mutual_information — IMGMETRICS `information` op

• Datenarten: image2d × image2d → scalar

• Aufruf: import imgmetrics; imgmetrics.mutual_information(a, b, bins=64, data_range=None) (oder opsimgmetrics.get("mutual_information"))

Verwendung

Transinformation I(A; B) [bit] = H(A) + H(B) - H(A, B).

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

ビン数に依存する(増やすほど上振れする)ので `bins` は明示的な引数。

独立な 2 枚でも標本が有限なので厳密に 0 にはならない ―― どれくらい上振れ

するかはテストに数値で残してある。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie image_difference_metrics

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• image_quality_metrics — py -3.11 examples/image_quality_metrics.py

Typkompatible Folge-Operatoren (nehmen `scalar` als Eingabe)

—

Gleiche Kategorie (`information`)

image_entropy · joint_entropy · normalized_mutual_information · joint_histogram

*Provenance: imgmetrics.py — IMGMETRICS Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

mutual_information — IMGMETRICS information op