互信息（Mutual Information，MI）是資訊理論中的一個重要概念，用於度量兩個系統或隨機變數之間的相關性。它表示一個隨機變數中包含的關於另一個隨機變數的信息量，也可以看作是由於知道了另一個隨機變數的值而減少的不確定性。
互信息的計算公式為\(I(X; Y) = \sum_{x \in X} \sum_{y \in Y} p(x, y) \log \frac{p(x, y)}{p(x)p(y)}\)，其中\(p(x, y)\)是\(X\)和\(Y\)的聯合機率密度函式，而\(p(x)\)和\(p(y)\)分別是\(X\)和\(Y\)的邊緣機率密度函式。如果\(X\)和\(Y\)之間完全不相關，則互信息為0；如果\(X\)和\(Y\)之間存在相關性，則互信息大於0，且其值隨著\(X\)和\(Y\)之間相關性的增強而增加。
互信息的套用非常廣泛，例如在圖像配準、信號處理、機器學習等領域都有套用。在圖像配準中，互信息可以用來衡量兩幅圖像之間的相似性和重疊程度。