基于Python查看SVD压缩图片的效果

最新推荐文章于 2024-08-25 10:41:32 发布
最新推荐文章于 2024-08-25 10:41:32 发布
阅读量6.4k 收藏 32
点赞数 4
分类专栏： Python 机器学习 文章标签： python 压缩 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xuelabizp/article/details/52318708
版权
通过Python进行奇异值分解（SVD）实验，分析SVD在图像压缩中的表现。发现仅保留少量奇异值（如0.7、0.8、0.9占比的前几个奇异值）即可恢复较清晰图像，有效地降低了图像的维数，如从450维降至149维仍保留90%信息。但要注意，降维可能导致信息损失，通常要求损失不超过5%。
摘要由CSDN通过智能技术生成

基于Python查看SVD压缩图片的效果

标签： Python 机器学习

机器学习中常用的降维方法是主成分分析(PCA)，而主成分分析常用奇异值分解(SVD)。那么SVD的效果到底如何呢？SVD常用来进行图像的压缩，我们就来实验一下。

用到的包：

  • PIL
  • numpy

实验

载入一张彩色图片，分别对其RGB通道进行SVD分解。奇异值的占比公式为:
∑ i = 1 K σ i i ∑ i = 1 n σ i i \dfrac{\sum_{i=1}^K{\sigma_{ii}}}{\sum_{i=1}^n{\sigma_{ii}}} ∑i=1n​σ

