基于奇異值分解的數(shù)字圖像壓縮技術(shù)研究

張曉鋒，賈曉強(qiáng)

（1.渭南職業(yè)技術(shù)學(xué)院 機(jī)電工程學(xué)院，陜西 渭南714000；2.渭南師范學(xué)院 網(wǎng)絡(luò)安全與信息化學(xué)院，陜西 渭南 714099）

基于奇異值分解的數(shù)字圖像壓縮技術(shù)研究

張曉鋒1，賈曉強(qiáng)2

（1.渭南職業(yè)技術(shù)學(xué)院 機(jī)電工程學(xué)院，陜西 渭南714000；2.渭南師范學(xué)院 網(wǎng)絡(luò)安全與信息化學(xué)院，陜西 渭南 714099）

為了實(shí)現(xiàn)圖像壓縮，在分析圖像壓縮原理的基礎(chǔ)上，提出了一種矩陣奇異值分解（SVD）的圖像壓縮算法，該算法通過對(duì)數(shù)字圖像矩陣進(jìn)行奇異值分解，將一幅圖像轉(zhuǎn)換成包含幾個(gè)非零值的奇異值矩陣，從而實(shí)現(xiàn)了圖像壓縮。通過Matlab仿真實(shí)驗(yàn)，在奇異值從0變化到240的過程中，當(dāng)奇異值大于50時(shí)，隨著奇異值的增大，壓縮比越來越小，圖像慢慢變清晰。和原始圖像相比，采用矩陣的奇異值分解壓縮方法可以將原始圖像壓縮20%左右，具有較好的壓縮性能。

壓縮率；圖像壓縮；奇異值分解

Abstract:In order to realize the image compression，on the basis of analyzing image compression principle，a matrix singular value decomposition（SVD） image compression algorithm has been proposed.Based ondigital image matrix singular value decomposition was made in the algorithm，an image was converted into singular value matrix containing several nonzero value，and the image compression can be realized.Bymatlab simulation experiment， the singular value varying from 0 to 240， When the singularvalues is greaterthan50，with the increase of singular value the compression ratio is smaller and smaller， and the image become more and more clear.Compared with the original image， using the singular value decomposition of matrix compression method，the original image can be compressed by about 20%，which has good compression performance.

Key words:compression ratio；image compression； singular value decomposition

在信息爆炸的時(shí)代，人類日常的工作、生活中多媒體信息越來越多。多媒體信息主要有3種形式：文本、聲音和圖像（靜態(tài)和動(dòng)態(tài)）。從信息傳播的發(fā)展史（電報(bào)、電話、傳真、廣播、電視、網(wǎng)絡(luò)等）可以看到，傳播信息的焦點(diǎn)從聲音傳給圖像。然而，圖像是3種形式的信息中占用空間較大的數(shù)據(jù)，這給圖象傳輸效率以及圖象保存帶來了很大的困難。對(duì)于比較大的圖象數(shù)據(jù)，如果不經(jīng)過壓縮處理，很大程度超出了計(jì)算機(jī)的存儲(chǔ)和處理能力。而且在現(xiàn)有的通信信道的傳輸速率下，是很難實(shí)現(xiàn)多媒體訊息傳輸?shù)膶?shí)時(shí)性，數(shù)字圖象需要快速的傳輸效率和極大的空間儲(chǔ)備已經(jīng)成為推廣數(shù)字圖像的最大障礙。

1 圖像壓縮基本原理

圖像數(shù)據(jù)之所以能被壓縮，就是因?yàn)閿?shù)據(jù)中存在著冗余。圖像數(shù)據(jù)的冗余主要表現(xiàn)為:圖像中相鄰像素間的相關(guān)性引起的空間冗余；圖像序列中不同幀之間存在相關(guān)性引起的時(shí)間冗余；不同彩色平面或頻譜帶的相關(guān)性引起的頻譜冗余。數(shù)據(jù)壓縮的目的就是通過去除這些數(shù)據(jù)冗余來減少表示數(shù)據(jù)所需的比特?cái)?shù)。

圖像壓縮可以是有損數(shù)據(jù)壓縮也可以是無損數(shù)據(jù)壓縮。對(duì)于如繪制的技術(shù)圖、圖表或者漫畫優(yōu)先使用無損壓縮，這是因?yàn)橛袚p壓縮方法，尤其是在低的位速條件下將會(huì)帶來壓縮失真。如醫(yī)療圖像或者用于存檔的掃描圖像等這些有價(jià)值的內(nèi)容的壓縮也盡量選擇無損壓縮方法。有損方法非常適合于自然的圖像，例如一些應(yīng)用中圖像的微小損失是可以接受的（有時(shí)是無法感知的），這樣就可以大幅度地減小位速。

