图像配准之 互信息篇（简介）

最近琢磨了一下图像配准，上来就看理论似乎很挑战忍耐力，于是先找找开源代码

还好codesoso里可以找到matlab源码，效果还不错，算是增加点信心吧

原始链接如下：http://www.mathworks.com/matlabcentral/fileexchange/6978

里边涉及到一个名词“Mutual Information”，中文叫”互信息“，这个概念对于没接触过信息论的人有点莫名其妙，就像原来看到”卷积“一词时，很是糊涂。

有问题，先百度一下，百度百科里找到个概念（当然，wiki里也有更为详细的说明，不过公式比较繁琐）

互信息 (Mutual Information) 是信息论 里一种有用的信息度量，它是指两个事件集合 之间的相关性。

两个事件 X 和 Y 的互信息定义为：I(X,Y) = H(X) + H(Y) - H(X,Y)

其中 H(X,Y) 是联合熵 (Joint Entropy) ，其定义为： H(X,Y) = - ∑ p(x,y)logp(x,y)

http://baike.baidu.com/view/1974678.htm?fr=ala0_1

再来百度一下 熵 的概念（这个概念比较抽象，总之是一个度量方法）

在信息论中， 熵表示的是不确定性的量度。

http://baike.baidu.com/view/936.htm?fr=ala0_1_1#5_3

OK,有了互信息，有了熵的概念，串一下思路

熵是平均信息量，互信息是两个事件的相关性，

A,B两幅图像的的互信息为I(A,B) = H(A) + H(B) - H(A,B)

那么，当A,B 互信息I最大时，即相关性最大时 则两幅图像配准。

至于熵中的概率如何来计算，有文献提到概率可以通过直方图方式计算出。其计算量应该比较大了。

前面提到的代码运行无错，但没做方法研究，暂时留有些疑问，希望高手指点。