原文：http://www.cnblogs.com/didea/p/6044321.html
OpenCV中SVD分解函數compute
C++: static void SVD::compute(InputArray src, OutputArray w, OutputArray u, OutputArray vt, int flags=0 )    src – Decomposed matrix  w – Computed singular values  u – Computed left singular vectors  v – Computed right singular vectors  vt – Transposed matrix of right singular values  flags – Opertion flags - see SVD::SVD().  //參數分別為輸入圖像，輸出圖像，壓縮比例void SVDRESTRUCT(const cv::Mat &inputImg, cv::Mat &outputImg, double theratio){    cv::Mat tempt;    cv::Mat U, W, V;    inputImg.convertTo(tempt, CV_32FC1);    cv::SVD::compute(tempt, W, U, V);    cv::Mat w = Mat::zeros(Size(W.rows, W.rows), CV_32FC1);    int len = theratio*W.rows;    for (int i = 0; i < len; ++i)        w.ptr<float>(i)[i] = W.ptr<float>(i)[0];    cv::Mat result = U*w*V;    result.convertTo(outputImg, CV_8UC1);}int main(int argc, char* argv[]){    cv::Mat scrX = imread("2.jpg",0);    cv::Mat resultm;    SVDRESTRUCT(scrX, resultm,0.05);    cv::imshow("1",resultm);    waitKey(0);    return 0;} SVD本身是個O(N^3)的算法，大數據處理比較慢。原圖如下：
原圖重構如下：
0.1壓縮如下：
0.01壓縮如下：