图像处理与图像分析—图像统计特性的计算（纯C语言实现灰度值显示）

根据输入的灰度图像，分别计算图像的均值、方差等统计特征，并计算图像的直方图特征并以图形方式显示图像的直方图（用C或C++语言实现）。

学习将会依据教材图像处理与图像分析基础（C/C++）版内容展开

在上个笔记中，我们成功对bmp图像进行了读取，那么这次我们将会尝试计算图像的均值、方差等统计特征，并计算图像的直方图特征并以图形方式显示图像的直方图

首先分析一下我们需要的功能：

  • 能够读取图片
  • 分析图片每一个像素的灰度值
  • 把每一个像素的灰度值存入灰度数组
  • 用直方图的形式进行展示
  • 计算图像的均值，方差

那么上笔记的代码已经可以实现：图片的读取，分析灰度值，那么我们只需要再加上后面三个功能即可

首先我们还是先来分析书上的代码

算法【2-2】统计灰度直方图

void GetHistogram(BYTE* pGryImg, int width, int height, int* histogram)
{
	BYTE * pCur, * pEnd = pGryImg + width * height;
	//step.1 初始化
	//for(int g = 0;g < 256;g++) histogram[g] = 0;
	memset(histogram, 0, sizeof(int) * 256);
	//step.2 直方图统计
	for (pCur = pGryImg; pCur < pEnd;)histogram[*(pCur++)]++;
	//step.3 结束
	return;
}

还是先让我来浅浅的注释一下，看看能理解多少

//pGryImg: 指向灰度图像数据的指针
//width: 图像宽度
//height: 图像高度
//histogram: 存储直方图数据的数组
void GetHistogram(BYTE* pGryImg, int width, int height, int* histogram) {
    BYTE *pCur, *pEnd = pGryImg + width * height; // 定义指针变量并指向图像数据起始位置和结束位置

    // Step 1: 初始化直方图数组
    // 使用memset函数将直方图数组所有元素初始化为0
    memset(histogram, 0, sizeof(int) * 256);

    // Step 2: 直方图统计
    // 遍历灰度图像数组，对每个灰度值出现的次数进行统计
    for (pCur = pGryImg; pCur < pEnd;) {
        histogram[*(pCur++)]++; // 获取当前像素的灰度值并递增对应直方图计数
    }

    // Step 3: 函数结束
    return;
}

不是很难，可以试一下，首先还是写成C语言

void GetHistogram(uint8_t* pImg, int width, int height, int* histogram)
{
    uint8_t* pCur;
    uint8_t* pEnd = pImg + width * height;

    // 初始化直方图数组
    memset(histogram, 0, sizeof(int) * 256);

    // 直方图统计
    for (pCur = pImg; pCur < pEnd;)
    {
        histogram[*pCur]++;
        pCur++；
    }

    // 函数结束
    return;
}

我们用之前写好的代码(图片的读入中的源代码)稍稍修改一下

还是使用这张图片

ME

传入参数少了一个histogram，我们需要创建一个histogram数组

#include <stdio.h>
#include <stdint.h>
#include <stdlib.h>

void GetHistogram(uint8_t* pImg, int width, int height, int* histogram)
{
    uint8_t* pCur;
    uint8_t* pEnd = pImg + width * height;

    // 初始化直方图数组
    memset(histogram, 0, sizeof(int) * 256);

    // 直方图统计
    for (pCur = pImg; pCur < pEnd;)
    {
        histogram[*pCur]++;
        pCur++；
    }

    // 函数结束
    return;
}

int main()
{
    int histogram[256];
    //建立一个数组
    const char* filename = "E:/code/IDP-Learning-Journey/images/ME.bmp";

    FILE* file = fopen(filename, "rb");

    uint8_t bmpHeader[54];
    size_t bytesRead = fread(bmpHeader, 1, 54, file);

    int width = *(int*)&bmpHeader[18];   // 宽度信息位于偏移量为 18 的位置
    int height = *(int*)&bmpHeader[22];  // 高度信息位于偏移量为 22 的位置

    uint8_t* imageData = (uint8_t*)malloc(width * height); 

    fseek(file, 54, SEEK_SET);  // 跳过 BMP 文件头

    bytesRead = fread(imageData, 1, width * height, file); 

