#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。
