**
图像清晰度评价(C#)
**
在空域中,图像领域对比度即为相邻像素间的灰度特征的像素差。在频域中,图像频域分量,对焦清晰的图像高频分量多,对焦模糊的图像低频分量多。
图像清晰评价通常使用三种算法:Tenengrad梯度方法、Laplacian梯度方法和方差方法。
本例通过OpenCVSharp实现
Tenengrad梯度方法
Tenengrad利用Sobel算子分别计算水平和垂直方向的梯度,同一图像中,梯度值越高,图像越清晰。以下通过C#实现,通过Sobel算子处理后的得到平均灰度值,灰度值越大,图像越清晰。
public double getClarityEvaluation()
{
double meanValue = 0;
using(Mat src = new Mat(imgPath, ImreadModes.Grayscale))
{
Mat imgSobel = new Mat();
Cv2.Sobel(src, imgSobel, src.Type(), 1, 1);
//图像的平均灰度
meanValue = Cv2.Mean(imgSobel)[0];
}
return meanValue;
}
Tenengrad梯度方法
OpenCV中的Sobel函数:
void Sobel(InputArray src,//输入图
OutputArray dst,//输出图
int ddepth,//输出图像的深度
int dx,
int dy,
int ksize=3,
double scale=1,
double delta=0,
int borderType=BORDER_DEFAULT);
第一个参数,InputArray 类型src,为输入图像,填Mat类型即可。
第二个参数,OutputArray类型的dst,即目标图像,函数的输出参数,需要和源图片尺寸和类型一致。
第三个参数,int类型的ddepth,输出图像的深度,支持src.depth()和ddepth的组合如下:
若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
若src.depth() = CV_64F, 取ddepth = -1/CV_64F
第四个参数,int类型dx,x方向上的差分阶数。
第五个参数,int类型dy,y方向上的差分阶数。
第六个参数,int类型ksize,默认值为3,表示Sobel核的大小;必须取1,3,5或7。
第七个参数,double类型的scale,计算导数值时可选的缩放因子,默认值为1,表示默认情况下是没有缩放。
第八个参数,double类型的delta,表示结果在存入目标图像(第二个参数dst)之前可选的delta值,有默认值为0。
第九个参数,int类型的borderType,边界模式,默认值为BORDER_DEFAULT。
Laplacian梯度方法
Laplacian求图像的梯度方法只需将上例中的Sobel算子替换为Laplacian即可。
```csharp
public double getClarityEvaluation()
{
double meanValue = 0;
using(Mat src = new Mat(imgPath, ImreadModes.Grayscale))
{
Mat imgSobel = new Mat();
Cv2.Laplacian(src, imgDst, src.Type());
meanValue = Cv2.Mean(imgDst)[0];
}
return meanValue;
}
Laplacian梯度方法
方差方法
方差是概率论用来考察一组离散数据和期望(即数据均值)之间的离散(偏离)程度的度量方法。方差越大,表示这一组数据之间的偏差就越大,组内的数据有的较大,有的较小,分布不均衡;方差越小,表示这一组数据之间的偏差越小,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,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。
public double getClarityEvaluation()
{
double meanValue = 0;
using(Mat src = new Mat(imgPath, ImreadModes.Grayscale))
{
//灰度图像的标准差
Mat meanStdValue = new Mat();
Mat imgSobel = new Mat();
Cv2.MeanStdDev(src, imgDst, meanStdValue);
meanValue = meanStdValue.At<double>(0, 0);
}
return meanValue;
}
方差方法