openCV 图像清晰度检测

图像清晰度评价算法有很多种，在空域中，主要思路是考察图像的领域对比度，即相邻像素间的灰度特征的梯度差；在频域中，主要思路是考察图像的频率分量，对焦清晰的图像高频分量较多，对焦模糊的图像低频分量较多。

这里实现3种清晰度评价方法，分别是Tenengrad梯度方法、Laplacian梯度方法和方差方法。

1.Tenengrad梯度方法

Tenengrad梯度方法利用Sobel算子分别计算水平和垂直方向的梯度，同一场景下梯度值越高，图像越清晰。以下是具体实现。

    Mat img;
    Mat imgROI;
    Mat imgGray;
    Mat imageSobel;
    //添加图片
    img = Mat(m_frameInfo.uHeight/4, m_frameInfo.uWidth/4,CV_8UC3, pRGB).clone();

    //设置ROI尺寸
    imgROI.create(img.rows, img.cols, CV_8UC3);
    //生成ROI图
    img(Rect(width, height, 150, 150)).copyTo(imgROI);
    //转灰度图
    cvtColor(imgROI, imgGray, CV_BGR2GRAY);
    //Sobel算子计算梯度值
    Sobel(imgGray, imageSobel, CV_16U, 1, 1);
    //传值
    meanValue = mean(imageSobel)[0];
    //返回值
    return meanValue;

 

 

这里衡量的指标是经过Sobel算子处理后的图像的平均灰度值，值越大，代表图像越清晰。

2.Laplacian梯度方法

Laplacian梯度是另一种求图像梯度的方法，在上例的OpenCV代码中直接替换Sobel算子即可。

    Mat img;
    Mat imgROI;
    Mat imgGray;
    Mat imageSobel;

    //添加图片
    img = Mat(m_frameInfo.uHeight/4, m_frameInfo.uWidth/4,CV_8UC3, pRGB).clone();
    //设置ROI尺寸
    imgROI.create(img.rows, img.cols, CV_8UC3);
    //生成ROI图
    img(Rect(width, height, 150, 150)).copyTo(imgROI);
    //转灰度图
    cvtColor(imgROI, imgGray, CV_BGR2GRAY);
    //Laplacian算子计算梯度值，就换了算子而已
    Laplacian(imageGrey, imageSobel, CV_16U);
    //传值
    meanValue = mean(imageSobel)[0];
    //返回值
    return meanValue;

测试结果都是数据越大，图像越清晰的，这里不作展示了。

3.方差方法

方差是概率论中用来考察一组离散数据和其期望（即数据的均值）之间的离散（偏离）成都的度量方法。方差较大，表示这一组数据之间的偏差就较大，组内的数据有的较大，有的较小，分布不均衡；方差较小，表示这一组数据之间的偏差较小，组内的数据之间分布平均，大小相近。对焦清晰的图像相比对焦模糊的图像，它的数据之间的灰度差异应该更大，即它的方差应该较大，可以通过图像灰度数据的方差来衡量图像的清晰度，方差越大，表示清晰度越好。

    Mat img;
    Mat imgROI;
    Mat imgGray;
    Mat imageSobel;
    Mat meanValueImage;

    //添加图片
    img = Mat(m_frameInfo.uHeight/4, m_frameInfo.uWidth/4,CV_8UC3, pRGB).clone();
    //设置ROI尺寸
    imgROI.create(img.rows, img.cols, CV_8UC3);
    //生成ROI图
    img(Rect(width, height, 150, 150)).copyTo(imgROI);
    //转灰度图
    cvtColor(imgROI, imgGray, CV_BGR2GRAY);
    //求灰度图像的标准差
    meanStdDev(imageGrey,meanValueImage,imageSobel);
    //传值
    meanValue = mean(imageSobel)[0];
    //返回值
    return meanValue;

测试结果都是数据越大，图像越清晰的，这里不作展示了。