来自 https://www.youtube.com/watch?v=DG7YTlGnCEo ，Singular Value Decomposition (SVD) and Image Compression
几何变换
我们有些时候需要做一个变换，比如：
在这种情况下，我们需要进行旋转、水平和竖直方向的拉伸和压缩，并且再次进行旋转。
而矩阵可以表示一个线性变换，比如：
有一些特殊的矩阵：
- 旋转：
- 拉伸压缩：
并且可以进行分解：
降维
0.44很小，所以可以考虑把它去掉（变为0）
因此可以降维：
而且可以将矩阵分解之后压缩存储：
而其实矩阵可以用SVD的方式分解出来：
所以可以考虑把后面的比较小的去掉。
如果不是一个方阵，其实也可以做：
图像压缩
基于之前的SVD技术，可以进行图像压缩。
先对原始图像进行分解，只保留一行一列的情况下：
而之后已经基本上等于0了：
如果保留前3项，就已经和原图很像了；如果保留前4项，就已经一样了。
标签：27,04,降维,SVD,矩阵,图像压缩,分解,可以 来源： https://blog.csdn.net/qq_36243169/article/details/118879442
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。