opencv 按列累加取均值

#include <iostream>
#include "13_opencv_mat.h"

using namespace std;

void QuickDemo::pixel_statistic_demo(Mat &image)
{
	/*
	 *  函数minMaxLoc用来查找最小和最大元素值及其位置。
	 *  在整个图像(数组)中搜索极值，如果mask不是空数组，则在指定的数组区域中搜索极值。
	 * 
	 *	void minMaxLoc(InputArray src, double* minVal, double* maxVal=0, 
	 *                 Point* minLoc=0, Point* maxLoc=0, InputArray mask=noArray())
	 * 
	 *  参数：
	 *   src   - 单通道图像
	 *  minVal - 指向返回最小值的指针。如果不需要写NULL 或 缺省
	 *  maxVal - 指向返回最大值的指针。如果不需要写NULL 或 缺省
	 *  minLoc - 指向返回的最小位置的指针(在2D情况下)。如果不需要写NULL 或 缺省
	 *  maxLoc - 指向返回的最大位置的指针(在2D情况下)。如果不需要写NULL 或 缺省
	 *   mask  - 可选掩码，用于选择子数组,如果不需要就缺省。
	 * 
	 *  需要特别注意的是：
	 *	这个函数不能用于多通道图像(数组)。如果需要在所有通道中找到最小或最大元素(像素值)，
	 *  请先首先使用Mat::reshape()将图像(数组)转换为单通道。
	 *	或者你可以使用extractImageCOI()、mixChannels()或split()来提取特定的通道。
 	 */

	std::vector<Mat> mv;
	/*
	 *  函数原型：void split(const Mat& mtx, vector<Mat>& mv)
	 *	函数功能：将一个多通道阵列划分为几个单通道阵列。
	 */
	split(image, mv);
	imshow("蓝色", mv[0]);
	imshow("绿色", mv[1]);
	imshow("红色", mv[2]);

	double minVal, maxVal;//定义两个变量分别用来记录最大像素值和最小像素值
	Point minLoc, maxLoc;//记录最大像素值和最小像素值的位置

	//查找图像中的最小值和最大值。
	for (int i = 0; i < 3; i++)
	{
		minMaxLoc(mv[i], &minVal, &maxVal, &minLoc, &maxLoc, noArray());
		std::cout << "minVal = " << minVal << ",maxVal = " << maxVal << std::endl;
		std::cout << "minLoc = " << minLoc << ",maxLoc = " << maxLoc << std::endl;
	}
	
	/*
	 * 函数原型：void meanStdDev(InputArray src, OutputArray mean, 
	                             OutputArray stddev, InputArray mask=noArray())	
	 *
	 * 函数功能：计算数组元素的平均值和标准偏差。
	 * 参数：
	 *  src    - 源图像(数组)应该有1到4个通道，以便结果可以存储在Scalar类型的数组中。
	 *  mean   - 输出参数:计算平均值。
	 * stddev  - 输出参数:计算标准偏差。
	 *  mask   - 可选掩码，用于选择子数组,如果不需要就缺省。
	 * 
	 * 函数meanStdDev独立计算每个通道的数组元素的均值和标准差，并通过输出参数返回:
	 */
	Mat mean, stddev;
 	meanStdDev(image, mean, stddev);
	
	std::cout << "mean = " << mean << std::endl;
	std::cout << "stddev = " << stddev << std::endl;
}

程序运行结果如下：

方差和均值代表的意义及其应用

均值

我们来看不同亮度的同一张图像。

可见，均值可以反应图片的明亮暗程度。

方差

根据计算出来的均值和方差，可以对图像所携带的信息做出一些判断。
比如方差，方差就是数据的分散程度（偏离均值）。图像中有个人和有辆车，那么他们的灰度值是不同的（颜色不同），你把全图像的灰度值取平均，偏离平均值越大，方差越大。方差越大，说明信息越多，能量越大。

比如下面这张图，方差为0，说明该图片的像素点没有变化，是张纯色图片。纯色的图片的每个通道的像素值都等于它每个通道的均值。再根据均值可以判断出该图片是什么颜色的。