标签:int log 概率分布 Res Arr yuv ++ rgb 256
要求:
对down.rgb和down.yuv分析三个通道的概率分布,并计算各自的熵。(编程实现)两个文件的分辨率均为256*256,yuv为4:2:0采样空间,存储格式为:rgb文件按每个像素BGR分量依次存放;YUV格式按照全部像素的Y数据块、U数据块和V数据块依次存放。
down.rgb:
程序实现:
#include<iostream>
#include<Windows.h>
#include<math.h>
using namespace std;
#define Res 256*256//分辨率
int main()
{
unsigned char R[Res] = { 0 }, G[Res] = { 0 }, B[Res] = { 0 }; //定义R、G、B分量
double R1[256] = { 0 }, G1[256] = { 0 }, B1[256] = { 0 }; //定义R、G、B概率分量
double R2 = 0, G2 = 0, B2 = 0; //定义R、G、B的熵
//C:\Users\92032\Desktop\数据压缩作业一
FILE* Picture, * Red, * Green, * Blue;
fopen_s(&Picture, "/Users/92032/Desktop/数据压缩作业一/down.rgb", "rb");
fopen_s(&Red, "/Users/92032/Desktop/数据压缩作业一/Red.txt", "w");
fopen_s(&Green, "/Users/92032/Desktop/数据压缩作业一/Green.txt", "w");
fopen_s(&Blue, "/Users/92032/Desktop/数据压缩作业一/Blue.txt", "w");
if (Picture == 0)
printf("读取图片失败!");
else
{
//分别读取R、G、B到数组中
unsigned char Arr[Res * 3] = { 0 };
fread(Arr, 1, Res * 3, Picture);
for (int i = 0, j = 0; i < Res * 3; i = i + 3, j++)
{
R[j] = *(Arr + i + 2);
G[j] = *(Arr + i + 1);
B[j] = *(Arr + i);
}
//分别统计R、G、B三通道的256个颜色强度级的频数
for (int i = 0; i < Res; i++)
{
R1[R[i]]++;
G1[G[i]]++;
B1[B[i]]++;
}
//分别计算R、G、B三通道的256个颜色强度级的概率
for (int i = 0; i < 256; i++)
{
R1[i] = R1[i] / (Res);
B1[i] = B1[i] / (Res);
G1[i] = G1[i] / (Res);
}
//将概率写入文件
for (int i = 0; i < 256; i++)
{
fprintf(Red, "%d\t%f\n", i, R1[i]);
fprintf(Green, "%d\t%f\n", i, G1[i]);
fprintf(Blue, "%d\t%f\n", i, B1[i]);
}
//计算并输出熵
for (int i = 0; i < 256; i++)
{
if (R1[i] != 0) { R2 += -R1[i] * log(R1[i]) / log(2*1.0); }
if (G1[i] != 0) { G2 += -G1[i] * log(G1[i]) / log(2*1.0); }
if (B1[i] != 0) { B2 += -B1[i] * log(B1[i]) / log(2*1.0); }
}
printf("R的熵为%f\n", R2);
printf("G的熵为%f\n", G2);
printf("B的熵为%f\n", B2);
}
system("pause");
return 0;
}
运行结果:
文本文件rgb概率分布:
down.yuv:
程序实现(在rgb的程序上稍作改动):
#include<iostream>
#include<Windows.h>
#include<math.h>
using namespace std;
#define Res 256*256//分辨率
int main()
{
unsigned char Y[Res] = { 0 }, U[Res / 4] = { 0 }, V[Res / 4] = { 0 }; //定义Y、U、V分量
double Y1[256] = { 0 }, U1[256] = { 0 }, V1[256] = { 0 }; //定义Y、U、V概率分量
double Y2 = 0, U2 = 0, V2 = 0; //定义Y、U、V的熵
FILE* Picture, * PartY, * PartU, * PartV;
fopen_s(&Picture, "/Users/92032/Desktop/数据压缩作业一/down.yuv", "rb");
fopen_s(&PartY, "/Users/92032/Desktop/数据压缩作业一/PartY.txt", "w");
fopen_s(&PartU, "/Users/92032/Desktop/数据压缩作业一/PartU.txt", "w");
fopen_s(&PartV, "/Users/92032/Desktop/数据压缩作业一/PartV.txt", "w");
if (Picture == 0)
printf("读取图片失败!");
else
{
//分别读取Y、U、V到数组中
unsigned char Arr[98304];
fread(Arr, 1, Res * 1.5, Picture);
for (int i = 0; i < Res; i++)
{
Y[i] = *(Arr + i);
}
for (int i = Res; i < Res * 1.25; i++)
{
U[i - 65536] = *(Arr + i);
}
for (int i = Res * 1.25; i < Res * 1.5; i++)
{
V[i - 81920] = *(Arr + i);
}
//分别统计Y、U、V三通道的颜色强度级的频数
for (int i = 0; i < Res; i++)
{
Y1[Y[i]]++;
}
for (int i = 0; i < (Res / 4); i++)
{
U1[U[i]]++;
V1[V[i]]++;
}
//分别计算Y、U、V三通道的256个颜色强度级的概率
for (int i = 0; i < 256; i++)
{
Y1[i] = Y1[i] / (Res);
U1[i] = U1[i] / (Res / 4);
V1[i] = V1[i] / (Res / 4);
}
//将概率写入文件
for (int i = 0; i < 256; i++)
{
fprintf(PartY, "%d\t%f\n", i, Y1[i]);
fprintf(PartU, "%d\t%f\n", i, U1[i]);
fprintf(PartV, "%d\t%f\n", i, V1[i]);
}
//计算并输出熵
for (int i = 0; i < 256; i++)
{
if (Y1[i] != 0) { Y2 += -Y1[i] * log(Y1[i]) / log(2*1.0); }
if (U1[i] != 0) { U2 += -U1[i] * log(U1[i]) / log(2*1.0); }
if (V1[i] != 0) { V2 += -V1[i] * log(V1[i]) / log(2*1.0); }
}
printf("Y的熵为%f\n", Y2);
printf("U的熵为%f\n", U2);
printf("V的熵为%f\n", V2);
}
system("pause");
return 0;
}
运行结果:
文本文件yuv概率分布:
实验结果:
由结果可知,yuv分量的熵小于rgb分量的熵,去相关性更差。
(ps:matlab在家中电脑实在无法安装,故没有频率分布图,望谅解)
标签:int,log,概率分布,Res,Arr,yuv,++,rgb,256 来源: https://blog.csdn.net/weixin_43503346/article/details/114586425
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。