OpenCV计算图像的平均值和标准差的函数meanStdDev函数的使用

最新推荐文章于 2025-08-07 09:37:05 发布
原创 最新推荐文章于 2025-08-07 09:37:05 发布 · 1.1w 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#opencv

本文介绍如何使用OpenCV库计算图像或矩阵的平均值和标准差，包括单通道和多通道的情况，并展示了具体的计算公式及示例代码。
该文章已生成可运行项目，

计算一个矩阵的平均值和标准差，每个通道都是独立的，通过以下输出参数获取返回值：

[N=∑I,mask(I)≠01meanc=∑I:  mask(I)≠0src(I)cNstddevc=∑I:  mask(I)≠0(src(I)c−meanc)2N] [\begin{array}{l} N = \sum _{I, \texttt{mask} (I) \ne 0} 1 \\ \texttt{mean} _c = \frac{\sum_{ I: \; \texttt{mask}(I) \ne 0} \texttt{src} (I)_c}{N} \\ \texttt{stddev} _c = \sqrt{\frac{\sum_{ I: \; \texttt{mask}(I) \ne 0} \left ( \texttt{src} (I)_c - \texttt{mean} _c \right )^2}{N}} \end{array}] [N=∑I,mask(I)​=0​1meanc​=

本文章已经生成可运行项目
最低0.47元/天 解锁文章
opencv学习日记——计算图像的平均值和标准差
weixin_51326570的博客
03-06 1093
opencv学习日记——计算图像的平均值和标准差 mean函数的结果为 返回值； meanStdDev函数的结果在函数里面。 #include<iostream> #include<opencv2/opencv.hpp> using namespace std; using namespace cv; int main() { float a[6] = {1, 2, 3, 4, 5, 6}; Mat img = Mat(3, 2, CV_32FC1, a);
Opencv meanStdDev mean函数详解
wo_happy的专栏
08-18 7627
阅读了一下Opencv求均值和标准差的源码，总结下来，愿渡有缘人。 meanStdDev 函数在mean.dispatch.cpp中实现，计算均值和方差的公式如下： meanStdDev这个函数的输入是src和mask，mask矩阵里为0位置的元素不被求和if( mask[i] ){才求和}； 这个函数的输出也是两个矩阵，这个输出矩阵的维数应该是channels * 1，每个通道存储相应的和（sum）或平方和（sqsum），如果空间太大，后面的空间会被设置为0. 下面先说一下要理解这..
meanStdDev 函数计算输入图像的均值和标准差 平均值和标准偏差计算
09-08
meanStdDev 函数计算输入图像的均值和标准差。 平均值和标准偏差计算
OpenCV计算图像灰度均值
03-16
OpenCV计算IplImage类型图像灰度均值
OpenCV计算图像的平均值函数mean函数的使用
jndingxin的专栏
01-14 2万+
OpenCV计算图像的平均值函数mean函数的使用 函数cv::mean计算数组元素的平均值M，每个通道都是独立的，并返回这个平均值。 当所有掩摸元素是0的时候，函数返回Scalar::all(0)，也就是返回的全是0. 功能： 计算一个数组里元素的平均值 原型： CV_EXPORTS_W Scalar mean(InputArray src, InputArray mask = noArray()); 参数释义： 参数 src 输入数组，具有1到4个通道，结果保存在Scalar.
OpenCV 自学笔记33. 计算图像的均值、标准差和平均梯度
热门推荐
两鬓已不能斑白的专栏
11-21 7万+
OpenCV 自学笔记33. 计算图像的均值、标准差和平均梯度均值、标准差和平均梯度是验证图像质量的常用指标。其中： 均值反映了图像的亮度，均值越大说明图像亮度越大，反之越小； 标准差反映了图像像素值与均值的离散程度，标准差越大说明图像的质量越好； 平均梯度反映了图像的清晰度和纹理变化，平均梯度越大说明图像越清晰； 那么，如何使用OpenCV计算图像的均值、标准差和平均梯度呢？OpenCV提供了几个
OpenCV 图形API（12）用于计算图像或矩阵的平均值函数mean()
jndingxin的专栏
04-03 905
计算矩阵元素的平均值（均值）。
视觉炼金术：OpenCV学习之旅（六）——图像中的平均值与标准差
