RGB文件的三分量概率分布示意图及熵

读入一个 24bit RGB 文件（以 down.rgb 为例，其分辨率为 256*256），输出该数据文件中 R、G、B 三个分量（各 8bit 表示）的概率分布示意图（类似下图）和熵。

程序流程：（用C或C++实现）
开辟 3 个 width*height 的 unsigned char 型数组；打开要读出的 RGB 文件（以“rb”方式打开），打开 3 个要输出的数据统计文件（以“w”方式打开，可命名为 R_sat.txt 等）；将 RGB 数据从 RGB 文件中读出，并分别保存到3个数组中，期间计算数据的概率分布和熵，并将这些数据写入 3 个数据统计 txt 文件中。Txt 文件的写入方式如下所示（每行的两个数据用 tab 分开）。在 Excel 里将这 3 个 txt 文件打开即可生成统计图。

具体实现：
基于 c++ 的实现步骤是十分清晰的；然而鉴于我的 c++ 基础太差，虽然进行了一定尝试，但最终以无法成功 debug 收尾；只好用 python 替代之。但如果之后 c++ 的这部分代码有了进展，会及时补充上来。

用 python 实现还有一个非常有利的辅助：OpenCV！
opencv 是一个强大的图像处理和计算机视觉库，只需安装 opencv-python 包并调用相应函数，就可以十分容易地实现三通道分量的提取以及后续的绘图等操作。

Language: python
IDE: jupyter notebook

载入图片并生成灰度图：

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('WeChat Image_20200308220606.bmp')
img0 = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

cv2.imwrite('gray.jpg', img0)
cv2.namedWindow('gray', 0)
cv2.resizeWindow('gray', 960, 480)
cv2.imshow('gray', img0)

得到 RGB 三分量的概率分布示意图：

b_hist = cv2.calcHist([img], [0], None, [256], [0, 256])
g_hist = cv2.calcHist([img], [1], None, [256], [0, 256])
r_hist = cv2.calcHist([img], [2], None, [256], [0, 256])

plt.plot(b_hist, label='B', color='blue')
plt.plot(g_hist, label='G', color='green')
plt.plot(r_hist, label='R', color='red')
plt.legend(loc='best')
plt.xlim([0, 256])
plt.show()

计算熵：
打算将图像先分离出 RGB 再分别求出熵的值，但是遇到一点问题，还在修改中。。。当前代码如下（仍报错）

tmp = []
for i in range(256):
    tmp.append(0)
val = 0
k = 0
res = 0
image = cv2.imread('C:\\Users\\DELL\\Red.jpg')
image1 = np.array(image)
for i in range(len(image1)):
    for j in range(len(image1[i])):
        val = image1[i][j]
        np.array(tmp)[val] = float(np.array(tmp)[val] + 1)
        k =  float(k + 1)
for i in range(len(tmp)):
    tmp[i] = float(tmp[i] / k)
for i in range(len(tmp)):
    if(tmp[i] == 0):
        res = res
    else:
        res = float(res - tmp[i] * (math.log(tmp[i]) / math.log(2.0)))
print(res)