.解压zip，将两个文件放在同一个文件夹 2.修改data.txt的内容，将矩阵直接...3.双击svd.py可执行程序，会在目录下生成三个文件，s_matrix、u_matrix、v.T_matrix文本文件，存储分解成的三个矩阵。 4 需要按照python3.0
svd方法的图像压缩Matlab代码
m0_58377977的博客
05-19 1061
svd方法的图像压缩
图像压缩之奇异值分解（SVD）
AIGC Studio：分享AIGC前沿知识和好玩应用，公众号同名。
07-31 6367
最近有点时间把之前研究的图像压缩相关内容做以下记录和总结，包括一些经典方法代码实现以及原理介绍。 首先直接上Lena女神原图照片。 对于SVD分解来说，选取不同的奇异值数量压缩倍数也不一样，简单理解就是选取的奇异值数量越多压缩倍数越小，反之越大，SVD的缺点就是以牺牲图像细节信息来达到图像压缩的目的。这也是为什么奇异值分解的图像压缩方法没有像DCT，小波变换一样成为JPEG压缩的标准吧。下面针对以下数据做一定实验，通过选取奇异值数量k为10,20,30,40来分别看一下图像压缩效果,如何能在尽量少舍
【AI数学】SVD奇异值分解篇以及图像压缩应用python(学习记录)
qq_43426908的博客
10-25 2727
一、奇异值分解(SVD)简介   SVD适用于对任意矩阵进行矩阵分解，是一种重要的矩阵分解方法。   SVD对应的公式为：Am×n=Um×nSm×nVm×nT{ A_{m \times n}=U_{m \times n } S_{m \times n } V^T_{m \times n}}Am×n​=Um×n​Sm×n​Vm×nT​ ，简记为：A=USVT{ A=USV^T}A=USVT，其中 U{U}U 和 V{V}V 是正交矩阵(酉矩阵)，即满足 UTU=Em×m{U^TU=E_{m \times m}
Python奇异值分解
qq_44638724的博客
04-24 3571
对于一个矩阵A, 它的奇异值分解为 A=UΣV−1 A=U\Sigma V^{-1} A=UΣV−1 UUU为左奇异矩阵, VVV是右奇异矩阵且都是正交阵, 即UU⊤=IUU^{\top}=IUU⊤=I. Σ\SigmaΣ为奇异值构成的对角阵 example I A=(011110)3×2 A= \begin{pmatrix} 0 & 1 \\ 1 & 1 \\ 1 & 0 \\ \end{pmatrix}_{3\times2} A=⎝⎛​011​110​⎠⎞​3×2​ UUU的计算
python图片压缩算法_Optipng，jpegoptim应用，用python实现图片压缩，让你的网站变得更快...
weixin_39694174的博客
12-04 312
compress p_w_picpaths according to google suggestion.1.环境：ubuntu12.04 、 python 2.7.32.工具：optipng 、jpegoptim。3.安装工具：a. sudo apt-get install optipngb. sudo apt-get install jpegoptim4. a. 使用方法： opt...
使用inception_v3模型将图片转为特征向量并保存
繁华三千东流水不舍昼夜的博客
10-14 1797
如果你恰好在学习迁移学习，并且已经下载好了tensorflow_inception_graph.pb文件，那么看这里！
利用Python进行博客图片压缩
Sandeepin技术博客
03-08 5754
自己写博客的时候常常要插入一些手机拍的照片，都是几M的大小，每张手动压缩太费事了，于是根据自己博客的排版特点用Python写了一个简单的图片压缩脚本，功能是将博客图片生成缩略图，横屏的图片压缩为宽度最大1280像素，竖屏的图片压缩为宽度最大1000像素。 　　代码如下： #!/usr/bin/env python3 # coding=utf-8 ' 蒋方正Python函数库 ' __autho
机器学习实战笔记——基于SVD的图像压缩
henryzhihua
01-11 5647
原始图像大小为32 X 32=1024像素，利用SVD来对数据降维，实现图像的压缩 新建一个svdRec.py文件，加入如下代码： #printMat()函数用于打印矩阵 def printMat(inMat, thresh=0.8): for i in range(32): for k in range(32): if fl
利用奇异值分解(SVD)进行图像压缩-python实现
06-01
好的，下面是利用SVD进行图像压缩的Python实现： 首先，我们需要导入所需的库： ```python import numpy as np import matplotlib.pyplot as plt from PIL import Image ``` 然后，我们加载原始图像并将其转换为灰度图像： ```python image = Image.open('example.jpg').convert('L') ``` 接下来，我们将图像转换为numpy数组： ```python image_array = np.array(image) ``` 然后，我们可以使用numpy的SVD函数来对图像进行奇异值分解： ```python U, S, V = np.linalg.svd(image_array) ``` 我们可以通过选择奇异值数量来控制图像的压缩程度。例如，如果我们只选择前100个奇异值，我们可以使用以下代码： ```python compressed_image = np.matrix(U[:, :100]) * np.diag(S[:100]) * np.matrix(V[:100, :]) ``` 最后，我们可以将压缩后的图像保存为新的文件： ```python plt.imshow(compressed_image, cmap='gray') plt.axis('off') plt.savefig('compressed_image.jpg') ``` 注意：在实际应用中，我们可能需要使用更高的奇异值数量来保留更多的图像细节。此外，压缩图像的质量也取决于所选择的奇异值数量。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值