python图像压缩编码_深度学习之神经网络进行图像压缩python版(四)

通过前面的铺垫，现在已经对感知神经网络、线性神经网络和BP神经网络有了一定的理解和认识。本章就通过前面所学到的知识进行一些实际应用(图像压缩)。下面我们了解一下压缩可以的实现方式。

BP神经网络实现图像压缩——依赖BP网络的非线性映射能力进行数据压缩

如下图所示，上下两幅图分别代表压缩前和压缩后解压的图片。

BP神经网络压缩实现方法：

首先原图是128*128像素，并且图像是灰度的。每个像素点的值是[0，255]。

1、图片切割；我们首先通过图片进行切割，按照4*4的块对原始图进行切割，每个格子向量化，就变成1到16的数字，整个图像就变成一个矩阵。每一列就是学习集的样本(1024个样本)。

2、归一化；因为要使用神经网络的梯度算法，需要将值进行归一化处理。这样能保证性能的稳定性。

3、神经网络训练； 图片我们切割为4*4，这里我们就认为神经网络有16个神经元，中间隐藏层节点数少于16达到压缩效果。 输出y也是16个神经元。

4、期望； 输入的

值和输出值

的值一样。中间隐藏层相当于图像压缩的值。

下面我们使用python来进行图像压缩的练习，在学习代码之前最好先