文件名称：pca-compression:使用PCA尝试压缩图像
文件大小：455KB
文件格式：ZIP
更新时间：2024-05-31 07:38:12
Python
pca压缩 尝试使用PCA压缩图像。 PCA是一种来自机器学习的技术，其中将高维数据映射到低维空间，从而保留尽可能多的信息。 这可以用于图像压缩。 例如，如果我们有128x128灰度图像（每个像素256种颜色可能性），我们可以将（128）像素的每一行视为一个128维向量。 使用PCA，我们可以找到一个尺寸较小的新空间，该空间由顶部主要组件（彼此相互正交）确定。 一旦有了这些，我们就将每个矢量变换到这个新的，更紧凑的空间，从而有效地执行图像压缩。 为了再次看到图像，我们需要解压缩新的低维数据。 这是通过对新数据执行反向转换来完成的。 根据我们选择的主要组件的数量（压缩程度与PC数量成反比），我们获得的图像质量可能会比原始图像差。 例子 原始图片 保留70％的PC（1.42 / 1压缩） 保留40％的PC（2.5 / 1压缩） 保留10％的PC（10/1压缩）
【文件预览】：
pca-compression-master
----README.md(2KB)
----picture.py(3KB)
----datasets()
--------housing.csv(40KB)
----others()
--------small_lena.png(11KB)
----normalization.py(4KB)
----results()
--------comp_10perc.png(121KB)
--------comp_70perc.png(158KB)
--------comp_40perc.png(157KB)
----pca.py(4KB)