图像信息熵matlab代码

function [entr,ind] = entrCompute(InImg,groupNum)
% Output the entropy of InImg 
% ========= INPUT ============
%       InImg       size: cell(numImg * 1);  each cell: m * n
%       groupNum    the number of images in each group 
% ========= OUTPUT ===========
%       entr        entropies of all images
%       ind         the sort of all entropies
entr = cell(numel(InImg)/groupNum,1);  %每groupNum个一组记录entropy
for id = 1 :  numel(entr)
    for jd = 1 : groupNum
       entr{id}(jd) = Imentropy(InImg{(id - 1) * groupNum + jd});
    end    
end
%对信息熵进行排序
trash = cell(numel(entr),1);
ind = cell(numel(entr),1); 
for id = 1 : numel(entr)
    [trash{id} ind{id}] = sort(entr{id},'descend');
end
end

function entr = Imentropy(im)
    I = roundn(im,-1) ;  %取小数点后n位
    [C,R] = size(I);      %求图像的规格
    Img_size = C * R;       %图像像素点的总个数
    P_N = unique(I);
    L = length(P_N);
    H_img = 0;
    nk = zeros(L,1);
    for i = 1 : C
        for j = 1 : R
            for k = 1 : L
                temp = P_N(k,1);
                if I(i,j) == temp
                    nk(k,1) = nk(k,1) + 1;
                end
            end
        end
    end
    for k = 1 : L
        Ps(k) = nk(k)/Img_size;       %计算每一个灰度级像素点所占的概率
        if Ps(k)~=0;                  %去掉概率为0的像素点
            H_img = -Ps(k)*log2(Ps(k))+H_img;    %求熵值的公式
        end
    end
    entr = H_img;
 end