图像的一维熵和二维熵

图像的熵是一种特征的统计形式，它反映了图像中平均信息量的多少。图像的一维熵表示图像中灰度分布的聚集特征所包含的信息量，令 P_i 表示图像中灰度值为 i 的像素所占的比例，则定义灰度图象的一元灰度熵为：

H= - E_i=0²⁵⁵P_i lnP_i          

(其中，E _i=0²⁵⁵表示从灰度0到255进行求和运算，因为公式无法输入，暂且这样表示)

图象的一维熵可以表示图像灰度分布的聚集特征，却不能反映图像灰度分布的空间特征，为了表征这种空间特征，可以在一维熵的基础上引入能够反映灰度分布空间特征的特征量来组成图像的二维熵。

选择图像的邻域灰度均值作为灰度分布的空间特征量，与图像的像素灰度组成特征二元组，记为(i,j)，其中i表示像素的灰度值(0<=i<=255)，^{_{j表示领域灰度均值}}(0<=j<=255),P_ij=(f(i,j))/N²即可

 

反应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，其中f(i,j)为特征二元组(i,j)出现的频数，N为图像的尺度，定义离散的图像二维熵为：

H= - E _i=0²⁵⁵E _j=0²⁵⁵ (P_ij lnP_ij ) 

        

依此构造的图像二维熵可以在反映图像所包含的信息量的前提下，突出反映图像中像素位置的灰度信息和像素邻域内灰度分布的综合特征；