matlab计算联合熵,如何用matlab软件计算一幅图像信息的熵以及两幅图像间的联合熵?...

%计算一副图像的熵

%随机生成图像

A=floor(rand(8,8).*255);

[M,N]=size(A);

temp=zeros(1,256);

%对图像的灰度值在[0,255]上做统计

for m=1:M;

for n=1:N;

if A(m,n)==0;

i=1;

else

i=A(m,n);

end

temp(i)=temp(i)+1;

end

end

temp=temp./(M*N);

%由熵的定义做计算

result=0;

for i=1:length(temp)

if temp(i)==0;

result=result;

else

result=result-temp(i)*log2(temp(i));

end

end

result

%计算联合熵

%随机生成图像

A=floor(rand(8,8).*255);

B=floor(rand(8,8).*255);

[M,N]=size(A);

temp=zeros(256,256);

%对图像的灰度值成对地做统计

for m=1:M;

for n=1:N;

if A(m,n)==0;

i=1;

else

i=A(m,n);

end

if B(m,n)==0;

j=1;

else

j=B(m,n);

end

temp(i,j)=temp(i,j)+1;

end

end

temp=temp./(M*N);

%由熵的定义做计算

result=0;

for i=1:size(temp,1)

for j=1:size(temp,2)

if temp(i,j)==0;

result=result;

else

result=result-temp(i,j)*log2(temp(i,j));

end

end

end

result

作业帮用户

2016-12-16

举报

6c0a0adef10d1043fa4f41a7897345ed.png

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 在Matlab中,可以使用Entropy函数来计算信息图像信息是用来度量信源的不确定性的一种方法。对于一个离散信源,其信息可以通过以下公式来计算: H(X) = -Σ(p(x)log₂p(x)) 其中,H(X)表示信源X的信息,p(x)表示信源X输出为x的概率。 在Matlab中,可以通过定义概率分布数组并使用Entropy函数来计算信息。例如,假设信源X的输出为{0,1,2},对应的概率分布为{0.2,0.3,0.5},可以使用以下代码计算信息: p = [0.2,0.3,0.5]; entropy = -sum(p.*log2(p)) 图像是对图像中像素值的分布进行度量的一种方法。对于一幅灰度图像图像可以表示为: H(I) = -Σ(p(i)log₂p(i)) 其中,H(I)表示图像I的图像,p(i)表示图像I中像素值为i的概率。 在Matlab中,可以使用imhist函数计算图像的直方图,并使用Entropy函数来计算图像。例如,假设图像为I,可以使用以下代码计算图像: histogram = imhist(I); total_pixels = numel(I); p = histogram/total_pixels; entropy = -sum(p.*log2(p)) 使用以上的方法,可以在Matlab中方便地计算信息图像。 ### 回答2: 在MATLAB中,信息图像是两个常用的计算方法,用于衡量数据的不确定性和图像的复杂度。下面分别介绍这两种计算方法。 信息是一种衡量数据不确定性的度量方式,可以用于评估信号、数据等的平均信息量。在MATLAB中,可以使用entropy函数计算信号的信息。此函数接受一个向量或矩阵作为输入,并返回其信息值。 例如,我们可以使用如下代码计算一个信号的信息: ```matlab x = [1 1 1 1 2 2 2 3 3 4]; entropy_x = entropy(x); disp(entropy_x); ``` 在以上代码中,我们定义了一个信号x,然后使用entropy函数计算信息,并将结果输出。以上代码运行后,会输出结果为1.8464。 图像是一种衡量图像复杂度的度量方式,可以用于评估图像信息含量和纹理复杂度。在MATLAB中,可以使用graycomatrix和entropy函数计算图像。graycomatrix函数用于计算图像的灰度共生矩阵,然后entropy函数用于计算灰度共生矩阵的值。 例如,我们可以使用如下代码计算一幅图像: ```matlab img = imread('image.jpg'); gray_img = rgb2gray(img); glcm = graycomatrix(gray_img); entropy_img = entropy(glcm); disp(entropy_img); ``` 在以上代码中,我们首先读取了一幅图像,然后使用rgb2gray函数将图像转换为灰度图像。接下来,使用graycomatrix函数计算图像的灰度共生矩阵glcm,最后使用entropy函数计算灰度共生矩阵的值。以上代码运行后,会输出图像值。 综上所述,在MATLAB中可以使用entropy函数计算信号的信息,使用entropy函数结合graycomatrix函数计算图像。这些函数可以帮助我们量化信号和图像的不确定性和复杂度。 ### 回答3: Matlab是一种常用的科学计算软件,也可用于计算信息图像信息是一种衡量信息不确定性的指标。在Matlab中,我们可以使用entropymc函数来计算信息。该函数首先将数据按照其统计分布进行离散化,然后根据计算公式计算信息计算结果越大,表示数据的不确定性越高。 对于图像计算,首先需要将图像转化为灰度图像。在Matlab中,我们可以使用rgb2gray函数将彩色图像转化为灰度图像。然后,可以使用imhist函数计算灰度图像的直方图。直方图表示了不同灰度级的像素的分布情况。最后,根据直方图计算图像图像越大,表示图像的灰度级分布越均匀,图像越丰富多样。 在计算信息图像时,需要注意数据的离散化和概率的估计。Matlab提供了丰富的处理函数和工具箱,可以帮助我们进行相关计算,并得到准确和可靠的结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值