svd图像去噪python代码

以下是使用SVD（奇异值分解）进行图像去噪的Python代码示例：

import numpy as np
from PIL import Image

def svd_denoising(image_path, k):
    # 读取图像并转为灰度图
    img = Image.open(image_path).convert('L')
    # 将图像转为numpy数组
    img_arr = np.array(img)
    # 对图像做SVD分解
    U, S, V = np.linalg.svd(img_arr, full_matrices=False)
    # 只保留前k个奇异值
    S[k:] = 0
    # 重建图像
    reconstructed_img_arr = U.dot(np.diag(S)).dot(V)
    # 转为PIL图像对象并返回
    return Image.fromarray(reconstructed_img_arr.astype('uint8'))

# 示例使用
denoised_img = svd_denoising('noisy_image.png', 50)
denoised_img.save('denoised_image.png')

在上面的代码中，我们使用了Python的NumPy库和PIL库。`svd_denoising`函数接收两个参数：图像路径和保留的奇异值数量k。函数首先读取图像并将其转换为NumPy数组，然后对其进行SVD分解。接着，我们将前k个奇异值保留下来（其余的都设为0），并使用这些奇异值重建图像。最后，我们将重建后的图像转换为PIL图像对象，并返回。

请注意，上面的代码仅作为示例，实际应用中可能需要进行参数调整和优化，以便得到更好的去噪效果。