Python+Opencv检测模糊图片

一、场景需求解读

现实场景中，我们经常会使用不同的设备区拍摄一些照片，常用的一些设备包括手机、相机等，但是在拍摄的过程中可能会受到一些因素的影响，最终导致拍摄出来的照片比较模糊。对于这些图片而言，我们经常利用人眼进行观察，这样比较费时费力，本文针对这个问题提出了一种全自动的方法来检测模糊的图片，这样可以极大的节约用户的时间。下图展示了一个案例，其中包含几张模糊的图片和清晰的图片。
在这里插入图片描述

二、模糊图片检测方案简介

方案一：

首先对输入的图片进行快速傅里叶变换操作；
然后检测图片中高频分量和低频分量的分布情况；
接着根据图片中包含的高频分量的多少进行合适的判断，如果图片中含有较少的高频分量，则表明该图片是模糊图片，否则是清晰图片。

方案二: 根据该文章的思路来进行检测。即根据Laplacian变换的方差值进行判断。

通过对比这两个方案，我们可以发现方案二更快、更方便。

三、模糊图片检测原理简介

整个算法的原理和拉普拉斯算子本身的定义有关，该算子主要用来测量图像的二阶导数。它强调了包含快速强度变化的图像区域。拉普拉斯算子经常被用来做边缘检测。这里存在着一个假设，即如果一个图像中包含着高方差，那么在图像中会有较大范围的响应，包括边缘和非边缘，这代表着一张正常图像。但是如果该图像的方差很低，那么响应的范围很小，这表明图像中的边缘很小。众所周知的是当图像越模糊时，包含的边缘信息就会越少。

四、算法实现步骤

步骤1-读取输入图片；
步骤2-输入图片灰度化；
步骤3-与特定的Laplacian核进行卷积；
步骤4-计算响应的方差值；
步骤5-如果当前的方差值<threshold，则该图片为模糊图片，否则不是模糊图片。

五、算法代码实现

# coding=utf-8
# 导入相应的python包
from imutils import paths
import argparse
import cv2

def variance_of_laplacian(image):
	'''
    计算图像的laplacian响应的方差值
    '''
	return cv2.Laplacian(image, cv2.CV_64F).var()

if __name__ == '__main__':
    # 设置参数
    ap = argparse.ArgumentParser()
    ap.add_argument("-i", "--images", required=True, help="设置输入图片的路径")
    ap.add_argument("-t", "--threshold", type=float, default=100.0, help="设置模糊阈值")
    args = vars(ap.parse_args())

    # 遍历每一张图片
    for imagePath in paths.list_images(args["images"]):
        # 读取图片
        image = cv2.imread(imagePath)
        # 将图片转换为灰度图片
        gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
        # 计算灰度图片的方差
        fm = variance_of_laplacian(gray)
        text = "Not Blurry"

        # 设置输出的文字
        if fm < args["threshold"]:
            text = "Blurry"

        # 显示结果
        cv2.putText(image, "{}: {:.2f}".format(text, fm), (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 3)
        cv2.imshow("Image", image)
        key = cv2.waitKey(0)

运行方法：python detece_blur_imgae.py -i 图片路径（这里的图片路径需要修改成你自己的路径）

六、算法效果展示与分析

在这里插入图片描述
上图展示了该算法的检测结果，通过观察上图我们可以获得一些信息，即该算法能够准确的检测出模糊图片，并在图片的左上角区域内输出结果并展示相应的方差值。尽管该算法的思路和实现都比较简单，但是它简单高效。

参考资料

[1] 参考链接

注意事项

[1] 如果您对AI、自动驾驶、AR、ChatGPT等技术感兴趣，欢迎关注我的微信公众号“AI产品汇”，有问题可以在公众号中私聊我！
[2] 该博客是本人原创博客，如果您对该博客感兴趣，想要转载该博客，请与我联系（qq邮箱：[email protected]）,我会在第一时间回复大家，谢谢大家的关注.
[3] 由于个人能力有限，该博客可能存在很多的问题，希望大家能够提出改进意见。
[4] 如果您在阅读本博客时遇到不理解的地方，希望您可以联系我，我会及时的回复您，和您交流想法和意见，谢谢。
[5] 本文测试的图片可以通过关注公众号AI产品汇之后找我索取！
[6] 本人业余时间承接各种本科毕设设计和各种小项目，包括图像处理（数据挖掘、机器学习、深度学习等）、matlab仿真、python算法及仿真等，有需要的请加QQ：1575262785详聊，备注“项目”！！！