最低0.47元/天 解锁文章
moverzp
关注
专栏目录
使用python对图片进行SVD压缩的实践
sunswordsman的博客
01-14 3005
 矩阵的奇异值分解是矩阵的一种分解方式。我们可以利用矩阵的奇异值分解，提取矩阵的主要信息，从而通过比原矩阵少的数据量，来还原跟原矩阵差不多的信息。在python的numpy库中跟我们提供了svd分解的函数： U, S, VT = numpy.linalg.svd(matrix)  该函数返回2个矩阵U、VT（注意，这个返回的VT是转置的以行向量保存的特征向量，它也可以用于PCA和LDA的分解...
python 图像压缩pca_对图像进行SVD和PCA降维，可用于压缩或者图像数据增强(python版)...
weixin_29688227的博客
02-09 974
def svd(img, topk_percent=0.7):"""使用svd对图片降维，可作为一种数据增强手段每列作为一个向量，先构建方阵，再求特征值 特征向量，取前N个主成分，再重构图像:param img: 输入图像:param topk_percent: 图像恢复率，:return: img after svd"""img_src=img[...]if len(img.shape) == ...
python SVD压缩图像的实现代码
09-18
主要介绍了python SVD压缩图像的实现代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Python实现奇异值分解 (SVD) 降维算法
最新发布
qq_42568323的博客
08-25 1038
奇异值分解（SVD）是一种强大的降维工具，可以有效地处理高维数据，提取出数据的主要特征。在本文中，我们深入探讨了SVD的数学原理，并通过Python实现了一个面向对象的SVD类。此外，我们还展示了如何在手写数字识别任务中应用SVD进行降维，并取得了较好的分类效果。通过SVD，我们能够在保留数据结构信息的同时，显著降低数据的维度，从而提高机器学习算法的效率。这种方法不仅适用于手写数字识别任务，还可以推广到其他需要处理高维数据的领域，如文本分类、图像压缩等。
SVD图像压缩
10-19
利用SVD分解师实现图像压缩，Python实现。奇异值数目暂定60，可更改
python之SVD函数介绍
热门推荐
mingyuli的博客
07-18 3万+
详情：https://www.cnblogs.com/denny402/p/5096491.html 1、python的mat函数 　我们看到一开始随机生成的数组与使用mat函数之后的类型是发生了变化的，尽管他们显示的东西没有什么区别，但是实质上，他们的类型是不同的。调用mat()函数可以将数组转换为矩阵，然后可以对矩阵进行一些线性代数的操作。 2、在python中使用SVD nump...
基于python的svd水印图片
11-01
【标题】基于Python的SVD水印图片技术详解 在图像处理领域，为保护版权或者增加视觉效果，经常需要在图片上添加水印。这里提到的"基于Python的SVD水印图片"技术，就是利用Python编程语言结合奇异值分解（Singular ...
python图像压缩脚本（内附PIL安装包和处理图片、基于SVD分解和图像重组）
12-28
此外，还有一个名为1.png的原始图像文件，它是进行SVD压缩前的参照图像。 使用PIL进行图像压缩的基本步骤包括： 1. 读取图像：使用PIL的Image模块加载图像。 2. 转换格式：根据需要，可能需要将图像转换为灰度或RGB...
基于奇异值分解（SVD）的图片压缩实践
01-21
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...
【Python/Pytorch - 网络模型】-- SVD算法
银尘博客
06-17 461
（1）矩阵的奇异值分解在最优化问题、特征值问题、最小二乘方问题、广义逆矩阵问题及统计学等方面都有重要应用；（2）应用：可以从更高维的角度，提取特定信息，可以在损失函数中，加入svd项；（3）矩阵奇异值分解中，奇异值是唯一确定的，而分解之后的酉矩阵U和V一般是不唯一的，因此，矩阵的奇异值分解式一般也是不唯一的；
SVD（奇异值分解）应用的python实现（一：图片压缩）
moyao_miao的博客
04-10 2190
当k取奇异值总和的前90%时，可以得到一张与原图几乎一模一样、仅在物体边界处有少量噪点的图片，压缩率为4.97%；注意原始图片为.bmp格式，压缩后的图片为.jpg格式，该图片单纯由.bmp转为.jpg的压缩率为5.07%。当k取奇异值总和的前99%时，可以得到一张与原图一模一样、肉眼无法看出差别的图片，压缩率为5.06%。当k取奇异值总和的前60%时，可以得到一张清晰但有大量噪点的图片，压缩率为4.17%；当k取奇异值总和的前50%时，可以得到一张勉强能够辨认的图片，压缩率为3.41%；
数据挖掘之_SVD的python实现和分析
12-20
数据挖掘之_SVD的python实现和分析
推荐系统Koren’s SVD++ Python实现
12-19
Netflix Prize上的奇异矩阵分解算法，在数据稀疏的时候可以较好的实现算法稳定性。 http://gustavonarea.net/blog/posts/korens-svd-python-implementation/ 内含使用说明。
填坑之作-python实现SVD
炼丹师
08-17 2549
本想使用python实现的一下SVD的各个步骤，然后就用一些库来实现特征向量和特征值的求解分解，然后最后得到SVD的结果，但是在上手的过程中，发生了一些很诡异的事情，在这里记录一下 首先是以下的实现 def SVD(A): AtA = np.dot(A.T, A) AAt = np.dot(A, A.T) AtAe, AtAv = np.linalg.eig(AtA...
奇异值分解（SVD）理论与python实现
MinerYCC
03-01 2万+
奇异值分解（Singular Value Decomposition，SVD）是一种重要的矩阵分解（Matrix Decomposition）方法，可以看做对称方正在任意矩阵上的一种推广，该方法在机器学习的中占有重要地位。         首先讲解一下SVD的理论，然后用python实现SVD，并应用于图像压缩。 1、奇异值分解（SVD）：         设有 A是一个m×n 的实矩阵，则
精简易懂，30 分钟学会 SVD 矩阵分解，很强！
算法channel
05-05 7359
SVD(Singular Value Decomposition)奇异值分解分解是机器学习中最重要的矩阵分解方法。它能够将一个任意形状的矩阵分解成一个正交矩阵和一个对角矩阵以及另一个正交...
奇异值分解 SVD 的数学解释
fan_fan_feng的专栏
03-23 2625
奇异值分解（Singular Value Decomposition，SVD）是一种矩阵分解（Matrix Decomposition）的方法。除此之外，矩阵分解还有很多方法，例如特征分解（Eigendecomposition）、LU分解（LU decomposition）、QR分解（QR decomposition）和极分解（Polar decomposition）等。这篇文章主要说下奇异值分解...
【机器学习实战-python3】利用SVD简化数据
修行的猫ZQ
05-14 5200
本篇的数据和代码参见：https://github.com/stonycat/ML-in-Action 一、开篇：简述SVD应用 利用SVD实现,我们能够用小得多的数据集来表示原始数据集。这样做,实际上是去除了噪声和冗余信息。简而言之，SVD是一种从大量数据中提取主要关键数据的方法。下面介绍几种应用场景： 1、隐性语义索引 最早的SVD应用之一就是信息检索。我们称利用SVD的方法为隐性语义索
用python对图片进行SVD压缩
04-10
可以使用Python中的numpy库对图片进行SVD压缩，具体实现可以参考以下代码： ```python import numpy as np from PIL import Image # 读取图片并转换成灰度图 img = Image.open('example.jpg').convert('L') # 转换成numpy数组 img_array = np.array(img) # 对图片矩阵进行SVD分解 U, S, VT = np.linalg.svd(img_array) # 设置要保留的奇异值个数，即压缩后的图片大小 k = 100 # 对S矩阵进行截断，只保留前k个奇异值 S = np.diag(S[:k]) # 计算压缩后的图片矩阵 compressed_img = U[:, :k] @ S @ VT[:k, :] # 转换为PIL图片并保存 final_img = Image.fromarray(compressed_img.astype(np.uint8)) final_img.save('compressed.png') ``` 这段代码通过对图片矩阵进行SVD分解，对S矩阵进行截断，保留前k个奇异值，来实现图片压缩。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值