    GetHistogram(imageData, width, height，histogram);
    
    	for (int i = 0; i < 256; i++)
	{
    	printf("histogram[%d]: %d\n", i, histogram[i]);
	}//打印出来看看结果是否成功

    fclose(file);
    free(imageData);

    return 0;
}

image-20240309230227278

成功实现预期功能，接下来查找如何显示为直方图

通过我的不懈努力，变成了这样

image-20240309230633643

很显然，还是没达到要求，这个时候只能网上查一下了

好像解决办法很少，但是还是查到了一个头文件，可以解决C语言生成图片的问题

#include <SDL.h>

SDL（Simple DirectMedia Layer）是一个跨平台的开源多媒体库，用于实现音频、视频、图形和输入设备的访问。SDL提供了一套简单而强大的接口，使得开发者能够在不同平台上编写高性能的多媒体应用程序，而不需要关注底层的细节。

我们用不到那么多功能，只需要能打开一个图形化页面就行

配置SDL

首先需要去GitHub上找到相应的包克隆到本地

Release 2.30.1 · libsdl-org/SDL (github.com)

image-20240310121243846

选择对应的版本，要区分mingw和MSVC编译器，后者也就是vs的编译器

下载到一个能找到的位置解压缩

image-20240310121528238

这里我演示一下如何配置vs2022的环境，如果是mingw，国内很多开源社区都有教程，就不过多去演示了，参考官方文档

step.1 点击项目中的属性
image-20240310121717504
step.2 修改VC++目录下的包含目录为解压目录下的include文件夹的地址

image-20240310121935263

step.3 修改库目录为解压目录下lib地址

image-20240310122117131

step.4 在链接器选择输入，修改附加依赖项为lib目录下lib后缀文件的名称

image-20240310122305329

step5 修改环境变量

首先需要添加lib目录下64位文件夹的地址

image-20240310122451516

接着是我实验发现，总是会报找不到SDL2.dll这个文件的错误，导致程序无法编译，我尝试把这个文件直接放在.c文件的目录下，可以解决问题，但是以后不想这么麻烦，所以我们把这个文件也添加系统变量

image-20240310122744885

问题解决，编译器可以编译，我们现在让chatgpt写一段小程序验证一下

image-20240310122943972

测试代码

#include <stdio.h>
#include <SDL.h>

int main() {
    SDL_Init(SDL_INIT_VIDEO);

    // 创建窗口
    SDL_Window* window = SDL_CreateWindow("SDL Example", SDL_WINDOWPOS_CENTERED, SDL_WINDOWPOS_CENTERED, 640, 480, 0);

    // 创建渲染器
    SDL_Renderer* renderer = SDL_CreateRenderer(window, -1, SDL_RENDERER_ACCELERATED);

    // 设置绘制颜色为红色
    SDL_SetRenderDrawColor(renderer, 255, 0, 0, 255);

    // 清空屏幕
    SDL_RenderClear(renderer);

    // 创建一个矩形
    SDL_Rect rect = { 100, 100, 200, 150 };

    // 填充矩形
    SDL_RenderFillRect(renderer, &rect);

    // 更新屏幕
    SDL_RenderPresent(renderer);

    // 等待2秒
    SDL_Delay(2000);

    // 清理资源
    SDL_DestroyRenderer(renderer);
    SDL_DestroyWindow(window);
    SDL_Quit();

    return 0;
}

这样就配置成功了

SDL是如何绘图的

这个问题很重要，如果不搞清楚我们将无法绘制灰度值直方图

查了一下，分为以下几步

  • 初始化sdl

    这一步是为了指定要使用的SDL子系统，比如视频子系统、音频子系统、定时器子系统等。可以选择仅初始化所需的子系统，以提高性能和减少资源占用。*

SDL_Init(SDL_INIT_VIDEO);//我们使用的画图窗口用的是视频子系统

  • 创建窗口

    创建一个来展示我们直方图数据的窗口

SDL_Window* window = SDL_CreateWindow("Histogram", SDL_WINDOWPOS_CENTERED, SDL_WINDOWPOS_CENTERED, 512, 512, SDL_WINDOW_SHOWN);//窗口名称为直方图，接下来两个参数是窗口在屏幕上的位置，分别在水平和垂直都居中显示，窗口的宽度和高度目前按时512和512，这个后面再调整，再后面一个参数的意思是创建窗口立即显示

  • 创建渲染器

    这一步不是很能理解，在我的理解里应该是类似于创建一个画板，可以在窗口里作图的功能

SDL_Renderer* renderer = SDL_CreateRenderer(window, -1, SDL_RENDERER_ACCELERATED);//window为要在其上创建渲染器的窗口指针，-1：指定要使用的渲染器索引。通常将其设置为-1，以便SDL自动选择可用的索引。SDL_RENDERER_ACCELERATED：指定渲染器使用硬件加速，以提高性能。

