我正在研究图像的模糊检测。我在 OpenCV 中使用了拉普拉斯方法的方差。
img = cv2.imread(imgPath)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
value = cv2.Laplacian(gray, cv2.CV_64F).var()
该功能在某些情况下会失败,例如像素化模糊。与实际的清晰图像相比,这些模糊图像显示的值更高。有没有更好的方法来检测像素化和运动模糊?
示例图片:
此图像更清晰,但显示值 266.79
这张图片显示了 446.51 的值。
此外,这张图片似乎更清晰,但仅显示价值38.96
我需要将第一个和第三个分类为不模糊,而第二个分类为模糊。
我可能迟到了回答这个问题,但这是一种可能的方法。 pypi 中的 Blur_Detector 库可用于识别图像中清晰与模糊的区域。这是创建该库的论文:https://arxiv.org/pdf/1703.07478.pdf
该库的运行方式是,它以多个尺度查看图像中的每个像素,并在每个尺度上执行离散余弦变换。然后对这些 DCT 系数进行滤波,以便我们仅使用
high frequency
系数。然后将多个尺度的所有 high frequency
DCT 系数融合在一起并排序以形成 multiscale-fused and sorted high-frequency transform coefficients
选择这些排序系数的子集。这是一个可调参数,用户可以根据应用进行试验。然后,所选 DCT 系数的输出通过最大池发送,以保留多个尺度的最大激活。这使得该算法在检测图像中的模糊区域方面非常稳健。
注意:我使用了 opencv 中默认的cascade_ detectors 中的人脸检测器来选择感兴趣的区域。这两种方法(空间模糊检测+人脸检测)的输出可用于获取图像中的清晰度图。
在这里我们可以看到,在清晰的图像中,眼睛区域的像素强度非常高,而对于模糊的图像,则很低。
您可以设置阈值来识别哪些图像清晰,哪些图像模糊。
这是生成上述结果的代码片段:
pip install blur_detector
import blur_detector
import cv2
if __name__ == '__main__':
face_cascade = cv2.CascadeClassifier('cv2/data/haarcascade_frontalface_default.xml')
img = cv2.imread('1.png', 0)
blur_map1 = blur_detector.detectBlur(img, downsampling_factor=1, num_scales=3, scale_start=1)
faces = face_cascade.detectMultiScale(img, 1.1, 4)
for (x, y, w, h) in faces:
cv2.rectangle(blur_map1, (x, y), (x + w, y + h), (255, 0, 0), 2)
img = cv2.imread('2.png', 0)
blur_map2 = blur_detector.detectBlur(img, downsampling_factor=1, num_scales=3, scale_start=1)
faces = face_cascade.detectMultiScale(img, 1.1, 4)
for (x, y, w, h) in faces:
cv2.rectangle(blur_map2, (x, y), (x + w, y + h), (255, 0, 0), 2)
img = cv2.imread('3.png', 0)
blur_map3 = blur_detector.detectBlur(img, downsampling_factor=1, num_scales=3, scale_start=1)
faces = face_cascade.detectMultiScale(img, 1.1, 4)
for (x, y, w, h) in faces:
cv2.rectangle(blur_map3, (x, y), (x + w, y + h), (255, 0, 0), 2)
cv2.imshow('a', blur_map1)
cv2.imshow('b', blur_map2)
cv2.imshow('c', blur_map3)
cv2.waitKey(0)
要了解模糊检测器算法的详细信息,请查看此 github 页面:https://github.com/Utkarsh-Deshmukh/Spatially-Varying-Blur-Detection-python
您可以尝试将阈值定义为浮点数,因此对于低于阈值的每个结果==模糊。但是,如果像素图像每次都显示非常高,即使不模糊,您也可以检查另一个非常高的值。另一种方法可能是检测图片的焦点。