评价函数

Tenengrad梯度方法

Tenengrad梯度方法利用Sobel算子分别计算水平和垂直方向的梯度，同一场景下梯度值越高，图像越清晰。以下是具体实现，这里衡量的指标是经过Sobel算子处理后的图像的平均灰度值，值越大，代表图像越清晰。

1. int main()  
2. {  
3.     Mat imageSource = imread("2.jpg");  
4.     Mat imageGrey;  
5.   
6.     cvtColor(imageSource, imageGrey, CV_RGB2GRAY);  
7.     Mat imageSobel;  
8.     Sobel(imageGrey, imageSobel, CV_16U, 1, 1);  
9.   
10.     //图像的平均灰度  
11.     double meanValue = 0.0;  
12.     meanValue = mean(imageSobel)[0];  
13.   
14.     //double to string  
15.     stringstream meanValueStream;  
16.     string meanValueString;  
17.     meanValueStream << meanValue;  
18.     meanValueStream >> meanValueString;  
19.     meanValueString = "Articulation(Sobel Method): " + meanValueString;  
20.     putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2);  
21.     imshow("Articulation", imageSource);  
22.     waitKey();  

1. }  

Laplacian梯度方法：

Laplacian梯度是另一种求图像梯度的方法，在上例的OpenCV代码中直接替换Sobel算子即可。

1. #include <highgui/highgui.hpp>  
2. #include <imgproc/imgproc.hpp>  
3.   
4. using namespace std;  
5. using namespace cv;  
6.   
7. int main()  
8. {  
9.     Mat imageSource = imread("1.jpg");  
10.     Mat imageGrey;  
11.   
12.     cvtColor(imageSource, imageGrey, CV_RGB2GRAY);  
13.     Mat imageSobel;  
14.   
15.     Laplacian(imageGrey, imageSobel, CV_16U);  
16.     //Sobel(imageGrey, imageSobel, CV_16U, 1, 1);  
17.   
18.     //图像的平均灰度  
19.     double meanValue = 0.0;  
20.     meanValue = mean(imageSobel)[0];  
21.   
22.     //double to string  
23.     stringstream meanValueStream;  
24.     string meanValueString;  
25.     meanValueStream << meanValue;  
26.     meanValueStream >> meanValueString;  
27.     meanValueString = "Articulation(Laplacian Method): " + meanValueString;  
28.     putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2);  
29.     imshow("Articulation", imageSource);  
30.     waitKey();  
31. }  

方差方法：

方差是概率论中用来考察一组离散数据和其期望（即数据的均值）之间的离散（偏离）成都的度量方法。方差较大，表示这一组数据之间的偏差就较大，组内的数据有的较大，有的较小，分布不均衡；方差较小，表示这一组数据之间的偏差较小，组内的数据之间分布平均，大小相近。

对焦清晰的图像相比对焦模糊的图像，它的数据之间的灰度差异应该更大，即它的方差应该较大，可以通过图像灰度数据的方差来衡量图像的清晰度，方差越大，表示清晰度越好。

1. #include <highgui/highgui.hpp>  
2. #include <imgproc/imgproc.hpp>  
3.   
4. using namespace std;  
5. using namespace cv;  
6.   
7. int main()  
8. {  
9.     Mat imageSource = imread("2.jpg");  
10.     Mat imageGrey;  
11.   
12.     cvtColor(imageSource, imageGrey, CV_RGB2GRAY);  
13.     Mat meanValueImage;  
14.     Mat meanStdValueImage;  
15.   
16.     //求灰度图像的标准差  
17.     meanStdDev(imageGrey, meanValueImage, meanStdValueImage);  
18.     double meanValue = 0.0;  
19.     meanValue = meanStdValueImage.at<double>(0, 0);  
20.   
21.     //double to string  
22.     stringstream meanValueStream;  
23.     string meanValueString;  
24.     meanValueStream << meanValue*meanValue;  
25.     meanValueStream >> meanValueString;  
26.     meanValueString = "Articulation(Variance Method): " + meanValueString;  
27.   
28.     putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2);  
29.     imshow("Articulation", imageSource);  
30.     waitKey();  
31. }