这些确实是计算图像所有像素的均值和方差的正确方法.
您的方差大于平均值并非不可能,因为两者都按以下方式定义:
mean = sum(x)/length(x)
variance = sum((x - mean(x)).^2)/(length(x) - 1);
例如,如果您使用randn(N,1)从标准正态分布生成噪声,您将获得N个样本,如果计算均值和方差,您将获得大约0和1.因此,您也会得到方差可能比平均值大.
两者都有完全不同的含义:平均值可以让您了解像素的位置(即它们是白色,黑色,50%灰色,……).平均值将让您了解选择哪种像素颜色来总结完整图像的颜色.方差可以让您了解像素值的传播方式:例如:如果你的平均像素值是50%灰色,大多数其他像素也是50%灰色(小方差)或者你有50个黑色像素和50个白色像素(大方差)?因此,您还可以将其视为一种方式来了解平均值对图像的总结情况(即,方差为零,大部分信息均由均值捕获).
编辑:对于信号的RMS值(均方根),只需执行definition所说的内容即可.在大多数情况下,您希望在计算RMS值之前删除DC分量(即均值).
编辑2:我忘了提到的是:从物理角度比较方差的数值和均值也没什么意义.均值与您的数据具有相同的维度(在像素的情况下,考虑强度),而方差具有数据的平方维度(因此强度^ 2).另一方面,标准偏差(MATLAB中的标准偏差)是方差的平方根,与数据具有相同的维度,因此您可以进行一些比较(这是另一个问题,是否应该进行这样的比较).