python判断图片模糊_图像的模糊检测方法 - osc_qocngpfu的个人空间 - OSCHINA - 中文开源技术交流社区...

最新推荐文章于 2024-05-15 06:46:49 发布

weixin_39828193

最新推荐文章于 2024-05-15 06:46:49 发布

阅读量697

点赞数

文章标签： python判断图片模糊

关键字：blur detection

Function:图像的清晰度检测英文表达为 image blue detection; 以此为关键字可以找到很多有关清晰度检测的demo和算法。

图像的清晰度检测方法主要分为两种情况：

一种是根据已有的图像，来判断现在的图像是否模糊；

另一种是在无参考图像的情况下，判断图像是否模糊；

我们目前解决的问题属于无参考图像的质量评价

根据参考文献[8,9]可以得知在无参考图像下的，比较好的方法有：Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数等；相关代码实现在github，详情参见GitHub。

实验环境

Python3

OpenCV3.2

Window 10

算法描述

注意：在实际的操作中，还需要对图片进行预处理操作(检测出人脸区域、设置相同大小的图片、图片灰度化等等)

只有这样才不会受到图像大小以及除去人脸以外的因素的影响。

在此假设人脸区域已经识别

本文初步对以上几种方法进行了实现。

(1)拉普拉斯算子

这个方法最简便，根据参考文献[3]可以，opencv中提供了对laplace的封装方法，直接调用即可，得到拉普拉斯算子边缘检测的图片：

def lapulase(dir,name):

"""

:param dir: 操作目录

:param name: 操作的文件名称

:return: 分数

"""

filePath=dir+name #

img = filePath

# Laplace梯度法

frame = cv2.imread(img)

#cv2.imshow("原始图", frame);

resImg = cv2.resize(frame, (800, 900),interpolation=cv2.INTER_CUBIC)

img2gray = cv2.cvtColor(resImg, cv2.COLOR_BGR2GRAY) # 将图片压缩为单通道的灰度图

#img_resize = cv2.resize(img2gray, (112, 112)) # 为方便与其他图片比较可以将图片resize到同一个大小

res = cv2.Laplacian(img2gray, cv2.CV_64F)

score = res.var()

font = cv2.FONT_HERSHEY_SIMPLEX

fontSize=5

# 照片添加的文字 /左上角坐标字体字体大小颜色字体粗细

cv2.putText(resImg, str(score), (0, 200), font, fontSize, (0, 255, 0),6)

newDir=dir+"/_Laplace_/"

if not os.path.exists(newDir):

os.makedirs(newDir)

newName=newDir+name

cv2.imwrite(newName, resImg)

cv2.imshow('image', resImg)

cv2.waitKey(0)

#print("Laplacian score of given image is ", score)

#cv2.imshow(r"gray效果图", img2gray);

#cv2.imshow(r"laplace效果图", resImg);

return score

(2)Brenner 检测

Brenner梯度函数最简单的梯度评价函数指标，他只是简单的计算相邻两个像素灰度差的平方，该函数定义如下：

其中f(x,y)f(x,y)表示图像ff所对应的像素点(x,y)(x,y)的灰度值，D(f)D(f)为图像清晰度计算的结果。

代码实现：

###########################################

def ImageToMatrix(dir,name):

# 读取图片

im = Image.open(dir+name)

# 显示图片

#im.show()

width,height = im.size

im = im.convert("L")

data = im.getdata()

data = np.matrix(data,dtype='float')/255.0

new_data = np.reshape(data,(height,width))

return new_data

def Brenner(img):

x, y = img.shape

D = 0

for i in range(x-2):

for j in range(y-2):

D += (img[i+2, j] - img[i, j])**2

return D

def TestBrener():

dir = "D:/document/ZKBH/bug/face/"

imgList = getAllImg(dir)

for i in range(len(imgList)):

frame = ImageToMatrix(dir , imgList[i])

score = Brenner(frame)

print(str(imgList[i]) + " is " + str(score))