  • 设置背景颜色

        SDL_SetRenderDrawColor(renderer, 0, 0, 0, 255);//设置绘制颜色设置为黑色（RGB值为0, 0, 0，表示红、绿、蓝通道均为0，即黑色），同时将透明度设置为255（不透明）

    SDL_RenderClear(renderer);//然后通过SDL_RenderClear函数清空渲染器，实际上是在规定背景颜色。

    在使用SDL进行图形绘制时，首先通常会设置绘制颜色，然后使用SDL_RenderClear函数填充整个渲染目标（通常是窗口）的背景色。

  • 绘制直方图

    我尝试了使用for循环每次改变x坐标，y坐标为数组中的值，但是好像失败了

image-20240310130657225

先看代码

 int barWidth = 2;// 设置每个直方条的宽度

 for (int i = 0; i < size; i++) {

     SDL_SetRenderDrawColor(renderer, 255, 255, 255, 255);//设置白色

     // 计算直方条的位置和高度
     int barX = i * (barWidth + 1);
     int barY = histogram[i];

     
     SDL_Rect bar = { barX, barY, barWidth, (int)(histogram[i]) };
     SDL_RenderFillRect(renderer, &bar);
 }// 绘制

 SDL_RenderPresent(renderer); // 更新renderer

难道是因为，直方图太小了直接看不到吗，如果限定一个高度区间会不会好一点

我思路是这样的

  1. 找到灰度值的最大值
  2. 用规定的最大值去比上灰度值的最大值得到一个比例
  3. 这样所有的灰度值都乘上这个比例，就可以等比例缩放了

ok，用for循环找最大值和最小值

    int maxBarHeight = 0;
    int minBarHeight = 0;

    for (int i = 0; i < size; i++) 
    {
        if (histogram[i] > maxBarHeight) 
        {
            maxBarHeight = histogram[i];
        }
    }

    for (int i = 0; i < size; i++) 
    {
        if (histogram[i] < minBarHeight) 
        {
            minBarHeight = histogram[i];
        }
    }

这样子就有最大值和最小值了，我们的最大值设定为400，因为窗口为512，

宽度还为2，刚好填满窗口

int barWidth = 2;
double k = (double)(400) / maxBarHeight;//设比值为k，定义双精度浮点数400，防止整数相除默认算整数

for (int i = 0; i < size; i++) {
    
    SDL_SetRenderDrawColor(renderer, 255, 255, 255, 255);//设置绘制颜色为白色

    int barX = i * barWidth + 1;//每一个x坐标都为循环次数X宽度
    int barY = y - (int)(histogram[i] * k);//这里xy都为每一个柱子左上角点的坐标

    // 绘制直方条
    SDL_Rect bar = { barX, barY, barWidth, (int)(histogram[i] * k) };
    //传递参数为，直方图左上角点的坐标，直方图的宽度和高度
    SDL_RenderFillRect(renderer, &bar);
}

看一下效果

image-20240310133228536

对比一下Photoshop的直方图

image-20240310133811221

再调整一下，把窗口改为512X256，高度改为两百

image-20240310134311229

但是只能展示一瞬间，然后就会结束程序，查过资料之后发现可以添加以下代码来延长展示时间

    SDL_Event event;
    int quit = 0;
    while (!quit) {
        while (SDL_PollEvent(&event)) {
            if (event.type == SDL_QUIT) {
                quit = 1;
            }
        }
    }

再次测试可以正常展示，完成目标。

源代码：

#define _CRT_SECURE_NO_WARNINGS 1

#include <stdio.h>
#include <stdint.h>
#include <stdlib.h>
#include <SDL.h>

void displayHistogram(const int* histogram, int size) {

    SDL_Init(SDL_INIT_VIDEO);

    SDL_Window* window = SDL_CreateWindow("Histogram", SDL_WINDOWPOS_CENTERED, SDL_WINDOWPOS_CENTERED, 512, 256, SDL_WINDOW_SHOWN);

    SDL_Renderer* renderer = SDL_CreateRenderer(window, -1, SDL_RENDERER_ACCELERATED);
    if (renderer == NULL) {
        printf("Failed to create renderer: %s\n", SDL_GetError());
        return;
    }

    SDL_SetRenderDrawColor(renderer, 0, 0, 0, 255);

    SDL_RenderClear(renderer);

    int maxBarHeight = 0;
    int minBarHeight = 0;

    for (int i = 0; i < size; i++) 
    {
        if (histogram[i] > maxBarHeight) 
        {
            maxBarHeight = histogram[i];
        }
    }

    for (int i = 0; i < size; i++) 
    {
        if (histogram[i] < minBarHeight) 
        {
            minBarHeight = histogram[i];
        }
    }


    int y = 250;


    int barWidth = 2;
    double k = (double)(200) / maxBarHeight;


    for (int i = 0; i < size; i++) {

        SDL_SetRenderDrawColor(renderer, 255, 255, 255, 255);

        int barX = i * barWidth + 1;
        int barY = y - (int)(histogram[i] * k);

