图像清晰度评价（C#）

**

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