OpenCV 图像清晰度评价（相机自动对焦）
最近想实现相机自动对焦，也就是需要图像清晰度评价，在网上查找。
第一个不错文章是：无参考图像的清晰度评价方法
http://nkwavelet.blog.163.com/blog/static/227756038201461532247117
这个对理论或者公式介绍很详细，共有16个计算方法，值得一学。
（1）Brenner 梯度函数
（2）Tenengrad 梯度函数
（3）Laplacian 梯度函数
（4）SMD（灰度方差）函数
...
后面是模糊检测，噪点检测，噪点和模糊的组合
文章注重理论，没有具体的样例程序。有结果对比图。
第二个不错文章是：OpenCV 图像清晰度评价（相机自动对焦）
https://blog.csdn.net/dcrmg/article/details/53543341
这个集中上面前三个方法的实现，这3个在opencv 都有函数实现。实现3种清晰度评价方法，分别是Tenengrad梯度方法、Laplacian梯度方法和方差方法。
Tenengrad梯度方法，衡量的指标是经过Sobel算子处理后的图像的平均灰度值，值越大，代表图像越清晰。Sobel 函数。
Laplacian梯度方法：同上，但用的是 Laplacian 函数
方差方法：方差是概率论中用来考察一组离散数据和其期望（即数据的均值）之间的离散（偏离）程度的度量方法。方差较大，表示这一组数据之间的偏差就较大，组内的数据有的较大，有的较小，分布不均衡；方差较小，表示这一组数据之间的偏差较小，组内的数据之间分布平均，大小相近。方差越大，表示清晰度越好。
这个有样例程序可参考。
下面给出第一个算法的代码如下（第二个只是注销部分差异）：
#include
#include
using namespace std;
using namespace cv;
int main()
{
Mat imageSource = imread("2.jpg");
Mat imageGrey;
cvtColor(imageSource, imageGrey, CV_RGB2GRAY);
Mat imageSobel;
Sobel(imageGrey, imageSobel, CV_16U, 1, 1);
//Laplacian(imageGrey, imageSobel, CV_16U); 算法2
//图像的平均灰度
double meanValue = 0.0;
meanValue = mean(imageSobel)[0];
//double to string
stringstream meanValueStream;
string meanValueString;
meanValueStream << meanValue;
meanValueStream >> meanValueString;
meanValueString = "Articulation(Sobel Method): " + meanValueString;
putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2);
imshow("Articulation", imageSource);
waitKey();
} 这里的评估值就是 meanValue ,值越大越清晰。// double to string 部分只是加在图上显示。
方差计算的差异是：
//求灰度图像的标准差
meanStdDev(imageGrey, meanValueImage, meanStdValueImage);
double meanValue = 0.0;
meanValue = meanStdValueImage.at(0, 0); 文中也提到：
在工业应用中，最清晰的对焦拍摄出来的图像不一定是最好的，有可能出现摩尔纹（水波纹）现象，一般需要在最清晰对焦位置附件做一个微调。