2 基于矩陣奇異值分解理論下的算法構(gòu)造

2.1 奇異值分解的圖像壓縮原理

在圖像處理中應(yīng)用SVD（奇異值分解）的主要理論背景是：1）圖像奇異值的穩(wěn)定性非常好，即當(dāng)圖像被施加小的擾動(dòng)時(shí)，圖像的奇異值不會(huì)有大的變化；2）奇異值所表現(xiàn)的是圖像內(nèi)蘊(yùn)特性而非視覺特性[4]。

奇異值分解： 對(duì)于矩陣，A∈Rm×nr，r＞0 其中 m 和n是任意正整數(shù)（不約定大小），有下面的分解定理。

1）（奇異值分解）[5]給定 A∈Rm×nr，r＞0，則存在正交矩陣 V∈o（m）和 V∈o（m），使得

其中D∈Rm×n是矩形對(duì)角矩陣

且 σ1≥σ2，…，≥σn＞0.

假設(shè)用 n×n維矩陣 A表示要傳送的原始圖像。假定對(duì)矩陣A進(jìn)行奇異值分解，便得到：

由于ATA∈Rm×n是半正定對(duì)稱矩陣，且 rank（ATA）=rank（AAT）=rank（A），所以 ATA 的所有特征值是非負(fù)的，且有r個(gè)正的。因此可以將ATA的n個(gè)特征值按降序排列記對(duì)應(yīng)的正交特征向量為 x1，x2，…，xn，且記:

D1=diag（σ1，σ2，…，σn），則有

記，V1=[x1，…，xn]，V2=[x1，…，xn]則，ATAV1=V1D1由此得到

記 U1=AV1D-11∈Rm×n，則由式（4），有 UT1U1=Ir，即是U1的列式互相正交的，因?yàn)镽m中任意一組正交向量都可以擴(kuò)展成為整個(gè)空間的一組正交基，所以存在 U2∈Rm×（n-r），使得 U=[U1，U2]∈o（m）。 另外由得 AV2=0， 因此，即AV2的列都是零向量。這些子矩陣滿足

若A∈Rm×n，ATA 對(duì)于非零特征值的非負(fù)平方根稱作A的奇異值，A的奇異值的全體集合記作σ（A）。分解公式（2）稱作A的奇異值分解，簡(jiǎn)記為SVD分解；V的第i列vi=Vri稱作A的屬于σi的單位右奇異向量；U的第i列ui=Uei稱作A的屬于σi的單位左奇異向量。

2）（幾何 SVD 分解）[6]若 A∈Rm×n，r≠0 則 Rm中存在標(biāo)準(zhǔn)正交基 v1，v2，…，vn，在 Rm中存在標(biāo)準(zhǔn)正交基 u1，…，um，和正實(shí)數(shù)，使得

如果把A看成是從向量x∈Rm到Ax∈Rm的線性變換，則可以選擇中的基向量，將任何映射表示成矩陣的形式。

在研究將一個(gè)空間變換到同一個(gè)空間時(shí)，矩陣的特征值起到重要的作用，而研究將一個(gè)空間映射到不同空間時(shí)，特別是不同維數(shù)的空間里時(shí)，比如超定或欠定方程組所表示的情況下，就需要用矩陣的奇異值來描述算子對(duì)空間的作用了。

