基于R语言SVD的图像压缩方法

图片的基本构成

假设我们有一个灰度图像（128×128，即128×128像素）。我们可以使用矩阵来表示这个图像。如果我们有彩色图像，用R中的readJEPG函数读取图片就可以发现它是由一个三维数组构成（我们常说的三原色：Red, Green, Blue ）它有三个矩阵，大小与图像相同， 每个矩阵表示包括RGB色标的颜色值，每个像素由0-255的整数表示。接下来，我们可以通过SVD分解矩阵，再通过消除小的奇异值，我们可以近似矩阵，选择k的值进行矩阵近似，也就是压缩原有矩阵，得到一个保留了原始矩阵大多数信息的压缩矩阵。注意：绘制奇异值图像可能有助于确定重要性显着下降的位置

假设我们选择了k的值，k = 我们希望保留的奇异值的数量,我们可以通过扩展A来生成新的图像矩阵一个使用SVD（第一个k,仅限奇异值）。如果要使用彩色图像，请分别对R，G，B矩阵进行重新组装。
如果你想要得到一个基于原有的彩色图片的灰度图片的话，可以采用：$$New.img=0.299\ast r+0.587\ast g+0.114\ast b$$的公式处理。

如果对SVD（奇异值分解）不了解的话，可以参考我另外一篇有关SVD原理的方面的文章：SVD及PCA的详细原理以及联系

R代码