目录

0、实现效果

1、概述

2、模糊度分类

1、运动模糊

2、压缩模糊

3、高斯模糊

3、清晰度量化指标

Brenner

能量梯度函数(Energy of Gradient)

​编辑

Roberts

Laplace

SMD(灰度方差)函数

SMD2 (灰度方差乘积)函数

4、图像清晰度评价实现

5、总结与评价

参考资料:


0、实现效果

能够通过一张标准图,对同一组相机拍摄的照片进行清晰度评价。

1、概述

图像清晰度是用来指导调焦机构找到正焦位置的评价函数。理想的清晰度评价曲线类似于泊松分布,请看下图:

p点对应于正焦位置,P1 和P2 为正焦位置焦前和焦后采集到图像的清晰度评价结果。

正焦的图像比模糊的离焦图像边缘要更加的锐利清晰,相应的边缘像素灰度值变化大,因而会有更大的梯度值,从数学的角度来看图像,它是二维的离散矩阵,利用梯度函数可获取图像的灰度信息,来判别图像的清晰度,在离散信中梯度表现为差分形式。

2、模糊度分类

1、运动模糊

运动模糊是在捕获图像时,快门在打开时间内成像系统和拍摄 对象的短暂相对运动,造成成像在某个方向上形成的模糊。

2、压缩模糊

压缩模糊是图像在进行有损压缩丢失部分信息。

3、高斯模糊

高斯模糊是人为引入的一种模糊,使用高斯低通滤波器对原始图像进行滤波得到的。

3、清晰度量化指标

Brenner

Brenner梯度函数是最简单的梯度评价函数,它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:

python实现:

def EOG(img):    '''    :param img:narray 二维灰度图像    :return: int 图像越清晰越大    '''    shapes = np.shape(img)    output = 0    for x in range(0, shapes[0]-1):        for y in range(0, shapes[1]-1):            output+=((int(img[x+1,y])-int(img[x,y]))**2+(int(img[x,y+1])-int(img[x,y]))**2)    return output

Roberts

Roberts函数与能量梯度函数相似,它是利用对角方向像素点灰度值之差。将4个相邻像素点的灰度值交叉相减的平方和作为每个像素点的梯度值,对所有像素梯度值累加作为清晰度评价函数值,表达式如下式所示:

,取各像素点梯度的平方和作为评价函数,如下式所示:

(2条消息) 图像处理:边缘检测原理_夏天是冰红茶的博客-CSDN博客

SMD(灰度方差)函数

当完全聚焦时,图像最清晰,图像中的高频分量也最多,故可将灰度变化作为聚焦评价的依据,灰度方差法的公式如下:

一种快速高灵敏度聚焦评价函数》中李郁峰等人在论文中提出了一种新的评价函数,称之为灰度方差乘积法,即对每一个像素领域两个灰度差相乘后再逐个像素累加,该函数定义如下:

Brenner:

Laplacian:

5、总结与评价

很遗憾,本次的清晰度评价失败了,如果想要得到一个边界值几乎不可能实现,哪怕通过大量图像数据(模糊图像与清晰图像)也不能完成,因为这些清晰度量化指标函数都是通过求图像像素的梯度,换汤不换药,在不同场景不同模糊的条件下很难去进行比对。

参考资料:

图像清晰度评价函数 – 知乎 (zhihu.com)

模糊图像检测-无参考图像的清晰度评价 – 知乎 (zhihu.com)

(2条消息) 无参考图像的清晰度评价方法_凌风探梅的博客-CSDN博客

(2条消息) 图像处理:边缘检测原理_夏天是冰红茶的博客-CSDN博客

(2条消息) 11种图像清晰度评价函数附MATLAB代码_姜饼8的博客-CSDN博客_能量梯度函数

图像处理评价指标之模糊度、清晰度(待更新) – 知乎 (zhihu.com)

一种快速高灵敏度聚焦评价函数 – 中国知网 (cnki.net)