2.2 奇異值分解進(jìn)行圖像壓縮的算法構(gòu)造

數(shù)字圖象的定義：一幅圖片可以被定義為一個(gè)二維函數(shù)f（m，n），在這里m和n表示空間坐標(biāo)，而f對(duì)于任何（m，n）坐標(biāo)的（灰度）的函數(shù)值被稱為點(diǎn)的灰度值（縮放）。當(dāng)m，n和f的值都是有限的和離散的，則稱這是一個(gè)數(shù)字圖象。由上定義可知，數(shù)字圖象時(shí)可以用三維矩陣來表示的。假定設(shè)圖像A，將其矩陣化后所得像素為m×n的A數(shù)字圖像矩陣。對(duì)矩陣A進(jìn)行奇異值分解，由公式（2）有A=UDVT且rank（A）=r，可知對(duì)數(shù)字圖像矩陣A進(jìn)行矩陣奇異值分解后產(chǎn)生了3個(gè)矩陣U、D和V，矩陣A的秩為R。U為m階矩陣，V為n階矩陣，D為對(duì)角矩陣。D中含有的非零元素組成矩陣[σ1，σ2，…，σN]，且 σ1＞σ2＞…，σN，σ為A的矩陣奇異值。σ的大小反映出了它對(duì)應(yīng)還原到數(shù)字圖像A的有效作用信息的多少，即σn的值越大其所包含的數(shù)字圖像A的有效作用信息越多，反之亦然。U和V中同樣也包含著能恢復(fù)到圖像A的所有信息的一部分，正是因?yàn)榇耍裟軠p少U、D和V 3個(gè)矩陣中的一些信息（既是刪減矩陣的一些行和列，但這些行和列必須相對(duì)應(yīng)），那么還原到圖像時(shí)，該還原圖像的信息將小于原來的圖像信息，則勢(shì)必能減少其所占的存儲(chǔ)空間。即是恢復(fù)到圖像A′也會(huì)比原圖像A所占用的存儲(chǔ)空間少，從而達(dá)到設(shè)想的壓縮效果。

由于D中每一個(gè)奇異值所含有的原來的圖像的信息是有限的，在實(shí)際操作中可以只取D的前k個(gè)奇異值（其后的奇異值假定為零，對(duì)恢復(fù)圖像不起作用），對(duì)應(yīng)著m×m左奇異向量矩陣U的和n×n右奇異向量V的對(duì)前K列被選取出來。也就是僅僅使用K個(gè)奇異值來近似的表示恢復(fù)的矩陣A，即有Ak=Ak所含的內(nèi)容即為數(shù)字圖像矩陣A中一部分信息。這種算法的壓縮比為：

圖1 設(shè)計(jì)流程圖

3 仿真分析

3.1 在MATLAB上實(shí)現(xiàn)矩陣奇異值分解對(duì)預(yù)選圖像進(jìn)行壓縮

前面的內(nèi)容介紹到了一些圖像壓縮的知識(shí)和利用矩陣奇異值實(shí)現(xiàn)壓縮的方法和流程圖，下文將結(jié)合MATLAB編程語言對(duì)預(yù)選取的圖像實(shí)現(xiàn)圖像壓縮。圖2即預(yù)選的jpg格式圖像。

圖2 原圖像儲(chǔ)存大小=14.4K(b)k=5ρ=21.689儲(chǔ)存大小=5.3 K

以下將根據(jù)流程圖對(duì)整個(gè)圖像進(jìn)行不同k值（奇異值保留個(gè)數(shù)）和壓縮率的壓縮分析：

讀入圖像girl.jpg，所得的矩陣定為A。由公式（1）以及奇異值的定義可以得到girl.jpg矩陣化后再進(jìn)行奇異值分解后的奇異值個(gè)數(shù)為240個(gè)。在MATLAB中可使用D=diag（D）函數(shù)可以輕易地測(cè)量出原圖像的所有奇異值，此圖的前50個(gè)奇異值數(shù)值如表1所示。

表1顯示出在奇異值按大小排列后，位于前面的奇異值含有能還原圖像的信息越多，壓縮能力越強(qiáng)。圖3將給出壓縮能力與奇異值個(gè)數(shù)的數(shù)字關(guān)系。

從圖3中，體現(xiàn)出了對(duì)girl.jpg圖像的壓縮效果與保留奇異值數(shù)目多少不同的關(guān)系。從中可以看出，當(dāng)奇異值k在小于第50個(gè)奇異值 （從大到小排列）以后的奇異值對(duì)圖像的貢獻(xiàn)較小。同時(shí)也體現(xiàn)出，奇異值k的個(gè)數(shù)在向左方遞減的同時(shí)，壓縮比值越大，其圖像的失真度越高

3.2 結(jié)果分析

從表2壓縮前后屬性對(duì)比中可以從視覺上感官出保留的奇異值k的個(gè)數(shù)多少對(duì)重建圖像的影響，通過表2的各項(xiàng)參數(shù)分析表明，當(dāng)k=5壓縮為5.3 kB，k=15為 9.6 kB，k=20為 11.2 kB，k=30為 12.3 kB，k=40為12.8 kB。可以看出，k值越小，壓縮后的圖像越明顯，但是圖像不清晰，隨著k值的變大，圖像慢慢變清晰，但壓縮率變小，滿足奇異值的曲線分布。

