方差方法：

　　方差是概率論中用來考察一組離散數(shù)據(jù)和其期望（即數(shù)據(jù)的均值）之間的離散（偏離）成都的度量方法。方差較大，表示這一組數(shù)據(jù)之間的偏差就較大，組內(nèi)的數(shù)據(jù)有的較大，有的較小，分布不均衡；方差較小，表示這一組數(shù)據(jù)之間的偏差較小，組內(nèi)的數(shù)據(jù)之間分布平均，大小相近。

　　對(duì)焦清晰的圖像相比對(duì)焦模糊的圖像，它的數(shù)據(jù)之間的灰度差異應(yīng)該更大，即它的方差應(yīng)該較大，可以通過圖像灰度數(shù)據(jù)的方差來衡量圖像的清晰度，方差越大，表示清晰度越好。

　　#include 《highgui/highgui.hpp》

　　#include 《imgproc/imgproc.hpp》

　　using namespace std;

　　using namespace cv;

　　int main（）

　　{

　　Mat imageSource = imread（“2.jpg”）;

　　Mat imageGrey;

　　cvtColor（imageSource， imageGrey， CV_RGB2GRAY）;

　　Mat meanValueImage;

　　Mat meanStdValueImage;

　　//求灰度圖像的標(biāo)準(zhǔn)差

　　meanStdDev（imageGrey， meanValueImage， meanStdValueImage）;

　　double meanValue = 0.0;

　　meanValue = meanStdValueImage.at《double》（0， 0）;

　　//double to string

　　stringstream meanValueStream;

　　string meanValueString;

　　meanValueStream 《《 meanValue*meanValue;

　　meanValueStream 》》 meanValueString;

　　meanValueString = “Articulation（Variance Method）： ” + meanValueString;

　　putText（imageSource， meanValueString， Point（20， 50）， CV_FONT_HERSHEY_COMPLEX， 0.8， Scalar（255， 255， 25）， 2）;

　　imshow（“Articulation”， imageSource）;

　　waitKey（）;

　　}

　　方差數(shù)值隨著清晰度的降低逐漸降低：

?

　　在工業(yè)應(yīng)用中，最清晰的對(duì)焦拍攝出來的圖像不一定是最好的，有可能出現(xiàn)摩爾紋（水波紋）現(xiàn)象，一般需要在最清晰對(duì)焦位置附件做一個(gè)微調(diào)。