2回答
让我们假设我们有如下图像
我已经读过了，并在matlab中转换成了灰度。I=imread('tbilisi.jpg');我得到了以下结果
现在我已经做了这个图像的svd (当然，首先我已经转换成双倍格式) gray 575x1000 575000 uint8
浏览 24提问于2018-01-19得票数 0
我正在写一个代码来找出图像的哪一部分被复制了，所以我需要在图像中找到类似的块。我需要使用SVD (奇异值分解)来找出哪些块匹配在一起。你知道如何在图像上应用奇异值分解来找到相似的块吗？
请帮帮我。
浏览 1提问于2010-11-06得票数 2
1回答
我正在执行一个SVD图像压缩- SVD允许您通过一个等级较低的v秩矩阵来近似实际的图像矩阵，从而实现压缩()。这是伪代码：[U, S, V] = SVD(image_mat) % U and V are square这两个图像都包含相同的像素数(因为U和V不改变)。因此，文件大小不会改变(读：不
浏览 1提问于2016-11-02得票数 2
d=50;M2 = double(im);U2 = U(compressed=U2*S2*V2';S2
压缩后的图像放大了我对图像做sv
浏览 0提问于2011-04-12得票数 2
1回答
我试图用奇异值分解来压缩给定的图像。我以为我有它，直到我注意到我在整个过程中不断地看到垃圾颜色的像素。右上角显示的数字显示迭代次数，其中0是原始图像。 encoded = encoded.plus(step);本质上，我正在做的(或试图做<e
浏览 8提问于2012-03-12得票数 5
1回答
我已经从一个jpg文件中读入了一个图像，并将其转换成了一个numpy数组。我已经压缩了图像，现在需要编写一个新函数来返回压缩(截断的SVD)表示所使用的“等效像素数”。def compress_image(I, k):
U= U[:,:k]
V= np.dot(np.diag
浏览 23提问于2019-04-16得票数 0
1回答
我正在尝试使用np.linalg.eig方法实现奇异值分解，用于图像压缩任务。我们不允许直接使用np.linalg.svd方法。下面是我的svd方法： def svd(A): evals2, V = LA.eig(A.T @ A) sigma = np.array(list(map(math.sqrt, evals)))
ret
浏览 31提问于2019-10-05得票数 0
4回答
我是全新的MATLAB，但我试图做一些图像压缩编码的灰度图像。我如何使用SVD来剪短低值特征值来重建压缩图像？the image to a grayscale[U,S,V]=svd假设167个特征值，我只想取前100 (或任何一个n真的)，我如何这样做，并重建压缩
浏览 4提问于2012-11-28得票数 16
回答已采纳
1回答
OpenCV:本质矩阵分解
、、、、
* Mat(W) * svd_vt; </code></pre>
然而，当我使用R和T (例如获得校正图像)时，结果似乎不正确(黑色图像或一些明显错误的输出)，尽管如此，我使用了可能的R和T的不同组合。在同样的情况下，结果是
浏览 2提问于2014-01-20得票数 1
I=imread('cameraman.tif');I1=im2double(I);figure(2),imshow(I1)I2=U(:,1:j)*S(1:j,1:j)*V(:,1:j)';figure(3),imshow(I2)figure(4),imshow(I3)
这是我为奇异值分解写的代码，我得到了正确的output.But压缩图像</em
浏览 1提问于2011-07-14得票数 4
是否有任何matlab图像是建立在像‘芒钻’，是至少512x512？我需要加载一个已经内置了这个大小的图像，然后应用SVD压缩，但我不熟悉任何这样大小的图像。
浏览 2提问于2015-02-26得票数 1
回答已采纳
1回答
