【矩阵分析】奇异值分解在图像压缩中的应用及编程实践

最新推荐文章于 2024-06-28 15:10:06 发布

一的千分之一

最新推荐文章于 2024-06-28 15:10:06 发布

阅读量6.4k

点赞数 4

分类专栏：【矩阵分析】

本文链接：https://blog.csdn.net/yideqianfenzhiyi/article/details/80463159

版权

【矩阵分析】专栏收录该内容

1 篇文章 0 订阅

订阅专栏

奇异值分解（Singular Value Decomposition, SVD）在图像处理与机器学习领域中应用较为广泛，如图像压缩、主成分分析、以及搜索引擎语义层次检索的LSI（Latent Semantic Indexing）。本文主要侧重于其在图像压缩和主成分分析中的应用，而关于SVD的计算公式和细节，这里不再表述，详细可见[1]。

—— SVD在图像压缩中的应用

以下代码是使用SVD将输入灰度图像进行分解，然后提取出前n个奇异值，以及对应的左右奇异值向量进行图像的重构。

% svd for image compression

clc; clear all; close all;

% read image
img = imread('tangwei.jpg');
[hei, wid, col] = size(img);
if col == 3
    img = rgb2gray(img);
end
fprintf('The size of image is: %d x %d.\n', [hei, wid] );

% svd decomposition
[u, s, v] = svd(double(img));

% reconstruction
recon_nums = [1, 5, 10, 50, 100];
img_recon = zeros(hei, wid, length(recon_nums));

for id = 1:length(recon_nums)
    for ii = 1: recon_nums(id)
        img_temp = s(ii, ii) * u(:, ii) * v(:, ii)';
        img_recon(:, :, id) = img_recon(:, :, id) + img_temp;
    end
end

% compute compression rate
compre_rate = (hei*wid) ./ ((hei+wid).*recon_nums + recon_nums); 

% show 
figure;
for id = 1:length(recon_nums)
    subplot(2, 3, id);
    imshow(uint8(img_recon(:, :, id)))
    title(['奇异值个数:', num2str(recon_nums(id)), ...
        '，压缩比:', num2str(compre_rate(id)) ]);
end

subplot(2, 3, 6);
imshow(uint8(img));
title('原始图像');

图示结果如下：

——图1——

图像压缩比的计算公式为：

c o m p r e_r a t e = i m g _ h e i \times i m g _ w i d s v _ n u m \times ( i m g _ h e i + i m g _ w i d + s v _ n u m )

$compre\_rate = \frac {img\_hei \times img\_wid} {sv\_num \times (img\_hei + img\_wid + sv\_num)}$
其中

sv_num s v _ n u m $sv\_num$ 代表选取的奇异值的个数。

由上图可知，当选取50个奇异值时，图像的重构效果视觉上基本可以接受了，但仍存在细小的马赛克，而选取100个奇异值时，重构结果与原图基本上便没有差别了。自然会想到一个问题，对于不同的图像，选取同样数目的奇异值其压缩效果会相同么？

下图（图2）是为一个草地，图像的灰度分布杂乱无章，此时即使选取了100个奇异值，恢复的图像上半部分仍存在明显的模糊。

——图2——

下图（图3）则与图2相反，因为天空的灰度分布较为一致，当奇异值仅取5时，恢复出的图像已与原图差别不大，除了图像下方细小的草地有细微的区别。

——图3——

从奇异值数值分布的角度来看待这个现象，我们计算一下对于不同的图像，前多少个奇异值的数值和占据所有奇异值总和的90%：

% put singular values into a vector
if hei <= wid
    s_vector = zeros(hei, 1);
else
    s_vector = zeros(wid, 1);
end

for ii = 1:length(s_vector)
    s_vector(ii) = s(ii, ii);
end

s_sum = sum(s_vector);
flag = 0;
s_temp = 0;
for ii = 1:length(s_vector)
    s_temp = s_temp + s_vector(ii);
    if s_temp/s_sum >= 0.9
        flag = ii;
        break;
    end
end
fprintf('奇异值数目总和: %d\n', length(s_vector));
fprintf('占比为90%%时的奇异值数目：%d\n', flag);