奇异值分解 SVD 图像压缩 Matlab 压缩率

最新推荐文章于 2025-03-06 09:16:23 发布

Life_XY

最新推荐文章于 2025-03-06 09:16:23 发布

阅读量1.2w

点赞数 2

分类专栏： Matlab

本文链接：https://blog.csdn.net/yangyangyang20092010/article/details/8518058

版权

本文介绍如何使用Matlab实现奇异值分解（SVD）进行图像压缩。通过展示奇异值的大小分布曲线及奇异值个数对压缩率的影响，探讨SVD在图像压缩中的关键步骤和效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于奇异值分解（SVD）的图像压缩

基于Matlab，将奇异值分解（SVD）用于图像的压缩，并同步显示奇异值的大小分布曲线、奇异值个数对压缩率的影响。对奇异值分解用于图像压缩整个过程的关键步骤都有图像记录。

完整代码如下：

%%%%%%%%%%%%%%%%%%%%%%%%%%
%修改第9行的图像路径即可，图像格式不限
%2013.1.12 yangxin_szu
%%%%%%%%%%%%%%%%%%%%%%%%%%
%%
clear all;
clc;
%导入图像
X = imread('F:\M_Material\egle.bmp');
if (size(X,3) ~= 1) 
   X = rgb2gray(X);
end
%奇异值分解
[U S V] = svd(double(X));
%绘制奇异值的分布曲线
plot(diag(S),'b-','LineWidth',3);
title('图像矩阵的奇异值');
ylabel('奇异值');
%图像大小
[m n] = size(X);
%图像矩阵的秩
Rank = rank(double(X));
%显示原图
figure,subplot(1,2,1),imshow(X);
Image_Rank = ['图像矩阵的秩 = ' int2str(Rank)];
title(Image_Rank,'Color','b');
%%
%循环改变奇异值选取的个数，动态