1.countNonZero()用来统计元素值为非0值的像素点个数。

cv2.countNonZero(src) -> retval

src：输入图像，必须为单通道图像； retval：非零像素值个数 absdiff()计算了2幅图像差异后得到的新图像 零值元素数量可以由元素总数减去非零值数量得到

2.minMaxLoc()函数返回图像中的元素值的最小值和最大值，以及最小值和最大值的坐标。

cv2.minMaxLoc(src[, mask])->minVal, maxVal, minLoc, maxLoc

src：输入图像，必须为单通道图像； mask：掩码； minVal, maxVal, minLoc, maxLoc：依次为最小值，最大值，最小值的坐标，最大值的坐标；

返回minLoc和maxLoc的坐标位置是以OpenCV中(x，y)的形式组织的，但是在numpy中下标访问是按照array[行][列]形式，类似于array[y][x]的形式，所以minLoc和maxLoc的坐标值不能直接用于numpy的下标访问，需要对调后才可以使用.

3.sumElems()统计所有元素值之和，如果有多通道，分通道计算，返回的是一个四元组，依次对应图像可能包含的第0,1,2,3通道，如果单通道图像则只有下标0对应的元素有意义，如果是3通道则只有前3个元素有意义。

cv2.sumElems(src) -> retval

src：输入图像，可以是单通道，3通道或4通道图像； retval：返回的是一个4元组，分别对应各通道元素的和。

4.mean()用来统计单个通道内像素值的平均值，如果有多个通道，分通道计算。

cv2.mean(src[, mask]) ->retval

src：输入图像，可以是单通道，3通道或4通道图像； mask：可选的掩码； retval：返回的是一个4元组，分别对应各通道元素的平均值。

5.meanStdDev()用来统计单通道内像素值的平均值和标准差，一次调用返回2个结果。

cv2.meanStdDev(src[, mean[, stddev[, mask]]]) ->mean, stddev

src：输入图像，必须为单通道图像； mask：可选的掩码； mean：平均值； stddev：标准差； meanStdDev()返回的是一个元组，下标0为平均值mean，下标1为标准差stddev。

6.reduce()用来统计二维数组的每一行或每一列中的最小值、最大值、平均值、和。这里reduce的含义也可以理解为将二维矩阵压缩成一维向量，压缩后的值根据入参类型可以是最小值、最大值、平均值或者和。

cv2.reduce(src, dim, rtype[, dst[, dtype]]) ->dst

src：源图像，可以是单通道也可以是多通道，多通道时分通道计算； dim：如果为0表示统计每列的数据等价于压缩成行（row），如果为1表示统计每行的数据等价于压缩成列（column）； rtype：reduce操作的类型； dst：目标图像； dtype：目标图像的类型，如果不指定默认为-1表示用源图像src的数据类型；

dim参数的理解：如果为0表示生成新的数据将是一个行向量，所以是在每一列上操作，将单个的列压缩成一个数值从而组成一个行向量；如果为1则表示生成新的数据是一个列向量，在每一行上操作，将单个的行压缩成一个数值从而组成一个列向量。

rtype标志 含义

REDUCE_SUM 所有行或列的和

REDUCE_AVG 所有行或列的平均值

REDUCE_MAX 所有行或列的最大值

REDUCE_MIN 所有行或列的最小值

countNonZero()用来统计的是非零元素的数量；minMaxLoc()返回位置参数是按照OpenCV格式组织的，在numpy数组中使用时需要对调下标组织形式，返回的坐标是按行扫描方式得到的最开始的坐标；sumElems()用来计算单个通道内所有元素的和，其原生的C接口函数为sum()；meanStdDev()返回的平均值和标准差是一个numpy数组，其数组长度依赖输入图像的通道数，这点和mean()、sumElems()计算的结果默认包含4个元素有所区别；reduce()计算单行/列的和、均值时dtype类型需要指定为能精确表示的数据类型。

好文阅读

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：