我有 100 张图像，每张是 598 * 598 像素，我想通过取像素的平均值来消除图像和噪点，但是如果我想使用“逐像素添加”，那么除以我会写一个循环，直到一个图像重复 596*598，一百个图像重复 598*598*100。
有什么方法可以帮我做这个操作吗？
【问题讨论】：
您需要遍历每个图像，并累积结果。由于这可能会导致溢出，您可以将每个图像转换为CV_64FC3 图像，并在CV_64FC3 图像上进行累积。您也可以为此使用CV_32FC3 或CV_32SC3，即使用float 或integer 而不是double。
累积所有值后，您可以同时使用convertTo：
CV_8UC3
这是一个示例代码，它创建 100 个随机图像，并计算并显示 意思是：
#include <opencv2\opencv.hpp>
using namespace cv;
Mat3b getMean(const vector<Mat3b>& images)
{
if (images.empty()) return Mat3b();
// Create a 0 initialized image to use as accumulator
Mat m(images[0].rows, images[0].cols, CV_64FC3);
m.setTo(Scalar(0,0,0,0));
// Use a temp image to hold the conversion of each input image to CV_64FC3
// This will be allocated just the first time, since all your images have
// the same size.
Mat temp;
for (int i = 0; i < images.size(); ++i)
{
// Convert the input images to CV_64FC3 ...
images[i].convertTo(temp, CV_64FC3);
// ... so you can accumulate
m += temp;
}
// Convert back to CV_8UC3 type, applying the division to get the actual mean
m.convertTo(m, CV_8U, 1. / images.size());
return m;
}
int main()
{
// Create a vector of 100 random images
vector<Mat3b> images;
for (int i = 0; i < 100; ++i)
{
Mat3b img(598, 598);
randu(img, Scalar(0), Scalar(256));
images.push_back(img);
}
// Compute the mean
Mat3b meanImage = getMean(images);
// Show result
imshow("Mean image", meanImage);
waitKey();
return 0;
}
【讨论】：
假设图像不需要进行转换（伽玛、色彩空间或对齐）。 numpy 包可让您快速简洁地完成此操作。
# List of images, all must be the same size and data type.
images=[img0, img1, ...]
avg_img = np.mean(images, axis=0)
这将自动提升元素浮动。如果你想要作为 BGR888，那么：
avg_img = avg_img.astype(np.uint8)
也可以为每通道 16 位执行 uint16。如果您处理每个通道 8 位，则几乎可以肯定不需要 100 个图像。
【讨论】：
首先-将图像转换为浮点数。你有 N=100 张图片。想象一下，单个图像是 1 个图像的平均像素值的数组。您需要计算 N 个图像的平均像素值数组。
让A-X 图像的平均像素值数组，B-Y 图像的平均像素值数组。然后 C = (A * X + B * Y) / (X + Y) - X + Y 图像的平均像素值数组。为了在浮点运算中获得更好的精度，X 和 Y 应该大致相等
您可以合并所有图像，例如 merge sort 中的子数组。在您的情况下，合并操作是C = (A * X + B * Y) / (X + Y)，其中A 和B 是X 和Y 图像的平均像素值数组
【讨论】：