function mi = MI(a,b) %Caculate MI of a and b in the region of the overlap part %计算重叠部分 [Ma,Na] = size(a); [Mb,Nb] = size(b); M=min(Ma,Mb); N=min(Na,Nb); %初始化直方图数组 hab = zeros(256,256); ha = zeros(1,256); hb = zeros(1,256); %归一化 if max(max(a))~=min(

互信息(Mutual Information)是信息论里一种有用的信息度量，它可以看成是一个随机变量中包含的关于另一个随机变量的信息量，或者说是一个随机变量由于已知另一个随机变量而减少的不肯定性.综合网上的一些有关互信息的计算，这里一共提供7种不同的程序供大家参考；后期可以继续交流。

文件中包含7个评价标准的MATLAB代码，信息熵IE，平均梯度AG，标准差SD，空间频率SF，互信息MI，视觉信息保真度VIF和边缘相似性度量Qabf

matlab、图像融合、评价指标 avg=num2str(avg_gradient(data.F));%平均梯度 ein=num2str(edge_intensity(data.F));%边缘强度 sha=num2str(shannon(data.F));%信息熵 [img_mean,img_var]=variance(data.F);%灰度均值，标准差(均方差MSE) gray_mean=num2str(img_mean); vari=num2str(i

matlab代码，包含功能：计算互信息、香农熵、Renyi熵、条件熵、加权熵、加权互信息等。用法举例： >> y = [1 1 1 0 0]'; >> x = [1 0 1 1 0]'; >> mi(x,y) %% mutual information I(X;Y) >> h(x) %% entropy H(X) >> condh(x,y) %% conditional entropy H(X|Y)