如何将PCA应用于图像

Question

我有一个灰色的嘈杂图像。我想应用PCA来降低噪音，并在应用后查看输出。

这是我试图做的：

from sklearn.datasets import load_sample_image
from sklearn.feature_extraction import image
from sklearn.decomposition import PCA
# Create patches of size 3 by 3 and create a matrix from all patches
patches = image.extract_patches_2d(image, (3, 3), random_state = 42)
# reshape patches because I got an error when applying fit_transform(ValueError: Found array with dim 4. Estimator expected <= 2.)
patches_reshaped = patches.reshape(4,-1)
pca = PCA()
projected = pca.fit_transform(patches_reshaped.data)

结果得到一个数组。如何查看去噪的图像？

Answer 1

为了查看降噪后的图像，您需要将使用主成分以低维表示的数据转换回原始空间。为此，您可以使用inverse_transform()功能。从文档here中可以看到，此函数将接受投影的数据并返回类似于原始图像的数组。所以你可以做类似的事情，

denoised_image = pca.inverse_transform(projected)
# then view denoised_image