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，用python写

以下是使用Python实现计算图像自信息和信息熵的代码：

import numpy as np
import matplotlib.pyplot as plt
import cv2

# 读入图像
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 计算灰度级频数和频率
hist, _ = np.histogram(img, bins=256)
freq = hist / np.sum(hist)

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

# 可视化显示结果
fig, axs = plt.subplots(2, 2, figsize=(10, 10))
axs[0, 0].imshow(img, cmap='gray')
axs[0, 0].set_title('Original Image')
axs[0, 1].bar(range(256), hist)
axs[0, 1].set_title('Gray Level Histogram')
axs[1, 0].plot(range(256), self_info)
axs[1, 0].set_title('Self Information')
axs[1, 1].text(0.5, 0.5, 'Entropy: {:.4f}'.format(entropy),
               size=20, ha='center')
axs[1, 1].axis('off')
axs[1, 1].set_title('Entropy')

plt.show()

其中，我们使用了`cv2.imread`函数读入一幅灰度图像，并使用`numpy.histogram`计算灰度级频数。通过对频数进行归一化，我们可以得到每个灰度级的频率。接着，我们使用自信息和信息熵的公式计算结果，并使用`matplotlib`库进行可视化显示。

以上代码可以生成一个包含原图、灰度级直方图、自信息和信息熵的4个子图的结果图。