使用 MATLAB 中的 entropy、std 和 imgradient 函数来分别计算一张图片的信息熵、标准差和平均梯度。

本文链接：https://blog.csdn.net/qq_52428681/article/details/130361905

该代码示例展示了如何使用MATLAB进行图像处理，包括读取图片、转换为灰度图像、计算信息熵以评估图像的不确定性，计算标准差衡量图像的亮度变化，以及计算平均梯度来理解图像的局部变化特性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

% 读取图片
img = imread('test.jpg');

% 计算信息熵
img_gray = rgb2gray(img); % 转换为灰度图像
ent = entropy(img_gray);  % 计算信息熵

% 计算标准差
std_img = std2(img_gray); % 计算标准差

% 计算平均梯度
[grad_mag, ~] = imgradient(img_gray, 'prewitt'); % 计算梯度模长
mean_grad = mean(grad_mag(:)); % 计算平均梯度

% 输出结果
fprintf('图片的信息熵为：%.4f\n', ent);
fprintf('图片的标准差为：%.4f\n', std_img);
fprintf('图片的平均梯度为：%.4f\n', mean_grad);

首先使用 imread 函数读取一张图片，然后使用 rgb2gray 函数将这张图片转换为灰度图像。接着，使用 entropy 函数计算灰度图像的信息熵；使用 std2 函数计算灰度图像的标准差；使用 imgradient 函数计算灰度图像的梯度，并从梯度模长中计算平均梯度。最后，输出计算结果。

需要注意的是，对于读取的图片，需要根据具体情况进行处理。例如，如果图片是黑白的，则直接读取为灰度图像即可；如果图片是彩色的，则需要将它转换为灰度图像。此外，还可以根据需要使用其他的函数对图片进行处理，以满足具体要求。