15.图像像素统计

1、寻找图像最值

代码清单3-7 minMaxLoc()函数原型
1.  void cv::minMaxLoc(InputArray src,
2.                      double * minVal,
3.                      double * maxVal = 0,
4.                      Point * minLoc = 0,
5.                      Point * maxLoc = 0,
6.                      InputArray mask = noArray()
7.                        )

src：需要寻找最大值和最小值的图像或者矩阵，要求必须是单通道矩阵
minVal：图像或者矩阵中的最小值。
maxVal：图像或者矩阵中的最大值。
minLoc：图像或者矩阵中的最小值在矩阵中的坐标。
maxLoc：图像或者矩阵中的最大值在矩阵中的坐标。
mask：掩模，用于设置在图像或矩阵中的指定区域寻找最值。

　　这里我们见到了一个新的数据类型Point，该数据类型是用于表示图像的像素坐标，由于图像的像素坐标轴以左上角为坐标原点，水平方向为x轴，垂直方向为y轴，因此Point(x,y)对应于图像的行和列表示为Point(列数，行数)。在OpenCV中对于2D坐标和3D坐标都设置了多种数据类型，针对2D坐标数据类型定义了整型坐标cv::Point2i(或者cv::Point)、double型坐标cv::Point2d、浮点型坐标cv::Point2f，对于3D坐标同样定义了上述的坐标数据类型，只需要将其中的数字“2”变成“3”即可。对于坐标中x、y、z轴的具体数据，可以通过变量的x、y、z属性进行访问，例如Point.x可以读取坐标的x轴数据。

　　该函数实现的功能是寻找图像中特定区域内的最值，函数第一个参数是输入单通道矩阵，需要注意的是，该变量必须是一个单通道的矩阵数据，如果是多通道的矩阵数据，需要用cv::Mat::reshape()将多通道变成单通道，或者分别寻找每个通道的最值，然后再进行比较寻找到全局最值。对于cv::Mat::reshape()的用法，在代码清单3-8中给出。第二到第五个参数分别是指向最小值、最大值、最小值位置和最大值位置的指针，如果不需要寻找某一个参数，可以将该参数设置为NULL，函数最后一个参数是寻找最值得掩码矩阵，用于标记寻找上述四个值的范围，参数默认值为noArray()，表示寻找范围是矩阵中所有数据。

代码清单3-8 Mat::reshape()函数原型
Mat cv::Mat::reshape(int  cn, int  rows = 0)

cn：转换后矩阵的通道数。
rows：转换后矩阵的行数，如果参数为零，则转换后行数与转换前相同。

代码清单3-9 myfindMinAndMax.cpp寻找矩阵中的最值
1.  #include <opencv2\opencv.hpp>
2.  #include <iostream>
3.  #include <vector>
4.  
5.  using namespace std;
6.  using namespace cv;
7.  
8.  int main()
9. {
10.    system("color F0"); //更改输出界面颜色
11.    float a[12] = { 1, 2, 3, 4, 5, 10, 6, 7, 8, 9, 10, 0 };
12.    Mat img = Mat(3, 4, CV_32FC1, a); //单通道矩阵
13.    Mat imgs = Mat(2, 3, CV_32FC2, a); //多通道矩阵
14.    double minVal, maxVal; //用于存放矩阵中的最大值和最小值
15.    Point minIdx, maxIdx; ////用于存放矩阵中的最大值和最小值在矩阵中的位置
16.  
17.                 /*寻找单通道矩阵中的最值*/
18.    minMaxLoc(img, &minVal, &maxVal, &minIdx, &maxIdx);
19.    cout << "img中最大值是：" << maxVal << " " << "在矩阵中的位置:" << maxIdx << endl;
20.    cout << "img中最小值是：" << minVal << " " << "在矩阵中的位置:" << minIdx << endl;
21.  
22.    /*寻找多通道矩阵中的最值*/
23.    Mat imgs_re = imgs.reshape(1, 4); //将多通道矩阵变成单通道矩阵
24.    minMaxLoc(imgs_re, &minVal, &maxVal, &minIdx, &maxIdx);
25.    cout << "imgs中最大值是：" << maxVal << " " << "在矩阵中的位置:" << maxIdx << endl;
26.    cout << "imgs中最小值是：" << minVal << " " << "在矩阵中的位置:" << minIdx << endl;
27.    return 0;
28.  }

