【计算机视觉】OpenCV 4高级编程与项目实战（Python版）【9】：计算图像均值和标准差_python opencv 计算编标准差 方差

图像的均值表示图像整体的亮暗程度，图像的均值越大，图像整体越亮。标准差表示图像中明暗变化的程度，标准差越大，表示图像中明暗变化越明显。

OpenCV提供了mean函数用于计算图像的均值，提供了meanStdDev函数用于同时计算图像的均值和标准差。

mean函数的原型如下：

mean(src[, mask]) ->   retval

参数说明：

• src：待求均值的图像的矩阵。可以是1 ~ 4通道的图像（1 ~ 4维的矩阵）。

• mask：可选参数，图像掩模。尺寸与src参数相同，用于标记求哪些区域的均值。

• retval：返回值，长度为4的元组。每一个元组元素表示对应通道的均值，如果没有该通道，则对应的值为0.0。

计算均值的原理如图1所示。

I表示输入的图像的矩阵；mask表示掩模矩阵；mask(I)表示掩模矩阵中的某个值；N表示图像矩阵元素的个数；Mc表示第C通道的均值；src(I)c表示第C个通道中像素的灰度值。

meanStdDev函数的原型如下：

meanStdDev(src[,mean[,stddev[,mask]]])->mean, stddev

参数说明：

• src：待求均值和标准差的图像的矩阵。

• mean：可选参数，图像每个通道的均值。

• stddev：可选参数，图像每个通道的标准差。

• mask：可选参数，图像掩模。

• mean：返回值，计算得出的图像的均值。

• stddev：返回值，计算得出的图像的标准差。

meanStdDev函数可以同时计算图像的均值和标准差，并将计算结果返回。第1个参数（src）和第4个参数（mask）与mean函数中同名参数的含义与用法相同。如果不指定第4个参数的值，表示计算矩阵内所有区域的均值和标准差。meanStdDev函数返回的均值和标准差中的值，会根据输入图像的通道数不同而不同，例如，如果输入的图像只有一个通道，则该函数计算得到的均值和标准差也只有一个值。第2个参数（mean）和第3个参数（stddev）是可选的，如果不指定这两个参数，均值和标准差会通过meanStdDev函数的返回值返回，如果指定这两个参数，那么均值和标准差会通过这两个参数返回。

meanStdDev计算均值的公式与图1所示的计算公式完全相同，计算标准差的公式如图2所示。这个公式中相关参数的含义与图1所示的计算均值的公式中同名的参数的含义和用法完全相同。

下面的代码使用reshape函数将一维数组（长度为12）转换为3×4的单通道图像和3×2×2的多通道图像，然后使用mean函数计算这两个图像的均值，使用meanStdDev函数计算这两个图像的均值和标准差，最后输出计算结果。

import cv2
import numpy as np
 
# 新建矩阵array
array = np.array([1, 2, 3, 4, 5, 10, 6, 7, 8, 9, 10, 0])
# 将array调整为3*4的单通道图像img1
img1 = array.reshape((3, 4))
# 将array调整为3*2*2的多通道图像img2
img2 = array.reshape((3, 2, 2))
 
# 计算img1的均值
mean_img1 = cv2.mean(img1)
# 计算img2的均值
mean_img2 = cv2.mean(img2)
# 计算img1的均值和标准差
mean_std_dev_img1 = cv2.meanStdDev(img1)
# 计算img2的均值和标准差
mean_std_dev_img2 = cv2.meanStdDev(img2)
 
print('mean函数计算结果如下：')
print(f'图像img1的均值为：{mean_img1}')
print(f'图像img2的均值为：{mean_img2}\n第一个通道的均值为：{mean_img2[0]}\n第二个通道的均值为：{mean_img2[1]}')
print('*' * 30)
print('meanStdDev函数计算结果如下：')
print(f'图像img1的均值为：{mean_img1[0]}\n标准差为：{mean_std_dev_img1[1]}')
print(f'图像img2的均值为：{mean_img2}\n第一个通道的均值为：{mean_img2[0]}\n'
      f'第二个通道的均值为：{mean_img2[1]}\n'
      f'均值为：{mean_std_dev_img2[0]}\n'
      f'标准差为：{mean_std_dev_img2[1]}\n'
      f'第一个通道的标准差为：{float(mean_std_dev_img2[1][0])}\n'
      f'第二个通道的标准差为：{float(mean_std_dev_img2[1][0])}\n')

执行这段代码，会输出如下内容：

mean函数计算结果如下：
图像img1的均值为：(5.416666666666666, 0.0, 0.0, 0.0)
图像img2的均值为：(5.5, 5.333333333333333, 0.0, 0.0)
第一个通道的均值为：5.5
第二个通道的均值为：5.333333333333333
******************************
meanStdDev函数计算结果如下：
图像img1的均值为：5.416666666666666
标准差为：[[3.32812092]]
图像img2的均值为：(5.5, 5.333333333333333, 0.0, 0.0)
第一个通道的均值为：5.5
第二个通道的均值为：5.333333333333333
均值为：[[5.5       ]
 [5.33333333]]
标准差为：[[2.98607881]
 [3.63623737]]
第一个通道的标准差为：2.9860788111948193
第二个通道的标准差为：2.9860788111948193

从输出结果可以看出，meanStdDev函数通过元组返回了图像的均值和标准差，元组的第1个元素是均值，第2个元素是标准差。也可以将meanStdDev函数的返回值赋给2个变量，这样可以直接将均值和标准差分别赋给这2个变量，代码如下：

# 计算img1的均值和标准差
mean1, std_dev_img1 = cv2.meanStdDev(img1)
# 计算img2的均值和标准差
mean2, std_dev_img2 = cv2.meanStdDev(img2)
print('mean1:',mean1)
print('std_dev_img1:', std_dev_img1)
print('mean2:',mean2)
print('std_dev_img2:', std_dev_img2)

执行这段代码，会输出下面的内容：

mean1: [[5.41666667]]
std_dev_img1: [[3.32812092]]
mean2: [[5.5       ]
 [5.33333333]]
std_dev_img2: [[2.98607881]
 [3.63623737]]