基于OpenCV无参考图像的质量评价

环境信息：

Python 2.7.5

opencv 3.4.4 安装：pip install opencv-python

算法贴：

http://www.cnblogs.com/greentomlee/p/9379471.html

源码地址：

https://github.com/Leechen2014/python--/blob/master/BlurDetection.py

由于环境下不支持界面可视化，把源代码中的cv2.imshow(), cv2.moveWindow()等窗口可视化操作去掉。

参考：

http://python.jobbole.com/83702/

https://blog.csdn.net/charlene_bo/article/details/72673490

算法基本原理：

将图片压缩为单通道的灰度图cv2.cvtColor(reImg, cv2.COLOR_BGR2GRAY)后，通过评估图像的清晰度衡量图像质量优劣。源代码中提供了下面几种方法：

1. Brenner梯度函数(TestBrener)：计算相邻两个像素灰度差的平方，函数返回值越大，图片质量越好，处理一张450*600的图片大概需要2秒。

2. Tenengrad梯度函数(Test_Tenengrad)：采用Sobel算子分别提取水平和垂直方向的梯度值，函数返回值越大，图片质量越好，处理一张450*600的图片大概需要0.08秒。

3. Laplacian 梯度函数(TestLapulase)：用Laplacian算子分别提取水平和垂直方向的梯度值，函数返回值越大，图片质量越好，处理一张450*600的图片大概需要0.062秒。

4. SMD（灰度方差）函数(TestSMD)：将灰度变化作为聚焦评价的依据，函数返回值越大，图片质量越好，处理一张450*600的图片大概需要5.581秒。

5. SMD2 （灰度方差乘积）函数(TestSMD2)：对每一个像素领域两个灰度差相乘后再逐个像素累加，函数返回值越大，图片质量越好，处理一张450*600的图片大概需要5.613秒。

6. 方差函数(TestVariance)：清晰聚焦的图像有着比模糊图像更大的灰度差异，函数返回值越大，图片质量越好，处理一张450*600的图片大概需要0.05秒。

7. Vollath函数(Test_Vollath)：函数返回值越大，图片质量越好，处理一张450*600的图片大概需要0.05秒。

测试效果(使用Laplacian 梯度函数的结果)：

图1

图2

对于这种是由于拍摄时抖动引起整体画面模糊的效果比较好。对于下面场景下，人做各种动作引起画面局部(人脸、手等部位)的模糊效果则没那么好：

图3

图4

图5

图6

从上面几张图来看，图5的手部比其他3张图更加模糊，但算法给出的评分都很接近，并不能很好区分出来。

总结：

上述几个无参考图像质量评价的常用算法对于区分整体模糊图片和局部模糊图片效果很好。但是，由于图3-图6中的模糊基本上是由于手部在做动作时产生局部模糊，无参考图像质量评价的几个常用算法对这种场景效果不好。