Trouvez l'écart moyen / standard des valeurs de luminosité dans l'image

Objectif

C'est un mémorandum lors du calcul de l'histogramme de la valeur de luminosité de l'image et de la moyenne / dispersion.

code

Trouvez l'histogramme, la moyenne et l'écart type de l'image ci-dessous lena.png: Image de test black.png: image uniformément noire

test.py

import numpy as np
import scipy.stats as sstats
import cv2

def print_stat(fname):

    img_name = fname
    img = cv2.imread(fname,1)
    # Grayscale
    img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
    #Tableau unidimensionnel
    img = np.array(img).flatten()
    # img = img[img!=255]

    mean = img.mean()             #Valeur moyenne
    std = np.std(img)             #écart-type
    median = np.median(img)       #Médian
    mode = sstats.mode(img)[0][0] #Valeur la plus fréquente

    print("---", img_name)
    print("mean    : ", mean)
    print("stddev  : ", std)
    print("median  : ", median)
    print("mode    : ", mode)

print_stat('lena.png')
print_stat('black.png')

résultat

$ python test.py
--- lena.png
mean    :  106.4122314453125
stddev  :  45.733566693923045
median  :  107.0
mode    :  44
--- black.png
mean    :  0.0
stddev  :  0.0
median  :  0.0
mode    :  0

Autre

Si vous souhaitez le rendre un peu plus facile à utiliser depuis la ligne de commande,

test.py

import sys
import numpy as np
import scipy.stats as sstats
import cv2

args = sys.argv

def print_stat(fname):

    img_name = fname
    img = cv2.imread(fname,1)
    # Grayscale
    img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
    #Tableau unidimensionnel
    img = np.array(img).flatten()
    # img = img[img!=255]

    mean = img.mean()
    std = np.std(img)
    median = np.median(img)
    mode = sstats.mode(img)[0][0]

    print("name=" + img_name + ",")
    print("mean=" + str(mean) + ",")
    print("stddev=" + str(std) + ",")
    print("median=" + str(median) + ",")
    print("mode=" + str(mode) + ",")

arg1=args[1]
print_stat(arg1)

$ RET=$(python test.py lena.png)
$ echo $RET
name=lena.png , mean=106.4122314453125 , stddev=45.733566693923045 , median=107.0 , mode=44 ,
$ echo $RET | sed -e 's/.*name=//' |  cut -d',' -f 1 | awk '{printf "%-20s\n",$1}'
lena.png
$ echo $RET | sed -e 's/.*mean=//' |  cut -d',' -f 1 | awk '{printf "%-20s\n",$1}'
106.4122314453125

référence

Apprendre le traitement d'image avec Python3 et OpenCV [2] ~ Expérience de base sur l'histogramme pour la visualisation d'informations