C++、OpenCV标准差讲解

图像的均值和标准差，它在图像处理和计算机视觉领域中有多种用途，以下是一些常见的应用场景：

一、应用场景

1. 图像质量评估

• 通过计算图像的均值和标准差，可以评估图像的亮度和对比度。均值可以反映图像的整体亮度，而标准差可以反映图像的对比度。

2. 图像预处理

• 在进行图像处理之前，了解图像的均值和标准差可以帮助选择合适的预处理方法。例如，可以根据均值和标准差调整图像的亮度和对比度。

3. 特征提取

• 在机器学习和计算机视觉中，均值和标准差可以作为图像的特征，用于分类、检测和识别任务。

4. 图像归一化

• 在深度学习中，通常需要对图像进行归一化处理。均值和标准差可以用于将图像像素值归一化到特定范围内，以提高模型的训练效果。

二、实现讲解：

Scalar s = mean(src);
printf("mean : %.2f, %.2f, %.2f\n", s[0], s[1], s[2]);
Mat mm, mstd;
meanStdDev(src, mm, mstd);
int rows = mstd.rows;
printf("rows : %d\n", rows);
printf("stddev : %.2f, %.2f, %.2f\n", mstd.at<double>(0, 0), mstd.at<double>(1, 0), mstd.at<double>(2, 0));
waitKey(0);
destroyAllWindows();

1. 计算图像的均值：

mean(src) 计算图像 src 的均值，返回一个 Scalar 对象 s，其中包含每个通道的均值。

2 .计算图像的均值和标准差：

meanStdDev(src, mm, mstd) 计算图像 src 的均值和标准差，结果分别存储在 mm 和 mstd 中。

3. 获取标准差矩阵的行数:

   int rows = mstd.rows;
   printf("rows : %d\n", rows);

4.打印标准差及讲解：

   printf("stddev : %.2f, %.2f, %.2f\n", mstd.at<double>(0, 0), mstd.at<double>(1, 0), mstd.at<double>(2, 0));

使用 printf 打印出标准差，格式化为小数点后两位。

mstd.at<double>(0, 0), mstd.at<double>(1, 0), mstd.at<double>(2, 0)

 分别表示图像的三个通道的标准差。

• mstd.at<double>(0, 0) 获取 mstd 矩阵中第 0 行第 0 列的值，即 B 通道的标准差。

• mstd.at<double>(1, 0) 获取 mstd 矩阵中第 1 行第 0 列的值，即 G 通道的标准差。

• mstd.at<double>(2, 0) 获取 mstd 矩阵中第 2 行第 0 列的值，即 R 通道的标准差。

三、举例使用：

// 读取图像
Mat src = imread("image.jpg", IMREAD_GRAYSCALE);

// 计算均值和标准差
Scalar s = mean(src);
printf("mean : %.2f\n", s[0]);
Mat mm, mstd;
meanStdDev(src, mm, mstd);
printf("stddev : %.2f\n", mstd.at<double>(0, 0));

// 等待按键和销毁窗口
waitKey(0);
destroyAllWindows();