计算图像模糊量

1、模糊量判断

从频率角度来看，图像中低频信息越多越模糊，图像高频信息提取相当于进行边缘提取，这里使用拉普拉斯mask，然后计算方差；如果图片具有较高方差，那么它就有较广的频响范围，代表着正常，聚焦准确的图片。但是如果图片具有有较小方差，那么它就有较窄的频响范围，意味着图片中的边缘数量很少。正如我们所知道的，图片越模糊，其边缘就越少。

2、Paper

Analysis of focus measure operators for shape-from-focus

3、code

import cv2

def detect_pic_blur(img_path):
		  image = cv2.imread(img_path)
		   gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)# 图片的灰度值
		   fm = cv2.Laplacian(gray,cv2.CV_64F).var()
		
		   print(f'图片的拉普拉斯值为:>>{fm}')
		   # 阈值设置为 120，只有大于该值的图片才是清晰的（随实际情况而定）
		   threshold = 120
		   if fm <= threshold:
		       return False
		   return True

if __name__ == '__main__':
		    path = "../imgs/butterfly2.png"
		    detect_pic_blur(path)

4、参考连接

• code