所以我试着用SVD做图像压缩，但是我的代码有一个错误。我试着查过了，但解决办法不适用于我的案子。imread("inputimg.jpg");Ir = I(:,:,1);Ib = I(:,:,3);
[Ug, Sg, Vg] = svd(Ig,'econ');
[Ub, Sb, Vb]
浏览 2提问于2018-12-12得票数 1
回答已采纳
1回答
我一直在学校用奇异值分解研究图像压缩。然而，我不明白如何通过使用SVD和截断所使用的奇异值的数量来减少内存。原始图像的大小为m x n，因此使用m x n x像素大小的字节。在奇异值分解之后，得到的矩阵仍然是m x n。那么它不会使用相同数量的空间吗？
浏览 1提问于2016-11-12得票数 0
1回答
矩阵乘法和加法的R函数
、、、
在对矩阵执行SVD之后，我想要创建一个函数(我对R中的函数还不太熟悉)，它为我指定的n值创建了一个约简矩阵。Mat = matrix(scores, nrow=2)现在，从矩阵分解到原始矩阵，通过蛮力和无知，下面的工作。score1 = svd$u[,1] %*% t(svd$v[,1]) * svd$d[1]
score2 = <
浏览 1提问于2015-05-27得票数 0
回答已采纳
我是python编程的新手，所以如果我的问题太基本了，请原谅。我以前从这个论坛得到了很大的帮助，感谢你们的所有贡献。这一次，我有一组12,000个图像数据，我正在对它们执行奇异值分解(svd)并计算它们的平均值。以下是一些示例图片：问题是，当我同时执行svd和mean计算时，在计算过程中不会排除屏蔽值(数组元素)。我已经尝试了我所知道的一切来解决这个问题，但没有成功。下面是我采取
浏览 1提问于2015-08-02得票数 2
1回答
我必须通过以下方式解决来自SVD的结果A = [[1,2,3],[4,5,6]]这段代码运行得很好x = svsol(u,w,v,b)
python和IDL中的u几乎相同(对于其他矩阵也是如此)。唯一的区别是维数，IDL的矩阵更大，但有很多零。从这个意义上说，Python的矩阵看起来更加压缩了。有<e
浏览 0提问于2012-09-25得票数 3
回答已采纳
1回答
我想在mahout做一份SVD的工作。我有一个矩阵(例如A)创建的(文档x项)的大小为372053 x 21338 (21338没有独特的词，比如N，372053个文档说M)。所以我的矩阵A是大小的(M*N)。我使用mahout运行了svd，得到了清理好的特征向量(我给出了预期的等级为200，假设R)。现在我有一个R*N大小的本征向量矩阵。SVD
浏览 1提问于2013-10-28得票数 0
2回答
基于numpy的三维图像压缩
、、、、
我有一个3Dnumpy数组，表示一个对象，用单元作为体素，体素的值从1到10。我想压缩图像(a)以使其更小，(b)稍后通过将其压缩到与原始图像的最小一致程度来快速了解图像的复杂性。我已经使用奇异值分解对2D图像做了这样的处理，并查看了需要多少奇异值，但它在3D图像中看起来有困难。例如，如果我看一下S矩阵中的对角项，它们都是零，我期待的是奇异值。有没有</e
浏览 0提问于2016-08-20得票数 2
我的工作是使用奇异值分解技术进行图像压缩。我用Matlab为它写了代码。我压缩了一个文件大小为8.15KB的图像(255*255*3)。当我保存压缩图像( jpg格式)时，它的文件大小超过了原始图像文件的大小。the original image
/&#x
浏览 0提问于2013-03-13得票数 1
回答已采纳
1回答
我有一个问题来检测绿色的压缩包。我用不同的焦点设置拍摄了不同的图像，到目前为止，我找到了物体的位置。但是现在我有一个问题来检测物体的边缘，我尝试用高斯滤波器的一阶导数来检测x和y方向的边缘，并尝试合并，但结果不是很令人满意。我尝试将图片转换到另一个颜色空间，以查看更清晰的边缘，但没有结果。
浏览 0提问于2012-02-22得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
