如何获取图像的标准差答案

【问题标题】：How to take the standard deviation of an image如何获取图像的标准差
【发布时间】：2020-07-07 11:05:57
【问题描述】：

我的目标是取 200 多张图像的平均值，然后找到所述平均值的标准差。向用户询问阈值，然后将阈值与标准偏差进行比较。如果阈值小于该特定像素的标准偏差，请将其更改为红色 [255,0,0]。我的问题在于采用像素的标准偏差。任何帮助将不胜感激。

allimg = []
avg_img=[]
path = glob.glob('podatlamar/*.jpg')

for x in path:
    img = Image.open(x)
    img = np.float32(img)
    allimg.append(img)
avg_img = np.average(allimg, axis=0)

std = [0,0,0]
for img in allimg :
    std += (img-avg_img) ** 2
    std = np.sqrt(std / (len(allimg) - 1))

现在：

 for i in range(0, len(std)): #i is row
   for j in range(0, len(std[i])): #j is column
        if(std[i][j] > float(threshold)).any : 
           avg_img[i][j] = [255.0, 0.0, 0.0]

 avg_img = np.clip(avg_img, 0, 255)

等等……

结果是all pixels are made red

这里是正在运行的 for 循环调试

[avg_img 改成255,0,0

std 长什么样的片段

[[0.19792126 0.05137325 0.03966657]
  [0.09997863 0.06348856 0.07472634]
  [0.0367469  0.18667144 0.21834356]
  ...
  [0.02421235 0.02454335 0.14083997]
  [0.02319027 0.02351524 0.13969136]
  [0.02285284 0.02317629 0.13930877]]

 [[0.03304812 0.06428259 0.04262938]
  [0.0978733  0.02841616 0.04049174]
  [0.09566899 0.02877731 0.0357872 ]
  ...
  [0.08500231 0.03502595 0.12032651]
  [0.08347222 0.03630779 0.1217759 ]
  [0.08385488 0.03598539 0.12141356]]

【问题讨论】：

我不清楚你想在这里做什么。您似乎在每个像素位置取 200 个样本的平均值，因此有效地通过 200 个图像的 z 轴，但您在平均图像的 x、y 维度上取标准偏差。那是对的吗？无论如何，您真的不想一次在内存中保存 200 张图像，因为图像很大。您只需要一个 float64 或 int64 图像，将所有 200 个输入图像相加并在最后除以 200。
你的最终计算应该用 Numpy 向量化，否则你会整天都在那里。尽量避免使用 Python 图像处理出现for 循环。
.any 也让我担心，因为它让我想知道您是否有 RGB 图像而不是灰度图像？
@MarkSetchell jpg 图像是 RGB 而非灰度。
目前，您通过将 uint8 字节转换为 float64 使每个图像都比需要的大 8 倍，并且您在内存中存储了 200 个这样的图像在一个列表中，因此您浪费了 1,600 倍的 RAM必要的。我们可以先解决这个问题吗？

标签： python image-processing

【解决方案1】：

由于您没有提供任何输入数据，我使用此动画的各个帧作为我的 18 个输入帧来平均：

我使用 ImageMagick 提取了它们：

magick animation.gif -coalesce frame-%02d.jpg

我想出的代码是这样的：

#!/usr/bin/env python3

import glob
import numpy as np
from PIL import Image

# Generate list of image names
names = glob.glob('frame-*.jpg')

# Load all images into list
images = []
for filename in names:
    im = Image.open(filename)
    images.append(np.array(im))

# Generate average image, where each pixel is the average of that pixel position across all images
average = np.mean(images, axis=0)
Image.fromarray(average.astype(np.uint8)).save('tmp-average.png')    # DEBUG

# Generate stdev image, where each pixel is the stdev of that pixel position across all images
stdev = np.std(images, axis=0)
Image.fromarray(stdev.astype(np.uint8)).save('tmp-stdev.png')        # DEBUG

threshold = 80
average[np.any(stdev>threshold, axis=2)] = [255,0,0]
Image.fromarray(average.astype(np.uint8)).save(f'result.png')

结果是这样的：

只是为了好玩，我做了一个小动画来展示设置不同阈值的效果：

【讨论】：