基于OpenCV与Python的图像模糊度自动检测脚本

拾柒

发布时间：2026-10-15| 5人浏览过

原创

本文介绍利用OpenCV和Python实现图像模糊度自动检测的方法。通过计算Laplacian方差并设定阈值，程序可自动识别模糊图像并将其移动至指定文件夹。该方法仅依赖cv2和shutil库，代码简洁高效，适用于批量处理需要筛选清晰度的图像场景。

OpenCV图像模糊检测原理与代码实现

本文介绍一种基于OpenCV和Python的图像模糊度检测方案，核心思路是利用拉普拉斯算子（Laplacian）计算图像的清晰度指标。当计算出的模糊度数值低于预设阈值时，系统判定该图像为模糊图像，并自动将其移动至专门用于存放模糊图像的文件夹中。该方案仅依赖cv2和shutil两个库，若需直接运行此脚本，请确保已安装这两个库。完整的代码实现如下所示。

import os
import cv2
import shutil
import sys
 
# 模糊影像检测函数，阈值默认为0.07
def blurImagesDetection(folder_path, thres=0.07):
    # 新建一个用于存放模糊影像的文件夹
    blurImageDirPath = os.getcwd() + "/blurImages"
    if not os.path.exists(blurImageDirPath):
        os.mkdir(blurImageDirPath)
    # 获取影像文件夹中的影像名列表
    imageNameList = os.listdir(folder_path)
    for imageName in imageNameList:
        # 得到影像路径
        imagePath = os.path.join(folder_path, imageName)
        # 读取影像为灰度图
        img = cv2.imread(imagePath, 0)
        # 缩小影像，加快处理速度
        tiny_img = cv2.resize(img, (400, 300), fx=0, fy=0)
        # 获取影像尺寸
        width, height = tiny_img.shape
        # 计算影像的模糊程度
        blurness = cv2.Laplacian(tiny_img, cv2.CV_64F).var() / (width * height)
        # 如果影像模糊程度小于阈值就将其移动到存放模糊影像的文件夹中
        if blurness < thres:
            print(imageName + "  bulrness:%f   模糊" % (blurness))
            blurImagePath = os.path.join(blurImageDirPath, imageName)
            shutil.move(imagePath, blurImagePath)
        else:
            print(imageName + "  blurness:%f   不模糊" % (blurness))
if __name__ == '__main__':
    # 指定要处理的文件夹路径，sys.argv[1]为第一个参数
    folder_path = os.getcwd()+'/'+sys.argv[1]
    # 调用函数
    blurImagesDetection(folder_path)