关键字：blur detection Function:
图像的清晰度检测英文表达为 image blue detection; 以此为关键字可以找到很多有关清晰度检测的demo和算法。
图像的清晰度检测方法主要分为两种情况：

  • 一种是根据已有的图像，来判断现在的图像是否模糊；
  • 另一种是在无参考图像的情况下，判断图像是否模糊；

我们目前解决的问题属于 无参考图像的质量评价
根据参考文献[8,9]可以得知在无参考图像下的，比较好的方法有：Brenner 梯度函数、Tenengrad 梯度函数、Laplacian 梯度函数等；相关代码实现在github，详情参见GitHub。

实验环境

Python3
OpenCV3.2
Window 10

算法描述

注意：在实际的操作中，还需要对图片进行预处理操作（检测出人脸区域、设置相同大小的图片、图片灰度化等等）
只有这样才不会受到图像大小以及除去人脸以外的因素的影响。
image.png
在此假设人脸区域已经识别

本文初步对以上几种方法进行了实现。

（1）拉普拉斯算子

这个方法最简便，根据参考文献[3]可以，opencv中提供了对laplace的封装方法，直接调用即可，得到拉普拉斯算子边缘检测的图片：
image.png

  1. def lapulase(dir,name):
  2.     """
  4.     :param dir: 操作目录
  5.     :param name: 操作的文件名称
  6.     :return: 分数
  7.     """
  8.     filePath=dir+name #
  9.     img = filePath
  10.     # Laplace梯度法
  11.     frame = cv2.imread(img)
  12.     #cv2.imshow("原始图", frame);
  14.     resImg = cv2.resize(frame, (800, 900),interpolation=cv2.INTER_CUBIC)
  15.     img2gray = cv2.cvtColor(resImg, cv2.COLOR_BGR2GRAY)  # 将图片压缩为单通道的灰度图
  17.     #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
  18.     res = cv2.Laplacian(img2gray, cv2.CV_64F)
  19.     score = res.var()
  21.     font = cv2.FONT_HERSHEY_SIMPLEX
  22.     fontSize=5
  23.                 # 照片 添加的文字    /左上角坐标   字体   字体大小   颜色        字体粗细
  24.     cv2.putText(resImg, str(score), (0, 200),    font,    fontSize,    (0, 255, 0),6)
  26.     newDir=dir+"/_Laplace_/"
  27.     if not os.path.exists(newDir):
  28.         os.makedirs(newDir)
  29.     newName=newDir+name
  31.     cv2.imwrite(newName, resImg)
  32.     cv2.imshow('image', resImg)
  33.     cv2.waitKey(0)
  36.     #print("Laplacian score of given image is ", score)
  38.     #cv2.imshow(r"gray效果图", img2gray);
  39.     #cv2.imshow(r"laplace效果图", resImg);
  40.     return score

（2）Brenner 检测

Brenner梯度函数最简单的梯度评价函数指标，他只是简单的计算相邻两个像素灰度差的平方，该函数定义如下：
image.png
其中图像的模糊检测方法 - 图4表示图像ff所对应的像素点图像的模糊检测方法 - 图5的灰度值，图像的模糊检测方法 - 图6为图像清晰度计算的结果。
代码实现：

  1. ###########################################
  3. def ImageToMatrix(dir,name):
  4.     # 读取图片
  5.     im = Image.open(dir+name)
  6.     # 显示图片
  7.     #im.show()
  8.     width,height = im.size
  9.     im = im.convert("L")
  10.     data = im.getdata()
  11.     data = np.matrix(data,dtype='float')/255.0
  13.     new_data = np.reshape(data,(height,width))
  14.     return new_data
  16. def Brenner(img):
  17.     x, y = img.shape
  18.     D = 0
  19.     for i in range(x-2):
  20.         for j in range(y-2):
  21.             D += (img[i+2, j] - img[i, j])**2
  22.     return D
  24. def TestBrener():
  25.     dir = "D:/document/ZKBH/bug/face/"
  26.     imgList = getAllImg(dir)
  28.     for i in range(len(imgList)):
  29.         frame = ImageToMatrix(dir , imgList[i])
  30.         score = Brenner(frame)
  31.         print(str(imgList[i]) + " is " + str(score))
  37. ###########################################
  39. def ImageToMatrix(dir,name):
  40.     # 读取图片
  41.     im = Image.open(dir+name)
  42.     # 显示图片
  43.     #im.show()
  44.     width,height = im.size
  45.     im = im.convert("L")
  46.     data = im.getdata()
  47.     data = np.matrix(data,dtype='float')/255.0
  49.     new_data = np.reshape(data,(height,width))
  50.     return new_data
  52. def Brenner(img):
  53.     x, y = img.shape
  54.     D = 0
  55.     for i in range(x-2):
  56.         for j in range(y-2):
  57.             D += (img[i+2, j] - img[i, j])**2
  58.     return D
  60. def TestBrener():
  61.     dir = "D:/document/ZKBH/bug/face/"
  62.     imgList = getAllImg(dir)
  64.     for i in range(len(imgList)):
  65.         frame = ImageToMatrix(dir , imgList[i])
  66.         score = Brenner(frame)
  67.         print(str(imgList[i]) + " is " + str(score))
  69. ################################

（3）Tenengrad梯度函数

Tenengrad梯度函数采用Sobel算子分别提取水平和垂直方向的梯度，基于Tenengrad的图像清晰度定义如下：
image.png
G(x，y)的形式如下：
image.png
其中，T是给定的边缘检测阈值，Gx和Gy分别是像素点(x,y)处Sobel水平和垂直方向边缘检测算子的卷积。（参见参考文档[12,17]）其余的方式都是一个这种类似的方式计算的额，

还有很多其他的模糊检测方法，再此不再一一赘述，详情参见GitHub。

参考文献

  1. opencv将图像转换成二维数组再将数组数据传给新图像
    2. Python图片转换成矩阵，矩阵数据转换成图片
    3. 用 Opencv 和 Python 对汪星人做模糊检测（英文原版）（）
    4. 图像清晰度的评价及分析（*    ）
    5. opencv—-JPEG图像质量检测代码
    6. 利用Laplacian变换进行图像模糊检测（）
    7. opencv检测图片模糊度算法
    8. 图像清晰度的评价指标
    9. 图像清晰度的评价及分析
    10. Atitit 图像清晰度 模糊度 检测 识别 评价算法 原理
    11. 【OpenCV】图像模糊检测
    12. 无参考图像的清晰度评价方法（    ）
    13. OpenCV 图像清晰度评价（相机自动对焦）
    14. Detect if image is blurry
    15. OpenCV with Laplacian formula to detect image is blur or not in iOS
    16. 有没有一种方法来检测某个影像是模糊的？
    17. python skimage图像处理(一)
    18. Python在图片中添加文字的两种操作
    19. OpenCV——图片的加载、显示、保存(python)
    20. opencv，cv2.putText()用法
    ===========以下还没有仔细看===========
    21. https://github.com/whdcumt/BlurDetection
    22. Face recognition with OpenCV, Python, and deep learning
    23. https://www.pyimagesearch.com/author/adrian/
    24. Is there a way to detect if an image is blurry?(*)
    25. http://www.doc88.com/p-6951865955255.html
    26. https://github.com/WillBrennan/BlurDetection2
    27. https://github.com/xLinkOut/blur-detection
    28. https://github.com/xBazilio/cv_blurdetect/blob/master/main.cpp
    29. https://www.jianshu.com/p/b12dc6d634c1
    30. https://blog.csdn.net/caoleiwe/article/details/49045633
    我心匪石，不可转也。我心匪席，不可卷也。

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