在 OpenCV 中，统计图像的像素信息（如像素值分布、最大值、最小值、均值等）是常见的操作。以下是一些常用的方法和函数，用于统计图像的像素信息：

1. 统计像素值的基本信息

   最大值、最小值、均值、标准差： 使用 cv::minMaxLoc() 和 cv::meanStdDev() 函数可以快速计算图像的最大值、最小值、均值和标准差。

   include <opencv2/opencv.hpp>

   include

   int main() {
   cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE); // 读取灰度图像
   if (image.empty()) {
   std::cerr << "Error: Could not load image!" << std::endl;
   return -1;
   }

     double minVal, maxVal;
     cv::Point minLoc, maxLoc;
     cv::minMaxLoc(image, &minVal, &maxVal, &minLoc, &maxLoc);
   
     cv::Scalar mean, stddev;
     cv::meanStdDev(image, mean, stddev);
   
     std::cout << "Min value: " << minVal << " at " << minLoc << std::endl;
     std::cout << "Max value: " << maxVal << " at " << maxLoc << std::endl;
     std::cout << "Mean: " << mean[0] << std::endl;
     std::cout << "Stddev: " << stddev[0] << std::endl;
   
     return 0;
   

   }

2. 统计像素值的直方图

   直方图计算： 使用 cv::calcHist() 函数可以计算图像的直方图，用于分析像素值的分布。

   include <opencv2/opencv.hpp>

   include

   int main() {
   cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE); // 读取灰度图像
   if (image.empty()) {
   std::cerr << "Error: Could not load image!" << std::endl;
   return -1;
   }

     // 定义直方图参数
     int histSize = 256; // 直方图的 bin 数量
     float range[] = {0, 256}; // 像素值范围
     const float* histRange = {range};
     bool uniform = true, accumulate = false;
   
     cv::Mat hist;
     cv::calcHist(&image, 1, 0, cv::Mat(), hist, 1, &histSize, &histRange, uniform, accumulate);
   
     // 打印直方图
     for (int i = 0; i < histSize; i++) {
         std::cout << "Bin " << i << ": " << hist.at<float>(i) << std::endl;
     }
   
     return 0;
   

   }

3. 统计像素值的总和

   像素值求和： 使用 cv::sum() 函数可以计算图像中所有像素值的总和。

   cv::Scalar sum = cv::sum(image);
   std::cout << "Sum of pixel values: " << sum[0] << std::endl;

4. 统计非零像素的数量

   非零像素统计： 使用 cv::countNonZero() 函数可以统计图像中非零像素的数量。

   int nonZeroCount = cv::countNonZero(image);
   std::cout << "Non-zero pixel count: " << nonZeroCount << std::endl;

5. 统计像素值的分布（分通道）

   对于多通道图像（如 RGB 图像），可以分别统计每个通道的像素信息。

   cv::Mat image = cv::imread("image.jpg", cv::IMREAD_COLOR); // 读取彩色图像
   std::vectorcv::Mat channels;
   cv::split(image, channels); // 分离通道

   for (int i = 0; i < channels.size(); i++) {
   double minVal, maxVal;
   cv::minMaxLoc(channels[i], &minVal, &maxVal);
   std::cout << "Channel " << i << " - Min: " << minVal << ", Max: " << maxVal << std::endl;
   }

6. 统计像素值的百分比

如果需要统计像素值的百分比（如 95% 的像素值小于某个阈值），可以通过直方图计算累积分布函数（CDF ）来实现。

cv::Mat hist;
cv::calcHist(&image, 1, 0, cv::Mat(), hist, 1, &histSize, &histRange, uniform, accumulate);
 
// 计算累积分布函数
for (int i = 1; i < histSize; i++) {
     hist.at<float>(i) += hist.at<float>(i - 1);
}
 
// 归一化
hist /= image.total();
 
// 查找 95% 的像素值阈值
float threshold = 0.95;
int pixelValueThreshold = 0;
for (int i = 0; i < histSize; i++) {
     if (hist.at<float>(i) >= threshold) {
         pixelValueThreshold = i;
         break;
     }
}
std::cout << "95% of pixel values are below: " << pixelValueThreshold << std::endl;

通过以上方法，可以有效地统计和分析 OpenCV 图像的像素信息。这些统计信息对于图像处理、分析和特征提取等任务非常重要。根据具体需求，可以选择合适的方法进行像素统计。