基于拉普拉斯算子的模糊图像评价

一. 模糊图像评价基础知识

图像质量评价(IQA)，根据参考图片(reference image)，即原始图片的存在与否，可分为：

全参考（full-reference）方法, 有原始图片的全部信息
半参考（reduced-reference）方法, 只有原始图片的部分信息
无参考（no-reference）方法，没有原始图片

模糊图片分类

defocus blur image 散焦模糊图像
motion blur image 运动模糊图像

图像模糊原因:

确定性因素：包括成像系统调焦不当、目标物体相对运动等
随机性因素：主要是图像在记录、传输过程中的污染，比如电子系统的高频性能不好造成图像高频分量的损失。

在频域，当一幅图像的高频部分被削弱时图像看起来会显得模糊。

在空域，图像的边界和细节部分不清晰时，图像看起来也会显得模糊。

二. 无参考图片算法实现(Python)

import cv2
import os
import timeclass Laplacian :def __init__(self, image_dir, recursion = False) :self.__image_dir = image_dirself.__image_paths = []for root_dir, sub_dirs, images in os.walk(image_dir, recursion) :for image in images :self.__image_paths.append(os.path.join(root_dir, image))def __read_image(self, image_path) :# In the case of color images, the decoded images will have the channels stored in **B G R** order.# When using IMREAD_GRAYSCALE, the codec's internal grayscale conversion will be used, if available.# Results may differ to the output of cvtColor()return cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)def __pre_process_image(self, image_path, **kwargs) :image = self.__read_image(image_path)if kwargs.get('width') and kwargs.get('height') :image = cv2.resize(image, (kwargs.get('width'), kwargs.get('height')))return imagedef get_image_paths(self) :return self.__image_pathsdef blur_detect(self, image_path) :cv_image = self.__pre_process_image(image_path, width = 200, height = 200)return cv2.Laplacian(cv_image, cv2.CV_64F).var()def test_laplacian() :laplacian = Laplacian('dir of images that you want to detect with laplacian', False)image_paths = laplacian.get_image_paths()for path in image_paths :begin = time.time() * 1000score = laplacian.blur_detect(path)end = time.time() * 1000print("Laplacian detection {} value is {}, cost time {} ms".format(path, int(score), end - begin))if __name__ == "__main__" :test_laplacian()

代码核心是OpenCV提供的接口cv2.Laplacian，

def Laplacian(src, ddepth, dst=None, ksize=None, scale=None, delta=None, borderType=None):
“”"
Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]]) -> dst
. @brief Calculates the Laplacian of an image.
.
. The function calculates the Laplacian of the source image by adding up the second x and y
. derivatives calculated using the Sobel operator:
.
. \f[\texttt{dst} = \Delta \texttt{src} = \frac{\partial^2 \texttt{src}}{\partial x^2} + \frac{\partial^2 \texttt{src}}{\partial y^2}\f]
.
. This is done when ksize > 1. When ksize == 1, the Laplacian is computed by filtering the image
. with the following \fKaTeX parse error: Undefined control sequence: \f at position 11: 3 \times 3\̲f̲ aperture:
.
. \f[\vecthreethree {0}{1}{0}{1}{-4}{1}{0}{1}{0}\f]
.
. @param src Source image.
. @param dst Destination image of the same size and the same number of channels as src .
. @param ddepth Desired depth of the destination image.
. @param ksize Aperture size used to compute the second-derivative filters. See #getDerivKernels for
. details. The size must be positive and odd.
. @param scale Optional scale factor for the computed Laplacian values. By default, no scaling is
. applied. See #getDerivKernels for details.
. @param delta Optional delta value that is added to the results prior to storing them in dst .
. @param borderType Pixel extrapolation method, see #BorderTypes
. @sa Sobel, Scharr
“”"
pass

