数据压缩作业1-2|针对down.rgb和down.yuv分析三个通道的概率分布，并计算各自的熵

实验任务

对文件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。

实验目的

了解RGB和YUV与图像信号的联系，并能够编写程序计算各分量的熵，同时得出图像数据压缩中对RGB和YUV的分析意义。

实验内容

1.首先了解一下rgb,yuv
下面链接简单了解一下RGB与像素的关系
http://www.360doc.com/content/18/0410/09/7551_744364416.shtml
下面链接是关于YUV的介绍
https://blog.csdn.net/shayashi/article/details/82414687
2.编写程序(本人不是很会编写程序所以主要是拿现成的程序进行更改和整合)
下面是RGB分量的熵的计算

#include"iostream"
#include"math.h"
#include"windows.h"
#include"stdio.h"
using namespace std;
#define A 256*256

double shang(double freq[256])//编写一个计算熵的函数
{
	double shang = 0;
	for (int i = 0; i < 256; i++)
	{
		if (freq[i] == 0)
			continue;
		shang  = shang - freq[i] * log(freq[i]) / log(2);
	}
	return shang;
}

int main()
{
	FILE* Picture, *Red, *Green, *Blue;
	fopen_s(&Picture, "E:/大三下课程/数据压缩/down.rgb", "rb");
	fopen_s(&Red, "E:/大三下课程/数据压缩/Red.txt", "w");
	fopen_s(&Green, "E:/大三下课程/数据压缩/Green.txt", "w");
	fopen_s(&Blue, "E:/大三下课程/数据压缩/Blue.txt", "w");

	unsigned char R[A] = { 0 };
	unsigned char G[A] = { 0 };
	unsigned char B[A] = { 0 };   
	double R1[256] = { 0 }, G1[256] = { 0 }, B1[256] = { 0 };   //定义R、G、B概率分量

	if (Picture == 0)
		cout<<"无法读取图像！"<<endl;
	else
	{
		//分别读取R、G、B到数组中
		unsigned char Arr[A * 3] = { 0 };
		fread(Arr, 1, A * 3, Picture);
		for (int i = 0, j = 0; i < A * 3; i = i + 3, j++)
		{
			R[j] = *(Arr + i + 2);
			G[j] = *(Arr + i + 1);
			B[j] = *(Arr + i);
		}

		//统计频数
		for (int i = 0; i < A; i++)
		{
			R1[R[i]]++;
			G1[G[i]]++;
			B1[B[i]]++;
		}

		//计算rgb概率
		for (int i = 0; i < 256; i++)
		{
			R1[i] = R1[i] / (A);
			B1[i] = B1[i] / (A);
			G1[i] = G1[i] / (A);
		}

		//计算并输出熵
		double shangB = 0, shangG = 0, shangR = 0;
		shangR = shang(R1);
		shangG = shang(G1);
		shangB = shang(B1);
		cout << "R的熵为：" << shangR << endl;
		cout << "G的熵为：" << shangG << endl;
		cout << "B的熵为：" << shangB << endl;

		//将概率写入记事本
		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]);
		}
	}
	system("pause");
	return 0;
}

运行结果

下面是对YUV部分的熵的计算

#include"iostream"
#include"Windows.h"
#include"math.h"
using namespace std;

#define A 256*256

double shang(double freq[256])//编写一个计算熵的函数
{
	double shang = 0;
	for (int i = 0; i < 256; i++)
	{
		if (freq[i] == 0)
			continue;
		shang = shang - freq[i] * log(freq[i]) / log(2);
	}
	return shang;
}

int main()
{
	

	FILE* Picture, *PalY, *PalU, *PalV;
	fopen_s(&Picture, "E:/大三下课程/数据压缩/down.yuv", "rb");
	fopen_s(&PalY, "E:/大三下课程/数据压缩/PalY.txt", "w");
	fopen_s(&PalU, "E:/大三下课程/数据压缩/PalU.txt", "w");
	fopen_s(&PalV, "E:/大三下课程/数据压缩/PalV.txt", "w");

