计算图像间互信息的报告.docx

西北工业大学 自动化学院 信息工程专业信息论实验报告计算图像间的互信息09030702 2007302171 马志强2009/10/20摘要:基于Matlab程序,计算出图像的熵和两幅差异不大的图像之间的互信息,从而加深对互信息和熵值的理解.关键字:Matlab工程应用,信息熵与互信息.一. 实验目的：利用Matlab计算两幅差异不大的图片熵值和互信息的值，并通过对图片差异较大区域进行裁剪，增多两个图片相同的区域，从而使得两图片的互信息的值增加，重发以上的操作多次，达到可获得的互信息的最大值，将获得的两个图片进行比较，验证互信息是否会根据图片拥有更多的相似区域而有所增大。二. 实验步骤：1. 获取图片：由于rgb图像的像素范围过大，所以实验所用的图片采用像素范围只有0255的gray图像（灰度图像）；可以通过对同一张彩色图片进行灰度处理，也可以直接通过摄像设备获取灰度图像，拍照时应该注意尽量保持两张图片的差异尽可能的小，原因在于人为的摄像中存在不可避免的误差，从而导致最后的结果中的互信息值过于小，即使通过剪裁等手段也无法有效提高互信息的值；将选择好的图片进行剪裁，如果是直接拍摄的两张图片，可以略过此步骤，方法是只减少图片中的极少部分的像素，而且更改的像素希望是条状，然后保存两张图片，供实验中使用。2. 上机操作：将事先准备好的程序输入到Matlab中，利用Matlab的图片处理及转换功能，计算出图像的熵值和两个图像的互信息值，进行比较，以下附图及部分程序： 3. 记录数据以上程序运行出的结果分列如下: 本部分程序用于计算出下面的图片的熵值 a=imread(1.jpg);img=rgb2gray(a);b=imread(2.jpg); M,N=size(img);temp=zeros(M,N); figure,imshow(img);%To calculate the statistical character of images gray level, which means to calculate the number of each gray for m=1:M;for n=1:N;if img(m,n)=0;i=1;elsei=img(m,n);endtemp(i)=temp(i)+1;endendtemp=temp./(M*N);% Calculate the Entropy according to the defination%EntropyResult=0;for i=1:length(temp)if temp(i)=0;EntropyResult=EntropyResult;elseEntropyResult=EntropyResult-temp(i)*log2(temp(i);endend以下程序段用于计算下面两幅图片的互信息：a=imread(1.jpg);a=rgb2gray(a);b=imread(2.jpg);b=rgb2gray(b);%mi = MI(a,b)%CaculateMI of a and b in the region of the overlap part %To calculate the overlapping regionsMa,Na = size(a);Mb,Nb = size(b);M=min(Ma,Mb); N=min(Na,Nb);hab= zeros(256,256); ha = zeros(1,256); hb= zeros(1,256); if max(max(a)=min(min(a) a = (a-min(min(a)/(max(max(a)-min(min(a);else a = zeros(M,N); end if max(max(b)-min(min(b) b = (b-min(min(b)/(max(max(b)-min(min(b); else b = zeros(M,N); end a = double(int16(a*255)+1; b = double(int16(b*255)+1; for i=1:M for j=1:N indexx= a(i,j); indexy= b(i,j) ; hab(indexx,indexy) = hab(indexx,indexy)+1; ha(indexx) = ha(indexx)+1; hb(indexy) = hb(indexy)+1; end end hsum= sum(sum(hab); index = find(hab=0); p = hab/hsum; Hab= sum(sum(-p(index).*log(p(index); hsum= sum(sum(ha); index = find(ha=0); p = ha/hsum; Ha = sum(sum(-p(index).*log(p(index); hsum= sum(sum(hb); index = find(hb=0); p = hb/hsum; Hb= sum(sum(-p(index).*log(p(index); mi = Ha+Hb-Hab EntropyResult =1.9475其中EntropyResult为图片的信息熵，mi表示的是两个图片的互信息；以下数据为对图片进行10次修改获得的互信息：mi=0.0512最后获得的两张图片，基本相同，如下图所示：剪切次数序号互信息10.080820.084430.086940.103250.119560.122870.1517890.15470.3635三. 实验结论:利用Matlab能够实现对两幅图片互信息的计算，扩展到工程中可为求项目的相似度提供有力的参考，同时，利用互信息能够高效地发现共通之处，就相同的部分采取措施，以获得希望达到的目的，如模拟仿真等，另外通过实验加深了对互信息及信息熵的理解，为以后的工作和学习提供了方便。通过数据的收集:发现如下问题:1. 对于灰度图片,信息熵普遍不大于8,故设想有256个色素组成的图片,1-256像素各一个,可通过计算得其信息熵为8,故又如下猜想:对于灰度图片,信息熵不大于8;2. 图片剪裁