python腳本之如何按照清晰度對圖片進(jìn)行分類

更新時(shí)間：2023年05月09日 09:42:01 作者：可樂大牛

這篇文章主要介紹了python腳本之如何按照清晰度對圖片進(jìn)行分類問題，具有很好的參考價(jià)值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

原理

在《Analysis of focus measure operators for shape-from-focus》[2013 Pertuz et al.]。

在這篇文獻(xiàn)中，Pertuz 等人論述了近 36 種不同的圖片清晰度評價(jià)（focus measure）方法。

其中一種方式比較簡單，就是使用拉普拉斯方差算法，直接得到一個浮點(diǎn)數(shù)方差表征清晰度。

事先設(shè)定一個閾值，如果某圖片的清晰度低于預(yù)先定義的閾值，那么該圖片就可以被認(rèn)為是模糊的。高于閾值，就不是模糊的,或者說是清晰的。

此算法基于以下假設(shè)：如果圖片具有較高方差，那么它就有較廣的頻響范圍，代表著正常，聚焦準(zhǔn)確的圖片。

總結(jié)：正常圖像中邊界清晰，經(jīng)拉普拉斯計(jì)算后方差較大；模糊圖像邊界信息少，方差小

代碼

import os
import cv2
import shutil
# 計(jì)算圖片清晰度
def getImageVar(img):
    res=0
    for i in cv2.split(img):
        # 對圖片用 3x3 拉普拉斯算子做卷積得到邊緣  計(jì)算出方差，并最后返回。
        # 函數(shù)求完導(dǎo)數(shù)后會有負(fù)值，還有會大于255的值。而原圖像是uint8，即8位無符號數(shù)，所以建立的圖像位數(shù)不夠，會有截?cái)唷Ｒ虼艘褂?4位有符號的數(shù)據(jù)類型，即 cv2.CV_64F。
        # 再用var函數(shù)求方差
        res+=cv2.Laplacian(i, cv2.CV_64F).var()
    return res/3
# 讀取某個文件夾下面的所有文件名 返回list
def get_all_file(path):
    all_file=[]
    for i in os.listdir(path):
        file_name=os.path.join(path,i)
        all_file.append(file_name)
    return all_file
input_path=input("請輸出目標(biāo)文件夾：")
threshold=int(input("請輸入清晰度閾值："))
orign_path=os.path.join(os.path.abspath('.'),'img')
resoure_file_path = os.path.join(orign_path, input_path)  # 圖片所在文件夾
vage_file_path=os.path.join(orign_path,'vague')
clear_file_path=os.path.join(orign_path,'clear')
if not os.path.exists(vage_file_path):
        os.mkdir(vage_file_path)
if not os.path.exists(clear_file_path):
        os.mkdir(clear_file_path)
all_img_path=get_all_file(resoure_file_path)
for img_path in all_img_path:
    img_name=img_path.split('\\')[-1]
    dst=os.path.join(vage_file_path,img_name)
    if getImageVar(cv2.imread(img_path))>threshold:
        dst = os.path.join(clear_file_path, img_name)
    shutil.copyfile(img_path, dst)

打包成exe：