来吧，见识科技的力量，无需手动找拍糊的图

研究好玩又有用的技术第 002 期

不知道大家有没有注意到，手机的垃圾清理软件一般都有一个功能，可以检测出拍摄质量不好的照片，然后提示你是否需要删除。

那么我们能否通过自己所学的技术来实现这一个功能呢？

答案当然是可以的。

1

什么是模糊的图像

首先我们看一幅对比图像（为了保护他人隐私，我在脸部和水印都打码了）

对模糊图像的直观感受

有一种若隐若现的赶脚，隐隐约约能看清楚一些事物，但是给人感觉并不是很舒服，不是非常的清晰。

正常的图像经过滤波处理也能产生模糊的效果，那么，例如一张图片使用均值滤波器处理后变模糊了，从其本质上去分析，像素的值发生了什么变化。

假设采用3x3的均值滤波，计算过程是，利用周围的9个点取平均当做这点的像素值（灰度值），很明显，与原图像中相邻点间像素值的梯度和方差相比都会有一定程度降低。

高斯滤波

什么原因导致拍摄图像模糊？

（1）抖动造成模糊

抖动又可分为手抖，相机抖动，三脚架抖动等

（2）快门速度太慢

快门，简单来说，就是控制曝光的一个进光量的闸门。快门速度指的是控制曝光时间的长短，快门越快，曝光时间越短。

详细的技巧可以自行百度。

（3）对焦问题

由于手动对焦或后键对焦时没合焦就按下快门

（4）拍摄对象速度过快

如果拍摄对象比快门速度还快也会导致模糊。

（5）其他原因

如镜头积灰，有划痕等等。

上述内容，仅仅当做科普，下面我们来具体研究和实现一下如何检测模糊图像

2

检测模糊图像的原理

常见的类型

一种是根据已有的图像，来判断现在的图像是否模糊

另一种是在无参考图像的情况下，判断图像是否模糊

今天我们研究比较常见的情况，即无参考图像的情况下对其质量进行评价（是否模糊）

主要思想：（1）先对原图像进行灰度化（2）然后用3x3的拉普拉斯算子进行滤波处理（3）在计算处理后图像的均值和方差，将方差当做模糊检测的阈值选定标准即可。 从上面的分析可知，假如是一张模糊图片其方差会低于清晰的图片，因此，我们设置一个合理的 方差阈值 ，即可判断是否是模糊图像

关键代码：

def variance_of_laplacian(image):
  # 对图像进行拉普拉斯变换，并返回拉普拉斯的方差
  return cv2.Laplacian(image, cv2.CV_64F).var()

# 设置需要输入的参数，-i 输入图像的路径（文件夹名）， -t 设置阈值的大小
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--images", required=True,
  help="path to input directory of images")
ap.add_argument("-t", "--threshold", type=float, default=100.0,
  help="focus measures that fall below this value will be considered 'blurry'")
args = vars(ap.parse_args())

# 循环输入图片
for imagePath in paths.list_images(args["images"]):
  # 导入图像并转换为灰度图，计算我们关注的拉普拉斯变换后的方差
  image = cv2.imread(imagePath)
  gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
  fm = variance_of_laplacian(gray)
  text = "Not Blurry"

  # 当方差小于阈值时，显示为模糊
  if fm < args["threshold"]:
    text = "Blurry"

  # 显示图片
  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)

效果演示：

3

总结

上述的采用计算 拉普拉斯算子处理后的图像的方差，并设定方差阈值进行判断是否模糊，基本上能满足我们的要求。

存在的不足之处：

（1）阈值的设定需要靠人去决定，所以阈值设置不合理，会严重影响结果

（2）对于背景模糊或背景虚化，很容易出现误判

详细代码链接：

https://github.com/DWCTOD/AI_study/tree/master/%E5%90%88%E6%A0%BC%E7%9A%84CV%E5%B7%A5%E7%A8%8B%E5%B8%88/%E5%AE%9E%E6%88%98%E7%AF%87/opencv/%EF%BC%88%E4%BA%8C%EF%BC%89%E6%A8%A1%E7%B3%8A%E5%9B%BE%E5%83%8F%E6%A3%80%E6%B5%8B

其他资料和参考资料图像清晰度评价15种方法对比 https://blog.csdn.net/weixin_38285131/article/details/80890109 https://www.cnblogs.com/greentomlee/p/9379471.html https://blog.csdn.net/qq_42238397/article/details/81745600 https://github.com/17S051031/detecting-blur