        SDL_Rect bar = { barX, barY, barWidth, (int)(histogram[i] * k) };
        
        SDL_RenderFillRect(renderer, &bar);
    }

    SDL_RenderPresent(renderer);

    SDL_Event event;
    int quit = 0;
    while (!quit) {
        while (SDL_PollEvent(&event)) {
            if (event.type == SDL_QUIT) {
                quit = 1;
            }
        }
    }

    SDL_DestroyRenderer(renderer);
    SDL_DestroyWindow(window);

    SDL_Quit();
}

void GetHistogram(uint8_t* pImg, int width, int height, int* histogram)
{
    uint8_t* pCur;
    uint8_t* pEnd = pImg + width * height;

    // 初始化直方图数组
    memset(histogram, 0, sizeof(int) * 256);

    // 直方图统计
    for (pCur = pImg; pCur < pEnd;)
    {
        histogram[*pCur]++;
        pCur++;
    }

    // 函数结束
    return;
}

int main()
{
    int histogram[256];
    //建立一个数组
    const char* filename = "E:/code/IDP-Learning-Journey/images/ME.bmp";

    FILE* file = fopen(filename, "rb");

    uint8_t bmpHeader[54];
    size_t bytesRead = fread(bmpHeader, 1, 54, file);

    int width = *(int*)&bmpHeader[18];   // 宽度信息位于偏移量为 18 的位置
    int height = *(int*)&bmpHeader[22];  // 高度信息位于偏移量为 22 的位置

    uint8_t* imageData = (uint8_t*)malloc(width * height);

    fseek(file, 54, SEEK_SET);  // 跳过 BMP 文件头

    bytesRead = fread(imageData, 1, width * height, file);

    GetHistogram(imageData, width, height,histogram);

    displayHistogram(histogram, 256);

    fclose(file);
    free(imageData);

    return 0;
}

好的，我们目前还需要展示图像的均值和方差以及各部分信息，首先是均值

均值

没有想到特别好的办法，只能想到所有的灰度值相加，除以总的像素数

用C语言写一个函数，传入值为数组元素和宽度以及高度像素信息

double mean(const int* histogram, int width, int height)
{
    size_t sum = 0;
    size_t totalPixels = width * height;

    for (size_t i = 0; i < 256; i++)
    {     
        sum += i * histogram[i];
    }

    double a = (double)sum / totalPixels;

    return a;
}

其实这里没必要用size_t，是因为我之前思路有问题，一直内存溢出，数字不够存，改变思路后可以成功计算

image-20240310173812290

标准差

也同样没想到什么好的方法，只能想到用循环，对每个像素值与均值之差的平方求和，并除以像素总数减一

写一下代码

double Variance(const int* histogram, int width, int height，double mean)
{
    double variance = 0.0;
    
    for (size_t i = 0; i < width * height; i++) 
    {
        variance += pow(histogram[i] - mean, 2);
    }
    
    variance /= (width * height - 1);
    return variance
}

出现问题

for (size_t i = 0; i < width * height; i++)
{
    printf("%d\n", i);//检查发现循环次数无法达到1000000次以上
    variance += pow(histogram[i] - mean, 2);
}
原因是因为width * height数值太大，需要强制类型转换
不是上面的原因，因为灰度值图像中并没有这么多内存格子，我理解错了

这才是正确的，我真的是看了半个小时，取的数据不是图片所有的数据，而是直方图数据

image-20240310181201358

double StandardDeviation(const int* histogram, int width, int height, double mean)
{
    double variance = 0.0;
    int totalPixels = width * height;

    for (int i = 0; i < 256; i++)
    {
        variance += pow(i - mean, 2) * histogram[i];
    }
	//计算每一个色度值和均值的差的平方再乘上个数得到和最后开平方就可以得到标准差
    variance /= (totalPixels - 1);

    double standardDeviation = sqrt(variance);

    return standardDeviation;
}

image-20240310182432079

差的不是很多，我查了一下原因，应该是因为Photoshop统计的是rgb的标准差和均值，我们计算的是灰度值的标准差和均值

中间值

字如其名，我们只要找到最中间的像素即可

double Median(const int* histogram, int width, int height)
{
    int size = width * height; 
    int cumulativeSum = 0;
    int middleElement = (size + 1) / 2;

    for (int i = 0; i < 256; ++i)
    {
        cumulativeSum += histogram[i];
        if (cumulativeSum >= middleElement)
        {
            return i;
        }
    }

    return 0; 
}

真的是最顺利的一次

image-20240310182856703

明度和对比度

这个我们一起来看书上【程序 2-5】

void GetBrightContrast(int * histogram,double * bright,double * contrast)
{
    int g;
    double sum,num;//书上说图像很亮时，int有可能会溢出，所以我这里直接用double
    double fsum;
    
