您可能已经发现离散随机变量的熵由下式定义$X$

其中是字母表的大小（即的可能值的数量），而是假设字母表中熵可以解释为通过观察获得的平均信息。$N$$X$$p_i$$X$$i^{th}$$H(X)$$X$

对于图像，您需要估计值。您可以通过计算图像的直方图来做到这一点：定义个（相等）灰度范围的 bin，并简单地计算每个 bin 的像素数。将每个 bin 的像素数除以像素总数可以估算出。然后你只需要将这些值代入 (1) 就可以得到图像的熵。$p_i$$N$$p_i$

“如果我想测量图像的熵，我应该怎么做？”

一个很好的问题，截至 2016 年 9 月，它有一个简单且可直接计算的答案。

最近的 Stack Exchange 通信中回答了这个问题：

https://stats.stackexchange.com/questions/235270/entropy-of-an-image

最近的 arXiv 预印本中有详细的解释：

https://arxiv.org/abs/1609.01117

请注意，预印本包含指向 GitHub 实验源代码的链接。