Project Overviewنظرة عامة على المشروع
The project applies SVD to image matrices and compares how different ranks affect compression and visual quality.يطبق المشروع SVD على مصفوفات الصور ويقارن تأثير الرتب المختلفة على الضغط والجودة البصرية.
Back to Projectsالعودة إلى المشاريع
SVD Image Compression
A linear algebra experiment using Singular Value Decomposition to compress images.تجربة في الجبر الخطي تستخدم Singular Value Decomposition لضغط الصور.
Problem Statementبيان المشكلة
Image files can be large, and reducing data while preserving recognizable quality requires a structured mathematical method.قد تكون ملفات الصور كبيرة، وتقليل البيانات مع الحفاظ على جودة مفهومة يحتاج إلى طريقة رياضية منظمة.
Why It Was Builtلماذا بُني المشروع
It was built to connect linear algebra theory with a practical media-processing example.بُني لربط نظرية الجبر الخطي بتطبيق عملي في معالجة الوسائط.
Development Processعملية التطوير
The process loaded an image, decomposed color channels, reconstructed selected ranks, and compared quality and size.شملت العملية تحميل الصورة، تفكيك قنوات الألوان، إعادة البناء برتب مختارة، ومقارنة الجودة والحجم.
Tools and Technologiesالأدوات والتقنيات
SVD, MATLAB-style workflow, image matrices, matrix decomposition, compression metrics.
UML Diagrams / Architectureمخططات UML / البنية
The architecture is a processing pipeline: image input, matrix conversion, SVD decomposition, rank selection, reconstruction, and comparison.البنية عبارة عن مسار معالجة: إدخال الصورة، تحويلها إلى مصفوفات، تفكيك SVD، اختيار الرتبة، إعادة البناء، والمقارنة.
Shotsلقطات
Project Resourcesروابط المشروع
Lessons Learnedالدروس المستفادة
Mathematical rank choices create visible tradeoffs, so compression must be evaluated with both numbers and visual inspection.تنتج اختيارات الرتبة الرياضية مفاضلات مرئية، لذلك يجب تقييم الضغط بالأرقام والفحص البصري معًا.