matlab中

Question

我有一个RGB图像（类型为uint8），我想执行以下过程：

1. 将图像量化为16级（每层）
2. 计算每个 RGB组合的直方图：首先我需要一个16 * 16 * 16矩阵来保存这些值 - 即如果我们表示直方图矩阵hist则{{1}应该保持直方图中的像素数量，强度等级为r = 2，g = 9，b = 3等。下一阶段是将其重塑为4096 * 1向量（但这是容易的部分）

现在我有以下实现：

hist(2,9,3)

这个实现有效，但它非常慢 - 我需要重复该过程100次（作为实现粒子滤波器的一部分），即使在大小为80的非常小的图像（实际上是图像部分）上执行它* 40需要很长时间。 我正在寻找一种更有效的方法来实现这一目标。谢谢！

Answer 1

您可以使用位移将RGB的4位值转换为12位值：

I = uint16(bitshift(I,-4));   % make sure the integer is large enough
twelvebit = bitshift(I(:,:,1),8) + bitshift(I(:,:,2)),4) + I(:,:,3);

这将产生如下所示的值：

0 0 0 0   R R R R   G G G G   B B B B
-------   -------   -------   -------
 unused     red      green      blue

现在您的值在[0..4095]范围内，您可以计算超过4096个柱子的直方图。

Answer 2

我喜欢accumarray：

function hist = compRGBHist(I)
    I = bitshift(I, -4); % quantize to 16 color levels
    R = I(:,:,1) + 1; % +1 to be in [1..16]
    G = I(:,:,2) + 1;
    B = I(:,:,3) + 1;
    A = accumarray([R(:), G(:), B(:)], 1, [16,16,16]);
    hist = reshape(A, 4096, 1);
end

PS：Beaker，bitshift解决方案可能是最好的。

Answer 3

如果将uint8（0..255）除以2 ^ 4，则最终会得到（0..16）而不是（0..15）的范围。你应该首先减去2 ^ 3我认为，以确保你最终得到16个箱。

I = randi([0 255],512,512,3,'uint8'); %example data
I = (I-2^3)./2^4;
I = uint16(I);
I(:,:,2)=I(:,:,2)*2^4;
I(:,:,3)=I(:,:,3)*2^8;
I = sum(I,3,'native');
h=hist(I(:),[0:4095]);
h=reshape(h,[16 16 16]);