在忽略元信息和jpeg头数据的情况下，jpeg文件的有效载荷由描述huffman表或编码的MCU（最小编码单元，大小为16x16的正方形块）的块组成。可能还有其他类型的块，但这些是最常见的。
这些块由0xFF 0xSS分隔，其中0xSS是特定的起始码。这里有第一个问题：0xFF比twalberg在评论中提到的更加频繁。
在编码的MCU中可能会出现0xFF，为了区分这个正常负载和一个新块的开始，插入了0xFF 0x00。如果未填充负载的分布完全均匀，那么0x00将在填充数据中出现两次。更糟糕的是，每个MCU都会被填满二进制1以获得字节对齐（稍微偏向较大值），我们可能需要再次填充。
还可能有其他因素我不知道。如果您需要更多信息，您必须提供JPEG文件。
对于rand_data：
dd if=/dev/urandom of=rand_data count=4096 bs=256
对于 rand_pseudo（Python）：
s = "".join(chr(i) for i in range(256))
with file("rand_pseudo", "wb") as f:
for i in range(4096):
f.write(s)
它们的字节值应该是一致的，不是吗？;)
$ ll rand_*
-rw-r--r-- 1 apuch apuch 1048576 2012-12-04 20:11 rand_data
-rw-r--r-- 1 apuch apuch 1048967 2012-12-04 20:13 rand_data.tar.gz
-rw-r--r-- 1 apuch apuch 1048576 2012-12-04 20:14 rand_pseudo
-rw-r--r-- 1 apuch apuch 4538 2012-12-04 20:15 rand_pseudo.tar.gz
均匀分布可能表明高熵，但这并不是保证。此外，rand_data可能由1MB的0x00组成。虽然极不可能，但仍有可能。
这是我的Java代码
public static double getShannonEntropy_Image(BufferedImage actualImage){
List<String> values= new ArrayList<String>();
int n = 0;
Map<Integer, Integer> occ = new HashMap<>();
for(int i=0;i<actualImage.getHeight();i++){
for(int j=0;j<actualImage.getWidth();j++){
int pixel = actualImage.getRGB(j, i);
int alpha = (pixel >> 24) & 0xff;
int red = (pixel >> 16) & 0xff;
int green = (pixel >> 8) & 0xff;
int blue = (pixel) & 0xff;
//0.2989 * R + 0.5870 * G + 0.1140 * B greyscale conversion
//System.out.println("i="+i+" j="+j+" argb: " + alpha + ", " + red + ", " + green + ", " + blue);
int d= (int)Math.round(0.2989 * red + 0.5870 * green + 0.1140 * blue);
if(!values.contains(String.valueOf(d)))
values.add(String.valueOf(d));
if (occ.containsKey(d)) {
occ.put(d, occ.get(d) + 1);
} else {
occ.put(d, 1);
}
++n;
}
}
double e = 0.0;
for (Map.Entry<Integer, Integer> entry : occ.entrySet()) {
int cx = entry.getKey();
double p = (double) entry.getValue() / n;
e += p * log2(p);
}
return -e;
}
