检查图像位图是否模糊的简单方法

Question

我正在寻找一种“非常”简单的方法来检查图像位图是否模糊。我不需要精确和复杂的算法，比如fft、小波等。只要一个非常简单的想法，即使它不准确。

我考虑计算像素（x，y）和像素（x+1，y）之间的RGB分量的平均欧几里得距离，然后使用阈值，但效果很差。还有其他想法吗？

- user2923045

---

你可以使用滑动窗口的平均方差来大致了解高频内容的数量。首先将其转换为灰度。这个问题的答案有更多的选项。 - Roger Rowland

可能是如何检测图像是否模糊？的重复问题。 - jtlz2

我尝试了这个，它有效。https://medium.com/better-programming/blur-detection-via-metal-on-ios-16dd02cb1558 - Hope

Answer 1

不要计算相邻像素之间的平均差异。

即使照片完全对焦，它仍然可能包含大面积的均匀颜色，比如天空。这些会降低平均差异并掩盖您感兴趣的细节。您真正想找到的是最大差异值。

此外，为了加快速度，我不会检查图像中的每个像素。通过检查相距10个像素的水平和垂直线网格，您应该能够获得合理的结果。

以下是使用PHP的GD图形函数对来自Wikimedia Commons（Bokeh_Ipomea.jpg）的图像进行测试的结果。Sharpness值只是255的最大像素差异值的百分比（我只查看了绿色通道；您应该先转换成灰度）。下面的数字显示处理图像所需的时间。

如果你需要它们，这里是我使用的源图片:

• 原始图片
• 稍微模糊的图片
• 模糊的图片

---

更新:

这个算法存在一个问题，即它依赖于图像具有相当高的对比度以及锐利的边缘。可以通过找到最大像素差（maxdiff），并在以该位置为中心的小区域内找到像素值的整体范围（range）来改进它。然后按照以下方式计算清晰度：

sharpness = (maxdiff / (offset + range)) * (1.0 + offset / 255) * 100%

其中，offset是一个参数，它减少了非常小的边缘的影响，以使背景噪声不会对结果产生显著影响。（我使用了15的值。）

这会产生相当不错的结果。任何清晰度低于40%的东西可能都是模糊的。以下是一些示例（最大像素差和9×9本地搜索区域的位置也显示出来，供参考）：

(来源)

(来源)

(来源)

(来源)

然而，结果仍然不完美。本质上模糊的主题始终会导致较低的清晰度值：

(来源)

Bokeh效果可以从光的点源产生锐利的边缘，即使它们完全失焦：

(来源)

您提到希望能够拒绝用户提交的失焦照片。由于这种技术并不完美，我建议您在图像模糊时通知用户，而不是完全拒绝它。

- r3mainer

---

感谢@squeamish-ossifrage的回复，但您能否提供我更多细节？我想实现您的方法，但我不清楚它的工作原理。您是为每个像素计算其与邻居之间的颜色距离，然后选择最大值吗？如果是这样，假设您的图像包含两个相邻的像素，一个白色和一个黑色。这将给出255的最大距离和100％的锐度。这正确吗？ - user2923045

这肯定有效，而且就像要求的那样简单。唯一的问题是时间。为了获得快速结果，请选择稀疏网格。 - sepdek

它的功能很好，但不幸的是，它只适用于当你有多个相同图片实例时，并且想要确定哪一个是最好的（就锐度而言）。我的问题则不同。事实上，我只有一张图片实例，我想要确定它的质量（就锐度而言），如果它模糊的话就将其拒绝。 - user2923045

如果你指的是灰度图像，那么它应该可以正常工作。如果你的图像只是黑白的（即每个像素1比特），那么它将无法正常工作。我建议你自己试试。 - r3mainer

@floriankrueger 对不起，我没有解释清楚。当$maxv-$minv==0时，该值被选择为输出0.0的值，当$maxv-$minv==255时，该值被选择为输出100.0的值。 - r3mainer

Answer 2

我认为从哲学上讲，所有自然图像都是模糊的...模糊程度取决于您的应用。广义上讲，图像的模糊或清晰可以用各种方法来衡量。首先，您可以尝试检查图像的能量，该能量定义为平方像素值的归一化求和：

     1     2
E = --- Σ I，其中I为图像，N为像素数（在灰度下定义）
     N

首先，您可以应用高斯拉普拉斯算子（LoG）滤波器来检测图像的“能量”区域，然后检查能量。模糊图像应显示出明显较低的能量。

在MATLAB中查看一个使用典型灰度lena图像的示例：
这是原始图像 这是模糊的图像，带有高斯噪声 这是原始图像的LoG图像 这是模糊图像的LoG图像

如果您只计算这两个LoG图像的能量，则会得到：

E  = 1265       E  = 88
 or              bl

这是巨大的差异...
然后，您只需要选择一个阈值来判断哪个能量适合您的应用...

- sepdek

---

原始图像存在许多颗粒噪声，这些噪声被您的高斯滤波器消除了。即使照片对焦不正确，真实照片仍将包含相同数量的噪声。 - r3mainer

@squeamishossifrage，我强烈不同意你的看法。在我看来，如果图像模糊（或对焦不正确），那就没有可能保留足够的细节以获得高能量... - sepdek

让我试着解释一下。看看原始图像的背景，在帽子上方的区域。即使它已经失焦，图像在这里显然很嘈杂。这反映了拍摄这张照片的胶片的颗粒度。另一方面，用数码相机拍摄的照片会受到暗电流和热噪声的影响。在这两种情况下，这种噪声将对图像的平均能量产生重要影响。 - r3mainer

@squeamishossifrage 我能理解这个，但我的观点是这种“粒度”不会对能源的增加做出重大贡献。我已经用各种图像测试了我提出的方法，包括你的例子中的图像，我的方法仍然有效。 - sepdek

@squeamishossifrage ...继续... 我也在MATLAB中实现了您的方法，这样做更容易，并尝试使用整个图像而不仅仅是网格上的采样。两种方法得到的结果是一致的。但是，显然，我的方法会比你的方法慢，因为它使用更复杂的操作，如果您的网格变得更稀疏（足以表示图像），那么它肯定可以变得更快。 - sepdek

我尝试了sepdek的方法，但成果有限。主要问题在于“只需选择一个阈值”。而为此选择阈值需要将问题绑定得更紧，通常比较困难。 - don_q

Answer 3

计算相邻像素的平均L1距离：

N1=1/(2*N_pixel) * sum( abs(p(x,y)-p(x-1,y)) + abs(p(x,y)-p(x,y-1)) )

然后计算平均 L2 距离：

N2= 1/(2*N_pixel) * sum( (p(x,y)-p(x-1,y))^2 + (p(x,y)-p(x,y-1))^2  )

然后比率 N2 / (N1*N1) 是模糊度的一种度量。这适用于灰度图像，对于彩色图像，需要分别针对每个通道进行计算。

- pentadecagon

---

谢谢@pentadecagon。您建议将图像转换为灰度还是针对每个通道重复上述任务，然后以某种方式聚合结果？ - user2923045

你好 @pentadecagon，能否提供模糊图像的确切代码？非常感谢。 - Amit Thakur