Laplacian梯度函数

理论

Laplacian 梯度函数与Tenengrad梯度函数基本一致，用Laplacian算子替代Sobel算子即可，该算子定义如下：

因此基于Laplacian 梯度函数的图像星清晰度的定义如下：

其中是像素点处Laplacian算子的卷积。
https://blog.csdn.net/Real_Myth/article/details/50827940

代码

def Laplacian(img):
    '''
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    '''
    return cv2.Laplacian(img,cv2.CV_64F).var()

https://blog.csdn.net/Greepex/article/details/90183018

def lapulase(dir,name):
    """
    :param dir: 操作目录
    :param name: 操作的文件名称
    :return: 分数
    """
    filePath=dir+name #
    img = filePath
    # Laplace梯度法
    frame = cv2.imread(img)
    #cv2.imshow("原始图", frame);
    resImg = cv2.resize(frame, (800, 900),interpolation=cv2.INTER_CUBIC)
    img2gray = cv2.cvtColor(resImg, cv2.COLOR_BGR2GRAY)  # 将图片压缩为单通道的灰度图
    #img_resize = cv2.resize(img2gray, (112, 112))  # 为方便与其他图片比较可以将图片resize到同一个大小
    res = cv2.Laplacian(img2gray, cv2.CV_64F)
    score = res.var()
    font = cv2.FONT_HERSHEY_SIMPLEX
    fontSize=5
                # 照片 添加的文字    /左上角坐标   字体   字体大小   颜色        字体粗细
    cv2.putText(resImg, str(score), (0, 200),    font,    fontSize,    (0, 255, 0),6)
    newDir=dir+"/_Laplace_/"
    if not os.path.exists(newDir):
        os.makedirs(newDir)
    newName=newDir+name
    cv2.imwrite(newName, resImg)
    cv2.imshow('image', resImg)
    cv2.waitKey(0)
    #print("Laplacian score of given image is ", score)
    #cv2.imshow(r"gray效果图", img2gray);
    #cv2.imshow(r"laplace效果图", resImg);
    return score

https://www.cnblogs.com/greentomlee/p/9379471.html

百度AIP中模糊度的计算方法：拉普拉斯方差算法(Variance of the Laplacian)

利用OpenCV和拉普拉斯算子来计算图片中的模糊量
只需要将图片中的某一通道（但一般用灰度值）用下面的拉普拉斯掩模做卷积运算：

用拉普拉斯算子与输入图像做卷积,然后计算方差(即标准差的平方)。
如果某图片方差低于预先定义的阈值，那么该图片就可以被认为是模糊的。高于阈值，就不是模糊的。
这种方法凑效的原因就在于拉普拉斯算子定义本身。它被用来测量图片的二阶导数，突出图片中强度快速变化的区域，和 Sobel 以及 Scharr 算子十分相似。并且，和以上算子一样，拉普拉斯算子也经常用于边缘检测。
此外，此算法基于以下假设：如果图片具有较高方差，那么它就有较广的频响范围，代表着正常，聚焦准确的图片。但是如果图片具有有较小方差，那么它就有较窄的频响范围，意味着图片中的边缘数量很少。正如我们所知道的，图片越模糊，其边缘就越少。

代码如下：

```

import cv2 imagePath =’./data/y1.jpg’ image = cv2.imread(imagePath) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) print(‘y1 blur:’,cv2.Laplacian(gray, cv2.CV_64F).var())

存在问题:
图像y1:

图像y2:

运行结果：图像y1的blur值更高，即程序判断y1更清晰

y1 blur: 1663.09841446
y2 blur: 924.740511

原因分析：

• 造成图片的模糊有2个原因,一种是目标快速移动,还一种是摄像机本身抖动
• 目前监控摄像头造成的迷糊原因是目标快速移动,而背景不动
• 拉普拉斯方差计算会使用拉普拉斯掩模对整张图做卷积运算,而背景不动的部分其实很清晰,只是移动的目标部分模糊罢了,这样整个模糊值就低了

https://gist.github.com/JuneoXIE/d595028586eec752f4352444fc062c44

def _lapulaseDetection(self, imgName):
    """
    :param strdir: 文件所在的目录
    :param name: 文件名称
    :return: 检测模糊后的分数
    """
    # step1: 预处理
    img2gray, reImg = self.preImgOps(imgName)
    # step2: laplacian算子 获取评分
    resLap = cv2.Laplacian(img2gray, cv2.CV_64F)
    score = resLap.var()
    print("Laplacian %s score of given image is %s", str(score))
    # strp3: 绘制图片并保存  不应该写在这里  抽象出来   这是共有的部分
    newImg = self._drawImgFonts(reImg, str(score))
    newDir = self.strDir + "/_lapulaseDetection_/"
    if not os.path.exists(newDir):
        os.makedirs(newDir)
    newPath = newDir + imgName
    # 显示
    cv2.imwrite(newPath, newImg)  # 保存图片
    cv2.imshow(imgName, newImg)
    cv2.waitKey(0)
    # step3: 返回分数
    return score

https://github.com/Leezhen2014/python—/blob/master/BlurDetection.py