最新发布
HighAILow的博客
08-07 444
视觉炼金术：OpenCV学习之旅”主要针对OpenCV C++函数的实际使用并进行可视化效果展示，旨在让读者快速入门OpenCV C++体会其中乐趣，所涉及的相关理论、OpenCV配置等这里不再重复撰写阐述（大家可以自行去冲浪查找，hhhhhhh~）
利用OpenCV的函数mean()和meanStdDev()计算图像的均值和标准差
昊虹AI笔记
11-28 4649
利用OpenCV的函数mean()和meanStdDev()计算图像的均值和标准差
opencv 3.0 求均值 标准差 mean MeanStdDev
billbliss的专栏
03-10 4万+
opencv 中mean，MeanStdDev 以下是一个计算单通道矩阵所有元素均值和标准差的例子。 首先是将图像转化为灰度图。 mean, meanStdDev计算结果是double类型的。 mean返回的值是Scalar，就是vector类型的数组。所以当要Scalar的元素，要用[n]方式访问。 meanStdDev计算的均值和标准差都以Mat形式返回，这里返回的是1X1的矩阵。所以访问结果，要访问Mat的元素。
opencv计算图像均值和方差
呵呵呵呵
01-06 8200
opencv计算图像均值和方差： im = cv2.imread("test/20190701002029-1.bmp", 0) (mean , stddv) = cv2.meanStdDev(im) print(mean， stddv)
基于Opencv计算图像的均值和方差
muzhiai的专栏
03-27 1万+
实现每幅图像的每一个通道求均值和方差。 //这里是三通道的图像     for(i=0;i     {         m[i]=0;         for(x=0;xheight;x++)         {             uchar *ptr=(uchar*)(src->imageData+x*src->widthStep);//每一行的起点wisthstep是以字节
opencv求取图片各通道均值的两种函数方法
travel_with_hope的博客
05-23 3306
opencv两种求取图片各通道均值的方法对比。找遍全网都是均值和方差一起算，终于找到一个只算均值的了。mean只求均值返回Scalar结构体，meanStdDev求均值和方差，求解的值以Mat形式保存。两种方法求出来的均值都是一样的，mean函数只求均值速度更快。用法如下。
OpenCV——计算图像均值和标准方差
小铅笔
06-09 1万+
计算图像均值 计算图像每个通道的均值 Scalar mean(InputArray src, InputArray mask = noArray());
24、OpenCV使用两种方法对图片进行均值和方差运算
sxj731533730
01-23 4134
基本思想，使用直接访问Mat元素的方式和使用opencv函数方式对图片进行均值和方差运算，只要用在深度学习图片预处理中 #include <iostream> #include<opencv2/core.hpp> #include<opencv2/imgproc.hpp> #include<opencv2/highgui.hpp> //depth：深度，即每一个像素的位数(bits)，在opencv的Mat.depth()中得到的是一个 0 – 6 的数字
OpenCv中计算图像像素最大值、最小值、均值和方差
Xx_Studying的博客
12-30 1万+
1、寻找图像像素的最大值最小值 寻找图像最大值最小值的函数 minMaxLoc() 函数 minMaxLoc() 函数原型 void cv::minMaxLoc(InputArray src, double * minVal, double * maxVal=0, Point * minLoc=0,Point * maxLoc=0,InputArray mask = noArray()) 其中，src为需要寻找最大值和最小值的图像或者矩阵，要求必须是单通道；minVal：图像或矩阵的最小值；ma
Opencv---计算图像直方图方差和均值
小明知道的专栏
06-04 2万+
Abstrcat：本文主要讲解如何计算图像直方图的方差和均值1.求解一个图像的直方图，原图需要为灰度图，代码如下：（首先需要申明通道和直方图的范围）const int channels[1]={0};const int histSize[1]={256};float hranges[2]={0,255};const float* ranges[1]={hranges};MatND hist;Mat
Opencv-图像均值与高斯模糊
weixin_41709536的博客
09-10 509
