自动亮度调节3:信息熵,均值方差

本文探讨了图像处理中的信息熵概念,它反映了图像信息量的丰富程度和灰度分布的均匀性。介绍了如何计算灰度均值、方差以及信息熵,并提到了Numpy和Pandas在计算这些统计量中的应用。此外,还提及了PIL库在辅助OpenCV处理图像中的作用。
摘要由CSDN通过智能技术生成

计算灰度均值

# 计算灰度均值
import cv2 as cv

img = cv.imread('t0.jpg', 0)
height, width = img.shape
size = img.size

average = 0
for i in range(height):
    for j in range(width):
        average += img[i][j]/size

print(average)

计算灰度方差

# 计算灰度方差

import cv2 as cv

img = cv.imread('t0.jpg', 0)
height, width = img.shape
size = img.size

p = [0]*256

for i in range(height):
    for j in range(width):
        p[img[i][j]] += 1

m = 0
for i in range(256):
    p[i] /= 256
    m += i*p[i]

s = 0
for i in range(256):
    s += (i-m)*(i-m)*p[i]

print(s)

以上可以直接调用函数得到

(mean , stddv) = cv2.meanStdDev
  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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