Question

专家

我正在做一个关于分析树木绿色趋势的项目。在初始处理方面，我得到了整个500幅图像的强度值，并确定了从数据集中选择好图像的阈值。它从60到122左右，我将该范围命名为好图像。

然而，棘手的问题是一些模糊的图像也在那个范围内。良好图像的强度从90到120，一些有雾图像与良好图像相比具有相同的强度值。 the intensity of iamges

到目前为止，它是获取一幅图像强度的代码和500张图像的强度平均值

  im = Image.open('IMAG0087.JPG')
  im_grey = im.convert('LA')
  width,height = im.size

  total=0
  for i in range(0,width):
     for j in range(0,height):
     total += im.getpixel((i,j))[0]

  mean = total / (width * height)
  print mean

获得500张图像的平均强度：

  results = []
  for dirpath, dirnames, filenames in os.walk("/Users/Terrynightbleach/Desktop/Dataset-Tree/No2_Fraser_Gully/"):
   for filename in [f for f in filenames if f.endswith('.JPG')]:
   img = cv2.imread(filename)
   avg_color_per_row = numpy.average(img, axis=0)
   avg_color = numpy.average(avg_color_per_row, axis=0)
   results.append(sum(avg_color/3))
   np_results = np.array(results)
   plt.hist(np_results,bins=100)
   plt.show()

为了从数据集中丢弃那些模糊的图像，我是否应该使用其他任何值？我应该如何通过python实现它？如果您可以显示代码，这将非常有用。非常感谢!!!!!

Answer 1

正如您所看到的，您的模糊图像具有非常低的水平方差。因此，您可以计算每个图像的平均水平方差。这是一个简单的例子：

import Image 
import glob

def slow_horizontal_variance(im):
    '''Return average variance of horizontal lines of a grayscale image'''
    width, height = im.size
    if not width or not height: return 0
    vars = []
    pix = im.load()
    for y in range(height):
        row = [pix[x,y] for x in range(width)]
        mean = sum(row)/width
        variance = sum([(x-mean)**2 for x in row])/width
        vars.append(variance)
    return sum(vars)/height

for fn in glob.glob('*.png'):
    im = Image.open(fn).convert('L')
    var = slow_horizontal_variance(im)
    fog = var < 200    # FOG THRESHOLD
    print ('%5.0f - %5s - %s' % (var, fog and 'FOGGY' or 'SHARP', fn))

输出：

  104 - FOGGY - 00.png
  298 - SHARP - 01.png
  597 - SHARP - 02.png
  130 - FOGGY - 03.png

图片：

00.png

01.png

02.png

03.png

所以使用numpy代替您的代码：

avg_color_per_row = numpy.average(img, axis=0)
avg_color = numpy.average(avg_color_per_row, axis=0)

你会有类似的东西：

intensity_variance_per_row = numpy.var(img, axis=0)
avg_variance = numpy.average(intensity_variance_per_row, axis=0)
fog = avg_variance  < 200    # FOG THRESHOLD
print ('%5.0f - %5s - %s' % (avg_variance, fog and 'FOGGY' or 'SHARP', filename))

（不幸的是，我懒得在这台机器上安装numpy，所以我无法确认它的效果和我上面的慢速代码一样。如果它没有，你可能需要更改{{1转到numpy.var(img, axis=0)。）

有雾的图像检测

1 个答案: