参照：https://www.cnblogs.com/pinard/p/6251584.html
#include <iostream> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; //SVD算法 int main() { string filename = "C:/Users/Administrator/Desktop/标准测试图片/Fig0646(a)(lenna_original_RGB).tif"; Mat img = imread(filename, IMREAD_GRAYSCALE); img.convertTo(img, CV_32FC1);//转换为float类型 string tile = "压缩比率"; Mat U, W, VT; SVD svd; svd.compute(img, W, U, VT); //将矩阵进行压缩 //原始数据进行压缩之后是 m*m m*n n*n //由于特征值在前几行中占有的比率是比较大的，所以，仅仅选择前几行(r)作为好的特征值 //那么分解的结果就变为 m*r r*r r*n 这样的形式 double radio = 0.2;//压缩比率 int rows = radio*img.rows; Mat WROI = Mat::zeros(rows, rows, CV_32FC1);//W矩阵的大小 //填充举着WROI; for (int i = 0; i < rows;++i) { WROI.at<float>(i, i) = W.at<float>(i); } Mat UROI = U.colRange(0, rows);//主要注意的是，colrange中不包含End Mat VTROI = VT.rowRange(0, rows); Mat Result = UROI*WROI*VTROI; //将结果转换为灰度影像 Result.convertTo(Result, CV_8UC1); namedWindow(tile); imshow(tile, Result); waitKey(0); return 0; }
