机器学习SVD作业

作业

作业1:利用SVD分解,完成china.jpg文件的压缩与显示。

代码

from skimage import io
import matplotlib.pyplot as plt
import numpy as np
def getImgAsMatFromFile(filename):
	# 读取灰度图像
    img = io.imread(filename, as_gray=True)
    # np.mat()函数用于将输入解释为矩阵
    return np.mat(img) 
# 显示灰度图像 
def plotImg(imgMat):
    plt.imshow(imgMat, cmap=plt.cm.gray)
    plt.show()
# SVD处理
def recoverBySVD(imgMat, k):
     # SVD分解
    U, s, V = np.linalg.svd(imgMat)
    print(len(s))
     # 选择前k个重要的特征值
    Uk = U[:, : k]
    Sk = np.diag(s[: k])
    Vk = V[: k, :]
    # 重构图像
    imgMat_new = Uk * Sk * Vk
    return imgMat_new
    A = getImgAsMatFromFile('china.jpg')  #读取图片的数字矩阵
plotImg(A)                                 #绘图
A_new = recoverBySVD(A, 10)     #取前10个奇异值
plotImg(A_new) 

结果

取前10个奇异值

机器学习SVD作业_第1张图片

取前20个奇异值

机器学习SVD作业_第2张图片

心得体会

SVD压缩速度相对较快(相较于K-means而言),上图中, 仅提取未至1/10, 便达到较为理想的效果, 且占用空间大大减少。

原创不易
转载请标明出处
如果对你有所帮助 别忘啦点赞支持哈
机器学习SVD作业_第3张图片

你可能感兴趣的