	unsigned char Y[A] = { 0 };
	unsigned char U[A / 4] = { 0 };
	unsigned char V[A / 4] = { 0 };    //定义Y、U、V分量，其中4：2：0格式中，width * hight =Y（总和） U = Y / 4   V = Y / 4
	double Y1[256] = { 0 }, U1[256] = { 0 }, V1[256] = { 0 };   //定义Y、U、V概率分量


	if (Picture == 0)
		printf("无法读取图像");
	else
	{
		//分别读取Y、U、V到数组中
		unsigned char Arr[98304];
		fread(Arr, 1, A * 1.5, Picture);
		for (int i = 0; i < A; i++)
		{
			Y[i] = *(Arr + i);
		}

		for (int i = A; i < A * 1.25; i++)
		{
			U[i - 65536] = *(Arr + i);
		}

		for (int i = A * 1.25; i < A * 1.5; i++)
		{
			V[i - 81920] = *(Arr + i);
		}

		//统计频数
		for (int i = 0; i < A; i++)
		{
			Y1[Y[i]]++;
		}

		for (int i = 0; i < (A / 4); i++)
		{
			U1[U[i]]++;
			V1[V[i]]++;
		}

		//计算yuv概率
		for (int i = 0; i < 256; i++)
		{
			Y1[i] = Y1[i] / (A);
			U1[i] = U1[i] / (A / 4);
			V1[i] = V1[i] / (A / 4);
		}

		//计算并输出熵
		double Y2 = 0, U2 = 0, V2 = 0;
		Y2 = shang(Y1);
		U2 = shang(U1);
		V2 = shang(V1);
		cout << "Y的熵为：" << Y2 << endl;
		cout << "U的熵为：" << U2 << endl;
		cout << "V的熵为：" << V2 << endl;

		//将概率写入记事本
		for (int i = 0; i < 256; i++)
		{
			fprintf(PalY, "%d\t%f\n", i, Y1[i]);
			fprintf(PalU, "%d\t%f\n", i, U1[i]);
			fprintf(PalV, "%d\t%f\n", i, V1[i]);
		}
	}
	system("pause");
	return 0;
}

运行结果如下

3.绘制概率分布图






4.部分数据内容
下面是部分的数据内容，用程序是写入记事本的，为方便观看和作图，导入Excel中

实验结果分析

• 从程序运行结果可以看出RGB分量的熵较YUV分量的熵要大一些；
• 从折线图的分布可以看出RGB概率分布相对分散，而YUV的较为集中；
• 对于数据压缩来说，所谓"压缩"就是找出文件内容的概率分布，将那些出现概率高的部分代替成更短的形式。所以，内容越是重复的文件，就可以压缩地越小。熵越大，就意味着内容越分散，要求压缩的量也就越大，所以从这个角度来看，4：2：0的YUV格式要比RGB格式进行压缩的效果要好，压缩效率更高。

总结

• 从老师上课的内容来看，此次实验主要是想要我们了解图像压缩途径，并计算这两种途径的熵，从熵可以得到两种压缩数据的能力，是我们更深刻的了解这门课程开设的目的。其实之前学信息论与编码的时候，对有些概念不是很理解，但是通过实际操作和计算，也能了解一点关于计算熵，研究熵的作用，单单从这个小作业就好像可以看到数据压缩的重大作用，想想，如果能够将数据压缩极致化（好像香农定理告诉我们：信道信息传送速率的上限（比特每秒）和信道信噪比及带宽的关系，这个其实我还是不是很明白，不知道有没有关系），那么信息传输将更为高效方便，在这个什么都讲究高效快捷的世界，数据压缩还是很重要的。
• 还有一点就是，真的要好好学编程，不然在理工科专业真是寸步难行，而且缺乏创造性的东西，就像没有自己的东西一样。所以还是要努力学习！