Python SVD исправить количество собственных значений для восстановления образа? - PullRequest
Новая
       43

Python SVD исправить количество собственных значений для восстановления образа?

0 голосов
/ 11 июля 2020

Я пытаюсь восстановить образ, который я ранее разложил с помощью SVD. Изображение такое:

введите описание изображения здесь

Я успешно разложил изображение с помощью этого кода: 

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

img = Image.open('steve.jpg')
img = np.mean(img, 2)

U,s,V = np.linalg.svd(img)

s массив сингулярных значений изображения. Чем больше сингулярных значений я беру, тем больше реконструированное изображение похоже на исходное. Например, если я возьму 20 сингулярных значений: 

n = 20
S = np.zeros(np.shape(img))
for i in range(0, n):
    S[i, i] = s[i]

recon_img = U@S@V

plt.imshow(recon_img)
plt.axis('off')
plt.show()

введите описание изображения здесь

Я хотел бы исправить минимальное количество сингулярных значений, чтобы получить хороший результат: изображение pretty, подобное исходному. Более того, я хотел бы увидеть, насколько сильно изменится результат, когда я возьму большее количество сингулярных значений. Я безуспешно пробовал с анимацией: 

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

img = Image.open('steve.jpg')
img = np.mean(img, 2)

U,s,V = np.linalg.svd(img)

fig = plt.figure()

def update(i):
    S = np.zeros(np.shape(img))
    n = 20
    for i in range(0, n):
        S[i, i] = s[i]

    recon_img = U@S@V

    plt.imshow(recon_img)
    plt.axis('off')

ani = FuncAnimation(fig = fig, func = update, frames = 20, interval = 10)
plt.show()

1 Ответ

0 голосов
/ 11 июля 2020

Если вы построите сингулярные значения s, вы увидите очень крутую убывающую кривую, лучше, если вы используете логарифмическую шкалу для оси y: 

plt.semilogy(s, 'k-')

enter image description here

As you can see, the first 50 singular values are the most important ones: almost everyone more that 1000. Values from the ~50th to the ~250th are an order of magnitude lower and their values decreases slowly: the slope of the curve is contained (remember the logarithmic y scale). That beeing said I would take the first 50 elements to rebulid your image.

Regarding the animation: while the animation updates frame by frame, the counter i is increased by 1. In your code, you mistakenly use i to slice the s and define S; you should rename the counter.
Moreover, as animation goes on, you need to take an increasing number of singular values, this is set by n which you keep constant frame by frame. You need to update n at each loop, so you can use it as the counter.
Furthermore, you need the erase the previous plotted image, so you need to add a plt.gca().cla() at the beginning of the update function.
Check the code below for reference:

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

img = Image.open('steve.jpg')
img = np.mean(img, 2)

U,s,V = np.linalg.svd(img)

fig, ax = plt.subplots(1, 2, figsize = (4, 4))

ax[0].imshow(img)
ax[0].axis('off')
ax[0].set_title('Original')

def init():
    ax[1].cla()
    ax[1].imshow(np.zeros(np.shape(img)))
    ax[1].axis('off')
    ax[1].set_title('Reconstructed\nn = 00')


def update(n):
    ax[1].cla()
    S = np.zeros(np.shape(img))
    for i in range(0, n):
        S[i, i] = s[i]

    recon_img = U@S@V

    ax[1].imshow(recon_img)
    ax[1].axis('off')
    ax[1].set_title(f'Reconstructed\nn = {n:02}')

ani = FuncAnimation(fig = fig, func = update, frames = 50, init_func = init, interval = 10)
ani.save('ani.gif', writer = 'imagemagick')

plt.show()

which gives this animation:

введите описание изображения здесь

Как видите, первых 50 элементов достаточно, чтобы восстановить образ. Остальные элементы добавляют шум и немного меняют фон.

...