Python图像处理之模糊图像判断

上期回顾

上一次的图像清晰度评价没有成功，主要的原因是那几张图像清晰度评价函数都实际都采用了梯度求解，不同的场景灰度的明暗不同，梯度可能会很大，无法得到一个界定值来判定图像的清晰度，所以这次我打算只对动态模糊的图像进行判断，是否是动态模糊图像。

图像处理：图像清晰度评价

采用Laplace算子的原因

根据我之前的一个调研，在清晰度评价函数当中，我决定采用Laplace算子，因为它所得到的梯度值较小，容易获得一个模糊判断区间，而其他的几种所获得的梯度值较大，相应的误差范围也将更高，而且在opencv当中就集成了Laplace算子，很轻松就能调用，并得到一个很好的结果。

实现的效果

本次将会使用一组模糊图像和一组标准图像获得模糊判定区间（a，b），我们知道梯度值越大，图像越清晰，所以当我们进行测试一张图像时，它所返回的梯度值小于a，则可以说明它是一个模糊的图像，当返回的梯度值大于b时，则可以说明它是一个清晰的图像，而当返回的梯度值落在了a与b之间，我们也将其放在模糊图像当中。

图片素材

我自己采用的是手机拍摄的照片，分辨率都是1280*960，请注意图像的尺寸与场景会影响返回的梯度值，但我们通常采集的数据都是由相机拍摄，尺寸相同，工业上采用道路裂缝检测的场景基本类似，所以有研究的意义。

代码的展示与讲解

import cv2
import os

def getPhotopath(paths):
   imgfile = []
   file_list=os.listdir(paths)
   for i in file_list:
       newph=os.path.join(paths,i)
       imgfile.append(newph)
   return imgfile

def getImgVar(image):
   imggray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
   imageVar = cv2.Laplacian(imggray, cv2.CV_64F).var()
   return imageVar

def getTest(imgfile):
   c = []
   for i in imgfile:
       # print(i)
       img=cv2.imread(i)
       image=getImgVar(img)
       # print(image)
       c.append(float(f"{image:.3f}"))
   if 'test' in imgfile[0]:   #对测试集数据进行反转
       c.sort(reverse=True)
   else:
       c.sort()
   return c

def getThr():
   a=getTest(imgfile1)
   b=getTest(imgfile2)
   thr=(a[0],b[0])
   # print(thr)
   return thr

path1="./test"     #测试的数据集文件夹位置
path2="./Standards"  #标准图的数据文件夹位置
#获取文件下的名称
imgfile1=getPhotopath(path1)
imgfile2=getPhotopath(path2)

#获得阈值
minThr,maxThr=getThr()
print(minThr,maxThr)

def vagueJudge(image):
   img = cv2.imread(image)
   imgVar = getImgVar(img)
   if imgVar>maxThr:
       cv2.putText(img, f"Not Vague{imgVar:.2f}", (12, 70), cv2.FONT_HERSHEY_PLAIN, 3,
                   (255, 0, 0), 3)
   else:
       cv2.putText(img, f"Vague{imgVar:.2f}", (12, 70), cv2.FONT_HERSHEY_PLAIN, 3,
                   (255, 0, 0), 3)
   cv2.imshow("img",img)
   k=cv2.waitKey(0) & 0xFF
image="./Standards/001.jpg"   #需要进行测试的图片
vagueJudge(image)
getPhotopath函数：获得文件夹下各个图片路径，输入模糊图片的文件夹，输入标准图像的文件夹，存入列表当中。
getImgVar函数：返回图像梯度值。
getTest函数：对每个图像进行了梯度值计算后，存入列表当中，对模糊图像的进行列表序列翻转。
def getThr函数：获得模糊判定区间（a，b）。
vagueJudge函数:对新输入的图像进行模糊判定，只要小于b，就判定为模糊。

效果展示

由于我不想在拍摄新的图片，这里就采用./test文件和./Standards文件的图片。

控制台打印的模糊判定区间：

4.327 65.401

image="./Standards/001.jpg" 

image="./test/01.jpg"

项目资源

GitHub链接

来源：https://blog.csdn.net/m0_62919535/article/details/128061017