圖像的模糊檢測方法

本文轉載自查看原文 2018-07-27 20:12 21746

關鍵字：blur detection

Function:圖像的清晰度檢測英文表達為 image blue detection; 以此為關鍵字可以找到很多有關清晰度檢測的demo和算法。

圖像的清晰度檢測方法主要分為兩種情況：

一種是根據已有的圖像，來判斷現在的圖像是否模糊；
另一種是在無參考圖像的情況下，判斷圖像是否模糊；

我們目前解決的問題屬於 無參考圖像的質量評價

根據參考文獻[8,9]可以得知在無參考圖像下的，比較好的方法有：Brenner 梯度函數、Tenengrad 梯度函數、Laplacian 梯度函數等；相關代碼實現在github，詳情參見GitHub。

實驗環境

Python3

OpenCV3.2

Window 10

算法描述

注意：在實際的操作中，還需要對圖片進行預處理操作（檢測出人臉區域、設置相同大小的圖片、圖片灰度化等等）

只有這樣才不會受到圖像大小以及除去人臉以外的因素的影響。

在此假設人臉區域已經識別

本文初步對以上幾種方法進行了實現。

（1）拉普拉斯算子

這個方法最簡便，根據參考文獻[3]可以，opencv中提供了對laplace的封裝方法，直接調用即可，得到拉普拉斯算子邊緣檢測的圖片：

def lapulase(dir,name):
    """

    :param dir: 操作目錄
    :param name: 操作的文件名稱
    :return: 分數
    """
    filePath=dir+name #
    img = filePath
    # Laplace梯度法
    frame = cv2.imread(img)
    #cv2.imshow("原始圖", frame);

    resImg = cv2.resize(frame, (800, 900),interpolation=cv2.INTER_CUBIC)
    img2gray = cv2.cvtColor(resImg, cv2.COLOR_BGR2GRAY)  # 將圖片壓縮為單通道的灰度圖

    #img_resize = cv2.resize(img2gray, (112, 112))  # 為方便與其他圖片比較可以將圖片resize到同一個大小
    res = cv2.Laplacian(img2gray, cv2.CV_64F)
    score = res.var()

    font = cv2.FONT_HERSHEY_SIMPLEX
    fontSize=5
                # 照片 添加的文字    /左上角坐標   字體   字體大小   顏色        字體粗細
    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效果圖", img2gray);
    #cv2.imshow(r"laplace效果圖", resImg);
    return score

（2）Brenner 檢測

Brenner梯度函數最簡單的梯度評價函數指標，他只是簡單的計算相鄰兩個像素灰度差的平方，該函數定義如下：

其中f(x,y)f(x,y)表示圖像ff所對應的像素點(x,y)(x,y)的灰度值，D(f)D(f)為圖像清晰度計算的結果。

代碼實現：

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

def ImageToMatrix(dir,name):
    # 讀取圖片
    im = Image.open(dir+name)
    # 顯示圖片
    #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))





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

def ImageToMatrix(dir,name):
    # 讀取圖片
    im = Image.open(dir+name)
    # 顯示圖片
    #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))

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