基于奇异值分解的图像压缩原理,matlab奇异值分解SVD
【图像压缩】基于奇异值分解德拉贡诺夫狙击步枪(斯奈佩尔斯卡娅维尼奥夫卡德拉古诺夫的缩写)进行图像压缩矩阵实验室代码_MATLAB仿真博客的技术博客_博客
一简介根据奇异值分解的基本原理及其特点，给出了运用奇异值分解进行图像压缩的方法。通过简单的例子说明了该方法进行图像压缩的基本过程，给出了压缩流程。并通过材料实验室编程对实际图像进行处理，表明了该方法的有效性。
编辑
编辑
2完整代码%将图像作为uint8的矩阵读入A
色度控制中心
清理所有
全部关闭
[X，map]=im read(女巫头。jpg’)；
im=X；
%将图像从uint8转换为德拉贡诺夫狙击步枪（Snayperskaya Vinyovka Dragunov的缩写）的双打
X=im2 double(X)；
%分离
[U_r，S_r，V_r]=svd(X(:1))；
[U_g，S_g，V_g]=svd(X(:2))；
[U_b，S_b，V_b]=svd(X(:3))；
%=============================
%测试脚本
%=============================
%确认检查红色
out _ red=U _ r * S _ r * V _ r ；
红色=X(:1)；
% -
% S_r的大小为640x1138，因此有640个对角线值
尺寸
%找到最大的k个奇异值
k=30
redk=zeros(k，1)；
greenk=zeros(k，1)；
bluek=zeros(k，1)；
%发现和矩阵的对角线是有序的
对于i=1:k
redk(i)=S_r(i，I)；
greenk(i)=S_g(i，I)；
bluek(i)=S_b(i，I)；
目标
% -
%存储分析
initialStorage=640 * 1138
当前存储=(640 1138)* k k；
% -
%误差分析
sume=0；
因为i=1:640
sume=sume S_r(i，i) S_g(i，i) S_b(i，I)；
目标
误差=sum(redk greenk bluek)/sume；
% -
NewImage_r=zeros(640，1138)；
NewImage_g=zeros(640，1138)；
NewImage_b=zeros(640，1138)；
对于i=1:k
new image _ r=new image _ r redk(I)* U _ r(:i)*V_r(:I)；
new image _ g=new image _ g greenk(I)* U _ g(:i)*V_g(:I)；
new image _ b=new image _ b bluek(I)* U _ b(:i)*V_b(:I)；
目标
% -
%规范化矩阵以适应rgb格式
因为i=1:640
对于j=1:1138
if(NewImage_r(i，j) 0)
NewImage_r(i，j)=0；
目标
if(NewImage_g(i，j) 0)
NewImage_g(i，j)=0；
目标
if(NewImage_b(i，j) 0)
NewImage_b(i，j)=0；
目标
目标
目标
% -
rgbi image=cat(3，NewImage_r，NewImage_g，new image _ b)；
% image(RGB图像)；
% image(X)；
差异=rgbImasge-X
数字
支线剧情(121)
imshow(X，[])；标题(原图)
支线剧情(122)
imshow(NewImage_b，[])；标题(压缩后的图)
% - 3 仿真结果
编辑
四参考文献[1]胡乡峰，卫金茂。基于奇异值分解（奇异值分解)的图像压缩[J]的缩写.东北师大学报：自然科学版， 2006, 38(3):4.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的矩阵实验室仿真，相关矩阵实验室代码问题可私信交流。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。