Python图像处理之模糊图像判断

青禾

发布时间：2026-10-16| 4人浏览过

原创

本文介绍基于Python和OpenCV的动态模糊图像判定方法。针对梯度求解在不同场景下的局限性，采用Laplace算子计算图像梯度方差，通过标准图像与测试图像建立模糊判定区间(a, b)。当图像梯度值小于a或介于a与b之间时判定为模糊，大于b则为清晰。该方法适用于固定分辨率的工业场景，如道路裂缝检测。

上期回顾

此前的图像清晰度评估未能成功，主要原因是各类清晰度评价函数均依赖梯度求解。由于不同场景下灰度明暗差异较大，导致梯度值波动剧烈，难以确定一个统一的界定值来准确判定图像清晰度。因此，本次研究聚焦于动态模糊图像的识别，旨在判断图像是否属于动态模糊类型。

图像处理：图像清晰度评价

采用Laplace算子的原因

基于前期调研，在多种清晰度评价函数中，最终选定Laplace算子。原因在于该算子计算出的梯度值相对较小，更容易确定模糊判断的区间；而其他方法获得的梯度值较大，相应的误差范围也更高。此外，OpenCV已集成Laplace算子，调用便捷且能取得良好效果。

实现的效果

本次实验将使用一组模糊图像和一组标准图像，以获取模糊判定区间（a，b）。原理是梯度值越大，图像越清晰。因此，当测试图像的返回梯度值小于a时，可判定为模糊图像；当梯度值大于b时，判定为清晰图像；若梯度值落在a与b之间，同样将其归类为模糊图像。

图片素材

测试素材采用手机拍摄的照片，分辨率统一为1280*960。需注意，图像尺寸与场景会影响返回的梯度值。但由于通常采集的数据由相机拍摄且尺寸相同，工业场景中道路裂缝检测的场景也基本类似，因此该研究具有实际应用意义。

代码的展示与讲解

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]:   #对测试集数据进行反转
        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"     #测试的数据集文件夹位置
path2="./Standards"  #标准图的数据文件夹位置
#获取文件下的名称
imgfile1=getPhotopath(path1)
imgfile2=getPhotopath(path2)
 
#获得阈值
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"   #需要进行测试的图片
vagueJudge(image)
getPhotopath函数：获得文件夹下各个图片路径，输入模糊图片的文件夹，输入标准图像的文件夹，存入列表当中。
getImgVar函数：返回图像梯度值。
getTest函数：对每个图像进行了梯度值计算后，存入列表当中，对模糊图像的进行列表序列翻转。
def getThr函数：获得模糊判定区间（a，b）。
vagueJudge函数:对新输入的图像进行模糊判定，只要小于b，就判定为模糊。