cv2.mean函數探究

一、cv2.mean函數

mean = cv2.mean(src[, mask])

cv2.mean函數用於計算圖像的均值。在單通道灰度圖像中計算的結果是一個標量（一個數），在多通道（彩色）圖像中計算的結果是所有通道均值組成的元組。

1、單通道灰度圖像均值計算

import cv2

# 讀取灰度圖像
img = cv2.imread('gray_img.png', 0)

# 計算灰度圖像均值
mean = cv2.mean(img)

print('灰度圖像均值：', mean[0])

在上面的代碼中，我們首先讀取一個灰度圖像，然後使用cv2.mean函數計算該圖像的均值。結果是一個元組，其中第一個元素就是灰度圖像的均值，我們使用mean[0]來獲取它。

2、多通道（彩色）圖像均值計算

import cv2

# 讀取彩色圖像
img = cv2.imread('color_img.png')

# 計算彩色圖像均值
mean = cv2.mean(img)

print('彩色圖像均值：', mean)

在上面的代碼中，我們讀取了一張彩色圖像，然後使用cv2.mean函數計算該圖像的均值。因為彩色圖像有三個通道（B、G、R），所以計算的結果是一個三元素的元組，分別是三個通道的均值。

二、cv2.meanstddev函數

mean, stddev = cv2.meanStdDev(src[, mask])

cv2.meanstddev函數用於計算圖像的均值和標準差。在單通道灰度圖像中計算的結果是兩個標量，一個是均值，一個是標準差。在多通道（彩色）圖像中計算的結果是每個通道的均值和標準差組成的元組（均值和標準差都是各自計算得到的）。

1、單通道灰度圖像均值和標準差計算

import cv2

# 讀取灰度圖像
img = cv2.imread('gray_img.png', 0)

# 計算灰度圖像均值和標準差
mean, stddev = cv2.meanStdDev(img)

print('灰度圖像均值：', mean[0])
print('灰度圖像標準差：', stddev[0])

在上面的代碼中，我們首先讀取一個灰度圖像，然後使用cv2.meanstddev函數計算該圖像的均值和標準差。結果是一個元組，第一個元素是灰度圖像的均值，第二個元素是灰度圖像的標準差，我們使用mean[0]和stddev[0]來獲取它們。

2、多通道（彩色）圖像均值和標準差計算

import cv2

# 讀取彩色圖像
img = cv2.imread('color_img.png')

# 計算彩色圖像均值和標準差
mean, stddev = cv2.meanStdDev(img)

print('藍色通道均值：', mean[0][0])
print('綠色通道均值：', mean[1][0])
print('紅色通道均值：', mean[2][0])
print('藍色通道標準差：', stddev[0][0])
print('綠色通道標準差：', stddev[1][0])
print('紅色通道標準差：', stddev[2][0])

在上面的代碼中，我們讀取了一張彩色圖像，然後使用cv2.meanstddev函數計算該圖像的均值和標準差。因為彩色圖像有三個通道（B、G、R），所以計算的結果是一個三元素的元組，每個元素都是一個兩元素的元組，分別是每個通道的均值和標準差。我們使用mean[i][0]和stddev[i][0]來獲取第i個通道的均值和標準差。

三、cv2.mean和cv2.meanstddev的比較

cv2.mean和cv2.meanstddev都可以用來計算圖像的均值，但是它們的適用場景有所不同。

當我們只需要知道一個圖像的均值時，可以直接使用cv2.mean函數，因為它比cv2.meanstddev函數更快捷、更簡單。

而當我們需要同時知道圖像的均值和標準差時，需要使用cv2.meanstddev函數，因為它可以同時計算均值和標準差，而cv2.mean函數只能計算均值。