多媒体技术作业

一、matlab读取照片对于matlab来说，读取照片和显示图片都是很简单的，只需要两个函数就可以，分别是imread（）函数和imshow（）函数：imread（）函数是读取图片，imshow（）函数是显示图片。

例子如下所示：程序为：A=imread('d:\lena.bmp','bmp');imshow(A);程序运行结果如下图所示：图1 matlab读取lena图片示例二、求取lena图像R、G、B各个分量的信息熵Matlab程序如下：A=imread('d:\lena.bmp','bmp');%获取图像行列号[M,N,Z]=size(A);%读取各色分量red(:,:)=A(:,:,1);green(:,:)=A(:,:,2);blue(:,:)=A(:,:,3);%设置临时数组保存每个颜色级的概率temp=zeros(256,3);%对图像的灰度值做统计，计算每个颜色级出现的次数for m=1:M;for n=1:N;for i=1:Z;k=A(m,n,i)+1;temp(k,i)=temp(k,i)+1;endendendtemp=temp./(M*N);%初始化各个信息熵存储变量REntropy=0;GEntropy=0;BEntropy=0;%求取各个信息熵for i=1:256if temp(i,1)==0;REntropy=REntropy;elseREntropy=REntropy-temp(i,1)*log2(temp(i,1));endendfor i=1:256if temp(i,2)==0;GEntropy=GEntropy;elseGEntropy=GEntropy-temp(i,2)*log2(temp(i,2));endendfor i=1:256if temp(i,3)==0;BEntropy=BEntropy;elseBEntropy=BEntropy-temp(i,3)*log2(temp(i,3));endendREntropy运行计算结果如下所示：REntropy =7.2500GEntropy =7.5906BEntropy =6.9284三、求取lena图像R、G、B分量的联合熵Matlab程序如下：%读入图像A=imread('d:\lena.bmp','bmp');%获取图像行列号[M,N,Z]=size(A);%读取各色分量%red(:,:)=A(:,:,1);%green(:,:)=A(:,:,2);%blue(:,:)=A(:,:,3);%设置临时数组保存每个颜色级的概率temp=zeros(256,256,256);%对图像的灰度值做统计，计算每个颜色级出现的次数for m=1:M;for n=1:N;k1=A(m,n,1)+1;k2=A(m,n,2)+1;k3=A(m,n,3)+1;temp(k1,k2,k3)=temp(k1,k2,k3)+1;endendtemp=temp./(M*N);%初始化信息熵存储变量%求取信息熵for m=1:256;for n=1:256;for z=1:256;if temp(m,n,z)==0;Entropy=Entropy;elseEntropy=Entropy-temp(m,n,z)*log2(temp(m,n,z));endendendendEntropy计算结果如下所示：Entropy =15.3467Entropy 表示的就是联合熵。