    //step.1 求亮度
    for(sum = num = 0, g = 0; g < 256 ; g++)
    {
        sum += histogram[g] * g;
        num += histogram[g];
    }
    * bright = sum * 1.0/num;
    
    //step.2 求对比度
    for(fsum = 0.0,g = 0;g < 256;g++)
    {
        fsum += histogram[g]*(g - *bright) * (g - *bright);
    }
    * contrast = sqrt(fsum/(num - 1));//即Std Dev
    
    //step.3 结束
    return;
}

好的观察后发现，明度就是均值，对比度就是标准差

我前面相当于白头脑风暴了

很容易理解我就不再注释了，看一下运行结果

image-20240310184356037

前面还是有点小问题，咱们先用后面的代码，那这样，我们就已经成功得到了图片的亮度，对比度，以及中间值，那么怎么写进直方图里呢

好的，我也没找到好的办法，最好的办法是用SDL的文字库，继续网上加

但是我在测试代码的时候一直提示没有这个库，后来我就想到了能不能直接加在标题上

于是我就创建了一串字符串用作标题，上面传入了计算的明度，对比度以及中间值的数据

代码如下

    char windowTitle[100];
    sprintf(windowTitle, "Histogram      Brightness: %.2f  Contrast: %.2f  Median: %.2f", a, b, c);
    SDL_Window* window = SDL_CreateWindow(windowTitle, SDL_WINDOWPOS_CENTERED, SDL_WINDOWPOS_CENTERED, 512, 256, SDL_WINDOW_SHOWN);

详细的讲解在上面讲过，这里就不过多赘述了

我知道这个方法可能的确有点投机取巧了，后面也会去寻找解决办法，我觉得Qt虽然能解决，但是还是更想用C语言去自己敲一遍，这个找到解决办法了再来更新笔记

结果

不过我们看一下运行结果

image-20240310191200504

还是很不错的，对比一下Photoshop

image-20240310191246210

是很接近的，可能偏差的原因就是ps用的是rgb，我只用了单通道的灰度值

总体来看不是很难，但是细节很多，需要对C语言有深刻的了解，接下来我把源码放在下面

#define _CRT_SECURE_NO_WARNINGS 1

#include <stdio.h>
#include <stdint.h>
#include <stdlib.h>
#include <SDL.h>


void displayHistogram(const int* histogram, int size,double a,double b,double c) 
{

    SDL_Init(SDL_INIT_VIDEO);

    char windowTitle[100];
    sprintf(windowTitle, "Histogram      Brightness: %.2f  Contrast: %.2f  Median: %.2f", a, b, c);
    SDL_Window* window = SDL_CreateWindow(windowTitle, SDL_WINDOWPOS_CENTERED, SDL_WINDOWPOS_CENTERED, 512, 256, SDL_WINDOW_SHOWN);

    SDL_Renderer* renderer = SDL_CreateRenderer(window, -1, SDL_RENDERER_ACCELERATED);
    if (renderer == NULL) {
        printf("Failed to create renderer: %s\n", SDL_GetError());
        return;
    }

    SDL_SetRenderDrawColor(renderer, 0, 0, 0, 255);

    SDL_RenderClear(renderer);

    int maxBarHeight = 0;
    int minBarHeight = 0;

    for (int i = 0; i < size; i++) 
    {
        if (histogram[i] > maxBarHeight) 
        {
            maxBarHeight = histogram[i];
        }
    }

    for (int i = 0; i < size; i++) 
    {
        if (histogram[i] < minBarHeight) 
        {
            minBarHeight = histogram[i];
        }
    }


    int y = 250;


    int barWidth = 2;
    double k = (double)(200) / maxBarHeight;


    for (int i = 0; i < size; i++) {

        SDL_SetRenderDrawColor(renderer, 255, 255, 255, 255);

        int barX = i * barWidth + 1;
        int barY = y - (int)(histogram[i] * k);

        SDL_Rect bar = { barX, barY, barWidth, (int)(histogram[i] * k) };
        
