使用OpenCV模糊检测图像

Question

我正在研究图像的模糊检测。我在OpenCV中使用了拉普拉斯方法的方差。

img = cv2.imread(imgPath)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
value = cv2.Laplacian(gray, cv2.CV_64F).var()

该功能在某些情况下会失败，例如像素化模糊。对于那些模糊图像，它显示出比实际清晰图像更高的值。有没有更好的方法可以检测像素化以及运动模糊？

样本图像：

此图像更清晰，但显示的值为 266.79

此图显示 446.51 的值。

此图片似乎更清晰，但仅显示 38.96

我需要将第一个和第三个分类为不模糊，而将第二个分类为模糊。

Answer 1

我可能会迟到回答这个问题，但这是一种可能的方法。 pypi 中的 blur_detector 库可用于识别图像中清晰与模糊的区域。这是创建图书馆的论文：https://arxiv.org/pdf/1703.07478.pdf

这个库的运作方式是它在多个尺度上查看图像中的每个像素，并在每个尺度上执行离散余弦变换。然后对这些 DCT 系数进行过滤，以便我们仅使用 high frequency 系数。然后将多个尺度的所有 high frequency DCT 系数融合在一起并排序以形成 multiscale-fused and sorted high-frequency transform coefficients 选择这些排序系数的子集。这是一个可调参数，用户可以根据应用程序对其进行试验。所选 DCT 系数的输出然后通过最大池化发送，以在多个尺度上保留最大激活。这使得该算法在检测图像中的模糊区域时非常稳健。

以下是我在您在问题中提供的图像上看到的结果：

注意：我在 opencv 中使用了默认级联检测器中的人脸检测器来选择感兴趣的区域。这两种方法（空间模糊检测+人脸检测）的输出可以用来得到图像中的锐度图。

这里我们可以看到，在清晰的图像中，眼睛区域的像素强度非常高，而对于模糊的图像，它的强度很低。

您可以设置阈值以识别哪些图像清晰，哪些图像模糊。

这是生成上述结果的代码片段：

pip install blur_detector

---

import blur_detector
import cv2

if __name__ == '__main__':
    face_cascade = cv2.CascadeClassifier('cv2/data/haarcascade_frontalface_default.xml')

    img = cv2.imread('1.png', 0)
    blur_map1 = blur_detector.detectBlur(img, downsampling_factor=1, num_scales=3, scale_start=1)
    faces = face_cascade.detectMultiScale(img, 1.1, 4)
    for (x, y, w, h) in faces:
        cv2.rectangle(blur_map1, (x, y), (x + w, y + h), (255, 0, 0), 2)

    img = cv2.imread('2.png', 0)
    blur_map2 = blur_detector.detectBlur(img, downsampling_factor=1, num_scales=3, scale_start=1)
    faces = face_cascade.detectMultiScale(img, 1.1, 4)
    for (x, y, w, h) in faces:
        cv2.rectangle(blur_map2, (x, y), (x + w, y + h), (255, 0, 0), 2)

    img = cv2.imread('3.png', 0)
    blur_map3 = blur_detector.detectBlur(img, downsampling_factor=1, num_scales=3, scale_start=1)
    faces = face_cascade.detectMultiScale(img, 1.1, 4)
    for (x, y, w, h) in faces:
        cv2.rectangle(blur_map3, (x, y), (x + w, y + h), (255, 0, 0), 2)

    cv2.imshow('a', blur_map1)
    cv2.imshow('b', blur_map2)
    cv2.imshow('c', blur_map3)
    cv2.waitKey(0)

要了解有关模糊检测器算法的详细信息，请查看此 github 页面：https://github.com/Utkarsh-Deshmukh/Spatially-Varying-Blur-Detection-python

Answer 2

您可以尝试将阈值定义为float，因此对于每个低于阈值==模糊的结果。但是，如果像素图像每次都显示很高的值，即使不会模糊，也可以检查另一个非常高的值。另一种方法可能是检测图片的焦点。