svd图像去噪python代码，奇异值取前10%。

以下是使用SVD图像去噪的Python代码，其中奇异值取前10%：

import numpy as np
from PIL import Image

# 读取图像并转换为灰度图像
img = Image.open("image.jpg").convert('L')
img.show()

# 将图像转换为numpy数组
img_arr = np.array(img)

# 对图像进行SVD分解
U, sigma, V = np.linalg.svd(img_arr)

# 计算奇异值的总和
total_sigma = np.sum(sigma)

# 计算前10%的奇异值和
top_10_percent_sigma = np.sum(sigma[:int(0.1 * len(sigma))])

# 计算保留奇异值的数量
num_singular_values = int(0.1 * len(sigma))

# 重构图像
reconstructed_img_arr = U[:, :num_singular_values] @ np.diag(sigma[:num_singular_values]) @ V[:num_singular_values, :]
reconstructed_img = Image.fromarray(reconstructed_img_arr.astype('uint8'))

# 显示重构后的图像
reconstructed_img.show()

说明：该代码首先读取图像并将其转换为灰度图像。然后，将图像转换为numpy数组，并对其进行SVD分解。接下来，计算奇异值的总和和前10％的奇异值和，计算保留奇异值的数量，并重构图像。最后，显示重构后的图像。