        SDL_RenderFillRect(renderer, &bar);
    }

    SDL_RenderPresent(renderer);

    SDL_Event event;
    int quit = 0;
    while (!quit) {
        while (SDL_PollEvent(&event)) {
            if (event.type == SDL_QUIT) {
                quit = 1;
            }
        }
    }

    SDL_DestroyRenderer(renderer);
    SDL_DestroyWindow(window);

    SDL_Quit();
}

void GetHistogram(uint8_t* pImg, int width, int height, int* histogram)
{
    uint8_t* pCur;
    uint8_t* pEnd = pImg + width * height;

    // 初始化直方图数组
    memset(histogram, 0, sizeof(int) * 256);

    // 直方图统计
    for (pCur = pImg; pCur < pEnd;)
    {
        histogram[*pCur]++;
        pCur++;
    }

    // 函数结束
    return;
}

double mean(const int* histogram, int width, int height)
{
    size_t sum = 0;
    size_t totalPixels = width * height;

    for (size_t i = 0; i < 256; i++)
    {
        sum += i * histogram[i]; // 将像素值乘以出现次数再累加
    }

    double a = (double)sum / totalPixels;

    return a;
}

double StandardDeviation(const int* histogram, int width, int height, double mean)
{
    double variance = 0.0;
    int totalPixels = width * height;

    for (int i = 0; i < 256; i++)
    {
        variance += pow(i - mean, 2) * histogram[i];
    }

    variance /= (totalPixels - 1);

    double standardDeviation = sqrt(variance);

    return standardDeviation;
}

double Median(const int* histogram, int width, int height)
{
    int size = width * height;
    int cumulativeSum = 0;
    int middleElement = (size + 1) / 2;

    for (int i = 0; i < 256; ++i)
    {
        cumulativeSum += histogram[i];
        if (cumulativeSum >= middleElement)
        {
            return i;
        }
    }

    return 0;
}

void GetBrightContrast(int * histogram,double * bright,double * contrast)
{
    int g;
    double sum,num;//书上说图像很亮时，int有可能会溢出，所以我这里直接用double
    double fsum;
    
    //step.1 求亮度
    for(sum = num = 0, g = 0; g < 256 ; g++)
    {
        sum += histogram[g] * g;
        num += histogram[g];
    }
    * bright = sum * 1.0/num;
    
    //step.2 求对比度
    for(fsum = 0.0,g = 0;g < 256;g++)
    {
        fsum += histogram[g]*(g - *bright) * (g - *bright);
    }
    * contrast = sqrt(fsum/(num - 1));//即Std Dev
    
    //step.3 结束
    return;
}

int main()
{
    int histogram[256];
    //建立一个数组
    const char* filename = "E:/code/IDP-Learning-Journey/images/ME.bmp";

    FILE* file = fopen(filename, "rb");

    uint8_t bmpHeader[54];
    size_t bytesRead = fread(bmpHeader, 1, 54, file);

    int width = *(int*)&bmpHeader[18];   // 宽度信息位于偏移量为 18 的位置
    int height = *(int*)&bmpHeader[22];  // 高度信息位于偏移量为 22 的位置

    uint8_t* imageData = (uint8_t*)malloc(width * height);

    fseek(file, 54, SEEK_SET);  // 跳过 BMP 文件头

    bytesRead = fread(imageData, 1, width * height, file);

    GetHistogram(imageData, width, height,histogram);

    double meanValue = 0;
    double StandardDeviationValue = 0;
    double median = 0;
    double bright, contrast;

    GetBrightContrast(histogram, &bright, &contrast);

    median = Median(histogram, width, height);

    //printf("中间值（Median）：%f\n", median);
    //printf("亮度（Brightness）: %lf\n", bright);
    //printf("对比度（Contrast）: %lf\n", contrast);

    displayHistogram(histogram, 256, bright, contrast,median);

    fclose(file);
    free(imageData);

    return 0;
}

感谢您的阅读！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/455755.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

打造完美视频，两款Mac录屏软件推荐！

打造完美视频，两款Mac录屏软件推荐！

“mac电脑可以进行录屏吗&#xff1f;我正在准备一次在线演示&#xff0c;需要将一些操作过程记录下来&#xff0c;这样观众可以更加清晰地了解。我尝试过一些mac录屏软件&#xff0c;但是感觉有些复杂&#xff0c;不太适合自己。请问有没有好用的mac录屏软件推荐&#xff1f;”…
阅读更多...
2024智建会凝聚科技创新成果，促进建筑低碳发展

