实习图像熵的计算

1、信息论实验报告 # 信息论实验报告 # #实验一lena图勺维爛与二维爛计算信息论实验报告 # #信息论实验报告 实验内容能够写出MATLAB源代码，求lena图像的一维爛。考虑像元空间相关性，求lena图像的二维嫡。实验原理MATLAB中数据类型、矩阵运算、图像文件输入与输出知识复习。利用信息论中信息爛概念，求出任意一个离散信源的爛(平均自信息量)。任何一个消息的自信息量都代表不了信源所包含的平均自信息量。不能作为整个信源的信息测度，因此定义自信息量的数学期望为离散信源的平均自信息量：Hg=Elog扁=-p(q)logp(q-)r=i称之为信源的信息矯。H是从整个信源的统计特性来考虑的，它是

2、从平均意义上来表征信源的总体特性的。对于某特定的信源，其信息矯只有一个;不同的信源因统计特性不同，其爛也不同。学习图像嫡基本概念，能够求出图像一维爛和二维爛。图像爛反映了图像中平均每个像元含有信息量的多少。一维矯将像元看作相互独立,表示图像中灰度分布的聚集特征。令Pi表示图像中灰度值为i的像素所占的比例，计算图像的一元灰度爛为：255H=-rlogpii=0图像的一维爛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，可以在一维爛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嫡。选择图像的邻域灰度均值作为灰度分布的空间特征屋,与图像的像素灰度

3、组成特征二元组，记为(i,j),其中i表示像素的灰度值，j表示邻域灰度，f(i,j)为特征二元组(i,j)出现的频数。计算联合概率Pij=Wmn其中MN等于图像的总像元数。定义离散的图像二维爛为:H弓岛PogP“构造的图像二维爛可以在图像所包含信息量的前提下，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.(原图像与均值平滑后的图像的联合爛，再除以1/2.)实验步骤1）输入一幅图像，并将其转换成灰度图像。2）统计岀图像中每个灰度阶彖素概率。3）统计出灰度阶联合分布矩阵。4）根据图像嫡和二阶爛公式，计算出一幅图像的爛。五.实验数据及结果分析testingDiscieteShann

4、onEntropy%discreteprobabilitiesset%callCalEntiopyfunctionprobSet=0.10.20.30.150.25,H=CalEntiopy(probSet),spnntf(ShannonEntiopyis:calculatetlieImageentiopyH1,H2=ImgEntiopy(lena.jpg,),ans=ShannonEntropyis:2.228213e+000ans=ordimageentropyis:7.450501e+000ans=ordimageentropyis:6.158439e+000附1:信息躺计算grayle

5、velsCalEntiopy.mCoefficientMat=zeros(256,256),array:DiscreteProbabilitiesSetforx=1:ixHOutputShaimonEntiopyfory=l:iyi=temp(x,y),j=temp(x,y+l),functionH=CalEntiopy(airay)CoefficientMat(i+lj+1)=VectornumbeiCoefficientMat(i+1j+l)+1,num=lengtli(aiTay),endCheckprobabilitiessumto1endifabs(sum(aiTay)1).0000

6、1,computetlieprobofmatnxeirorCProbablitiesdontsumtoI.1)P2=Coefficienthfat./(ix*iy),endHI=0,H2=0;Removeanyzeroprobabilities%fon=1:256zeroRobs=find(aiTaylmvievz(img),ix,iy=size(img),computeprobsforeachscalelevelinimagePl=linlnst(img)/(ix*iy),temp=double(img),fortheindexofimagepiexltemp=temp,temp(:,l),coirelationprobmatnxbetvzeen0.255函数调用实例test,mInfonnationTheoiyexpenmenttestingfile HYPERLINK mailto:,22/08/2007testingDiscreteShannonEntiopydiscreteprobabilitiessetprobSet=0.10.20.30.150.25;callCalEntiopy