让我帮你逐一梳理这段代码里的问题和正确实现方式：

1. 图像读取的小错误 #

你写的imread('foo.png', CV_8UC);有两个明显问题：

• 单通道灰度图的标志应该是CV_8UC1（或者用IMREAD_GRAYSCALE更直观易读）
• 你把读取的图像存在img变量里，但后面所有计算都用了src，变量名不统一会直接导致编译错误

2. 均值与标准差计算 #

这部分逻辑是完全正确的：

Scalar sMean, sStdDev;
meanStdDev(src, sMean, sStdDev);
double mean = sMean[0];
double stddev = sStdDev[0];

只要src是正确的单通道灰度图，就能准确得到图像的平均灰度值和灰度标准差。

3. 平均梯度强度计算 #

核心逻辑没问题，但有个细节可以优化：

• Sobel算子的核大小你设为1，这其实是最简单的一阶差分（类似简化版的Scharr算子），如果想要标准的Sobel梯度效果，建议把核大小改成3（这也是Sobel函数的默认值）
• 计算梯度幅值后求均值的代码是正确的，能得到整个图像的平均梯度强度

修正后的这部分代码：

Mat dX, dY, magnitude;
Sobel(src, dX, CV_32F, 1, 0, 3); // 使用3x3的标准Sobel核
Sobel(src, dY, CV_32F, 0, 1, 3);
magnitude(dX, dY, magnitude);

Scalar sMMean, sMStdDev;
meanStdDev(magnitude, sMMean, sMStdDev);
double magnitudeMean = sMMean[0];
double magnitudeStdDev = sMStdDev[0];

4. 平均梯度方向的关键注意点 #

你当前的实现atan2(-avgVertDir[0], avgHorizDir[0])得到的是图像整体的主梯度方向（所有梯度向量的平均方向），但这和“每个像素梯度方向的算术平均”不是一回事——因为梯度方向是周期性的（比如0°和360°等价），而且方向相反的梯度会互相抵消（比如图像左边缘和右边缘的梯度）。

如果你的需求是计算所有像素梯度方向的统计平均，需要先把每个像素的方向转换成单位向量（x=cosθ, y=sinθ），再对这些向量取均值，最后转回角度：

Mat dirs;
phase(dX, dY, dirs, true); // 得到每个像素的梯度方向（角度范围0-360°）

// 转换为单位向量
Mat cosDirs, sinDirs;
cv::cos(dirs * CV_PI / 180.0, cosDirs);
cv::sin(dirs * CV_PI / 180.0, sinDirs);

// 计算向量均值
Scalar avgCos = mean(cosDirs);
Scalar avgSin = mean(sinDirs);

// 转回角度并调整到0-360°范围
double avgDir = atan2(avgSin[0], avgCos[0]) * 180.0 / CV_PI;
if (avgDir < 0) avgDir += 360;

而如果你只是需要整体的主方向，你原来的代码是可行的，其中-avgVertDir的写法是对的——因为OpenCV的坐标系原点在左上角，y轴向下，所以需要反转y方向分量来得到常规的梯度方向。

5. 模糊度计算 #

cv::videostab::calcBlurriness(src)的用法是正确的，这个函数通过拉普拉斯算子的方差来衡量模糊度，值越小图像越清晰，越大越模糊。注意要包含头文件#include <opencv2/videostab.hpp>才能正常使用。

完整修正后的代码 #

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

int main() {
    // 读取单通道灰度图
    Mat src = imread("foo.png", IMREAD_GRAYSCALE);
    if (src.empty()) {
        std::cerr << "Failed to read image!" << std::endl;
        return -1;
    }

    // 计算图像均值与标准差
    Scalar sMean, sStdDev;
    meanStdDev(src, sMean, sStdDev);
    double mean = sMean[0];
    double stddev = sStdDev[0];

    // 计算平均梯度强度
    Mat dX, dY, magnitude;
    Sobel(src, dX, CV_32F, 1, 0, 3);
    Sobel(src, dY, CV_32F, 0, 1, 3);
    magnitude(dX, dY, magnitude);

    Scalar sMMean, sMStdDev;
    meanStdDev(magnitude, sMMean, sMStdDev);
    double magnitudeMean = sMMean[0];
    double magnitudeStdDev = sMStdDev[0];

    // 计算整体主梯度方向（向量平均）
    Scalar avgHorizDir = mean(dX);
    Scalar avgVertDir = mean(dY);
    double avgMainDir = atan2(-avgVertDir[0], avgHorizDir[0]) * 180.0 / CV_PI;
    if (avgMainDir < 0) avgMainDir += 360;

    // 计算所有像素梯度方向的统计平均
    Mat dirs;
    phase(dX, dY, dirs, true);
    Mat cosDirs, sinDirs;
    cv::cos(dirs * CV_PI / 180.0, cosDirs);
    cv::sin(dirs * CV_PI / 180.0, sinDirs);
    Scalar avgCos = mean(cosDirs);
    Scalar avgSin = mean(sinDirs);
    double avgDir = atan2(avgSin[0], avgCos[0]) * 180.0 / CV_PI;
    if (avgDir < 0) avgDir += 360;

    // 计算模糊度
    float blurriness = cv::videostab::calcBlurriness(src);

    // 输出结果
    std::cout << "Image Mean: " << mean << std::endl;
    std::cout << "Image StdDev: " << stddev << std::endl;
    std::cout << "Average Gradient Magnitude: " << magnitudeMean << std::endl;
    std::cout << "Main Gradient Direction: " << avgMainDir << " degrees" << std::endl;
    std::cout << "Average Gradient Direction: " << avgDir << " degrees" << std::endl;
    std::cout << "Blurriness: " << blurriness << std::endl;

    return 0;
}

内容的提问来源于stack exchange，提问作者sazr