基于 Laplacian 实现简单的图像模糊检测

2024-01-08 22:48

本文主要是介绍基于 Laplacian 实现简单的图像模糊检测,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

9b232cb6c0513176117a8800ba61b934.png

pexels-dinnow-9469740.jpg

Part1业务背景

从去年年底开始,我们团队一直在做一款能够给电商商品自动拍照的智能硬件。拍完照后,会将商品的套图在电商平台上进行展示。

对于要展示的商品图片而言,我们对图片本身的质量要求会比较高,例如不能将模糊不清的图片进行展示。因此,需要一种图像模糊检测的方法,便于我们筛选出可用的图片。

我们使用基于 Laplacian 的算法来检测图片是否模糊。调用它比较简单,因为 OpenCV 内置了 Laplacian 函数。

Part2Laplacian 算子

求多元函数的二阶导数的映射被称为 Laplacian 算子,它相当于二阶 Sobel 算子的导数。

Laplacian 算子的定义:

e2fb8ad8bbdd266bdf41c2118af8cca9.png
Laplacian 算子

我们分别对 Laplace 算子 x,y 两个方向的二阶导数进行差分就得到了离散函数的 Laplace 算子。

以 x 方向为例:一阶差分:f'(x) = f(x) - f(x - 1) 二阶差分:f''(x) = f'(x+1) - f'(x) = (f(x + 1) - f(x)) - (f(x) - f(x - 1)) 化简后:f''(x) = f(x - 1) - 2 f(x)) + f(x + 1)

提取前面的系数:[1, -2, 1]

同理,可得 y 方向的系数[1,-2,1]

叠加起来就得到了拉普拉斯矩阵d3b47d6b73e06bbae512c234819d319e.png

也就是拉普拉斯 3x3 卷积核。

Part3图像模糊检测算法

算法的主要思想:先将图像转换成灰度图像,然后单一通道的灰度图像经过刚才计算出来的拉普拉斯 3x3 卷积核计算后会得到一个响应图,最后再计算这个响应图的方差。

基于该方差和按照经验设定的阈值进行比较,就可以判断图像是否模糊。对于同一种类型的商品图片,可以采用同一个阈值。不同的商品、不同环境拍摄的图片可能需要调整阈值。

bool isImageBlurry(cv::Mat& img, double threshold)
{cv::Mat matImageGray;cv::cvtColor(img, matImageGray, COLOR_BGR2GRAY);cv::Mat dst, abs_dst;cv::Laplacian(matImageGray, dst, CV_16S, 3);cv::convertScaleAbs( dst, abs_dst );cv::Mat tmp_m, tmp_sd;double sd = 0;cv::meanStdDev(dst, tmp_m, tmp_sd);sd = tmp_sd.at<double>(0,0); // 方差return ((sd * sd) <= threshold);
}

找一张模糊的图片,写一个简单的例子进行测试

2d48ca2f9ac78a2874c11d2aeaab23a2.png
test.jpeg
using namespace std;
using namespace cv;bool isImageBlurry(cv::Mat& img, double threshold=49.0);int main(int argc,char *argv[])
{String imageName;cout << "Enter the image file name: " << endl;cin >> imageName;// read the imageMat image = imread(imageName);double time = (double)getTickCount();bool result = isImageBlurry(image);time = ((double)getTickCount() - time) / getTickFrequency();cout << "所用时间为:" << time << "s" << endl;cout << "result:" << result << endl;return 0;
}bool isImageBlurry(cv::Mat& img, double threshold)
{cv::Mat matImageGray;cv::cvtColor(img, matImageGray, COLOR_BGR2GRAY);cv::Mat dst, abs_dst;cv::Laplacian(matImageGray, dst, CV_16S, 3);cv::convertScaleAbs( dst, abs_dst );cv::Mat tmp_m, tmp_sd;double m = 0, sd = 0;cv::meanStdDev(dst, tmp_m, tmp_sd);m = tmp_m.at<double>(0,0); sd = tmp_sd.at<double>(0,0);std::cout << "sd * sd: " << sd * sd << std::endl;return ((sd * sd) <= threshold);
}

执行结果:

Enter the image file name: 
test.jpeg
sd * sd: 31.0646
所用时间为:0.0219034s
result:1

可以通过上述程序判断出该图片是模糊的。

最后,我们团队主要使用的语言是 Java/Kotlin,还需要编写一个 jni 来调用该函数。

Part4总结

在无参考图像的情况下,Laplacian 是一种常见的图像模糊检测的方式。除此之外,还可以采用 Brenner、Tenengrad、SMD、SMD2 等等。

Java与Android技术栈】公众号

关注 Java/Kotlin 服务端、桌面端 、Android 、机器学习、端侧智能

更多精彩内容请关注:

这篇关于基于 Laplacian 实现简单的图像模糊检测的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/585097

相关文章

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

SpringBoot实现数据库读写分离的3种方法小结

《SpringBoot实现数据库读写分离的3种方法小结》为了提高系统的读写性能和可用性,读写分离是一种经典的数据库架构模式,在SpringBoot应用中,有多种方式可以实现数据库读写分离,本文将介绍三... 目录一、数据库读写分离概述二、方案一:基于AbstractRoutingDataSource实现动态

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... Java实现文件(图片)的预览和下载 @ApiOperation("访问文件") @GetMapping("

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

Mysql表的简单操作(基本技能)

《Mysql表的简单操作(基本技能)》在数据库中,表的操作主要包括表的创建、查看、修改、删除等,了解如何操作这些表是数据库管理和开发的基本技能,本文给大家介绍Mysql表的简单操作,感兴趣的朋友一起看... 目录3.1 创建表 3.2 查看表结构3.3 修改表3.4 实践案例:修改表在数据库中,表的操作主要

Java实现时间与字符串互相转换详解

《Java实现时间与字符串互相转换详解》这篇文章主要为大家详细介绍了Java中实现时间与字符串互相转换的相关方法,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、日期格式化为字符串(一)使用预定义格式(二)自定义格式二、字符串解析为日期(一)解析ISO格式字符串(二)解析自定义