Matlab 熵与直方图

我尝试从我的工作区读取一个文件，并使用灰度直方图计算每个图像带的一阶熵 这是我的尝试，我可以使用load函数读取.mat文件

clc
I = load('file.mat'); 
E = entropy(I);
hist(E);
figure
plot(E);

更新： 代码如下：

I = load('file.mat'); 
E = zeros(1,size(I,3));

for idx = 1 : size(I,3)
    %// Calculate PDF
    chan = I(:,:,idx);
    h = imhist(chan);

end

现在，我得到了这个错误：

---

再次感谢您的帮助

回想一下熵（香农）的定义：

在这种情况下，

b=2

。你需要做的是假设我们有一个灰度图像，我们需要找到图像的概率分布函数，然后使用上面的定义来计算熵。MATLAB中的命令已经为我们完成了这项工作，但是从您的评论来看，您希望从第一原理开始。只需按照我上面概述的步骤操作即可。因此，对于灰度图像，我们首先需要通过获取图像的直方图，然后通过图像中的像素总数对其进行归一化，以获得概率分布函数

因此，如果您的图像被加载到

im

中，并且是灰度的，那么这就是计算熵的方法：

%// Grab image data
im = I.indian_pines_corrected;

%// Calculate PDF
h = imhist(I);
h = h / numel(I);

%// Set any entries in the PDF that are 0 to 1 so log calculation works
h(h == 0) = 1;

%// Calculate entropy
E = -sum(h.*log2(h));

---

上面的代码通过了我们概述的逻辑。但是，请看第三行代码。概率分布函数中的任何条目为0，

log

计算将生成一个无效数字，因此为了使

log

函数安全地将其设为0，我们将PDF中的任何值设置为0到1，以便

log（1）=0

。本质上，熵计算将忽略这些条目，以便我们能够正确地计算值

因为您有一个彩色图像，所以您所要做的就是将每个彩色通道视为一个单独的灰度图像，这样我们就可以使用上面的代码并在每个通道上循环。只需将每个颜色通道提取为灰度图像，并计算每个颜色通道的熵。因此，假设

I

是彩色图像：

%// Grab image data
im = I.indian_pines_corrected;

E = zeros(1,size(I,3));

for idx = 1 : size(I,3)
    %// Calculate PDF
    chan = I(:,:,idx);
    h = imhist(chan);
    h = h / numel(chan);

    %// Find any entries in the PDF that are 0 to 1 so log calculation works
    h(h == 0) = 1;

    %// Calculate entropy
    E(idx) = -sum(h.*log2(h));
end

---

E

将是一个数组，其中每个元素将告诉您每个颜色通道的熵。因此，第一个元素将是第一个通道的熵（红色），第二个元素将是第二个通道的熵（绿色），依此类推。

回顾一下熵（香农）的定义：

在这种情况下，

b=2

。你需要做的是假设我们有一个灰度图像，我们需要找到图像的概率分布函数，然后使用上面的定义来计算熵。MATLAB中的命令已经为我们完成了这项工作，但是从您的评论来看，您希望从第一原理开始。只需按照我上面概述的步骤操作即可。因此，对于灰度图像，我们首先需要通过获取图像的直方图，然后通过图像中的像素总数对其进行归一化，以获得概率分布函数

因此，如果您的图像被加载到

im

中，并且是灰度的，那么这就是计算熵的方法：

%// Grab image data
im = I.indian_pines_corrected;

%// Calculate PDF
h = imhist(I);
h = h / numel(I);

%// Set any entries in the PDF that are 0 to 1 so log calculation works
h(h == 0) = 1;

%// Calculate entropy
E = -sum(h.*log2(h));

---

上面的代码通过了我们概述的逻辑。但是，请看第三行代码。概率分布函数中的任何条目为0，

log

计算将生成一个无效数字，因此为了使

log

函数安全地将其设为0，我们将PDF中的任何值设置为0到1，以便

log（1）=0

。本质上，熵计算将忽略这些条目，以便我们能够正确地计算值

因为您有一个彩色图像，所以您所要做的就是将每个彩色通道视为一个单独的灰度图像，这样我们就可以使用上面的代码并在每个通道上循环。只需将每个颜色通道提取为灰度图像，并计算每个颜色通道的熵。因此，假设

I

是彩色图像：

%// Grab image data
im = I.indian_pines_corrected;

E = zeros(1,size(I,3));

for idx = 1 : size(I,3)
    %// Calculate PDF
    chan = I(:,:,idx);
    h = imhist(chan);
    h = h / numel(chan);

    %// Find any entries in the PDF that are 0 to 1 so log calculation works
    h(h == 0) = 1;

    %// Calculate entropy
    E(idx) = -sum(h.*log2(h));
end

---

E

将是一个数组，其中每个元素将告诉您每个颜色通道的熵。因此，第一个元素将是第一个通道的熵（红色），第二个元素将是第二个通道的熵（绿色），依此类推。

回顾一下熵（香农）的定义：

在这种情况下，

b=2

。你需要做的是假设我们有一个灰度图像，我们需要找到图像的概率分布函数，然后使用上面的定义来计算熵。MATLAB中的命令已经为我们完成了这项工作，但是从您的评论来看，您希望从第一原理开始。只需按照我上面概述的步骤操作即可。因此，对于灰度图像，我们首先需要通过获取图像的直方图，然后通过图像中的像素总数对其进行归一化，以获得概率分布函数

因此，如果您的图像被加载到

im

中，并且是灰度的，那么这就是计算熵的方法：

%// Grab image data
im = I.indian_pines_corrected;

%// Calculate PDF
h = imhist(I);
h = h / numel(I);

%// Set any entries in the PDF that are 0 to 1 so log calculation works
h(h == 0) = 1;

%// Calculate entropy
E = -sum(h.*log2(h));

---

上面的代码通过了我们概述的逻辑。但是，请看第三行代码。概率分布函数中的任何条目为0，

log

计算将生成一个无效数字，因此为了使

log

函数安全地将其设为0，我们将PDF中的任何值设置为0到1，以便

log（1）=0

。本质上，熵计算将忽略这些条目，以便我们能够正确地计算值

因为您有一个彩色图像，所以您所要做的就是将每个彩色通道视为一个单独的灰度图像，这样我们就可以使用上面的代码并在每个通道上循环。只需将每个颜色通道提取为灰度图像，并计算每个颜色通道的熵。因此，假设

I

是彩色图像：

%// Grab image data
im = I.indian_pines_corrected;

E = zeros(1,size(I,3));

for idx = 1 : size(I,3)
    %// Calculate PDF
    chan = I(:,:,idx);
    h = imhist(chan);
    h = h / numel(chan);

    %// Find any entries in the PDF that are 0 to 1 so log calculation works
    h(h == 0) = 1;

    %// Calculate entropy
    E(idx) = -sum(h.*log2(h));
end

E

将是一个数组，其中每个元素将告诉您每个颜色通道的熵。因此，第一个元素是第一个通道的熵（红色），第二个元素是