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
defgetImgAsMatFromFile(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 defplotImg(imgMat):
    plt.imshow(imgMat, cmap=plt.cm.gray)
    plt.show()# SVD处理defrecoverBySVD(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

取前20个奇异值

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