基于奇异值分解svd的图像压缩技术研究1012201039刘畅图像文件的容.doc

基于奇异值分解（SVD）的图像压缩技术研究 1012201039 刘畅 图像文件的容量一般都很大，它的存储和传输，特别是网间传输会因此受到很大影响。图像压缩技术是解决此问题的关键。当前对图像压缩的算法有很多，特点各异，从而形成了各种专门的图像格式。除了专门的图像压缩软件外，一般数据压缩工具的压缩率都不是太高，例如Winzip的压缩只有两倍左右。本文通过奇异值分解完成可调压缩率的图像压缩。 1. 基本原理 主要从奇异值分解的基本原理出发，详细阐述基于奇异值分解的图像压缩的原理和方法。用Matlab编程实现了该方法对图片的压缩，最后对该方法实验图片的压缩效果进行讨论与总结，可以看出该方法对于压缩图像奇异值衰减较快的图片较为有效。众所周知，位图格式的图像，其特点是他的数据和图像像素点一一对应，组成三个矩阵，以往的处理是对数据本身进行分析，找出规律，然后再用相应的算法进行处理，本研究将图像作为矩阵，运用奇异值分解(SVD)对矩阵进行压缩。 1.1 奇异值分解定理 奇异值的定义：设(r0)，的特征值为： (1) 则称（i=1,2,…,n）是A的奇异值；规定零矩阵0的n个奇异值都是0. 奇异值分解定理：设(r0)，则存在m阶酉矩阵U和n阶酉矩阵V，使得 (2) 其中，而σ1，σ2，…，σr，是矩阵A的所有非零奇异值，并且称式（2）是矩阵A奇异值分解，若U写成的形式，V写成，则（2）式可以写成如下形式： (3) 1.2 图像压缩基本思路 由于大得奇异值对图像的贡献大，小的奇异值对图像的贡献率小，所以可以从r个奇异值中选取前k（kr）个生成矩阵近似表示图像。 即取： (4) 其中用Ak近似表示图像A。 存储图像A需要m*n个数值，存储图像Ak需要数值，若取 (5) 就可以达到压缩图像的目的，并称为压缩比。 下面用一个例子说明处理过程： 选取一个9×10的矩阵A，如下所示，对其进行奇异值分解，三个矩阵记为：U(9×9)，S(9×10)，V(10×10)。 选取k=4，通过奇异值分解就可得到Uk，Sk，Vk ， 由公式（4）计算Ak得到 比较发现，Ak和A几乎相同，下面通过具体的图像压缩来说明奇异值分解的应用。 2. 实验验证 2.1 实验数据来源： 本实验所需图片是Matlab自带的tif格式图片。TIFF 以任何颜色深度存储单个光栅图像，被认为是印刷行业中受到支持最广的图形文件格式。TIFF 格式是可扩展的格式。这意味着程序员可以修改原始规范以添加功能或满足特定的需要。调用Matlab自带函数读取图片，获取图片的描述矩阵，为256*256阶的8为方阵。本实验主要对进行奇异值分解，用一个更小阶的矩阵来描述，从而达到实验目的。 图1 原始图像 2.2 实验过程 (1) 提取图像数据，将图片读入Matlab中，存储的是数据矩阵并设为A，将数据转换为double型，以适应SVD函数的要求，运用函数进行图像的奇异值分解，分别得到对角奇异值矩阵S为256*1型，以及U左奇异值矩阵为256*256型，V右奇异值矩阵为256*256型。提取奇异值作为行向量，绘制奇异值曲线如下： 图2 奇异值曲线 (2) 利用分解后的矩阵重构原矩阵A的近似矩阵Ak，并进行数据格式转换。设置压缩数k，试验中分别是指k=20,40,60,80,100,120；利用svds函数将选择k之后的新矩阵进行重构得到Ak，重构后需的矩阵需进行数据类型转换，转换为unit8类。 2.3 流程图 根据上述奇异值分解的图像压缩原理，利用Matlab软件编制程序，虽任意选取的一幅图像进行压缩与解压处理，程序流程如图所示 图3 压缩与解压程序流程 3. 实验结果分析 重构后的图像（图4）输出如下： (a) k=20 (b) k=40 (c) k=60 (d) k=80 (e) k=100 (f) k=120 图4 重构图像 由于大的奇异值对图像的贡献率大，小的奇异值对图像的贡献率小。而且我们从奇异值曲线可以看出，奇异值衰减很快，只有前面50个奇异值较大，后面的奇异值较小，这为我们用较少的奇异值重构原图像而不会带来大的失真成为可能。压缩数k越小，需要保存的数据越少，但重构后的图像与原始图像相差越大；k越大，需保存的数据越多，重构后的图像与原始