本文中实现模糊检测的原理如下:
对采集到的人脸图像进行如下处理:
1.高斯模糊去噪,
2.转换灰度图,
3.在此图像上利用拉普拉斯算子滤波,
4.直方图归一化映射到0-255,
5.求均值,
检测方法:若该均值大于给定阈值,则认为是清晰照片,否则,是模糊照片。
实验结果表明:
正常人脸图片经处理后均值在500以上,而模糊人脸只有几十到两三百,很难使用拉普拉斯算子提取到有效边缘。
(数值可能不对,读者可亲测)
缺陷 :只对运动模糊人脸有效,且图片未经美图处理
代码如下:
//模糊检测,如果原图像是模糊图像,返回0,否则返回1
bool blurDetect(Mat srcImage, double &blurPer){
Mat srcBlur, gray1, gray2, gray3, dstImage;
double thre = 300; //控制阈值
//pyrDown(srcImage, dstImage, Size(srcImage.cols/2, srcImage.rows/2));
GaussianBlur(srcImage, srcBlur, Size(3, 3), 0, 0, BORDER_DEFAULT); //高斯滤波
//imshow("sas", srcBlur);
//imshow("ssas", srcImage);
convertScaleAbs(srcBlur, srcImage); //使用线性变换转换输入数组元素成8位无符号整型 归一化为0-255
if (srcImage.channels() != 1)
{
//进行灰度化
cvtColor(srcImage, gray1, CV_BGR2GRAY);
} else
{
gray1 = srcImage.clone();
}
Mat tmp_m1, tmp_sd1; //用来存储均值和方差
double m1 = 0, sd1 = 0;
//使用3x3的Laplacian算子卷积滤波
//imshow("Lap千", gray1);
//waitKey(0);
Laplacian(gray1, gray2, CV_16S, 3, 1, 0, BORDER_DEFAULT);
/*double minVal, maxVal;
minMaxLoc(gray2, &minVal, &maxVal);
double alpha = 255 / (maxVal - minVal), beta = -255 * minVal / (maxVal - minVal);*/
////归到0~255
convertScaleAbs(gray2, gray3);
//imshow("Lap", gray3);
//计算均值和方差
meanStdDev(gray3, tmp_m1, tmp_sd1);
//imshow("Lap后", gray3);
//waitKey(0);
m1 = tmp_m1.at<double>(0, 0); //均值
sd1 = tmp_sd1.at<double>(0, 0); //标准差
//cout << "原图像:" << endl;
//cout << "均值: " << m1 << " , 方差: " << sd1*sd1 << endl;
blurPer = sd1*sd1; //方差
//waitKey(0);
if (blurPer < thre) return 0;
else return 1;
}
结果如下:
从上向下图片分别为:
其中前两张为模糊人脸