计算一个矩阵的平均值和标准差，每个通道都是独立的，通过以下输出参数获取返回值：

$$[\begin{array}{l}N={\sum }_{I,\text{mask}(I)\ne 0}1\\ {\text{mean}}_c=\frac{{\sum }_{I:\text{mask}(I)\ne 0}\text{src}(I{)}_c}{N}\\ {\text{stddev}}_c=\sqrt{\frac{{\sum }_{I:\text{mask}(I)\ne 0}{\left(\text{src}(I{)}_c-{\text{mean}}_c\right)}^2}{N}}\end{array}]$$
当所有的mask元素是0的时候，函数返回mean=stddev=Scalar::all(0).

注意：计算出的标准差只能是完全归一化协方差矩阵，如果需要完整的矩阵，你可以reshape多通道数组M x N到单通道矩阵M*N x mtx.channels() （只有在矩阵是连续的时候才有可能）并且把矩阵传递给calcCovarMatrix

功能：

表示一个图像的明暗变化程度，标准差越大，明暗变化越明显。

原型：

CV_EXPORTS_W void meanStdDev(InputArray src, OutputArray mean, OutputArray stddev,
                             InputArray mask=noArray());

参数释义：

• 参数 src 输入数组，由1-4个通道组成，能够把结果存储到Scalar里
• 参数 mean 输出参数，计算平均值。
• 参数 stddev 输出参数，计算出的标准差
• 参数 mask 可选参数，操作掩摸，用以标记求取哪些区域。

参考：countNonZero, mean, norm, minMaxLoc, calcCovarMatrix

示例源码：

#include <iostream>
#include <opencv2/opencv.hpp>


int main() {

	float sample[14] = { 12,12,3,4,7,9,56,12,13,14,12,56,34,14 };
    cv::Mat image1 = cv::Mat(4, 3, CV_32FC1, sample);    //单通道的矩阵
	cv::Mat image2 = cv::Mat(2, 2, CV_32FC2, sample);    //多通道的矩阵
	
	cv::Scalar mean1;
	cv::Scalar mean2;
	cv::Mat stddevMat;
	cv::Mat stddevMatM;
	cv::meanStdDev(image1, mean1, stddevMat);
	cv::meanStdDev(image2, mean2, stddevMatM);
	//mean2 = cv::mean(image2);
	std::cout << "单通道标准差：" << stddevMat << std::endl;
	std::cout << "多通道标准差：" << stddevMatM << std::endl;

	return 0;
}

输出结果：