图像熵

Matlab实现代码如下：

（1）图像的熵

function shang = ssshang(X)    
[m,n,t]=size(X);     I3 = double(X)+1;  %灰度从0到256  
s(256) = 0;    
for i = 1:m    
    for j = 1:n    
        va = I3(i,j);  %获取灰度  
        s(va) = s(va)+1;  %值为va的点的个数  
    end    
end    
p = s./(m*n);    
en = 0.;    
for i = 1:256    
    if p(i)~=0    
       en = en+p(i)*log2(p(i));%概率取对数(以2为底)再乘以概率 最后连加取反    
    end    
end    
shang = -en;   

（2）局部熵

clear all;  
close all;  
clc;  

img=imread('lena.jpg');  
[m n]=size(img);  
w=3;    %模板半径 模板大小为9*9  
imgn=zeros(m,n);  
for i=1+w:m-w  
    for j=1+w:n-w  

        Hist=zeros(1,256);  
        for p=i-w:i+w  
            for q=j-w:j+w  
                Hist(img(p,q)+1)=Hist(img(p,q)+1)+1;    %统计局部直方图  
            end  
        end  
        Hist=Hist/sum(Hist);     %部分人称之为归一化直方图  
        for k=1:256  
            if Hist(k)~=0  
               imgn(i,j)=imgn(i,j)+Hist(k)*log(1/Hist(k));  %局部熵  
            end  
        end  
    end  
end  
imshow(imgn,[])  

%用matlab 自带函数实现  
imgn1=entropyfilt(img);         %系统的局部熵函数  
figure;  
imshow(imgn1,[])  

熵的一些知识

熵越大，无序程度越高。

图像处理中，根据图像的各个像素点的灰度分布的有序性，定义图像的局部熵，其反映了图像信息的丰富程度。

事件发生的概率越小， 其包含的信息量就越大， 其不确定性的程度就越高， 按照乘法的含义： 事件的不确定性乘以其发生的概率， 代表事物具体表现出来的不确定量。