0

RMS Contrast

Unsolved
Computer Vision

Difficulty: 2 | Problem written by mesakarghm
The RMS contrast value of an image is defined as the standard deviation of the pixel values for the given image. 

Write a function rms_contrast(img) which takes in a grayscale image as input (represented as 2D NumPy array) and returns the RMS contrast of the input image.  The output should be a floating point value representing the RMS Contrast of the input image. 

Sample Input:
<class 'list'>
img: [[ 1 7 119 13 12] [ 11 21 61 81 91] [ 5 66 6 5 5] [ 5 66 166 145 155] [ 5 66 136 145 155]]

Expected Output:
<class 'float'>
59.05178744119436

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Ea rerum odit omnis tempora error quaerat, atque quod totam neque quasi dolor officiis, placeat maxime facilis deserunt, provident iusto consequatur amet, repudiandae repellat at molestias nisi saepe. Earum blanditiis quos voluptate praesentium quidem quam animi tempore eius modi commodi, dignissimos harum vitae quis nisi vero ducimus praesentium quisquam illo?

Temporibus pariatur ea, quisquam repellat blanditiis accusamus earum illum atque quasi, quidem eaque ipsa iste vero veritatis. Consequatur ad tenetur fuga totam fugit, quo saepe quibusdam voluptatibus fugit, nesciunt hic ullam facilis vel obcaecati itaque laudantium reiciendis numquam? Perspiciatis qui doloremque officia rem? At vitae optio beatae sapiente provident nemo consectetur, veniam quia culpa ad, a ipsum officiis at unde eos adipisci dolore commodi, alias similique consequatur.

Et recusandae tenetur sed soluta consectetur eos architecto ex excepturi, vitae animi officia debitis autem quis amet quia cumque et aliquid quam, similique alias repellat enim quod inventore, molestias consectetur nihil labore? Iure sint aut, incidunt nesciunt totam itaque velit rerum odio cupiditate, asperiores dolor modi voluptatibus praesentium autem expedita alias quisquam? Facere maxime expedita nulla accusantium minus nesciunt quidem. Natus cupiditate enim hic porro similique et maiores, quaerat nostrum recusandae neque doloribus impedit, adipisci nulla velit totam harum exercitationem eveniet consequatur explicabo tenetur ea?

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)