关于数字特征（学习笔记）

方差和标准差（std）：计算一个随机变量的变化程度（离散程度） ，标准差的平方 = 方差

标准差是一种衡量数据离散程度的统计量，它衡量的是数据集各个数据点相对于平均值的离散程度。通常情况下，标准差越小，说明数据点越聚集在平均值附近，数据越稳定；标准差越大，说明数据点越分散，数据越不稳定

协方差：衡量两个变量的线性相关性，并且可以化简到容易计算的形式。

注意：当数据集中存在异常值时，方差和标准差都会受到影响。因为异常值与平均值的距离通常比较远，会导致数据的离散程度变大。因此，在处理数据集时，需要针对异常值进行特殊处理，以避免它们对数据的统计分析造成影响。

灰度图像的方差是衡量图像中像素值分散程度的一个重要参数，它可以帮助评估图像的噪声水平和模糊度。具体来说，方差越大，表明图像中的灰度变化越剧烈，通常意味着图像包含更多的细节和纹理，可能的噪声也越多；方差越小，则表示图像灰度变化较为平缓，图像可能比较模糊，细节较少。

计算图像方差的步骤通常包括以下几个环节：

1. 计算灰度均值：需要先计算出图像所有像素的灰度平均值，这个均值反映了图像的整体明暗程度。
2. 求差并平方：然后，对每个像素点的灰度值与整体均值求差，并将差值平方。这个过程可以突出像素值与均值之间的偏差。
3. 求和：将上一步得到的所有像素点的平方差求和，得到一个总的偏差平方和。
4. 除以像素总数：最后，将偏差平方和除以图像的总像素数，得到的结果就是图像的方差。这个值标准化了偏差平方和，使其不随图像尺寸的变化而变化。

通过上述方法计算出的方差可以用于分析图像的清晰度和纹理特征。例如，在图像处理中，高方差的区域可能对应于边缘或纹理区域，而低方差的区域则可能是平滑或均匀的区域。此外，方差还可以作为图像分割、识别和分析等后续处理步骤的重要参考指标。