Many parameters are determined from the specified region of an image.  
     For this version, the region can be specified by a set of rectangular  
     pixel coordinates, the channel ranges and the Stokes.  
 
     For directed output, run as  
                    myoutput = imstat()  
 
 
Keyword arguments:  
imagename -- Name of input image  
Default: none; Example: imagename=’ngc5921_task.im’  
        region -- File path to an ImageRegion file or name.  
                Use the viewer, then region manager to select regions of  
                   the image to process.  Similar to box, but graphical  
                Or the name of a region stored with the image,  
                      use rg.namesintable()  
                to retrieve the list of names.  
                Default: none  
                Example: region=’myimage.im.rgn’  
                         region=’region1’  
box --  A box region on the directional plane  
        Only pixel values acceptable at this time.  
Default: none (whole 2-D plane);  
                  Example: box=’10,10,50,50’  
                      box = ’10,10,30,30,35,35,50,50’ (two boxes)  
chans -- channel numbers  
        Range of channel numbers to include in statistics  
                  All spectral windows are included  
Default:’’= all;  Example: chans=’3~20’  
stokes -- Stokes parameters to analyze.  
                Default: none (all); Example: stokes=’IQUV’;  
                                     Example:stokes=’I,Q’  
                Options: ’I’,’Q’,’U’,’V’,’RR’,’RL’,’LR’,’LL’,’XX’,’YX’,’XY’,’YY’, ...  
 
      General procedure:  
 
         1.  Specify inputs, then  
 
         2.  myoutput = imstat()  
               or specify inputs directly in calling sequence to task  
             myoutput = imstat(imagename=’image.im’, etc)  
 
         3.  myoutput[’KEYS’] will contain the result associated with any  
               of the keys given below  
 
        KEYS CURRENTLY AVAILABLE  
     blc          - absolute PIXEL coordinate of the bottom left corner of  
               the bounding box surrounding the selected region  
     blcf         - Same as blc, but uses WORLD coordinates instead of pixels  
     trc          - the absolute PIXEL coordinate of the top right corner  
                       of the bounding box surrounding the selected region  
     trcf         - Same as trc, but uses WORLD coordinates instead of pixels  
        flux         - the integrated flux density if the beam is defined and  
                       the if brightness units are $Jy/beam$  
npts         - the number of unmasked points used  
max          - the maximum pixel value  
     min          - minimum pixel value  
maxpos       - absolute PIXEL coordinate of maximum pixel value  
maxposf      - Same as maxpos, but uses WORLD coordinates instead of pixels  
     minpos       - absolute pixel coordinate of minimum pixel value  
minposf      - Same as minpos, but uses WORLD coordinates instead of pixels  
sum          - the sum of the pixel values: $\sum I_i$  
        sumsq        - the sum of the squares of the pixel values: $\sum I_i^2$  
mean         - the mean of pixel values:  
                       $\bar{I} = \sum I_i / n$  
sigma        - the standard deviation about the mean:  
                       $\sigma^2 = (\sum I_i - \bar{I})^2 / (n-1)$  
        rms          - the root mean square:  
                       $\sqrt {\sum I_i^2 / n}$  
median       - the median pixel value (if robust=T)  
medabsdevmed - the median of the absolute deviations from the  
                       median (if robust=T)  
quartile     - the inter-quartile range (if robust=T). Find the points  
                       which are 25% largest and 75% largest (the median is  
                       50% largest), find their difference and divide that  
                       difference by 2.  
 
Additional Examples  
# Selected two box region  
# box 1, bottom-left coord is 2,3 and top-right coord is 14,15  
# box 2, bottom-left coord is 30,31 and top-right coord is 42,43  
imstat( ’myImage’, box=’2,3,14,15;30,31,42,43’ )  
 
# Select the same two box regions but only channels 4 and 5  
imstat( ’myImage’, box=’2,3,14,15;30,31,42,43’, chan=’4~5’ )  
 
# Select all channels greater the 20 as well as channel 0.  
  # Then the mean and standard deviation are printed  
results = imstat( ’myImage’, chans=’>20;0’ )  
        print "Mean is: ", results[’mean’], "  s.d. ", results[’sigma’]  
 
        # Find statistical information for the Q stokes value only  
        # then the I stokes values only, and printing out the statistical  
        # values that we are interested in.  
s1 = imstat( ’myimage’, stokes=’Q’ )  
s2 = imstat( ’myimage’, stokes=’I’ )  
        print "       |  MIN  |   MAX  | MEAN"  
        print "  Q    | ",s1[’min’][0],"  |  ",s1[’max’][0],"  |  ",,"  |  ",s1[’mean’][0]  
        print "  I    | ",s2[’min’][0],"  |  ",s2[’max’][0],"  |  ",,"  |  ",s2[’mean’][0]