import cv2
from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img=cv2.imread('C:/Users/xpp/Desktop/Lena.png')#读取图像
cv2.imshow('original',img)
grayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst=sfr.entropy(grayImage,disk(1))#半径为1的圆形滤波器
cv2.imshow("result",dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
算法：entropy滤波是图像局部熵，熵是使用基为2的对数运算出来的，将局部区域的灰度值分布进行二进制编码，返回编码的最小值。
- 图像熵是一种特征的统计形式，反映了图像包含的平均信息量
- 当图像为纯色图时(白或黑)，不包含任何的目标，只有一个灰度值，此时熵最小，H=0，图像的信息量为0
- 当图像包含N个灰度值时，即图像每个像素的灰度值都不同，此时熵最大，H=logN，图像的信息量最大
- 图像每个像素灰度都不同，图像每个单一像素都是一个独立地物目标，信息量为最大N，类似于地图充满了物体
- 图像的熵H越大，图像包含的像素灰度越丰富，灰度分布越均匀，图像的目标越多，图像的信息量越大，反之则反
