使用 OpenCV 进行图像模糊度检测(拉普拉斯方差方法)

news/2024/5/21 23:06:23

写在前面

工作中遇到，简单整理
人脸识别中，对于模糊程度较高的图像数据，识别率低，错误率高。
虽然使用 AdaFace 模型，对低质量人脸表现尤为突出。
但是还是需要对模糊程度高的图像进行丢弃处理
当前通过阈值分类，符合要求的进行特性提取
实际应用中，可以维护一个质量分数
比如由 模糊程度，图片字节大小，人脸姿态评估(欧拉角)等算出一个综合质量分，用于人脸归类/聚类
理解不足小伙伴帮忙指正

对每个人而言，真正的职责只有一个：找到自我。然后在心中坚守其一生，全心全意，永不停息。所有其它的路都是不完整的，是人的逃避方式，是对大众理想的懦弱回归，是随波逐流，是对内心的恐惧 ——赫尔曼·黑塞《德米安》

模糊度检测算法来自：https://pyimagesearch.com/2015/09/07/blur-detection-with-opencv/

具体实现方式小伙伴可直接看原文

这种方法起作用的原因是由于拉普拉斯算子本身的定义，它用于测量图像的二阶导数。拉普拉斯突出显示包含快速强度变化的图像区域，与 Sobel 和 Scharr 算子非常相似。而且，就像这些运算符一样，拉普拉斯通常用于边缘检测。这里的假设是，如果图像包含高方差，则存在广泛的响应，包括边缘类和非边缘类，代表正常的焦点图像。但是，如果方差非常低，则响应的分布很小，表明图像中的边缘非常小。众所周知，图像越模糊，边缘就越少

下面为原文的 Demo

#!/usr/bin/env python
# -*- encoding: utf-8 -*-
"""
@File    :   detect_blur.py
@Time    :   2023/07/24 22:57:51
@Author  :   Li Ruilong
@Version :   1.0
@Contact :   liruilonger@gmail.com
@Desc    :   图片模糊度检测
"""# here put the import lib# import the necessary packages
from imutils import paths
import cv2
import osdef variance_of_laplacian(image):gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# compute the Laplacian of the image and then return the focus# measure, which is simply the variance of the Laplacianreturn cv2.Laplacian(gray, cv2.CV_64F).var()# loop over the input images
for imagePath in paths.list_images("./res/mh"):# load the image, convert it to grayscale, and compute the# focus measure of the image using the Variance of Laplacian# methodimage = cv2.imread(imagePath)fm = variance_of_laplacian(image)text = "Not Blurry"print(fm)# if the focus measure is less than the supplied threshold,# then the image should be considered "blurry"if fm < 100:text = "Blurry"# show the imagefile_name = os.path.basename(imagePath)cv2.imwrite(str(fm)+'__' + file_name , image)

核心代码：

cv2.Laplacian(gray, cv2.CV_64F).var()

如果为 Image.image ,可以使用下的方式

def variance_of_laplacian(image):"""@Time    :   2023/07/25 01:57:44@Author  :   liruilonger@gmail.com@Version :   1.0@Desc    :   模糊度检测Args:Returns:void"""numpy_image = np.array(image)cv2_image = cv2.cvtColor(numpy_image, cv2.COLOR_RGB2BGR)gray = cv2.cvtColor(cv2_image, cv2.COLOR_BGR2GRAY)# compute the Laplacian of the image and then return the focus# measure, which is simply the variance of the Laplacianreturn cv2.Laplacian(gray, cv2.CV_64F).var()

实际测试中发现，阈值设置为 100 相对来说比较合适，当然如何数据集很大，可以考虑提高阈值，当模糊度大于 1000 时，一般为较清晰图片，低于 100 时，图片模糊严重

下面为对一组较模糊数据进行检测

在这里插入图片描述

最后一个图像，模糊度为 667 ，其他为 200 以内

(AdaFace) C:\Users\liruilong\Documents\GitHub\AdaFace_demo>python detect_blur.py
130.99918569797578
97.54477372302556
70.30346984100659
95.56028915335366
77.70006004883219
107.2065965492792
93.43007114319839
75.44132565995248
127.50238903320515
98.11810838476116
69.49917570127641
132.46578324273048
99.2095025510204
92.97255942246558
93.33812691062155
667.4883318795927