分析目标文件rgb和yuv三个通道的概率分布，并计算各自的熵

对分析rgb和yuv三个通道的概率分布，并计算各自的熵

实验目的：

• 对目标文件down.rgb和down.yuv进行三个通道概率分布分析，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。

实验过程：

• 编写代码，分别读取rgb文件像素值，写入txt文件，计并算出对应的熵值。
  RGB：

#include <stdio.h>
#include <cmath>
#include <iostream>
#include"iomanip"
using namespace std;
  int main()
  {int width=256;
    int height=256;
    int image_size=width*height;
	int i,j=0;
    double B[257]={0};
	double G[257]={0};
	double R[257]={0};
	double HB=0,HG=0,HR=0;
	
	FILE *fp; 
	FILE *fp_B,*fp_G,*fp_R;//设置文件指针
	fopen_s(&fp,"C:\\Users/Fans/Desktop/数据压缩/down.rgb","rb");
	fopen_s(&fp_B,"C:\\Users/Fans/Desktop/数据压缩/down_b_p.txt","wb+"); 
	fopen_s(&fp_G,"C:\\Users/Fans/Desktop/数据压缩/down_g_p.txt","wb+");  
	fopen_s(&fp_R,"C:\\Users/Fans/Desktop/数据压缩/down_r_p.txt","wb+");  
	unsigned char* RGBBbuffer;
    RGBBbuffer=new unsigned char[image_size*3];
    fread(RGBBbuffer, sizeof(unsigned char),image_size*3, fp);
    cout.setf(ios::fixed);//位数不够自动补0（若需要自动补0，在cout之前进行补0的定义，cout中加入“<<fixed”）


	 for(j=0;j<image_size;j++)
	 {
			  for(i=0;i<=256;i++)
		 {
			 if(RGBBbuffer[3*j]==i)
				 B[i]=B[i]+1;
		 }
			 
	 }
	
	//B的像素值分布概率
	 
   for(j=0;j<image_size;j++)
	 {
			  for(i=0;i<=256;i++)
		 {
			 if(RGBBbuffer[3*j+1]==i)
				 G[i]=G[i]+1;    
		 }
			 
	 }
	//G的像素值分布概率	   
	   for(j=0;j<image_size;j++)
	 {
			  for(i=0;i<=256;i++)
		 {
			 if(RGBBbuffer[3*j+2]==i)
				 R[i]=R[i]+1;
   
		 }
			 
	 }//R的像素值分布概率
	cout<<"像素值"<<"   "<< "B概率"<<"   "<< "G概率"<<"   "<< "R概率"<<endl;
	fprintf(fp_B,"B概率\t");
	fprintf(fp_G,"G概率\t");
	fprintf(fp_R,"R概率\t");
	   for(i=0;i<=256;i++)
		 {
			B[i]=B[i]/image_size;
			G[i]=G[i]/image_size;
			R[i]=R[i]/image_size;
			cout<<i<<"   ";
			cout << fixed <<setprecision(4)<<B[i]<<"   "<< G[i]<<"   "<< R[i]<<endl;
			fprintf(fp_B,"%f ",B[i]);
			fprintf(fp_G,"%f ",G[i]);
			fprintf(fp_R,"%f ",R[i]);
			//将分量概率分布写入文件夹
			if(B[i]!=0.0)
			{ HB+=B[i]*(log(1/B[i])/log(2.0));}
			if(G[i]!=0.0)
			{ HG+=G[i]*log(1/G[i])/log(2.0);}
			if(R[i]!=0.0)
	         {HR+=R[i]*log(1/R[i])/log(2.0);}//计算对应熵值
		 }
	cout<<"熵"<<"   B:  "<<fixed <<setprecision(4)<<HB<<"  G:   "<<HG<<"  R:　"<<HR<<endl;
	
	
    fclose(fp);  //记得用完关闭文件
    fclose(fp_B);
	fclose(fp_G);
	fclose(fp_R);
	system("PAUSE");
	return 0;
}

