機器學習入門-降維實例-圖片壓縮

# 讀取圖片
from PIL import Image
img = Image.open('cat.jpeg')
#轉(zhuǎn)為數(shù)學矩陣
import numpy
imgary = numpy.array(img)
imgary = imgary/255
# 查看原始大小
original_bytes = imgary.nbytes
# 拆分紅綠藍三色矩陣
img_red = imgary[:,:,0]
img_green = imgary[:,:,1]
img_blue = imgary[:,:,2]
# 使用SVD分解矩陣
# from numpy.linalg import svd 
from scipy.linalg import svd
U_r,S_r,V_r = svd(img_red,full_matrices=True)
U_g,S_g,V_g = svd(img_green,full_matrices=True)
U_b,S_b,V_b = svd(img_blue,full_matrices=True)
# 壓縮圖片
k=100
U_r_k = U_r[:,0:k]
S_r_k = S_r[0:k]
V_r_k = V_r[0:k,:]
U_g_k = U_g[:,0:k]
S_g_k = S_g[0:k]
V_g_k = V_g[0:k,:]
U_b_k = U_b[:,0:k]
S_b_k = S_b[0:k]
V_b_k = V_b[0:k,:]
# 查看壓縮比例
compressed_bytes = sum([matrix.nbytes for matrix in [U_r_k,S_r_k,V_r_k,U_g_k,S_g_k,V_g_k,U_b_k,S_b_k,V_b_k]])
ratio = compressed_bytes/original_bytes
print(ratio)
# 還原矩陣
import numpy as np
image_red_approx = np.dot(U_r_k,np.dot(numpy.diag(S_r_k),V_r_k))
image_green_approx = np.dot(U_g_k,np.dot(numpy.diag(S_g_k),V_g_k))
image_blue_approx = np.dot(U_b_k,np.dot(numpy.diag(S_b_k),V_b_k))
row,col,_ = imgary.shape
img_reconstructed = np.zeros((row,col,3))
img_reconstructed[:,:,0] = image_red_approx
img_reconstructed[:,:,1] = image_green_approx
img_reconstructed[:,:,2] = image_blue_approx
img_reconstructed[img_reconstructed <0] = 0 # 異常值正規(guī)化
img_reconstructed[img_reconstructed >1] = 1 # 異常值正規(guī)化
# 查看壓縮后圖片
from matplotlib import pyplot as plt
fig = plt.figure(figsize=(10,10))
a  = fig.add_subplot(1,1,1)
plt.imshow(img_reconstructed)
# 保存壓縮后圖片
img_recon = img_reconstructed*255
img_recon.astype('uint8')
img2 = Image.fromarray(np.uint8(img_recon))
img2.save('newcat.jpg')
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 人面猴
    序言：七十年代末就漾，一起剝皮案震驚了整個濱河市冒版，隨后出現(xiàn)的幾起案子穆咐，更是在濱河造成了極大的恐慌尔店，老刑警劉巖，帶你破解...
    沈念sama閱讀 216,470評論 6贊 501
  • 死咒
    序言：濱河連續(xù)發(fā)生了三起死亡事件间坐，死亡現(xiàn)場離奇詭異禾蚕，居然都是意外死亡杜恰，警方通過查閱死者的電腦和手機，發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,393評論 3贊 392
  • 救了他兩次的神仙讓他今天三更去死
    文/潘曉璐 我一進店門敞贡，熙熙樓的掌柜王于貴愁眉苦臉地迎上來泵琳，“玉大人，你說我怎么就攤上這事誊役』窳校” “怎么了？”我有些...
    開封第一講書人閱讀 162,577評論 0贊 353
  • 道士緝兇錄：失蹤的賣姜人
    文/不壞的土叔 我叫張陵势木，是天一觀的道長蛛倦。 經(jīng)常有香客問我，道長啦桌，這世上最難降的妖魔是什么溯壶？ 我笑而不...
    開封第一講書人閱讀 58,176評論 1贊 292
  • ?港島之戀（遺憾婚禮）
    正文 為了忘掉前任，我火速辦了婚禮甫男，結(jié)果婚禮上且改，老公的妹妹穿的比我還像新娘。我一直安慰自己板驳，他們只是感情好又跛，可當我...
    茶點故事閱讀 67,189評論 6贊 388
  • 惡毒庶女頂嫁案：這布局不是一般人想出來的
    文/花漫 我一把揭開白布。 她就那樣靜靜地躺著若治，像睡著了一般慨蓝。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上端幼，一...
    開封第一講書人閱讀 51,155評論 1贊 299
  • 城市分裂傳說
    那天礼烈，我揣著相機與錄音，去河邊找鬼婆跑。 笑死此熬，一個胖子當著我的面吹牛，可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播犀忱，決...
    沈念sama閱讀 40,041評論 3贊 418
  • 雙鴛鴦連環(huán)套：你想象不到人心有多黑
    文/蒼蘭香墨 我猛地睜開眼募谎，長吁一口氣：“原來是場噩夢啊……” “哼！你這毒婦竟也來了阴汇？” 一聲冷哼從身側(cè)響起数冬，我...
    開封第一講書人閱讀 38,903評論 0贊 274
  • 萬榮殺人案實錄
    序言：老撾萬榮一對情侶失蹤，失蹤者是張志新（化名）和其女友劉穎搀庶，沒想到半個月后吉执，有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體，經(jīng)...
    沈念sama閱讀 45,319評論 1贊 310
  • ?護林員之死
    正文 獨居荒郊野嶺守林人離奇死亡地来，尸身上長有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...
    茶點故事閱讀 37,539評論 2贊 332
  • ?白月光啟示錄
    正文 我和宋清朗相戀三年戳玫，在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片未斑。...
    茶點故事閱讀 39,703評論 1贊 348
  • 活死人
    序言：一個原本活蹦亂跳的男人離奇死亡咕宿，死狀恐怖，靈堂內(nèi)的尸體忽然破棺而出蜡秽，到底是詐尸還是另有隱情府阀，我是刑警寧澤，帶...
    沈念sama閱讀 35,417評論 5贊 343
  • ?日本核電站爆炸內(nèi)幕
    正文 年R本政府宣布芽突，位于F島的核電站试浙，受9級特大地震影響，放射性物質(zhì)發(fā)生泄漏寞蚌。R本人自食惡果不足惜田巴，卻給世界環(huán)境...
    茶點故事閱讀 41,013評論 3贊 325
  • 男人毒藥：我在死后第九天來索命
    文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望挟秤。 院中可真熱鬧壹哺，春花似錦、人聲如沸艘刚。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,664評論 0贊 22
  • 一樁弒父案，背后竟有這般陰謀
    文/蒼蘭香墨 我抬頭看了看天上的太陽攀甚。三九已至箩朴，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間秋度，已是汗流浹背炸庞。 一陣腳步聲響...
    開封第一講書人閱讀 32,818評論 1贊 269
  • 情欲美人皮
    我被黑心中介騙來泰國打工， 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留静陈，地道東北人燕雁。 一個月前我還...
    沈念sama閱讀 47,711評論 2贊 368
  • 代替公主和親
    正文 我出身青樓，卻偏偏與公主長得像鲸拥，于是被迫代替她去往敵國和親拐格。 傳聞我的和親對象是個殘疾皇子，可洞房花燭夜當晚...
    茶點故事閱讀 44,601評論 2贊 353

推薦閱讀更多精彩內(nèi)容