本文欢迎转载，转载请注明出处：

https://my.oschina.net/227/blog/796485

前言

在开发项目中，有的时候需要用户上传照片到后台服务器审核，如果照片不清晰的话，那就得用户重新上传。有没有办法在上传之前就判断照片是否清晰呢？为了解决这个问题，我们可以用到一个图像处理框架“openCV”。"openCV"非常强大，我们这里只是用了它的很小一点点。

openCV官网：http://opencv.org/

思路：

如果读者了解信号处理，就会知道最直接的方法就是计算图片的快速傅里叶变换，然后查看高低频的分布。如果图片有少量的高频成分，那么该图片就可以被认为是模糊的。然而，区分高频量多少的具体阈值却是十分困难的，不恰当的阈值将会导致极差的结果。

查阅了相关资料，了解到了目前比较好的方法是“拉普拉斯方差算法”。

简单来说就是只需要将图片中的某一通道（一般用灰度值）用的拉普拉斯掩模做卷积运算，得到的像素矩阵，在把矩阵中的数值求方差。如果图像越清晰，边缘越锐利，像素之间的差别越大，则方差越大。反之图像模糊，边缘之间像素差别小，那方差越小。

步骤一：

去openCV官网下载给iOS用的“opencv2.framework”包，并导入xcode工程中

地址： （输入浏览器回车后过几秒钟就会自动下载）

https://sourceforge.net/projects/opencvlibrary/files/opencv-ios/2.4.13/opencv2.framework.zip/download

步骤二：

在需要使用的地方添加头文件“#import <opencv2/opencv.hpp>”，并且把当前的“.m”的objective-c文件改成“.mm”的objc/c++文件，或者在PCH里添加头文件，注意在PCH里添加的时候要如下所示

#ifdef __cplusplus
#import <opencv2/opencv.hpp>
#endif

这样做的原因是openCV的库是c++文件，加入这段表明这个库只有在c++文件导入，作用和“#ifdef __OBJC__”的效果类似。上面说改成“.mm”也是这个原因。

步骤三：

把UIImage图像转换成cvMat类型，让openCV可以处理

+ (cv::Mat)cvMatFromUIImage:(UIImage *)image
{CGColorSpaceRef colorSpace = CGImageGetColorSpace(image.CGImage);CGFloat cols = image.size.width;CGFloat rows = image.size.height;cv::Mat cvMat(rows, cols, CV_8UC4); // 8 bits per component, 4 channels (color channels + alpha)CGContextRef contextRef = CGBitmapContextCreate(cvMat.data,                 // Pointer to  datacols,                       // Width of bitmaprows,                       // Height of bitmap8,                          // Bits per componentcvMat.step[0],              // Bytes per rowcolorSpace,                 // ColorspacekCGImageAlphaNoneSkipLast |kCGBitmapByteOrderDefault); // Bitmap info flagsCGContextDrawImage(contextRef, CGRectMake(0, 0, cols, rows), image.CGImage);CGContextRelease(contextRef);return cvMat;
}+ (UIImage *)UIImageFromCVMat:(cv::Mat)cvMat
{NSData *data = [NSData dataWithBytes:cvMat.data length:cvMat.elemSize()*cvMat.total()];CGColorSpaceRef colorSpace;if (cvMat.elemSize() == 1) {//可以根据这个决定使用哪种colorSpace = CGColorSpaceCreateDeviceGray();} else {colorSpace = CGColorSpaceCreateDeviceRGB();}CGDataProviderRef provider = CGDataProviderCreateWithCFData((__bridge CFDataRef)data);// Creating CGImage from cv::MatCGImageRef imageRef = CGImageCreate(cvMat.cols,                                 //widthcvMat.rows,                                 //height8,                                          //bits per component8 * cvMat.elemSize(),                       //bits per pixelcvMat.step[0],                            //bytesPerRowcolorSpace,                                 //colorspacekCGImageAlphaNone|kCGBitmapByteOrderDefault,// bitmap infoprovider,                                   //CGDataProviderRefNULL,                                       //decodefalse,                                      //should interpolatekCGRenderingIntentDefault                   //intent);// Getting UIImage from CGImageUIImage *finalImage = [UIImage imageWithCGImage:imageRef];CGImageRelease(imageRef);CGDataProviderRelease(provider);CGColorSpaceRelease(colorSpace);return finalImage;
}

步骤四：

进行计算，代码如下

//方差参考值
const double delta = 100;+ (BOOL) whetherTheImageBlurry:(UIImage*)image{unsigned char *data;int height,width,step;int Iij;double Iave = 0, Idelta = 0;cv::Mat mat = [OpenCVExtension cvMatFromUIImage:image];if(!mat.empty()){cv::Mat gray;cv::Mat outGray;// 将图像转换为灰度显示cv::cvtColor(mat,gray,CV_RGB2GRAY);// 用openCV的Laplacian函数做灰度图做拉普拉斯计算，得到outGraycv::Laplacian(gray, outGray, gray.depth());//将得到的outGray转化为图片信息类IplImageIplImage ipl_image(outGray);data   = (uchar*)ipl_image.imageData;  //图片像素信息height = ipl_image.height;             //图片像素高度width  = ipl_image.width;              //图片像素宽度step   = ipl_image.widthStep;          //排列的图像行大小，以字节为单位for(int i=0;i<height;i++){    //求方差for(int j=0;j<width;j++){Iij   = (int) data[i*width+j];Idelta    = Idelta + (Iij-Iave)*(Iij-Iave);}}Idelta = Idelta/(width*height);std::cout<<"矩阵方差为："<<Idelta<<std::endl;}return (Idelta > delta) ? YES : NO;
}

在实验中发现，当方差大于100的时候，图片是清晰的。

这样我们就得到了识别图像清晰度的方法。

代码地址

本篇文章代码的例子，可以登录github搜索TTImageBlurryEvaluation查看。

或者直接登录：https://github.com/coco227/TTImageBlurryEvaluation

参考文献：

《用 Opencv 和 Python 对汪星人做模糊检测》（http://python.jobbole.com/83702/）

《Analysis of focus measure operators for shape-from-focus》[2013 Pertuz et al.]