OpenCV 图像像素值统计

一、知识点
1、像素值统计

(1)、最小(min)

(2)、最大(max)

(3)、均值(mean)

(4)、标准差(standard deviation)

方差是一组数据与其平均值之差的平方的平均值。

标准差是方差的平方根。

它们衡量了数据的离散程度。 值越大,数据点之间的差异越大,集中趋势差; 反之,数据分布越集中。

2、void minMaxLoc(InputArray src, CV_OUT double * minVal, CV_OUT double * maxVal = 0, CV_OUT Point * minLoc = 0, CV_OUT Point * maxLoc = 0, InputArray mask = noArray());

(1)、查找数组(图像)中的最小值和最大值,以及它们的位置。

(2)、参数说明:

src: 输入数组(图像),需要单通道的。

minVal: 输出参数,指向最小值的指针,若不需要,则置NULL。

maxVal: 输出参数,指向最大值的指针,若不需要,则置NULL。

minLoc: 输出参数,指向最小值位置(x, y坐标)的指针,若不需要,则置NULL。

maxLoc: 输出参数,指向最大值位置(x, y坐标)的指针,若不需要,则置NULL。

mask: 可选掩码,若不为空,则在指定数组中(非零掩码对应)搜索最小最大值; 若为空,则在整个数组中搜索。

3、void meanStdDev(InputArray src, OutputArray mean, OutputArray stddev, InputArray mask = noArray());

(1)、计算数组(图像)的均值和标准差。

(2)、参数说明:

src: 输入数组(图像),可以是单通道,也可以是多通道。

mean: 输出数组,用于存储每个通道的均值。

stddev: 输出数组,用于存储每个通道的标准差值。

mask: 可选掩码,若不为空,则在指定数组中(非零掩码对应)计算; 若为空,则在整个数组中计算。

二、示例代码

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>


int main()
{
    cv::Mat src1 = cv::imread("../images/6.png");
    if (src1.empty())
    {
        std::cout << "load src image error..." << std::endl;
        return -1;
    }

    //求最小最大值时,输入图像需是单通道的
    std::vector<cv::Mat> vecM;
    cv::split(src1, vecM);
    for (int i = 0; i < vecM.size(); i++)
    {
        double minV, maxV;
        cv::Point minLoc, maxLoc;
        cv::minMaxLoc(vecM[i], &minV, &maxV, &minLoc, &maxLoc, cv::Mat());
        std::cout << "Image1 i = " << i << ", minValue = " << minV << ", maxValue = " << maxV << std::endl;
    }
    
    //求均值和方差
    cv::Mat mean, stddev;
    cv::meanStdDev(src1, mean, stddev);
    std::cout << "mean:" << std::endl << mean << std::endl << "stddev:" << std::endl << stddev << std::endl;

    cv::Mat src2 = cv::Mat::zeros(4, 3, CV_8UC3);
    src2 = cv::Scalar(42, 89, 105);

    //求最小最大值
    std::vector<cv::Mat> vecM2;
    cv::split(src2, vecM2);
    for (int i = 0; i < vecM2.size(); i++)
    {
        double minV, maxV;
        cv::Point minLoc, maxLoc;
        cv::minMaxLoc(vecM2[i], &minV, &maxV, &minLoc, &maxLoc, cv::Mat());
        std::cout << "Image2 i = " << i << ", minValue = " << minV << ", maxValue = " << maxV << std::endl;
    }

    //求均值和方差
    cv::Mat mean2, stddev2;
    cv::meanStdDev(src2, mean2, stddev2);
    std::cout << "mean2:" << std::endl << mean2 << std::endl << "stddev2:" << std::endl << stddev2 << std::endl;

    system("pause");

    return 0;
}

输出结果:

Image1 i = 0, minValue = 0, maxValue = 255

Image1 i = 1, minValue = 0, maxValue = 255

Image1 i = 2, minValue = 0, maxValue = 255

mean:

117.4247741699219; 99.5269775390625; 103.0511779785156

stddev:

109.9909118460736; 99.60692477866574; 111.1995801429959

Image2 i = 0, minValue = 42, maxValue = 42

Image2 i = 1, minValue = 89, maxValue = 89

Image2 i = 2, minValue = 105, maxValue = 105

mean2:

42; 89; 105

stddev2:

0; 0; 0

相关推荐
盲盒Q3 分钟前
《频率之光:归途之光》
人工智能·硬件架构·量子计算
墨染点香12 分钟前
第七章 Pytorch构建模型详解【构建CIFAR10模型结构】
人工智能·pytorch·python
go546315846512 分钟前
基于分组规则的Excel数据分组优化系统设计与实现
人工智能·学习·生成对抗网络·数学建模·语音识别
茫茫人海一粒沙18 分钟前
vLLM 的“投机取巧”:Speculative Decoding 如何加速大语言模型推理
人工智能·语言模型·自然语言处理
诗酒当趁年华20 分钟前
【NLP实践】二、自训练数据实现中文文本分类并提供RestfulAPI服务
人工智能·自然语言处理·分类
静心问道1 小时前
Idefics3:构建和更好地理解视觉-语言模型:洞察与未来方向
人工智能·多模态·ai技术应用
sheep88881 小时前
AI与区块链Web3技术融合:重塑数字经济的未来格局
人工智能·区块链
奋进的孤狼1 小时前
【Spring AI】阿里云DashScope灵积模型
人工智能·spring·阿里云·ai·云计算
AIGC_北苏1 小时前
让UV管理一切!!!
linux·人工智能·uv
吕永强3 小时前
人工智能与环境:守护地球的智能防线
人工智能·科普