java opencv 清晰_openCV 图像清晰度检测
图像清晰度评价算法有很多种，在空域中，主要思路是考察图像的领域对比度，即相邻像素间的灰度特征的梯度差；在频域中，主要思路是考察图像的频率分量，对焦清晰的图像高频分量较多，对焦模糊的图像低频分量较多。
这里实现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。
1.Tenengrad梯度方法
Tenengrad梯度方法利用Sobel算子分别计算水平和垂直方向的梯度，同一场景下梯度值越高，图像越清晰。以下是具体实现。
Mat img;
Mat imgROI;
Mat imgGray;
Mat imageSobel;
//添加图片
img = Mat(m_frameInfo.uHeight/4, m_frameInfo.uWidth/4,CV_8UC3, pRGB).clone();
//设置ROI尺寸
imgROI.create(img.rows, img.cols, CV_8UC3);
//生成ROI图
img(Rect(width, height,150, 150)).copyTo(imgROI);
//转灰度图
cvtColor(imgROI, imgGray, CV_BGR2GRAY);
//Sobel算子计算梯度值
Sobel(imgGray, imageSobel, CV_16U,1, 1);
//传值
meanValue= mean(imageSobel)[0];
//返回值
return meanValue;
这里衡量的指标是经过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。
2.Laplacian梯度方法
Laplacian梯度是另一种求图像梯度的方法，在上例的OpenCV代码中直接替换Sobel算子即可。
Mat img;
Mat imgROI;
Mat imgGray;Mat imageSobel;
//添加图片
img = Mat(m_frameInfo.uHeight/4, m_frameInfo.uWidth/4,CV_8UC3, pRGB).clone();//设置ROI尺寸
imgROI.create(img.rows, img.cols, CV_8UC3);//生成ROI图
img(Rect(width, height, 150, 150)).copyTo(imgROI);//转灰度图
cvtColor(imgROI, imgGray, CV_BGR2GRAY);//Laplacian算子计算梯度值，就换了算子而已
Laplacian(imageGrey, imageSobel, CV_16U);//传值
meanValue = mean(imageSobel)[0];//返回值
return meanValue;
测试结果都是数据越大，图像越清晰的，这里不作展示了。
3.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)成都的度量方法。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。对焦清晰的图像相比对焦模糊的图像，它的数据之间的灰度差异应该更大，即它的方差应该较大，可以通过图像灰度数据的方差来衡量图像的清晰度，方差越大，表示清晰度越好。
Mat img;
Mat imgROI;Mat imgGray;Mat imageSobel;
MatmeanValueImage;
//添加图片
img = Mat(m_frameInfo.uHeight/4, m_frameInfo.uWidth/4,CV_8UC3, pRGB).clone();//设置ROI尺寸
imgROI.create(img.rows, img.cols, CV_8UC3);//生成ROI图
img(Rect(width, height, 150, 150)).copyTo(imgROI);//转灰度图
cvtColor(imgROI, imgGray, CV_BGR2GRAY);//求灰度图像的标准差
meanStdDev(imageGrey,meanValueImage,imageSobel);//传值
meanValue = mean(imageSobel)[0];//返回值
return meanValue;
测试结果都是数据越大，图像越清晰的，这里不作展示了。