四、求取lena图像R、G、B分量间的条件熵Matlab程序如下所示：%读入图像A=imread('d:\lena.bmp','bmp');%获取图像行列号[M,N,Z]=size(A);%设置临时数组保存每个颜色级的概率tempEc=zeros(256,3);tempRG=zeros(256,256);tempRB=zeros(256,256);tempGB=zeros(256,256);%对图像的灰度值做统计，计算每个颜色级出现的次数for m=1:M;for n=1:N;k1=A(m,n,1)+1;k2=A(m,n,2)+1;k3=A(m,n,3)+1;tempEc(k1,1)=tempEc(k1,1)+1;tempEc(k2,2)=tempEc(k2,2)+1;tempEc(k3,3)=tempEc(k3,3)+1;tempRG(k1,k2)=tempRG(k1,k2)+1;tempRB(k1,k3)=tempRB(k1,k3)+1;tempGB(k2,k3)=tempGB(k2,k3)+1;endendtempEc=tempEc./(M*N);tempRG=tempRG./(M*N);tempRB=tempRB./(M*N);tempGB=tempGB./(M*N);%初始化各个条件概率存储变量CtempRG=zeros(256,256);CtempRB=zeros(256,256);CtempGB=zeros(256,256);CtempGR=zeros(256,256);CtempBR=zeros(256,256);CtempBG=zeros(256,256);%计算条件概率的值for i=1:256;for j=1:256;if tempEc(i,1)==0;CtempRG(i,j)=0;CtempRB(i,j)=0;elseCtempRG(i,j)=tempRG(i,j)/tempEc(i,1);CtempRB(i,j)=tempRB(i,j)/tempEc(i,1);endif tempEc(i,2)==0;CtempGB(i,j)=0;CtempGR(i,j)=0;elseCtempGB(i,j)=tempGB(i,j)/tempEc(i,2);CtempGR(i,j)=tempRG(i,j)/tempEc(i,2);endif tempEc(i,3)==0;CtempBR(i,j)=0;CtempBG(i,j)=0;elseCtempBR(i,j)=tempRB(i,j)/tempEc(i,3);CtempBG(i,j)=tempGB(i,j)/tempEc(i,3);endendend%初始化信息熵存储变量EntropyRG=0;EntropyRB=0;EntropyGB=0;EntropyGR=0;EntropyBR=0;EntropyBG=0;%分别求取各个条件信息熵for n=1:256;if CtempRG(m,n)==0;EntropyRG=EntropyRG;elseEntropyRG=EntropyRG-tempRG(m,n)*log2(CtempRG(m,n));endif CtempRB(m,n)==0;EntropyRB=EntropyRB;elseEntropyRB=EntropyRB-tempRB(m,n)*log2(CtempRB(m,n));endif CtempGB(m,n)==0;EntropyGB=EntropyGB;elseEntropyGB=EntropyGB-tempGB(m,n)*log2(CtempGB(m,n));endif CtempGR(m,n)==0;EntropyGR=EntropyGR;elseEntropyGR=EntropyGR-tempRG(m,n)*log2(CtempGR(m,n));endif CtempBR(m,n)==0;EntropyBR=EntropyBR;elseEntropyBR=EntropyBR-tempRB(m,n)*log2(CtempBR(m,n));endif CtempBG(m,n)==0;EntropyBG=EntropyBG;elseEntropyBG=EntropyBG-tempGB(m,n)*log2(CtempBG(m,n));endendendEntropyRGEntropyRBEntropyGBEntropyGREntropyBREntropyBG计算结果如下所示：EntropyRG =5.6064EntropyRB =5.7136EntropyGB =4.9089EntropyGR =3.2352EntropyBR =2.6065EntropyBG =3.9550EntropyRG 表示的是lena 图像G 分量对于R 分量的条件熵，即EntropyRG 就是)|(G R H 。

依次类推后面数值的含义。

五、 求取lena 图像像素之间条件信息熵求取R 、G 、B 分量像素之间信息熵，在这里，我们选择求取一行内，后一个像素对前一个像素的条件熵。

如图2所示，求取S0对S1的条件熵，即求取)|(10S S H 。

图2 像素点示例以求取R 分量)|(10S S H 为例，Matlab 程序代码为：%读入图像A=imread('d:\lena.bmp','bmp');%获取图像行列号[M,N,Z]=size(A);%设置临时数组保存每个颜色级的概率tempEc=zeros(256);temp=zeros(256,256);%对图像的颜色值做统计，计算每个颜色级出现的次数for m=1:M;for n=1:(N-1);k1=A(m,n,1)+1;k2=A(m,n+1,1)+1;tempEc(k1)=tempEc(k1)+1;temp(k1,k2)=temp(k1,k2)+1;endendtempEc=tempEc./(M*(N-1));temp=temp./(M*(N-1));%初始化各个条件概率存储变量Ctemp=zeros(256,256);%计算条件概率的值for i=1:256;for j=1:256;if tempEc(i)==0;Ctemp(i,j)=0;elseCtemp(i,j)=temp(i,j)/tempEc(i);endendend%初始化信息熵存储变量EntropyPx=0;%分别求取各个条件信息熵for m=1:256;for n=1:256;if Ctemp(m,n)==0;EntropyPx=EntropyPx;elseEntropyPx=EntropyPx-temp(m,n)*log2(Ctemp(m,n));endendEntropyPx运算结果为：EntropyPx =4.6415我们只需要修改程序中A(m,n,1)中第三个分量的值为2或3，就可以分别求取G 、B 分量的)|(10S S H ，求取的结果分别为：5.1532和5.2703。