Matlab 如何在图像上应用SVD后检查图像是否被压缩（关于磁盘上压缩图像的大小）

这是我为SVD分解编写的代码，我得到了正确的输出。但是压缩图像的大小比原始图像大，所以如何计算SVD图像压缩后是否，这意味着，在应用svd迭代后，我得到的磁盘上的图像大小大于原始图像。

我认为您忽略了svd分解的要点。重建图像的大小将与像素数保持相同。SVD允许您存储/传输更少的信息。。。换句话说，在您的情况下，您可以传输256^2倍或（256*j）+j+（256*j）。90的j是46170（对65536）

以下是一个示例：

I=imread('cameraman.tif');
figure(1),imshow(I)
I1=im2double(I);
[U,S,V]=svd(I1);
figure(2),imshow(I1)
for j=1:90
    I2=U(:,1:j)*S(1:j,1:j)*V(:,1:j)';
end
figure(3),imshow(I2)
I3=U*S*V';
figure(4),imshow(I3)

---

你是指I3的像素大小>I1的像素大小，还是图像在磁盘上的大小以字节为单位更大？实际上它是

（256*j）+j+（256*j）

，因为我们只取

S

的对角线（单数值，其余为零）

I = imread('cameraman.tif');
X = im2double(I);

%# SVD
[U S V] = svd(X);

%# variance explained by each eigenvector
variances = abs(diag(S).^2);
plot(cumsum(variances)./sum(variances), 'b.-'), ylim([0 1])
title('SVD'), xlabel('i^{th} Component'), ylabel('Variance explained')

%# iterate over number of components to keep
figure
subplot(121), imshow(X), title( sprintf('size=%d',numel(X)) )
subplot(122)
for p = 1:(size(U,2)/2-1)
    %# truncated SVD
    Up = U(:,1:p);
    Vp = V(:,1:p);
    Sp = diag(S(1:p,1:p));

    %# reconstruct/compress
    XHat = Up * diag(Sp) * Vp';                %'# approximation
    err = mean( abs(X(:)-XHat(:)) );           %# mean absolute error
    sz = (numel(Up) + numel(Vp) + numel(Sp));  %# new size

    %# show
    imshow(XHat)
    title( sprintf('p=%d, size=%d, err=%g', p, sz, err) )

    %# flush output
    drawnow
end