Matlab Kullback-Leibler图像2个分布之间的距离

我必须计算不同图像的两个分布的Kullback-Leibler（KL）距离。假设我有两个图像，大小分别为5694x1和231x1。现在，我想计算这些图像中两个分布的KL距离。我试着用matlab做，但它没有运行。你能帮我查一下吗？问题是两个分布的矩阵大小不同。您可以在以下位置下载图像测试：

%%用于计算KL的主函数
函数d=KLdist（第一个img，第二个img）
h1=直方图（firstImg，max（firstImg（：）+1,0，max（firstImg（：）））；
h2=直方图（第二个img，最大值（第二个img（：）+1,0，最大值（第二个img（：）））；
h1（发现（h1==0））=1；
h2（find（h2==0））=1；
温度=总和（h1.*对数（h1./h2））；
温度（isinf（temp））=0；%这里h1（i）==0
d1=总和（温度）；
温度=总和（h2.*对数（h2./h1））；%其他方向的比较，因为它不是对称的
温度（isinf（temp））=0；
d2=总和（温度）；
d=d1+d2
结束
%%用于计算直方图分布的函数
函数[h，bin]=直方图（I，n，min，max）
I=I（：）；
范围=最大值-最小值；
drdb=范围/双精度（n）；%dr/db-每个箱子的范围变化
h=零（n，1）；
箱子=零（n，1）；
对于i=1:n
%注意：当说明说“整数舍入内”时，我离开
%这就像浮箱边缘一样，用来处理潜在的浮箱输入
%也就是说，输入是一个概率图像。
低=最小值+（i-1）*drdb；
高=min+i*drdb；
h（i）=sum（（i>=low）。*（i=（n*drdb））。*（i无法计算不同大小向量的KL散度。必须调整直方图的大小，才能在这两种情况下获得相同的大小

因此，在调用函数histogram时，为所有输入设置一个恒定数量的存储单元。
如果我按h1=直方图（firstImg，255+10255）编辑，而不是按h1=直方图（firstImg，max）（firstImg（：）+1，0，max（firstImg（：））；@user3336190编辑，则两幅图像的存储单元相同，所以是的。
%%Main function to calculate KL
function d=KLdist(firstImg,secondImg)
   h1 =  histogram(firstImg, max(firstImg(:))+1, 0, max(firstImg(:)));
   h2 =  histogram(secondImg, max(secondImg(:))+1, 0, max(secondImg(:)));
   h1(find(h1==0))=1;
   h2(find(h2==0))=1;
   temp = sum(h1.*log(h1./h2));
   temp( isinf(temp) ) = 0; % this resloves where h1(i) == 0 
   d1 = sum(temp);
   temp = sum(h2.*log(h2./h1)); % other direction of compare since it's not symetric
   temp( isinf(temp) ) = 0;
   d2 = sum(temp);
   d = d1 + d2
end

%%Function to calculate histogram distribution
function [h,bins] = histogram(I, n, min, max)
I = I(:);
range = max - min;
drdb = range / double(n); % dr/db - change in range per bin
h = zeros(n,1);
bins = zeros(n,1);
for i=1:n
    % note: while the instructions say "within integer round off" I'm leaving
    %       this as float bin edges, to handle the potential float input
    %       ie - say the input was a probability image.
    low = min + (i-1)*drdb; 
    high = min + i*drdb;
    h(i) = sum( (I>=low) .* (I<high) );
  bins(i) = low;
end
h(n) = h(n) + sum( (I>=(n*drdb)) .* (I<=max) ); % include anything we may have missed in the last bin.
h = h ./ sum(h); % "relative frequency"  
end