機(jī)器學(xué)習(xí)實(shí)戰(zhàn):用SVD壓縮圖像

前文我們了解了奇異值分解(SVD)的原理拼岳,今天就實(shí)戰(zhàn)一下窿给,用矩陣的奇異值分解對(duì)圖片進(jìn)行壓縮.

Learn by doing

我做了一個(gè)在線的圖像壓縮應(yīng)用,大家可以感受一下帆赢。

https://huggingface.co/spaces/beihai/Image-Compression-with-SVD

功能很簡(jiǎn)單茶敏,上傳需要壓縮的圖片壤靶,選擇壓縮比,提交即可惊搏。

[圖片上傳失敗...(image-30f28b-1650179510896)]

下面咱們就一起看看實(shí)現(xiàn)過(guò)程

用SVD壓縮圖像

[圖片上傳失敗...(image-ef6049-1650179510896)]

[圖片上傳失敗...(image-98d87-1650179510896)]

原理很簡(jiǎn)單:
將圖片分解為RGB三顏色矩陣贮乳,將每個(gè)顏色矩陣進(jìn)行奇異值分解,然后選擇指定數(shù)量的特征對(duì)矩陣進(jìn)行壓縮恬惯。

核心代碼

完整代碼大家可以clone我的huggingface

https://huggingface.co/spaces/beihai/Image-Compression-with-SVD

核心代碼1:

p表示奇異值的百分比向拆,根據(jù)指定的清晰度提取奇異值清晰度越高,壓縮比越低酪耳,提取的奇異值的個(gè)數(shù)也就越多亲铡,圖片也就越不會(huì)失真)

def rebuild_img(u, sigma, v, percent): 
    m = len(u)
    n = len(v)
    a = np.zeros((m, n))

    count = (int)(sum(sigma))
    curSum = 0
    k = 0
    while curSum <= count * percent:
        uk = u[:, k].reshape(m, 1)
        vk = v[k].reshape(1, n)
        a += sigma[k] * np.dot(uk, vk)
        curSum += sigma[k]
        k += 1
 
    a[a < 0] = 0
    a[a > 255] = 255

核心代碼2:
主要就是定義inderence函數(shù)和gradio前端的實(shí)現(xiàn)

import os
os.system("pip install --upgrade pip")
os.system("pip install opencv-python-headless")
import cv2
import numpy as np
import gradio as gr
from func import rebuild_img

def inference(img,k):
    input_img = cv2.imread(img, cv2.IMREAD_COLOR)    
    u, sigma, v = np.linalg.svd(input_img[:, :, 0])
    R = rebuild_img(u, sigma, v, k)
    u, sigma, v = np.linalg.svd(input_img[:, :, 1])
    G = rebuild_img(u, sigma, v, k)
    u, sigma, v = np.linalg.svd(input_img[:, :, 2])
    B = rebuild_img(u, sigma, v, k)
    restored_img = np.stack((R, G, B), 2)
    return Image.fromarray(restored_img[:, :, ::-1])


gr.Interface(
    inference, 
    [
    gr.inputs.Image(type="filepath", label="Input"),gr.inputs.Slider(0, 1, 0.1,default=0.6,label= 'Compression ratio')], 
    gr.outputs.Image(type="pil", label="Output"),
    title=title,
    description=description,
    article=article
    ).launch(enable_queue=True,cache_examples=True,share=True)

上線

Gradio + Huggingface 上線機(jī)器學(xué)習(xí)應(yīng)用(純免費(fèi))我已經(jīng)介紹過(guò)很多遍了,這里就不贅述了,還不太熟悉的同學(xué)請(qǐng)移步我這篇文章:騰訊的這個(gè)算法奖蔓,我搬到了網(wǎng)上,隨便玩讹堤!

這里就提一下遇到的小問(wèn)題及解決方法吧吆鹤。

由于用了cv2,所以要安裝opencv-python洲守,但是運(yùn)行中報(bào)錯(cuò)如下:

  File "/home/user/.local/lib/python3.8/site-packages/cv2/__init__.py", line 8, in <module>
    from .cv2 import *
ImportError: libGL.so.1: cannot open shared object file: No such file or directory

針對(duì)這個(gè)錯(cuò)誤疑务,網(wǎng)上有以下方法:

1 yum安裝:

yum install libglvnd-glx

2 重新安裝opencv包:

pip uninstall opencv-python
pip install opencv-python-headless

第一種方法需要root權(quán)限,建議直接第二種方法吧梗醇,省事缸逃。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末右蹦,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌蹂风,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,546評(píng)論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件无牵,死亡現(xiàn)場(chǎng)離奇詭異茬祷,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)竟终,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,224評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門蝠猬,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人统捶,你說(shuō)我怎么就攤上這事榆芦。” “怎么了喘鸟?”我有些...
    開封第一講書人閱讀 164,911評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵匆绣,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我迷守,道長(zhǎng)犬绒,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,737評(píng)論 1 294
  • 正文 為了忘掉前任兑凿,我火速辦了婚禮凯力,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘礼华。我一直安慰自己咐鹤,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,753評(píng)論 6 392
  • 文/花漫 我一把揭開白布圣絮。 她就那樣靜靜地躺著祈惶,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上捧请,一...
    開封第一講書人閱讀 51,598評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音疹蛉,去河邊找鬼活箕。 笑死,一個(gè)胖子當(dāng)著我的面吹牛可款,可吹牛的內(nèi)容都是我干的育韩。 我是一名探鬼主播,決...
    沈念sama閱讀 40,338評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼闺鲸,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼筋讨!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起摸恍,我...
    開封第一講書人閱讀 39,249評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤悉罕,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后误墓,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體蛮粮,經(jīng)...
    沈念sama閱讀 45,696評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,888評(píng)論 3 336
  • 正文 我和宋清朗相戀三年谜慌,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了然想。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,013評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡欣范,死狀恐怖变泄,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情恼琼,我是刑警寧澤妨蛹,帶...
    沈念sama閱讀 35,731評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站晴竞,受9級(jí)特大地震影響蛙卤,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜噩死,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,348評(píng)論 3 330
  • 文/蒙蒙 一颤难、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧已维,春花似錦行嗤、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,929評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)飘千。三九已至,卻和暖如春栈雳,著一層夾襖步出監(jiān)牢的瞬間护奈,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,048評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工甫恩, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留逆济,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,203評(píng)論 3 370
  • 正文 我出身青樓磺箕,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親抛虫。 傳聞我的和親對(duì)象是個(gè)殘疾皇子松靡,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,960評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容