Lập trình bên PillowpythonserverPythonServer Side ProgrammingProgramming Show
 Hoàn thành Gói Python Prime& nbsp; 9 khóa học & nbsp; & nbsp; & NBSP; 2 Sách điện tử 2 eBooks Hướng dẫn
Chi tiết hơn
Trí tuệ nhân tạo & Máy học học chính& nbsp; 6 khóa học & nbsp; & nbsp; & NBSP; 1 Sách điện tử 1 eBooks Hướng dẫn
Chi tiết hơn
Trí tuệ nhân tạo & Máy học học chính& nbsp; 9 khóa học & nbsp; & nbsp; & NBSP; 2 Sách điện tử 2 eBooks Hướng dẫn
Chi tiết hơn Trí tuệ nhân tạo & Máy học học chính & nbsp; 6 khóa học & nbsp; & nbsp; & NBSP; 1 Sách điện tửJava Prime PackStep 1: Import Image and ImageStat libraries. Step 2: Open the image. Step 3: Pass the image to the stat function of the imagestat class. Step 4: Print the standard deviation of the pixels. Trong chương trình này, chúng tôi sẽ tính toán độ lệch chuẩn của tất cả các pixel trong mỗi kênh bằng thư viện gối. Có tổng cộng 3 kênh trong một hình ảnh và do đó chúng tôi sẽ nhận được một danh sách ba giá trị.from PIL import Image, ImageStat
im = Image.open('image_test.jpg')
stat = ImageStat.Stat(im)
print(stat.stddev)Ảnh gốc[72.25694839223894, 66.24724750077299, 65.50769196475312]
Thuật toán Mã ví dụ
Áp dụng modefilter trên một hình ảnh bằng thư viện gối Áp dụng trung bình trên một hình ảnh bằng thư viện gối Tính độ lệch chuẩn của các giá trị của mảng hình ảnh N-D, tùy chọn ở các khu vực phụ được chỉ định. Parametersinputarray_likeinputarray_likeDữ liệu hình ảnh N-D để xử lý. LabelsArray_Like, Tùy chọnarray_like, optionalNhãn để xác định các tiểu đoàn phụ trong đầu vào. Nếu không có, phải có hình dạng giống như đầu vào. indexInt hoặc chuỗi int, tùy chọnint or sequence of ints, optionalNhãn để bao gồm trong đầu ra. Nếu không có (mặc định), tất cả các giá trị nơi các nhãn không khác nhau được sử dụng. ReturnSstArdard_DeviationFloat hoặc ndarraystandard_deviationfloat or ndarrayCác giá trị của độ lệch chuẩn, đối với mỗi tiểu vùng nếu nhãn và chỉ số được chỉ định. Ví dụ >>> a = np.array([[1, 2, 0, 0], ... [5, 3, 0, 4], ... [0, 0, 0, 7], ... [9, 3, 0, 0]]) >>> from scipy import ndimage >>> ndimage.standard_deviation(a) 2.7585095613392387 Các tính năng để xử lý có thể được chỉ định bằng cách sử dụng nhãn và chỉ mục: >>> lbl, nlbl = ndimage.label(a) >>> ndimage.standard_deviation(a, lbl, index=np.arange(1, nlbl+1)) array([ 1.479, 1.5 , 3. ]) Nếu không có chỉ mục nào được đưa ra, các nhãn khác không được xử lý: >>> ndimage.standard_deviation(a, lbl) 2.4874685927665499 Làm thế nào để bạn tìm thấy độ lệch chuẩn của một hình ảnh trong Python?Người ta có thể tính toán độ lệch chuẩn bằng cách sử dụng hàm numpy.std () trong Python.numpy. std() function in python.
Làm thế nào để bạn tìm thấy độ lệch chuẩn của một hình ảnh?Trung bình: Chỉ cần chia tổng các giá trị pixel cho tổng số - số pixel trong bộ dữ liệu được tính là len (df) * image_size * image_size.Độ lệch chuẩn: Sử dụng phương trình sau: Total_std = SQRT (psum_sq / Count - Total_Mean ** 2)total_std = sqrt(psum_sq / count - total_mean ** 2)
Làm thế nào để bạn tìm thấy độ lệch chuẩn trong Python?Độ lệch chuẩn là căn bậc hai của trung bình của độ lệch bình phương so với giá trị trung bình, tức là, std = sqrt (trung bình (x)), trong đó x = abs (a - a.mean ()) ** 2.Độ lệch bình phương trung bình thường được tính là x.sum () / n, trong đó n = len (x).std = sqrt(mean(x)) , where x = abs(a - a. mean())**2 . The average squared deviation is typically calculated as x. sum() / N , where N = len(x) .
Tại sao độ lệch chuẩn được sử dụng trong xử lý hình ảnh?Độ lệch chuẩn (σ) cung cấp một thước đo độ phân tán của cường độ mức màu xám hình ảnh và có thể được hiểu là thước đo mức năng lượng của thành phần tín hiệu xen kẽ thu được từ máy ảnh.provides a measure of the dispersion of image gray level intensities and can be understood as a measure of the power level of the alternating signal component acquired by the camera. |
