Python RGB像素的熵

如何在Python中正确获得单个RGB像素的熵，或下图中的类似内容

我试过这个：

def entropy(*X):
    return  np.sum(-p * np.log2(p) if p > 0 else 0 for p in
        (np.mean(functools.reduce(np.logical_and, (predictions == c for predictions, c in zip(X, classes))))
            for classes in itertools.product(*[set(x) for x in X])))

print('Entropy:',entropy(np.array([255,2,2]),np.array([255,0,1]),np.array([255,0,0]),np.array([255,1,0]),np.array([255,2,0])))
print('Entropy:',entropy(np.array([255,2,2])))
print('Entropy:',entropy(np.array([255,0,0])))
print('Entropy:',entropy(np.array([0,255,0])))
print('Entropy:',entropy(np.array([255,100,200])))

结果:

Entropy: 1.584962500721156
Entropy: 0.9182958340544896
Entropy: 0.9182958340544896
Entropy: 0.9182958340544896
Entropy: 1.584962500721156

然而，对于红色和绿色像素，熵是相同的，似乎无法区分，并且看起来与下表不同。我做错了什么，如何正确地做

来源：

如果有帮助，试试这个

def entropy(labels, base=None):
    value,counts = np.unique(labels, return_counts=True)
    norm_counts = counts / counts.sum()
    print(norm_counts)
    e = 2.718281828
    base = e if base is None else base
    return -(norm_counts * np.log(norm_counts)/np.log(base)).sum()

f = np.array([[[[255,10,2],
              [255,0,1],
              [255,0,0],
              [255,1,0],
              [255,2,0]]]])
h = entropy(f, 2)
print('h=',h)

---

这毫无意义。这张桌子是从哪里来的？他们是如何定义“熵”的？但它给出了不同的熵，如果我想计算单个像素的熵，最重要的是什么，而不是它会返回不同像素的相同熵，为什么会这样？这是香农熵，它只显示变换系数，如果你有更多的数据，它很有用，单个像素可能无法工作。试试其他的熵，这只是其中之一。