从图像计算峰度

Question

我有这个代码：

import cv2
from scipy.stats import kurtosis, skew

def main():
    img1 = 'lenna.jpg'
    gray_img = cv2.imread(img1, cv2.IMREAD_GRAYSCALE)

    print(f'Kurtosis: {kurtosis(gray_img)}')

我想计算给定图像的峰度，但是当我运行此代码时，它显示如下：

返回所有这些值是否正确？在我看来，它应该返回一个值，因为当我在 matlab 中运行峰度时，它返回 1.8561

Answer 1

默认情况下，您在 axis=0 上调用 kurtosis (see docs)，但您似乎正试图在整个阵列上运行它。所以你可以试试axis=None：

kurtosis(gray_img, axis=None)

示例：

im = np.random.randint(0,256,(5,5))

>>> im
array([[104, 125,  26, 194,  47],
       [198,  46, 105,  38, 241],
       [211, 115,  62, 196, 169],
       [ 92, 184, 212, 100, 117],
       [212,  35, 208,  52,   3]])

>>> kurtosis(im)
array([-1.78890733, -1.32154862, -1.66900354, -1.74522902, -1.30434102])

>>> kurtosis(im, axis=None)
-1.3968689968948007

[编辑]：从您的 cmets，您正在尝试计算偏度，而不是峰度。为此，请使用：

from scipy.stats import kurtosis,skew
skew(gray_img, axis=None)

在 matlab 中，在上面的数组中，您的代码（直接取自您的 cmets）给出：

im =

   104   125    26   194    47
   198    46   105    38   241
   211   115    62   196   169
    92   184   212   100   117
   212    35   208    52     3

>> I2 = im2double(im); 
>> s=skewness(I2(:))

s =

    0.0118

在scipy，它给出：

>>> skew(im,axis=None)
0.011819746815198935

[编辑#2]：似乎MATLAB 的默认峰度定义是Pearson's，而Scipy 的默认峰度定义是Fisher's。 +1 到scipy 比MATLAB 更灵活！所以你可以使用：

kurtosis(im, None, fisher=False)

要获得相同的结果：

# Scipy:
>>> kurtosis(im,None, fisher=False)
1.6031310031051993
# Matlab:
>>  s=kurtosis(I2(:))

s =

    1.6031