Matlab 图像的方差与均值

我正在计算原始图像和隐藏图像的平均值和方差，以比较它们 我正在为comaprison使用灰度BMP图像

image=imread("image name")
M = mean(image(:))
V = var((image(:)))

这是在MATLAB中计算均值/方差的正确方法吗？我的差异越来越大

---

感谢您的帮助。

这些确实是计算图像所有像素的均值和方差的正确方法

您的方差大于平均值并非不可能，因为两者均按以下方式定义：

mean     = sum(x)/length(x)
variance = sum((x - mean(x)).^2)/(length(x) - 1);

例如，如果您使用

randn（N，1）

从标准正态分布生成噪声，您将获得

N

样本，如果您计算均值和方差，您将获得大约

0

和

1

。因此，你的方差也可能大于平均值

两者都有完全不同的含义：平均值给你一个概念你的像素在哪里（即它们是白色、黑色、50%灰色……）。平均值将让您了解选择什么像素颜色来概括整个图像的颜色。方差让您了解像素值的排列方式：例如，如果您的平均像素值为50%灰度，那么大多数其他像素是否也为50%灰度（小方差），或者您是否有50个黑色像素和50个白色像素（大方差）？因此，您也可以将其视为一种方法，以了解平均值对图像的总结程度（即，在零方差的情况下，大部分信息由平均值捕获）

编辑：对于信号的RMS值（均方根），只需按照指示执行即可。在大多数情况下，在计算RMS值之前，您希望删除DC分量（即平均值）

---

编辑2:我忘记提到的是：从物理角度比较方差的数值与平均值也没有什么意义。平均值的维数与数据的维数相同（如果是像素，请考虑强度），而方差的维数为数据的平方（因此强度为^2）。标准偏差（

std

，在MATLAB中）是方差的平方根，另一方面，它与数据具有相同的维数，因此您可以在这里进行一些比较（这是另一个问题，您是否应该进行此类比较）。

如果您使用RGB图像（H x W x 3），您必须分别计算每个通道的平均值和方差。在这种情况下，平均像素也将是3值向量

for ch = 1:3
   M(ch) = mean(reshape(img(:,:,ch),[],1));
   V(ch) = var(reshape(img(:,:,ch),[],1));
end

---

MATLAB具有函数

image

。避免将其用作变量。

准确地说。简单示例：

image=[02]

。平均值是1，但方差是2。谢谢Egon的解释。。请你解释一下如何在MATLAB中获得图像的均方根值。我指的是这篇文章，其中的平均值远小于方差