图像均值与高斯模糊知识点python代码c++代码 知识点 图像均值与高斯模糊 均值模糊 是卷积核的系数完全一致，高斯模糊考虑了中心像素距离的影响，对距离中心像素使用高斯分布公式生成不同的权重系数给卷积核，然后用此卷积核完成图像卷积得到输出结果就是图像高斯模糊之后的输出。 OpenCV高斯模糊 API函数 void GaussianBlur( InputArray src, OutputArray...
OpenCV图像处理（8）——图像平均灰度值、均方差
Rexinx博客
11-17 8524
计算图像的平均灰度值与灰度均方差 Mat mat_mean, mat_stddev; meanStdDev(InputImage, mat_mean, mat_stddev);//求灰度图像的均值、均方差 m = mat_mean.at<double>(0, 0); s = mat_stddev.at<double>(0, 0); ...
OpenCV中如何使用cv2.meanStdDev函数计算图像的标准差？
08-02
### 使用 OpenCV 中的 `cv2.meanStdDev` 函数计算图像的标准差 OpenCV 提供了 `cv2.meanStdDev()` 函数，用于同时计算图像的平均值和标准差。该函数在图像处理中具有广泛的应用场景，例如背景建模、特征提取、图像质量评估等[^1]。该函数不仅可以计算整幅图像的统计值，还可以结合掩码（mask）仅对图像中的特定区域进行统计分析。 #### 函数原型 ```python mean, stddev = cv2.meanStdDev(src, mask=None) ``` - `src`：输入图像，可以是单通道或三通道图像。 - `mask`：可选参数，用于指定参与计算的区域。掩码必须是与输入图像大小一致的单通道 `np.uint8` 类型数组，其中非零像素表示有效区域。 - `mean`：输出图像的平均值，是一个包含每个通道均值的数组。 - `stddev`：输出图像的标准差，是一个包含每个通道标准差的数组。 #### 标准差的计算原理 标准差是衡量图像像素值偏离平均值的程度。在 `cv2.meanStdDev()` 中，标准差的计算基于以下公式： $$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^{N}(x_i - \mu)^2} $$ 其中： - $ \sigma $ 是标准差 - $ N $ 是有效像素的数量 - $ x_i $ 是每个像素的值 - $ \mu $ 是图像的平均值 此计算方式为无偏估计的总体标准差，适用于图像数据的统计分析。 #### 示例代码 以下是一个使用 `cv2.meanStdDev()` 计算图像标准差的完整示例： ```python import cv2 import numpy as np # 读取图像 image = cv2.imread('example.jpg') # 计算整幅图像的均值和标准差 mean, stddev = cv2.meanStdDev(image) print("图像的均值:", mean) print("图像的标准差:", stddev) # 创建掩码，仅计算图像中心区域的均值和标准差 height, width = image.shape[:2] mask = np.zeros((height, width), dtype=np.uint8) cv2.rectangle(mask, (width//4, height//4), (3*width//4, 3*height//4), 255, -1) # 使用掩码计算中心区域的均值和标准差 masked_mean, masked_stddev = cv2.meanStdDev(image, mask=mask) print("中心区域的均值:", masked_mean) print("中心区域的标准差:", masked_stddev) ``` 在上述代码中，首先计算了整幅图像的均值与标准差，随后使用掩码限定计算区域为图像的中心矩形区域，从而实现对特定区域的统计分析。 #### 注意事项 - 输入图像应为 `np.uint8` 或 `np.float32` 类型。 - 若使用掩码，掩码图像应为与输入图像尺寸一致的单通道 `np.uint8` 类型图像。 - 输出的 `mean` 和 `stddev` 是两个形状相同的数组，每个通道分别对应一个值。 通过 `cv2.meanStdDev()` 可以高效地获取图像的统计特征，适用于图像质量评估、图像增强、背景建模等任务。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

村北头的码农

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值