### 编写Python子函数实现图像矩阵的行统计 以下是基于 `numpy` 库编写的 Python 子函数，用于接收图像矩阵并返回每行的最大值、最小值、均值和标准差： ```python import numpy as np def row_statistics(matrix): """ 计算给定矩阵每行的最大值、最小值、均值和标准差。 参数: matrix (np.ndarray): 输入的二维数组（图像矩阵） 返回: dict: 包含每行最大值、最小值、均值和标准差的字典 """ if not isinstance(matrix, np.ndarray) or len(matrix.shape) != 2: raise ValueError("输入必须是一个二维 NumPy 数组") max_values = np.max(matrix, axis=1) # 每行最大值 min_values = np.min(matrix, axis=1) # 每行最小值 mean_values = np.mean(matrix, axis=1) # 每行均值 std_values = np.std(matrix, axis=1) # 每行标准差 return { "max": max_values, "min": min_values, "mean": mean_values, "std": std_values } ``` #### 使用示例 假设有一个如下所示的图像矩阵： ```python image_matrix = np.array([ [1, 2, 3], [4, 5, 6], [7, 8, 9] ]) result = row_statistics(image_matrix) print("每行最大值:", result["max"]) # 输出: [3 6 9] print("每行最小值:", result["min"]) # 输出: [1 4 7] print("每行均值:", result["mean"]) # 输出: [2. 5. 8.] print("每行标准差:", result["std"]) # 输出: [0.81649658 0.81649658 0.81649658] ``` --- #### 解析与说明 - **最大值** 和 **最小值**: 利用 `numpy` 的 `np.max()` 和 `np.min()` 函数分别沿指定轴（这里是第 1 轴即 `axis=1`）计算每行的最大值和最小值[^3]。 - **均值**: 使用 `np.mean()` 函数计算每行的平均值。该操作同样支持通过设置 `axis=1` 来限定作用范围为每一行。 - **标准差**: 借助 `np.std()` 函数完成每行的标准差计算。默认情况下，它会计算总体标准差；如果需要样本标准差，则需额外传递参数 `ddof=1`[^2]。 此函数能够高效地处理任意大小的二维矩阵，并提供清晰的结果结构以便进一步分析或可视化。 ---