2024智建会凝聚科技创新成果，促进建筑低碳发展

在建设中&#xff0c;将一些废弃工业生产废旧料作为混凝土合理掺和料&#xff0c;既可 以节省水泥等装饰建材&#xff0c;又能增加混泥土的使用期。装配式结构和新型墙体材料、屋面防水材料彼此适配&#xff0c;这些材料具有重量轻、施工简单、施工周期时间短、采用肝纤维化、复…
阅读更多...
基于SpringBoot的“企业客户信息反馈平台”的设计与实现（源码+数据库+文档+PPT)

基于SpringBoot的“企业客户信息反馈平台”的设计与实现（源码+数据库+文档+PPT)

基于SpringBoot的“企业客户信息反馈平台”的设计与实现&#xff08;源码数据库文档PPT) 开发语言&#xff1a;Java 数据库&#xff1a;MySQL 技术&#xff1a;SpringBoot 工具&#xff1a;IDEA/Ecilpse、Navicat、Maven 系统展示 平台首页界面图 技术文档界面图 问题信息…
阅读更多...
ArcGIS全系列实战视频教程——9个单一课程组合+系列直播回放

ArcGIS全系列实战视频教程——9个单一课程组合+系列直播回放

《ArcGIS全系列实战视频教程》是由9个单一课程组合合成。组成一条ArcGIS入门实战各项专题深入应用学习全链条&#xff0c;让你学有方向、学有目的&#xff0c;系统全面掌握ArcGIS。 ArcGIS全系列实战视频教程——9个单一课程组合https://edu.csdn.net/combo/detail/2569 《Ar…
阅读更多...
PyJWT 登录鉴权最佳实践【Refresh Token】

PyJWT 登录鉴权最佳实践【Refresh Token】

&#x1f389; Json web token (JWT), 根据官网的定义&#xff0c;是为了在网络应用环境间传递声明而执行的一种基于JSON的开放标准&#xff08;RFC 7519)。该token被设计为紧凑且安全的&#xff0c;特别适用于分布式站点的单点登录&#xff08;SSO&#xff09;场景。JWT的声明…
阅读更多...
多维时序 | Matlab实现VMD-CNN-GRU变分模态分解结合卷积神经网络门控循环单元多变量时间序列预测

多维时序 | Matlab实现VMD-CNN-GRU变分模态分解结合卷积神经网络门控循环单元多变量时间序列预测

多维时序 | Matlab实现VMD-CNN-GRU变分模态分解结合卷积神经网络门控循环单元多变量时间序列预测 目录 多维时序 | Matlab实现VMD-CNN-GRU变分模态分解结合卷积神经网络门控循环单元多变量时间序列预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.Matlab实现VMD-CN…
阅读更多...
【MySQL】MySQL索引特性

【MySQL】MySQL索引特性

文章目录 一、没有索引&#xff0c;可能会有什么问题二、认识磁盘1.MySQL与存储2.磁盘 三、MySQL与磁盘交互基本单位四、索引的理解五、索引操作1.创建主键索引2.创建唯一索引3.创建普通索引4.查询索引5.删除索引6.使用案例7.创建全文索引8.索引创建原则 一、没有索引&#xff…
阅读更多...
力扣654 最大二叉树 Java版本

力扣654 最大二叉树 Java版本

文章目录 题目描述解题思路代码 题目描述 给定一个不重复的整数数组 nums 。 最大二叉树 可以用下面的算法从 nums 递归地构建: 创建一个根节点&#xff0c;其值为 nums 中的最大值。 递归地在最大值 左边 的 子数组前缀上 构建左子树。 递归地在最大值 右边 的 子数组后缀上…
阅读更多...
十二、Transformer（Attention Mechanism）

十二、Transformer（Attention Mechanism）

参考Transformer详解 和 Transforner模型详解 1 Transformer 整体结构 Transformer 由 Encoder 和 Decoder 两个部分组成&#xff0c;Encoder 和 Decoder 都包含 6 个 block。 ​ 2 Transformer 局部结构 2.1 输入层 Transformer 中的输入层是由单词的 Word Embedding 和 …
阅读更多...
国产化三防笔记本丨亿道国产加固笔记本FT-2000/4处理器

国产化三防笔记本丨亿道国产加固笔记本FT-2000/4处理器

国产化加固笔记本是指采用国产操作系统和处理器&#xff0c;通过技术手段对其进行硬件加固、软件加密、数据安全等多方面加强处理的产品。这种笔记本电脑通常被用于政府项目、金融行业等对安全性要求极高的领域。 在国产化加固笔记本中&#xff0c;硬件加固是重要的一环。为了保…
阅读更多...
【生态适配】亚信安慧AntDB数据库与龙芯3C5000L完成兼容互认

