本文共 898 字，大约阅读时间需要 2 分钟。

参照： 

#include 
   
    #include 
    
     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
     
      (i, i) = W.at
      
       (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;}
      
     
    
   

转载地址：https://blog.csdn.net/zhanggusheng/article/details/70161085 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！