单帧/多帧清晰度评价算法探索

简介

　　本篇主要介绍下：对多帧拍摄同一场景的清晰度评价算法研究。

背景概述

　　常用的清晰度评价算法有：基于梯度/信息熵/边缘等。但是当图像噪声较多的时候，直接使用这些方法都无法得到比较准确的结果。
因此我们需要找到一种对噪声鲁棒性较好的评价算法。

单帧清晰度评价

　　1、修改梯度方法：
       t(x,y) = sqrt(pow(f(x,y)-f(x+1,y),2) + pow(f(x,y)-f(x,y+1),2));
       sum = all(t(x,y)) / n;
       其中：t(x,y)：图像每个像素点的横向、纵向梯度和。
             n     ：当前图像区域所有像素数量。
             sum   ：计算得到的当前图像区域清晰度评价。
　　
    2、考虑清晰图像特性：边缘或者梯度较强且连续。因此我们在计算梯度上通过阀值筛选，过滤掉弱梯度，可以减少对清晰度评价
的干扰。同时，因为梯度或者边缘一般是连续的，其中掺杂噪声通常是孤立的，所以通过对筛选后的梯度图像做一次腐蚀，可以过滤掉
噪声的感染。提高清晰度评价算法准确性。

多帧清晰度评价

　　1、将多帧图像配准。
    2、通过阀值筛选，计算保存所有图像的强梯度或者强边缘。
    3、遍历整个梯度图，将多帧图像都满足梯度方向相同的梯度筛选出来，其他的丢弃掉。
       或者是所有强梯度图像进行与操作，保留下他们共同梯度。
    4、通过处理后的梯度图，计算各自清晰度。