【生态适配】亚信安慧AntDB数据库与龙芯3C5000L完成兼容互认

日前&#xff0c;亚信安慧AntDB数据库系统V6.2在龙芯3C5000L平台上完成兼容性测试&#xff0c;功能与稳定性良好&#xff0c;被授予龙架构兼容互认证书。 图1&#xff1a;产品兼容性证明 随着“互联网”的纵深发展&#xff0c;数字技术创新成果与经济社会各领域深度融合&#…
阅读更多...
【IOS】应用上架支付(ApplePay)测试流程

【IOS】应用上架支付(ApplePay)测试流程

注册开发者账号 登录https://developer.apple.com/ 注册购买开发者账号。 mac本生成证书 打开钥匙串程序 选择从证书机构请求证书&#xff0c; 填入开发者账号邮箱&#xff0c;选择存储到本地磁盘 名称自己定义 开发就叫 项目名_dev 等 上传证书 登录开发者网站 点击账户…
阅读更多...
Vue.js+SpringBoot开发考研专业课程管理系统

Vue.js+SpringBoot开发考研专业课程管理系统

目录 一、摘要1.1 项目介绍1.2 项目录屏 二、功能模块2.1 数据中心模块2.2 考研高校模块2.3 高校教师管理模块2.4 考研专业模块2.5 考研政策模块 三、系统设计3.1 用例设计3.2 数据库设计3.2.1 考研高校表3.2.2 高校教师表3.2.3 考研专业表3.2.4 考研政策表 四、系统展示五、核…
阅读更多...
创建SpringCloudGateWay

创建SpringCloudGateWay

创建SpringCloudGateWay 本案例基于尚硅谷《谷粒商城》项目&#xff0c;视频27 创建测试API网关 1、创建module 2、引入依赖 <?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.org/POM/4.0.0" xmlns:x…
阅读更多...
【PCL】（二十八）点云超体素分割

【PCL】（二十八）点云超体素分割

&#xff08;二十九&#xff09;点云超体素分割 论文&#xff1a;Voxel Cloud Connectivity Segmentation - Supervoxels for Point Clouds supervoxel_clustering.cpp #include <pcl/console/parse.h> #include <pcl/point_cloud.h> #include <pcl/point_ty…
阅读更多...
后端使用Long类型数据，前后端传值，主键精度丢失

后端使用Long类型数据，前后端传值，主键精度丢失

场景描述 在使用Long类型数据时&#xff0c;根据id获取对象&#xff0c;然后传递到前端&#xff0c;后端获取数据是正常的&#xff0c;但是传递到前端会发生精度丢失。 1). 数据表存在一条数据&#xff0c;以雪花算法作为主键 2). 编写Controller&#xff0c;接受get请求&…
阅读更多...
android HAL层崩溃排查记录

android HAL层崩溃排查记录

要最近在调试系统HDMI CEC功能时&#xff0c;遇到一个奇怪的崩溃问题&#xff0c;这边记录下。 初步分析 先上日志&#xff1a; --------- beginning of crash 03-06 10:48:25.503 1133 1133 F DEBUG : *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** **…
阅读更多...
探索数据可视化：Matplotlib 高级绘图功能(四)

探索数据可视化：Matplotlib 高级绘图功能(四)

3D图形 线形图&散点图 import numpy as np import matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d.axes3d import Axes3Dx np.linspace(0,60,300) y np.sin(x) z np.cos(x)fig plt.figure(figsize(9,6)) a3 Axes3D(fig) # 二维变成3D a3.plot(x,y,z)plt.figure…
阅读更多...
对比学习（Contrastive Learning）和孪生网络（Siamese Network）的区别！

对比学习（Contrastive Learning）和孪生网络（Siamese Network）的区别！

对比学习&#xff08;Contrastive Learning&#xff09;和孪生网络&#xff08;Siamese Network&#xff09;是两种常见的无监督学习方法&#xff0c;它们有着不同的原理和应用场景。 原理与目标&#xff1a; 对比学习旨在通过最小化相似样本对之间的距离&#xff0c;最大化不相…
阅读更多...
算法思想总结：二分查找算法

算法思想总结：二分查找算法

创作不易&#xff0c;感谢三连&#xff01;&#xff01; 一、二分查找算法思路总结 大家先看总结&#xff0c;然后再根据后面的题型去慢慢领悟 二、二分查找&#xff08;easy&#xff09; . - 力扣&#xff08;LeetCode&#xff09;二分查找 思路&#xff1a;&#xff08;模…
阅读更多...
最新文章

Copyright @ 2022~2023