【关联文章】：信息熵的数值计算公式_多元信息熵计算_Dust_Evc的博客-CSDN博客

        图像熵（image entropy）是图像“繁忙”程度的估计值。

        图像熵表示为图像灰度级集合的比特平均数，单位比特/像素，也描述了图像信源的平均信息量。对于离散形式的二维图像，其信息熵的计算公式为： [1]

 对于上式，其中，pi 为每一灰度级出现的概率。

MATLAB中熵的计算公式：

熵是随机性的统计度量，可用于表征输入图像的纹理。

熵定义为 -sum(p.*log2(p))，其中 p 包含从 imhist 返回的归一化直方图计数。

——灰度图像的熵 - MATLAB entropy

        熵指的是体系的混乱的程度，对焦良好的图像的熵大于没有清晰对焦的图像，因此可以用熵作为一种对焦评价标准。熵越大，图像越清晰。

        图像的熵是一种特征的统计形式，它反映了图像中平均信息量的多少，表示图像灰度分布的聚集特征，却不能反映图像灰度分布的空间特征，为了表征这种空间特征，可以在一维熵的基础上引入能够反映灰度分布空间特征的特征量来组成图像的二维熵。

 ————————————————

可以用很少的标准来描述熵的特性，将在下面列出。任何满足这些假设的熵的定义均正比以下形式

https://bkimg.cdn.bcebos.com/formula/fc7a780b8c04b71e274adfab007fe419.svg

其中，K是与选择的度量单位相对应的一个正比常数。

了解更多：图像熵_百度百科