图像的信息熵计算c语言,图像信息熵计算的OpenCV代码

图像信息熵是一种用于衡量图像信息量的指标，计算公式为：$H=-\sum_{i=0}^{L-1}p(i)\log_2p(i)$，其中 $L$ 是图像的灰度级数，$p(i)$ 是像素灰度值为 $i$ 在整幅图像中出现的概率， $log_2$ 是以 $2$ 为底的对数。

下面是用 OpenCV 实现图像信息熵计算的 C++ 代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

double calcEntropy(Mat image) {
    // 计算图像信息熵
    double entropy = 0.0;
    int hist[256] = { 0 };
    int total = image.total();
    for (int i = 0; i < total; i++) {
        uchar pixel = image.data[i];
        hist[pixel]++;
    }
    for (int i = 0; i < 256; i++) {
        double prob = (double)hist[i] / total;
        if (prob > 0) {
            entropy -= prob * log2(prob);
        }
    }
    return entropy;
}

int main() {
    Mat image = imread("test.jpg", IMREAD_GRAYSCALE);
    if (!image.data) {
        cout << "读取图像失败！" << endl;
        return -1;
    }
    double entropy = calcEntropy(image);
    cout << "图像信息熵：" << entropy << endl;
    return 0;
}

首先读取一张灰度图像，然后调用 `calcEntropy()` 函数计算图像信息熵。该函数的实现过程如下：

1. 定义一个长度为 256 的数组 `hist`，用于统计每个像素灰度值出现的次数。
2. 遍历整幅图像，对于每个像素，将其灰度值作为下标，在 `hist` 数组中对应的位置加一。
3. 遍历 `hist` 数组，计算每个像素灰度值出现的概率，并根据公式计算信息熵。

最后输出计算结果即可。

需要注意的是，当像素灰度值为 $0$ 时，$log_2(0)$ 是无法计算的，因此必须对这种情况进行特判，否则会出现程序崩溃的问题。