2、计算图像的均值与标准差

　　图像的均值表示图像整体的亮暗程度，图像的均值越大图像整体越亮。标准方差表示图像中明暗变化的对比程度，标准差越大表示图像中明暗变化越明显。OpenCV 4提供了mean()函数用于计算图像的平均值，提供了meanStdDev()函数用于同时计算图像的均值和标准方差。接下来将详细的介绍这两个函数的使用方法。

代码清单3-10 mean()函数原型
1.  cv::Scalar cv::mean(InputArray src,
2.                        InputArray mask = noArray()
3.                          )

src：待求平均值的图像矩阵。
mask：掩模，用于标记求取哪些区域的平均值。

　　该函数用来求取图像矩阵的每个通道的平均值，函数的第一个参数用来输入待求平均值的图像矩阵，其通道数目可以在1到4之间。需要注意的是，该函数的返回值是一个cv::Scalar类型的变量，函数的返回值有4位，分别表示输入图像4个通道的平均值，如果输入图像只有1个通道，那么返回值的后三位都为0，例如输入该函数一个单通道平均值为1的图像，输出的结果为[1,0,0,0]，可以通过cv::Scalar[n]查看第n个通道的平均值。该函数的第二个参数用于控制图像求取均值的范围，在第一个参数中去除第二个参数中像素值为0的像素，计算的原理如式（3.5）所示，当不输入第二个参数时，表示求取第一个参数全部像素的平均值。

其中表示第c个通道的平均值，表示第c个通道像素的灰度值。

meanStdDev()函数可以同时求取图像每个通道的平均值和标准方差，其函数原型在代码清单3-11中给出。

代码清单3-11 meanStdDev()函数原型
1.  void cv::meanStdDev(InputArray src,
2.                        OutputArray mean,
3.                        OutputArray stddev,
4.                        InputArray mask = noArray()
5.                          )

src：待求平均值的图像矩阵。
mean：图像每个通道的平均值，参数为Mat类型变量。
stddev：图像每个通道的标准方差，参数为Mat类型变量。
mask：掩模，用于标记求取哪些区域的平均值和标准方差。

　　该函数的第一个参数与前面mean()函数第一个参数相同，都可以是1-4通道的图像，不同之处在于该函数没有返回值，图像的均值和标准方差输出在函数的第二个和第三个参数中，区别于mean()函数，用于存放平均值和标准方差的是Mat类型变量，变量中的数据个数与第一个参数通道数相同，如果输入图像只有一个通道，该函数求取的平均值和标准方差变量中只有一个数据。该函数计算原理如式（3.6）所示。

代码清单3-12 myMeanAndmearStdDev.cpp计算矩阵平均值和标准方差
1.  #include <opencv2\opencv.hpp>
2.  #include <iostream>
3.  #include <vector>
4.  
5.  using namespace std;
6.  using namespace cv;
7.  int main()
8. {
9.    system("color F0"); //更改输出界面颜色
10.    float a[12] = { 1, 2, 3, 4, 5, 10, 6, 7, 8, 9, 10, 0 };
11.    Mat img = Mat(3,4, CV_32FC1, a); //单通道矩阵
12.    Mat imgs = Mat(2, 3, CV_32FC2, a); //多通道矩阵
13.  
14.    cout << "/* 用meanStdDev同时求取图像的均值和标准方差 */" << endl;
15.    Scalar myMean;
16.    myMean = mean(imgs);
17.    cout << "imgs均值=" << myMean << endl;
18.    cout << "imgs第一个通道的均值=" << myMean[0] << " " 
19.        << "imgs第二个通道的均值=" << myMean[1] << endl << endl;
20.  
21.    cout << "/* 用meanStdDev同时求取图像的均值和标准方差 */" << endl;
22.    Mat myMeanMat, myStddevMat;
23.  
24.    meanStdDev(img, myMeanMat, myStddevMat);
25.    cout << "img均值=" << myMeanMat << " " << endl;
26.    cout << "img标准方差=" << myStddevMat << endl << endl;
27.    meanStdDev(imgs, myMeanMat, myStddevMat);
28.    cout << "imgs均值=" << myMeanMat << " " << endl << endl;
29.    cout << "imgs标准方差=" << myStddevMat << endl;
30.    return 0;
31.  }