Python图像处理之模糊图像判断

目录

• 上期回顾
• 采用Laplace算子的原因
• 实现的效果
• 图片素材
• 代码的展示与讲解
• 效果展示
• 项目资源

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，不同的开发者_JS教程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BFuZNEueIy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BFuZNEueIy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,
    js                (255, 0, 0), 3)
    else:
        cv2.putText(img, f"Vag编程客栈ue{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文件的编程客栈图片。

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

到此这篇关于python图像处理之模糊图像判断的文章就介绍到这了,更多相关Python模糊图像判断内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！