Sapukan Analisis Komponen Utama (PCA) untuk imej RGB

1. Bolehkah kita menggunakan PCA pada gambar?
2. Bagaimana PCA berfungsi pada pemampatan imej?
3. Di mana anda tidak boleh menggunakan PCA?
4. Bagaimana saya memisahkan imej ke dalam saluran menggunakan PCA?

Bolehkah kita menggunakan PCA pada gambar?

Salah satu kes penggunaan PCA ialah ia boleh digunakan untuk pemampatan imej - teknik yang meminimumkan saiz dalam bait imej sambil mengekalkan kualiti imej yang mungkin.

Bagaimana PCA berfungsi pada pemampatan imej?

Bagaimana PCA berfungsi pada pemampatan imej? Imej adalah gabungan piksel dalam baris yang diletakkan satu demi satu untuk membentuk satu imej tunggal setiap nilai piksel mewakili nilai intensiti imej, jadi jika anda mempunyai banyak imej, kita dapat membentuk matriks memandangkan barisan piksel sebagai vektor.

Di mana anda tidak boleh menggunakan PCA?

PCA harus digunakan terutamanya untuk pembolehubah yang sangat berkorelasi. Sekiranya hubungan lemah antara pembolehubah, PCA tidak berfungsi dengan baik untuk mengurangkan data. Rujuk matriks korelasi untuk menentukan. Secara umum, jika kebanyakan pekali korelasi lebih kecil daripada 0.3, PCA tidak akan membantu.

Bagaimana saya memisahkan imej ke dalam saluran menggunakan PCA?

Memisahkan gambar dalam array R, G, B

Biru, Hijau, Merah = CV2. Split (IMG) #it akan memecah imej asal ke dalam tatasusunan biru, hijau dan merah. Satu perkara penting di sini untuk diperhatikan ialah, OpenCV akan berpecah menjadi saluran biru, hijau, dan merah dan bukannya merah, biru, dan hijau. Berhati -hati dengan urutan di sini.