机器学习实战：用 SVD 压缩图像（已上线）

↓↓↓点击关注，回复资料，10个G的惊喜

SVD

前文我们了解了，今天就实战一下，用矩阵的奇异值分解对图片进行压缩.

Learn by doing

我做了一个在线的图像压缩应用，大家可以感受一下。

功能很简单，上传需要压缩的图片，选择压缩比，提交即可。

下面咱们就一起看看实现过程

原理很简单：
将图片分解为RGB三颜色矩阵，将每个颜色矩阵进行奇异值分解，然后选择指定数量的特征对矩阵进行压缩。

核心代码

完整代码大家可以clone我的huggingface

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

核心代码1:

p表示奇异值的百分比，根据指定的清晰度提取奇异值清晰度越高，压缩比越低，提取的奇异值的个数也就越多，图片也就越不会失真）

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


核心代码2: 主要就是定义inderence函数和gradio前端的实现

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)
上线

Gradio + Huggingface 上线机器学习应用（纯免费）我已经介绍过很多遍了，这里就不赘述了，还不太熟悉的同学请移步我这篇文章：

这里就提一下遇到的小问题及解决方法吧。

由于用了cv2，所以要安装opencv-python，但是运行中报错如下：

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


针对这个错误，网上有以下方法：

1 yum安装：

yum install libglvnd-glx


2 重新安装opencv包：

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


第一种方法需要root权限，建议直接第二种方法吧，省事。

参考：https://blog.razrlele.com/p/1920 https://blog.csdn.net/qq_42192693/article/details/121392195