【图像重建】主成分分析图像压缩重建【含Matlab源码 1173期】

⛄一、获取代码方式

获取代码方式1：
完整代码已上传我的资源：【图像重建】基于matlab主成分分析图像压缩重建【含Matlab源码 1173期】
点击上面蓝色字体，直接付费下载，即可。

获取代码方式2：
付费专栏Matlab图像处理（初级版）

备注：
点击上面蓝色字体付费专栏Matlab图像处理（初级版），扫描上面二维码，付费29.9元订阅海神之光博客付费专栏Matlab图像处理（初级版），凭支付凭证，私信博主，可免费获得1份本博客上传CSDN资源代码（有效期为订阅日起，三天内有效）；
点击CSDN资源下载链接：1份本博客上传CSDN资源代码

⛄二、简介

1 PCA
PCA （Principle Component Analysis）是统计学中的主成分分析方法。主成分分析方法从矩阵角度讲也称K-L变换。使用PCA方法对图像进行压缩和重建的大致过程：
2 PCA图像压缩
图像压缩：首先将图像训练库里的每个二维图像拉伸成向量。然后对其进行主成分分析得到主成分的变换矩阵以及图像均值向量。图像压缩过程就是把待压缩的图像减去训练得到的图像均值向量并通过变换矩阵变换成维数很小的一个向量的过程。
3 PCA图像重建
图像重建：就是将压缩的图像通过变换矩阵的逆变换后再加上图像均值向量得到的压缩前向量的近似向量。因为是主成分分析，所以图像会有较少的信息损失，并且不能完全复原，但是这种信息损失一般是非常小的。

⛄三、部分源代码

clc; clear all; close all;
I=imread(‘liftingbody.png’);
k=1;

for p=1:5:20
[Ipca,ratio,contribution]=pcaimage(I,p,[24 24]);
subplot(2,2,k);
imshow(Ipca)
title([‘主成分个数=’,num2str§,…

k=k+1;

end
function [Ipca,ratio,contribution]=pcaimage(I,pset,block)
if nargin<1
I=imread(‘football.jpg’);
end
if nargin<2
pset=3;
end
if nargin<3
block=[16 16];
end
if ndims(I)==3
I=rgb2gray(I);
end
X=im2col(double(I),block,‘distinct’)';
[n,p]=size(X);
m=min(pset,p);

X=scorecoeff’;
Ipca=cast(col2im(X’,block,size(I),‘distinct’),class(I));
ratio=np/(nm+pm);
function [coeff,score,rate]=pcasample(X,p)
[V,D]=eig(X’*X);
for i=1:size(V,2)
[~,idx]=max(abs(V(:,i)));
V(:,i)=V(:,i)*sign(V(idx,i));
end
[lambda,locs]=sort(diag(D),‘descend’);
V=V(:,locs);

rate=sum(lambda(1:p))/sum(lambda);

⛄四、运行结果

⛄五、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]姜虹.主成分分析的图像压缩与重构[J].电子设计工程. 2012,20(05)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除