【图像压缩】奇异值分解图像压缩【含Matlab源码 3441期】

⛄一、奇异值分解图像压缩

1 前言
数字图片在计算机中是以矩阵形式存储的。所以可以通过矩阵理论和矩阵算法对数字图像进行分析和处理。本文通过对图片进行SVD压缩，对不同的参数下的压缩效果进行对比。

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。

通过对3个图层矩阵，分别进行SVD近似，SVD奇异值是唯一的，可以取前 k 个最大的奇异值进行近似表达，最后再将3个图层的矩阵数据合并，用较少的数据去表达图片。

3 彩色图像压缩的具体思路
第一步：通道分离
对于JPG格式的彩色图片，拥有3个颜色通道，R、G、B，那么可以尝试将每个颜色通道进行分离，产生3个形状均为图像高 x 宽 的单通道剧展，即imageR，imageG，imageB。

第二步：矩阵压缩
对每个单通道矩阵进行奇异值分解，按照压缩的实际需要取前k个奇异值，进行3个单通道的矩阵的压缩近似，各自的处理过程同灰度图的处理过程完全一样。最后分别形成3个压缩后的矩阵：imageRC，imageGC，imageBC。

第三步：图像重建
将3个压缩后的单通道矩阵合并形成表示JPG格式的3D张量，通过该3D张量重构出压缩后的彩色图像。

⛄