python图像模糊检测

方法一、使用拉普拉斯算子

通过对原始图像进行灰度变化，然后做拉式变换，求取拉式变换后的方差。
相当于使用了拉普拉斯算子对原始图像做了一次滤波处理，然后取方差。需要再与原始图像比对吗？

def variance_of_laplacian(image):
    '''

    :param image: 灰度图 ## img =  cv2.imdecode(np.fromfile(img_path, dtype=np.uint8), cv2.IMREAD_GRAYSCALE)  #### 灰度
    :return:
    '''
    # compute the Laplacian of the image and then return the focus
    # measure, which is simply the variance of the Laplacian

    # # 拉普拉斯变换
    # gray_lap = cv2.Laplacian(image, cv2.CV_64F)
    # dst = cv2.convertScaleAbs(gray_lap)
    # # 求取方差
    # fm = dst.var() / (image.shape[0] * image.shape[1]) * 1000 * 1000
    # # fm = dst.var()

    return cv2.Laplacian(image, cv2.CV_64F).var()
    # return fm

参考

import os
import cv2
import shutil
import sys
  
# 模糊影像检测函数，阈值默认为0.07
def blurImagesDetection(folder_path, thres=0.07):
    # 新建一个用于存放模糊影像的文件夹
    blurImageDirPath = os.getcwd() + "/blurImages"
    if not os.path.exists(blurImageDirPath):
        os.mkdir(blurImageDirPath)
    # 获取影像文件夹中的影像名列表
    imageNameList = os.listdir(folder_path)
    for imageName in imageNameList:
        # 得到影像路径
        imagePath = os.path.join(folder_path, imageName)
        # 读取影像为灰度图
        img = cv2.imread(imagePath, 0)
        # 缩小影像，加快处理速度
        tiny_img = cv2.resize(img, (400, 300), fx=0, fy=0)
        # 获取影像尺寸
        width, height = tiny_img.shape
        # 计算影像的模糊程度
        blurness = cv2.Laplacian(tiny_img, cv2.CV_64F).var() / (width * height)
        # 如果影像模糊程度小于阈值就将其移动到存放模糊影像的文件夹中
        if blurness < thres:
            print(imageName + "  bulrness:%f   模糊" % (blurness))
            blurImagePath = os.path.join(blurImageDirPath, imageName)
            shutil.move(imagePath, blurImagePath)
        else:
            print(imageName + "  blurness:%f   不模糊" % (blurness))
if __name__ == '__main__':
    # 指定要处理的文件夹路径，sys.argv[1]为第一个参数
    folder_path = os.getcwd()+'/'+sys.argv[1]
    # 调用函数
    blurImagesDetection(folder_path)