表1 girl.jpg前50個(gè)奇異值一覽表

圖3 壓縮比與奇異值個(gè)數(shù)關(guān)系曲線圖

4 結(jié) 論

用奇異值分解法來實(shí)現(xiàn)圖像壓縮，在不影響圖像質(zhì)量前提下，利用計(jì)算機(jī)模擬，分析實(shí)驗(yàn)數(shù)據(jù)結(jié)果表明，重構(gòu)效果較好，運(yùn)行時(shí)間較短，速度快，儲(chǔ)存空間減少。使圖象壓縮具有更高的效率和精度。在選擇矩陣的奇異值分解來實(shí)現(xiàn)圖像的壓縮與恢復(fù)時(shí)，可以達(dá)到很高的壓縮比同時(shí)不產(chǎn)生圖像失真。當(dāng)然，利用奇異值進(jìn)行壓縮的時(shí)候，由于這些特征值都是由該矩陣自身和它的轉(zhuǎn)置的乘積所求出的，計(jì)算量是比較大的。

圖 4 （中）k=30 ρ=4.563儲(chǔ)存大小=12.3 K

圖 5 k=40（右）ρ=3.422儲(chǔ)存大小=12.8 K

表2 壓縮前后屬性對(duì)比表

[1]劉直芳，王運(yùn)輝.數(shù)字圖像處理與分析[M].北京:清華大學(xué)出版社，2015.

[2]韋仙，康睿丹.基于降維壓縮法的圖像重構(gòu)[J].武漢工程大學(xué)報(bào)，2015，37（12）:69-74.

[3]張成楠.基于奇異值分解圖像壓縮算法的研究[J].山西電子技術(shù)，2010，4（2）:79-80.

[4]陳一虎.基于SVD圖像壓縮技術(shù)研究[J].價(jià)值工程,2011，13（2）:169-170.

[5]羅小桂.矩陣奇異值分解（SVD）的應(yīng)用[J].井岡山醫(yī)專學(xué)報(bào)，2013，12（4）:133-135.

[6]王建輝.圖像矩陣降維壓縮的一種新方法[J].控制與決策，2007，22（12）:1408-1416.

[7]吳俊政.一種基于奇異值分解的圖像壓縮方法[J].計(jì)算機(jī)與數(shù)字工程，2009，37（5）:136-139.

[8]（美）岡薩雷斯等.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2009.

[9]陳波，王紅霞，成禮智.圖像壓縮中的快速方向離散余弦變換[J].北京：軟件學(xué)報(bào)，2011，22（4）:826-832.

[10]張軍，成禮智，楊海濱，等.基于紋理的自適應(yīng)提升小波變換圖像壓縮 [J].計(jì)算機(jī)學(xué)報(bào)，2010，33（1）:185-192.

[11]黃長春，徐抒巖，胡君.奇異值分解遙感圖像壓縮算法研究[J].計(jì)算機(jī)仿真，2011，28（8）:226-353.

[12]張飛艷，謝偉，陳榮元，等.基于視覺加權(quán)的奇異值分解壓縮圖像質(zhì)量評(píng)價(jià)測(cè)度[J].電子與信息學(xué)報(bào)，2010，32（5）:1062-1065.

[13]王懷光，張培林，張?jiān)茝?qiáng)，等.基于奇異值分解和小波變換的圖像壓縮算法[J].火炮發(fā)射與控制學(xué)報(bào)，2012，12（15）:38-42.

[14]王郗雨，楊曉梅，胡學(xué)姝.基于奇異值分解的壓縮感知核磁共振圖像重構(gòu)算法 [J].計(jì)算機(jī)應(yīng)用研究，2013，30（4）:1248-1252.

[15]趙峰，黃慶明，高文.一種基于奇異值分解的圖像匹配算法[J].計(jì)算機(jī)研究與發(fā)展，2010，47（1）:23-32.

Research on digital image compression technology based on singular value decomposition

ZHANG Xiao-feng1，JIA Xiao-qiang2
（1.Department of Computing Science， Weinan Vocational and Technical College，Weinan714000，China；2.School of Network Security and Information，Weinan Normal University，Weinan714099，China）

TN911

A

1674－6236（2017）19-0179-04

2016-09-04稿件編號(hào)201609028

陜西省重點(diǎn)扶持學(xué)科基金資助項(xiàng)目（14XZD010）；渭南師范學(xué)院科研基金資助項(xiàng)目（16YKS004）

張曉峰（1981—），男，陜西渭南人，碩士，講師。研究方向：WEB工程，數(shù)字圖像處理。