ML 01A・2 × 2 矩陣會對一張影像做什麼?
入門ML 01A・學習所需的線性代數影像實驗
題目說明
移動兩個基底向量的像,看一張真實照片跟著改變。行列式是帶正負號的面積倍率,奇異值是沿兩個互相垂直方向的伸縮量,秩為 1 時整張影像被壓成一條線。
試試看:預設是一個剪切:det A = 1,所以面積不變,但 σ1 = 1.62、σ2 = 0.62(κ = 2.62),單位圓變成橢圓。面積不變不代表形狀不變。接著選「伸縮」,把 k 從 1 經過 0 滑到 −1:k = 0 時影像塌縮成一條線(秩為 1,κ = ∞),k 為負時它以鏡像的樣子回來(det A < 0)。最後選「投影」,想一想影像中哪些點會落在同一點,以及有沒有任何矩陣能還原。
解析
請先回答預測問題,或在準備好時再打開解析。
顯示解析
det A = 0·0 − 1·1 = −1。絕對值 1 表示面積不變(兩個奇異值都是 1,所以長度也不變),但負號表示方向被反轉,只有鏡射會這樣:從 Ae1 = (0, 1) 轉到 Ae2 = (1, 0) 是順時針,而從 e1 轉到 e2 是逆時針。旋轉的 det A 一定是 +1,壓扁的 det A 則是 0。試試看:選「鏡射」,k = 1、θ = 45°。
實驗 · ML 01A・2 × 2 矩陣會對一張影像做什麼?
正在載入影像…
試試看:預設是一個剪切:det A = 1,所以面積不變,但 σ1 = 1.62、σ2 = 0.62(κ = 2.62),單位圓變成橢圓。面積不變不代表形狀不變。接著選「伸縮」,把 k 從 1 經過 0 滑到 −1:k = 0 時影像塌縮成一條線(秩為 1,κ = ∞),k 為負時它以鏡像的樣子回來(det A < 0)。最後選「投影」,想一想影像中哪些點會落在同一點,以及有沒有任何矩陣能還原。
真實照片:skimage.data.camera,256 × 256(來源見下方)。座標原點是照片中心,64 個像素為一個單位,所以照片在 x、y 方向都涵蓋 −2 到 2,y 軸向上,與數學圖形相同。右圖用反向對應產生:每個輸出像素先找出自己來自哪裡(把 A 的反矩陣作用在它的位置上),再以雙線性內插讀值;被壓縮的區域會平均多個取樣點以避免鋸齒;棋盤格表示影像到不了的地方。秩為 1 的矩陣沒有反矩陣,所以畫成一條線,線上每一點的值是照片中所有塌縮到該點的點的平均。青色虛線是單位圓的像,一個橢圓,它的半軸(青色實線)長度是 σ1 與 σ2;當 σ1 = σ2 時不畫半軸。控制項:令 u = (cos θ, sin θ),剪切是 I + k·u·vT(v 是 u 轉 90°),伸縮是 I + (k − 1)·u·uT(k = 1 為單位矩陣),旋轉是旋轉 θ 再乘以 k,鏡射是對沿 u 方向那條線的鏡射再乘以 k,投影是 k·u·uT。因為它們沿著方向 θ 作用,兩個滑桿會讓 a、b、c、d 四個元素都改變。「自己拖」沒有任何限制:拖曳右圖的紅色與黃色尖端,或直接點一下,或讓圖取得焦點後按 1 或 2 選箭頭、再用方向鍵移動(按住 Shift 步伐較大)。元素介於 −1.95 與 1.95、間隔 0.01 的任何矩陣都能到達;此模式下滑桿停用。奇異值使用 2 × 2 的封閉公式(Blinn),並與 numpy.linalg.svd 比對;當 σ2 小於 σ1 的十億分之一時視為奇異矩陣。數字四捨五入到小數點後兩位。
方法與影像來源
- Gilbert Strang, Introduction to Linear Algebra, 6th ed., Wellesley-Cambridge Press, 2023 (determinant as signed area, SVD, rank)
- Jim Blinn, Consider the Lowly 2 × 2 Matrix, IEEE Computer Graphics and Applications 16(2), 82–88, 1996 (closed-form 2 × 2 SVD)
- SciPy documentation, scipy.ndimage.affine_transform (inverse mapping with bilinear interpolation; the reference for the warp)
- scikit-image test images (skimage.data): camera is CC0 by Lav Varshney; coins is from the Brooklyn Museum collection, no known copyright restrictions; astronaut is a NASA photograph in the public domain