计算图像的自信息和信息熵，需包含下述步骤： (1) 读入一幅图像 (2) 计算图中每个灰度级的频数、频率 (3) 从频率出发计算该图像的自信息、信息熵 (4) 可视化显示原图、灰度级频数、自信息和信息熵

好的，这是一个非常有趣的问题。需要使用 Python 和一些图像处理库来实现。以下是代码实现：

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image

# 读入图像
img_path = "test.jpg"
img = Image.open(img_path).convert("L")  # 转为灰度图像

# 计算每个灰度级的频数和频率
hist, _ = np.histogram(img, bins=256, range=(0, 255))
hist_freq = hist / np.sum(hist)

# 计算自信息和信息熵
info = -np.log2(hist_freq)
entropy = np.sum(-hist_freq * np.log2(hist_freq))

# 可视化显示
fig, axs = plt.subplots(2, 2, figsize=(12, 8))

axs[0, 0].imshow(img, cmap="gray")
axs[0, 0].set_title("Original Image")

axs[0, 1].bar(np.arange(256), hist)
axs[0, 1].set_title("Histogram")

axs[1, 0].bar(np.arange(256), info)
axs[1, 0].set_title("Self-Information")

axs[1, 1].bar(np.arange(1), entropy)
axs[1, 1].set_title("Entropy")

plt.show()

这段代码首先读入一张图像，并将其转换为灰度图像。然后，通过 `numpy.histogram` 函数计算每个灰度级的频数和频率。接着，根据频率计算自信息和信息熵。最后，使用 `matplotlib` 库中的 `imshow` 和 `bar` 函数绘制原图、灰度级频数、自信息和信息熵的可视化图像。