下载掌阅APP，畅读海量书库
立即打开
在图像中的某一点（ x 0 ， y 0 ）处的灰度 f 是一个随机变量，图像上所有的点（ x ， y ），即其全部随机变量｛ f （ x ， y ）｝构成一个二维随机过程。现实生活中，我们可以将要拍摄的图像看成是一个二维随机过程，在这里二维及以上的随机过程称之为随机场，而数字图像就是一个随机场的实现。
图像的统计特性是对图像信号（包含亮度和色度）进行某种方式的处理后得到的输出值的统计特性。图像的统计特性包含的内容很多，如自相关函数、差值信号、熵等，它们从不同方面呈现了图像的统计特性。
自相关函数可以直接反映数字图像上任意两点之间的相关性，即通过统计平均值计算两个点之间的相似程度。
差值信号可以反映图像上相邻两点的差值，这两点可以是水平方向也可以是垂直方向的两个点，即 f （ x ， y ） f （ x ， y +1）或 f （ x ， y ） f （ x +1， y ）。同一行的差值： d H （ x ， y ）= f （ x ， y ）- f （ x ， y +1）。同一列的差值： d V （ x ， y ）= f （ x ， y ）- f （ x +1， y ）。对图像研究其差值信号的统计特性具有非常重要的意义，研究表明，差值信号绝对值的近90%是在256层量化级别中的16～18灰度级别内，这一统计结果是图像压缩的重要理论依据。
图像熵表示所有像素各个灰度级比特数的统计平均值。当计算出来的熵越大，表明图像含有的信息量越丰富，不同灰度级出现等概率的可能性就越大。