快捷導(dǎo)航

Python圖像處理之模糊圖像判斷

更新時(shí)間：2022年12月05日 11:03:40 作者：夏天是冰紅茶

這篇文章主要為大家詳細(xì)介紹了Python圖像處理中的模糊圖像判斷的實(shí)現(xiàn)，文中的示例代碼講解詳細(xì)，具有一定的借鑒價(jià)值，需要的可以參考一下

上期回顧

上一次的圖像清晰度評(píng)價(jià)沒(méi)有成功，主要的原因是那幾張圖像清晰度評(píng)價(jià)函數(shù)都實(shí)際都采用了梯度求解，不同的場(chǎng)景灰度的明暗不同，梯度可能會(huì)很大，無(wú)法得到一個(gè)界定值來(lái)判定圖像的清晰度，所以這次我打算只對(duì)動(dòng)態(tài)模糊的圖像進(jìn)行判斷，是否是動(dòng)態(tài)模糊圖像。

圖像處理：圖像清晰度評(píng)價(jià)

采用Laplace算子的原因

根據(jù)我之前的一個(gè)調(diào)研，在清晰度評(píng)價(jià)函數(shù)當(dāng)中，我決定采用Laplace算子，因?yàn)樗玫降奶荻戎递^小，容易獲得一個(gè)模糊判斷區(qū)間，而其他的幾種所獲得的梯度值較大，相應(yīng)的誤差范圍也將更高，而且在opencv當(dāng)中就集成了Laplace算子，很輕松就能調(diào)用，并得到一個(gè)很好的結(jié)果。

實(shí)現(xiàn)的效果

本次將會(huì)使用一組模糊圖像和一組標(biāo)準(zhǔn)圖像獲得模糊判定區(qū)間（a，b），我們知道梯度值越大，圖像越清晰，所以當(dāng)我們進(jìn)行測(cè)試一張圖像時(shí)，它所返回的梯度值小于a，則可以說(shuō)明它是一個(gè)模糊的圖像，當(dāng)返回的梯度值大于b時(shí)，則可以說(shuō)明它是一個(gè)清晰的圖像，而當(dāng)返回的梯度值落在了a與b之間，我們也將其放在模糊圖像當(dāng)中。

圖片素材

我自己采用的是手機(jī)拍攝的照片，分辨率都是1280*960，請(qǐng)注意圖像的尺寸與場(chǎng)景會(huì)影響返回的梯度值，但我們通常采集的數(shù)據(jù)都是由相機(jī)拍攝，尺寸相同，工業(yè)上采用道路裂縫檢測(cè)的場(chǎng)景基本類似，所以有研究的意義。

代碼的展示與講解

import cv2
import os
 
def getPhotopath(paths):
    imgfile = []
    file_list=os.listdir(paths)
    for i in file_list:
        newph=os.path.join(paths,i)
        imgfile.append(newph)
    return imgfile
 
def getImgVar(image):
    imggray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    imageVar = cv2.Laplacian(imggray, cv2.CV_64F).var()
    return imageVar
 
def getTest(imgfile):
    c = []
    for i in imgfile:
        # print(i)
        img=cv2.imread(i)
        image=getImgVar(img)
        # print(image)
        c.append(float(f"{image:.3f}"))
    if 'test' in imgfile[0]:   #對(duì)測(cè)試集數(shù)據(jù)進(jìn)行反轉(zhuǎn)
        c.sort(reverse=True)
    else:
        c.sort()
    return c
 
def getThr():
    a=getTest(imgfile1)
    b=getTest(imgfile2)
    thr=(a[0],b[0])
    # print(thr)
    return thr
 
path1="./test"     #測(cè)試的數(shù)據(jù)集文件夾位置
path2="./Standards"  #標(biāo)準(zhǔn)圖的數(shù)據(jù)文件夾位置
#獲取文件下的名稱
imgfile1=getPhotopath(path1)
imgfile2=getPhotopath(path2)
 
#獲得閾值
minThr,maxThr=getThr()
print(minThr,maxThr)
 
def vagueJudge(image):
    img = cv2.imread(image)
    imgVar = getImgVar(img)
    if imgVar>maxThr:
        cv2.putText(img, f"Not Vague{imgVar:.2f}", (12, 70), cv2.FONT_HERSHEY_PLAIN, 3,
                    (255, 0, 0), 3)
    else:
        cv2.putText(img, f"Vague{imgVar:.2f}", (12, 70), cv2.FONT_HERSHEY_PLAIN, 3,
                    (255, 0, 0), 3)
    cv2.imshow("img",img)
    k=cv2.waitKey(0) & 0xFF
image="./Standards/001.jpg"   #需要進(jìn)行測(cè)試的圖片
vagueJudge(image)
getPhotopath函數(shù)：獲得文件夾下各個(gè)圖片路徑，輸入模糊圖片的文件夾，輸入標(biāo)準(zhǔn)圖像的文件夾，存入列表當(dāng)中。
getImgVar函數(shù)：返回圖像梯度值。
getTest函數(shù)：對(duì)每個(gè)圖像進(jìn)行了梯度值計(jì)算后，存入列表當(dāng)中，對(duì)模糊圖像的進(jìn)行列表序列翻轉(zhuǎn)。
def getThr函數(shù)：獲得模糊判定區(qū)間（a，b）。
vagueJudge函數(shù):對(duì)新輸入的圖像進(jìn)行模糊判定，只要小于b，就判定為模糊。