可以在__pre_process_image中进行图像的预处理，统一图像尺寸，类似于归一化的作用。

三. 算法评价

尝试用这个算法用于人脸识别的预处理步骤，判断人脸图片是否模糊。实际测试结果来看，单用拉普拉斯算子进行卷积运算，无法很好的评价人脸是否模糊。

目前从我测试的情况看，下面两篇参考文章提到的基于二次模糊的清晰度算法(ReBlur) 比较推荐使用。

面向无参考图像的清晰度评价方法研究
The Blur Effect: Perception and Estimation with a New No-Reference Perceptual Blur Metric

基于拉普拉斯算子的模糊图像评价相关推荐

OpenCV图像处理空间域图像增强（图像锐化 1 基于拉普拉斯算子）
http://ggicci.blog.163.com/blog/static/210364096201262123236955/ OpenCV OpenCV 图像锐化拉普拉斯算子 ( Laplaci ...
python 拉普拉斯锐化_OpenCV-python 实现基于拉普拉斯算子的图像锐化
一.基础知识积分运算的模板卷积可以平滑图像,微分运算的模板卷积可以锐化图像拉普拉斯算子是一种各向同性的二阶微分算子,根据定义有: 说明:各向同性指图像的性质不会因为方向不同而变化. 将两个分别沿X ...
空间滤波_第三章灰度变换与空间滤波-（六）锐化空间滤波器之拉普拉斯算子...
我们知道的东西是有限的,我们不知道的东西则是无穷的.----拉普拉斯普拉斯算子既然我们知道了二阶微分是对图像锐化处理的一大利器,我们本节就来讨论二阶微分在数字图像领域的实际应用. 拉普拉斯在就为我 ...
拉普拉斯算子属于卷积方法吗_2020 年 GNN 开卷有益与再谈图卷积
题记 2019 年,GNN 从来没有这样繁荣过.一方面,计算机视觉.自然语言处理等领域都忽如一夜春风来,反复"发现"了自身潜在的 Graph 结构,与 GNN 融合.另一方面,GN ...
python 图像处理拉普拉斯算子的实现和改进-LoG和DoG算子
拉普拉斯算子拉普拉斯算子是最简单的各向同性微分算子,它具有旋转不变性. 我们经常把它作为边缘检测之一,也是工程数学中常用的一种积分变换,也可以用于图像增强.角点检测等等. 这里只给出它的代码,原理可 ...
python 拉普拉斯锐化_（二十四）用二阶微分（拉普拉斯算子）实现图像锐化
时间为友,记录点滴. 我们已经了解过了梯度(一阶微分)的作用,那么为什么要引入二阶微分呢?二阶微分的作用是什么? 还是看图说话: 很明显,一阶微分已经可以把轮廓辨识出来,但是,对于变化较缓的地方,一阶 ...
matlab拉普拉斯算子锐化,cv-拉普拉斯算子锐化浅析
式(3.7.1)中的二维拉普拉斯数字实现可由这两个分量相加得到: 从而得到拉普拉斯算子意思同上面的一阶微分算子相同. 这里解释一下微分算子的使用,很简单,如上面这个就是在处理每个像素点的RGB值时, ...
matlab拉普拉斯算子边缘提取_（二十四）用二阶微分（拉普拉斯算子）实现图像锐化...
时间为友,记录点滴. 我们已经了解过了梯度(一阶微分)的作用,那么为什么要引入二阶微分呢? 二阶微分的作用是什么? 还是看图说话: 很明显,一阶微分已经可以把轮廓辨识出来,但是,对于变化较缓的地方,一 ...
OpenCV拉普拉斯算子使用
拉普拉斯算子的计算在浮点数类型的图像上进行.要对结果做缩放处理才能使其正常显示.缩放基于拉普拉斯算子的最大绝对值,其中数值 0 对应灰度级 128.类中有一个方法可获得下面的图像表示: // 获得拉 ...

基于拉普拉斯算子的模糊图像评价

一. 模糊图像评价基础知识

二. 无参考图片算法实现(Python)

三. 算法评价

基于拉普拉斯算子的模糊图像评价相关推荐

最新文章

热门文章