数字图像与机器视觉基础

一.比较不同位深度BMP文件

从网页上下载一张彩色图片，查看该图片信息，显示位深度24:

以该图片为例，将其用画图工具转换为256色、16色、单色的位图（BMP)文件，并比较大小：

将该图片转换为.jpg、.png、.bmp、.gif，并比较大小：

使用UltraEdit打开图片，查看文件头信息：
huoying.bmp:

huoying-16:

huoying-24:

huoying-256:

huoying-danse:

位图文件头分4部分，共14字节：

bfType：2字节，作为标识，就是“BM”二字。
bfSize：4字节，整个BMP文件的大小。
bfReserved1/2：4字节，保留字，没用。
bfOffBits：4字节，偏移数，即 位图文件头+位图信息头+调色板 的大小。

作为真彩色位图，我们主要关心的是biWidth和biHeight这两个数值，两个数值告诉我们图像的尺寸。biSize，biPlanes，biBitCount这几个数值是固定的。想偷懒的话，其它的数值可以一律用0来填充。
原图PNG大小为1,770,116 字节

BMP大小：1,966,134字节，压缩比：-110%

JPG大小：114,846字节，压缩比：64%

GIF大小：369,122字节，压缩比：20%

二.用奇异只分解对图片进行降维处理

代码如下：

import numpy as np
import os
from PIL import Image
import matplotlib.pyplot as plt
import matplotlib as mpl
from pprint import pprint


def restore1(sigma, u, v, K):  # 奇异值、左特征向量、右特征向量
    m = len(u)
    n = len(v[0])
    a = np.zeros((m, n))
    for k in range(K):
        uk = u[:, k].reshape(m, 1)
        vk = v[k].reshape(1, n)
        a += sigma[k] * np.dot(uk, vk)
    a[a < 0] = 0
    a[a > 255] = 255
    # a = a.clip(0, 255)
    return np.rint(a).astype('uint8')


def restore2(sigma, u, v, K):  # 奇异值、左特征向量、右特征向量
    m = len(u)
    n = len(v[0])
    a = np.zeros((m, n))
    for k in range(K+1):
        for i in range(m):
            a[i] += sigma[k] * u[i][k] * v[k]
    a[a < 0] = 0
    a[a > 255] = 255
    return np.rint(a).astype('uint8')


if __name__ == "__main__":
    A = Image.open("./lena.jpg", 'r')
    print(A)
    output_path = r'./SVD_Output