• 编写代码，计算得到rgb的熵结果如下
  
• 将txt文件导入excel，画出rgb分量概率分布。

YUV：

#include <stdio.h>
#include <iostream>
#include"iomanip"
using namespace std;
  int main()
  {int width=256;
    int height=256;
    int image_size=width*height;
	int size=98304;
	int i,j=0;
    double Y[257]={0};
	double U[257]={0};
	double V[257]={0};
	double HY=0,HU=0,HV=0;
	
	FILE *fp; 
	FILE *fp_Y;
	FILE *fp_U;
	FILE *fp_V;//设置文件指针
	fopen_s(&fp,"C:\\Users/Fans/Desktop/数据压缩/down.yuv","rb");
	fopen_s(&fp_Y,"C:\\Users/Fans/Desktop/数据压缩/down_yuv_p.txt","wb+");  
	fopen_s(&fp_U,"C:\\Users/Fans/Desktop/数据压缩/down_u_p.txt","wb+"); 
	fopen_s(&fp_V,"C:\\Users/Fans/Desktop/数据压缩/down_v_p.txt","wb+"); 
	unsigned char* RGBBbuffer;
    RGBBbuffer=new unsigned char[size];
    fread(RGBBbuffer, sizeof(unsigned char),size, fp);
    cout.setf(ios::fixed);//位数不够自动补0（若需要自动补0，在cout之前进行补0的定义，cout中加入“<<fixed”）
	
	 for(j=0;j<image_size;j++)
	 {
			  for(i=0;i<=256;i++)
		 {
			 if(RGBBbuffer[j]==i)
				Y[i]=Y[i]+1;	    
		 }			 
	 }	

	//Y的像素值分布概率

	   for(j=image_size;j<image_size*5/4;j++)
	 {
			  for(i=0;i<=256;i++)
		 {
			 if(RGBBbuffer[j]==i)
				 U[i]=U[i]+1;
	    
		 }
			 
	 }
	
	//U的像素值分布概率	 	   	   for(j=image_size*5/4;j<image_size*3/2;j++)
	 {
			  for(i=0;i<=256;i++)
		 {
			 if(RGBBbuffer[j]==i)
				 V[i]=V[i]+1;	    
		 }			 
	 }//V的像素值分布概率

	cout<<"像素值"<<"   "<< "Ｙ概率"<<"   "<< "Ｕ概率"<<"   "<< "Ｖ概率"<<endl;
	fprintf(fp_Y,"Y概率\t");
	fprintf(fp_U,"U概率\t");
	fprintf(fp_V,"V概率\t");
	   for(i=0;i<=256;i++)
		 {
			Y[i]=Y[i]/image_size;
			U[i]=4*U[i]/image_size;
		    V[i]=4*V[i]/image_size;
			cout<<i<<"   ";
			cout << fixed <<setprecision(4)<<Y[i]<<"   "<< U[i]<<"   "<< V[i]<<endl;
			fprintf(fp_Y,"%f ",Y[i]);
			fprintf(fp_U,"%f ",U[i]);
			fprintf(fp_V,"%f ",V[i]);
			if(Y[i]!=0.0)
			{ HY+=Y[i]*(log(1/Y[i])/log(2.0));}
			if(U[i]!=0.0)
			{ HU+=U[i]*log(1/U[i])/log(2.0);}
			if(V[i]!=0.0)
	         {HV+=V[i]*log(1/V[i])/log(2.0);}
	    
		 }
	   cout<<"熵"<<"   Y:  "<<fixed <<setprecision(4)<<HY<<"  U:   "<<HU<<"  V:　"<<HV<<endl;
    fclose(fp);  //记得用完关闭文件
    fclose(fp_Y);
	fclose(fp_U);
	fclose(fp_V);
	system("PAUSE");
	return 0;
}

• 编写代码，计算得到yuv的熵结果如下

• 将txt文件导入excel，画出yuv分量概率分布。
  
  实验结果分析
• RGB三个通道分量的概率分布比YUV更平均，且RUV的熵总体大于YUV分量，则具有更好的去相关性。