如果我理解正确，您是从黑白像素的分布中获取图像中的熵。在图像 (a) 中，您有 50% 的黑色和 50% 的白色，所以熵是 1 位。在图像 (b) 中，您有 85% 的黑色，15% 的白色，所以熵是 0.6 位。

如果你制作另一个图像（c），其黑白条纹的宽度与图像（a）中的黑色条纹相等，你将有 50% 的黑色，50% 的白色，即熵 1。但频率会小于图像（一种）。

所以对于熵的这个概念，答案是：不，一般来说，任意图像中的熵和频率之间没有关系。

然而，在现实世界的图像中，能量更多地集中在低频而不是高频。因此，如果您根据此类图像的分布来定义熵，您会发现频率和熵之间存在关系。

可以从两个角度查看图像中的空间频率：-

• 全局：-这是通过傅里叶变换的概念来实现的，它给出了图像频率内容的全局描述。
• 本地：-这是通过时频分析的思想来的，该分析旨在对图像的频率内容进行本地描述。

如果您谈论全局频率内容和全局熵，那么它们之间不存在任何关系（这是迄今为止我们所知道的最好的）

如果您谈论本地频率内容，那么可以观察到一种关系。事实上，这种关系正是您所暗示的：-
频率内容熵$\varpropto$（当然是本地的！！！）

对此的一个非常简单的解释如下：-

熵与干扰成正比。图像的局部路径中的变化越大，该补丁的频率内容将越大（从频率的定义很容易得出）。以完全相同的方式，补丁的熵也会更高。

在绝对没有成像变化的图像的平滑区域中，熵将为，频率也为 0。$0$

希望这能回答你的问题。