图像一维熵、二维熵、局部熵及python实现

1 基础

熵年岁很大，建国前一年香农提出来的的，成精了。熵指的是体系的混乱的程度，越乱越大。图像熵是图像特征的一种统计形式,反映了图像中平均信息量的多少,能够反映图像各像素点的分布复杂程度。

1.1 图像一维熵

只能表示图像灰度值的聚集特征，不能表征空间特征。公式:
$$H=-\sum _{i=0}^{255}lo{g}_2{p}_i$$
其中Pi表示图像中灰度值为i(0≤i≤255)的像素所占的比例,熵非负。(公式中使用Log或者ln均可，不同文献描述不一样)

1.2 二维熵

为表征灰度信息的空间特征,引入图像的像素点与该点的邻域信息,构成一个新的特征二元组,记为(i,j)；其中i表示像素的灰度值(0≤i≤255), j表示邻域灰度均值(0≤j≤255)。同时，为了反映某像素位置上的灰度值与其周围像素的灰度分布的综合特征,定义图像中f(i,j)的发生的概率为 P