一、cv2.mean函数
mean = cv2.mean(src[, mask])
cv2.mean函数用于计算图像的均值。在单通道灰度图像中计算的结果是一个标量（一个数），在多通道（彩色）图像中计算的结果是所有通道均值组成的元组。
1、单通道灰度图像均值计算
import cv2
# 读取灰度图像
img = cv2.imread('gray_img.png', 0)
# 计算灰度图像均值
mean = cv2.mean(img)
print('灰度图像均值：', mean[0])
在上面的代码中，我们首先读取一个灰度图像，然后使用cv2.mean函数计算该图像的均值。结果是一个元组，其中第一个元素就是灰度图像的均值，我们使用mean[0]来获取它。
2、多通道（彩色）图像均值计算
import cv2
# 读取彩色图像
img = cv2.imread('color_img.png')
# 计算彩色图像均值
mean = cv2.mean(img)
print('彩色图像均值：', mean)
在上面的代码中，我们读取了一张彩色图像，然后使用cv2.mean函数计算该图像的均值。因为彩色图像有三个通道（B、G、R），所以计算的结果是一个三元素的元组，分别是三个通道的均值。
二、cv2.meanstddev函数
mean, stddev = cv2.meanStdDev(src[, mask])
cv2.meanstddev函数用于计算图像的均值和标准差。在单通道灰度图像中计算的结果是两个标量，一个是均值，一个是标准差。在多通道（彩色）图像中计算的结果是每个通道的均值和标准差组成的元组（均值和标准差都是各自计算得到的）。
1、单通道灰度图像均值和标准差计算
import cv2
# 读取灰度图像
img = cv2.imread('gray_img.png', 0)
# 计算灰度图像均值和标准差
mean, stddev = cv2.meanStdDev(img)
print('灰度图像均值：', mean[0])
print('灰度图像标准差：', stddev[0])
在上面的代码中，我们首先读取一个灰度图像，然后使用cv2.meanstddev函数计算该图像的均值和标准差。结果是一个元组，第一个元素是灰度图像的均值，第二个元素是灰度图像的标准差，我们使用mean[0]和stddev[0]来获取它们。
2、多通道（彩色）图像均值和标准差计算
import cv2
# 读取彩色图像
img = cv2.imread('color_img.png')
# 计算彩色图像均值和标准差
mean, stddev = cv2.meanStdDev(img)
print('蓝色通道均值：', mean[0][0])
print('绿色通道均值：', mean[1][0])
print('红色通道均值：', mean[2][0])
print('蓝色通道标准差：', stddev[0][0])
print('绿色通道标准差：', stddev[1][0])
print('红色通道标准差：', stddev[2][0])
在上面的代码中，我们读取了一张彩色图像，然后使用cv2.meanstddev函数计算该图像的均值和标准差。因为彩色图像有三个通道（B、G、R），所以计算的结果是一个三元素的元组，每个元素都是一个两元素的元组，分别是每个通道的均值和标准差。我们使用mean[i][0]和stddev[i][0]来获取第i个通道的均值和标准差。
三、cv2.mean和cv2.meanstddev的比较
cv2.mean和cv2.meanstddev都可以用来计算图像的均值，但是它们的适用场景有所不同。
当我们只需要知道一个图像的均值时，可以直接使用cv2.mean函数，因为它比cv2.meanstddev函数更快捷、更简单。
而当我们需要同时知道图像的均值和标准差时，需要使用cv2.meanstddev函数，因为它可以同时计算均值和标准差，而cv2.mean函数只能计算均值。
