在优化图像处理中的均值和方差，以及计算均值和方差的常规优化图像处理中，可能需要计算图像区域的均值和方差。 我以前的博客上介绍过《图像比较之模板匹配》，对方差的计算进行简单的计算。 详细介绍请参考我前面的博文。 这里简单介绍一下计算方差的简单方法。
如上所述计算均值和方差，适用于许多应用场合。 但是有两个缺点：
当均值远大于标准差时，意味着方差计算中减去的两个数非常接近，引入了过度舍入问题，引入新的统计变量重新计算其均值和方差时，需要对所有统计变量进行重新计算，需要大量的迭代工作，效率不高；
采用以下方法简化计算后，添加一个变量计算整个统计变量的均值和方差时，无需对所有变量重新进行统计计算。 保存当前统计变量数量这三个变量即可； 当前统计变量； 当前统计变量平方和：
BASIC语言的实现方法如下。
二、在利用直方图信息优化平均值和方差值的图像处理中，也经常涉及直方图。 如果知道某个图像的直方图信息，就有更简单有效的计算图像平均值和方差值的方法。 得知在图像直方图中，每个野性的松鼠所代表的值是具有相同灰度值的像素数，相当于对图像像素进行了分组统计。 这样，在计算平均值和方差时也容易进行分组计算的加法运算。 因此，根据直方图的信息，可以根据以下公式进行均值和方差的计算。
其BASIC语言实现如下。
三. OpenCV的简单应用intmain((intdims=1； int sizes[]={256}； int type=CV_HIST_ARRAY； float range [ ]={ 0，255 }； float *ranges[]={range}； CvHistogram *hist=NULL； IplImage *src_img； CvScalar Avg，Std； int i，count； double Avg_Hist=0，Std_Hist=0； src _ img=cv loadimage (8bit _ Lena.BMP )，-1)； if (src _ img==空) printf(wronginputpicn )； 返回- 1； (hist=cvcreatehist(dims，sizes，type，ranges，1 )； cccalchist(src_img，hist，0，NULL )； count=src _ img-width * src _ img-height； for(I=0； i 256； I ) avg _ hist=I * cvqueryhistvalue _ 1d (hist，I )； Avg_Hist=Avg_Hist/count； 打印(avgfromhist : % f (n )，Avg_Hist )； for(I=0； i 256； I ) STD_hist=pow(I-avg_hist )，2 ) *cvqueryhistvalue_1d ) hist，I )； STD_hist=sqrt(STD_hist/(count ) )； printf(STDfromhist:%f(n )，Std_Hist )； cvAvgsdv(src_img，avg，Std，0 )； puts((n ) )； printf (平均值(n )； printf(AVGinChannel13360%f(n )，Avg.val[0]； printf(AVGinChannel23360%f(n )，Avg.val[1]； printf(AVGinChannel:%f(n )，Avg.val[2]； printf(AVGinChannel43360%f(n )，Avg.val[3]； printf (方差(n )； 打印(stdin channel 13360 % f (n )，Std.val[0]； 打印(stdin channel 23360 % f (n )，Std.val[1]； 打印(stdin channel : % f (n )，Std.val[2]； 打印(stdin channel 43360 % f (n )，Std.val[3]； printf (ndiffavgandstdfromhistandfunction : % f % f (n )，FABS ) AVG.val[0]-AVG_hist，FABS ) STD.vabs cvabs CVShowimage(showoriginalimage )，src_img )； cvwaitkey(0； cv destroywindow (showoriginalimage )； printf(done(n )； cvreleaseimage(src_img； 返回0； }测试图像数据：
测试结果与Opencv函数的计算结果一致：