OpenCV图像处理——判断图像是否失焦模糊

原创已于 2023-04-19 08:55:22 修改 · 8.4k 阅读

39 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉

于 2020-01-31 22:51:08 首次发布

计算机视觉同时被 2 个专栏收录

131 篇文章

订阅专栏

opencv

95 篇文章

订阅专栏

本文介绍了一种使用OpenCV判断图像是否模糊的方法。通过分析图像的横向和纵向差分，累计差分来判断图像是否失焦。提供了两种算法实现，一种是通过设定阈值判断，另一种是返回一个与焦距是否对焦成功的比例因子。

前言

在图像处理中，避免不了会碰到一些失焦模糊的图像，特别在读取和初始化摄像头的时候，对失焦模糊判断是避免不了的一步，那么如何使用opencv去判断一张图像是否模糊呢？

判断是否失焦

失焦的图片和对焦准确的图片最大的区别就是正常图片轮廓明显，而失焦图片几乎没有较大像素值之间的变化，对图像的横向，以及纵向，分别做差分，累计差分可以用来作为判断是否失焦的参考。
代码

//简单设定阈值判断是否失焦
bool focusDetect(Mat& img){

    clock_t start, end;
    start = clock();
    int diff = 0;
    int diff_thre = 20;
    int diff_sum_thre = 1000;
    for (int i = img.rows / 10; i < img.rows; i += img.rows / 10){
        uchar* ptrow = img.ptr<uchar>(i);
        for (int j = 0; j < img.cols - 1; j++){
            if (abs(ptrow[j + 1] - ptrow[j])>diff_thre)
                diff += abs(ptrow[j + 1] - ptrow[j]);
        }
        cout << diff << endl;
    }
    end = clock();
    cout << "time=" << end - start << endl;

    bool res = true;
    if (diff < diff_sum_thre) {
        cout << "the focus might be wrong!" << endl;
        res = false;
    }

    return res;
}

//返回一个与焦距是否对焦成功的一个比例因子
double focus_measure_GRAT(Mat Image)
{
    double threshold = 0;
    double temp = 0;
    double totalsum = 0;
    int totalnum = 0;

    for (int i=0; i<Image.rows; i++)
    {
        uchar* Image_ptr = Image.ptr<uchar>(i);
        uchar* Image_ptr_1 = Image.ptr<uchar>(i+1);
        for (int j=0; j<Image.cols; j++)
        {
            temp = max(abs(Image_ptr_1[j]-Image_ptr[j]), abs(Image_ptr[j+1]-Image_ptr[j]));
            totalsum += temp;
            totalnum += 1;
        }
    }

    double FM = totalsum/totalnum;

    return FM;
}