1. 在Adobe photoshopcs中如何壓縮圖片
方法一、 PS軟體壓縮方法：
1、用Photoshop壓縮圖片，將圖片導入到PS中，然後選擇圖像選項下的「圖像大小」。
2、彈出圖像大小對話框，然後就可以修改圖片的像素值或圖像大小尺寸，像素/圖像大小變小了，相片的容量自然就小了，然後點擊「確定」按鈕即可。
方法二：用Acdsee壓縮方法：
1、用電腦中自帶的Acdsee看圖工具壓縮圖片體積，右鍵單擊圖片然後選擇打開方式，就可以將圖片導入到Acdsee中。
2、然後在工具選項下就可以選擇「調整大小」，在調整大小對話框中，可以通過調整原始圖像百分比或大小（像素）來調整圖片的大小尺寸。
方法三：用畫圖工具壓縮方法：
1、用電腦中自帶的畫圖工具來壓縮圖片體積，同方法②一樣，右鍵單擊圖片然後選擇打開方式「畫圖」。
2、在畫圖窗口中選擇圖像下的「拉伸/扭曲」，在彈出對話框中的「水平」和「垂直」參數表中，輸入相同的數字，只有輸入相同的數字才能保持等比例縮放。當然你要圖片瘦身的話，必須輸入小於100的數字。
2. 壓縮感知是什麼
壓縮感知，又稱壓縮采樣，壓縮感測。它作為一個新的采樣理論，它通過開發信號的稀疏特性，在遠小於Nyquist 采樣率的條件下，用隨機采樣獲取信號的離散樣本，然後通過非線性重建演算法完美的重建信號。壓縮感知理論一經提出，就引起學術界和工業的界的廣泛關注。他在資訊理論、圖像處理、地球科學、光學/微波成像、模式識別、無線通信、大氣、地質等領域受到高度關注，並被美國科技評論評為2007年度十大科技進展。
壓縮感知理論的核心思想主要包括兩點。
第一個是信號的稀疏結構。傳統的Shannon 信號表示方法只開發利用了最少的被采樣信號的先驗信息，即信號的帶寬。但是，現實生活中很多廣受關注的信號本身具有一些結構特點。相對於帶寬信息的自由度，這些結構特點是由信號的更小的一部分自由度所決定。換句話說，在很少的信息損失情況下，這種信號可以用很少的數字編碼表示。所以，在這種意義上，這種信號是稀疏信號（或者近似稀疏信號、可壓縮信號）。
另外一點是不相關特性。稀疏信號的有用信息的獲取可以通過一個非自適應的采樣方法將信號壓縮成較小的樣本數據來完成。理論證明壓縮感知的采樣方法只是一個簡單的將信號與一組確定的波形進行相關的操作。這些波形要求是與信號所在的稀疏空間不相關的。壓縮感知壓縮感知方法拋棄了當前信號采樣中的冗餘信息。它直接從連續時間信號變換得到壓縮樣本，然後在數字信號處理中採用優化方法處理壓縮樣本。這里恢復信號所需的優化演算法常常是一個已知信號稀疏的欠定線性逆問題。
3. 我用的Adobe Photoshop CS6軟體，怎麼壓縮圖片好要求圖片質量要好。
打開你的圖片 （用PS打開），點擊文件-存儲（會跳出一個JPG選項），在JPG選項里修改圖片大小
4. 壓縮感知理論基本介紹
姓名：王鑫磊
學號：21011110262
學院：通信工程學院
【嵌牛導讀】壓縮感知是信號處理領域進入21世紀以來取得的最耀眼的成果之一，並在磁共振成像、圖像處理等領域取得了有效應用。壓縮感知理論在其復雜的數學表述背後蘊含著非常精妙的思想。基於一個有想像力的思路，輔以嚴格的數學證明，壓縮感知實現了神奇的效果，突破了信號處理領域的金科玉律——奈奎斯特采樣定律。即，在信號采樣的過程中，用很少的采樣點，實現了和全采樣一樣的效果。
【嵌牛鼻子】壓縮感知，欠采樣，稀疏恢復
【嵌牛提問】壓縮感知相比奈奎斯特采樣定律的主要突破是什麼？
【嵌牛正文】
1.CS的初步理解
CS是一個針對信號采樣的技術，是在采樣過程中完成數據壓縮的過程。我們知道在對模擬信號按一定采樣頻率進行采樣並得到數字信號的過程中，要想完整保留原始信號中的信息，采樣頻率必須大於信號中最高頻率的2倍（奈奎斯特采樣定理）。但Candes等人又提出了，如果信號在頻域是稀疏的，那麼它可以由遠低於采樣定理要求的采樣點重建恢復。Nyquist定理中的采樣為等間距采樣，若采樣頻率低必然會引起混疊，如果不等間距采樣呢？如果是隨機采樣呢？隨機采樣必然會發生頻譜泄露，但泄露會均勻分布在整個頻域且泄露值都較小，而最大的幾個峰值可以通過設置閾值檢測出來，從而有了恢復出原始信號的可能。
圖1展示了一原始的模擬信號在頻域是稀疏的，僅由三個頻率分量組成，為了得到數字信號，首先要在時域對其進行采樣，根據壓縮感知理論，可以在時域進行隨機亞采樣，之後得到的頻譜會產生如圖所示的泄露，但可以通過閾值檢測求出原始信號的真實頻率分量，從而恢復出原始信號。
2. CS的數學模型
CS有兩個前提條件：
假設：x是長度為N的原信號，稀疏度為k，它是未知的；Φ為測量矩陣，對應采樣過程，也就是壓縮的過程，如隨機采樣，是已知的；采樣後的結果為：y=Φx，也是已知的；因此壓縮感知問題是：在已知測量值y和測量矩陣Φ的基礎上，求解原信號x的過程。然而一般信號x本身並不稀疏，需要在某種稀疏基上進行稀疏表示，即x=Ψs, 其中s為稀疏向量，即為所求的稀疏信號；Ψ為稀疏基矩陣，也叫稀疏變換矩陣，如傅里葉變換。
於是最終問題表示為：
y = ΦΨs = Θs （1）
已知y，Φ，Ψ，求s， Θ稱為感知矩陣。感知矩陣需要滿足約束等距原則（RIP），因此需要測量矩陣Φ和稀疏基Ψ滿足不相關，即采樣過程與稀疏過程不相關。Candes等人又找到了獨立同分布的高斯隨機測量矩陣可以稱為普適的壓縮感知測量矩陣，於是滿足高斯分布的隨機測量矩陣就成了CS最常用的觀測矩陣。
3. CS的常用方法
已知(1)方程有無數解，因此需要通過增加約束來得到唯一解。方程是稀疏的，因此我們需要找到這個方程里所有解中最稀疏的內個就行了。
求解上述方程一般有三種思路：凸優化演算法，貪婪演算法，貝葉斯理論。CS常用演算法有：
基追蹤重構演算法 （Basis Pursuit, BP）：BP演算法是一種凸優化方法。
正交匹配追蹤演算法 （OMP）：OMP屬於貪婪演算法。
閾值迭代演算法 ： 包括軟閾值迭代（ISTA）和迭代硬閾值（IHT）。ISTA的一種改進方法為快速閾值迭代（FISTA）。
【嵌牛參考】
[1]. Dandes, E. J. . 「Near-optimal signal recovery from random projections.」 Universal encoding strategies IEEE Transactions on Information Theory 52(2006).
[2]. Donoho, D. L. . 「Compressed sensing.」 IEEE Transactions on Information Theory 52.4(2006):1289-1306.