1、方差

在相機拍照時，通常會看到相機由模糊至清晰的自動對焦過程，逐漸形成清晰度比較高的圖像。其實這是非常簡單的處理,，并不需要非常特殊的算法，方法各式各樣好多種，而且效率極其高。

表示樣品離散程度的知識：方差和標準差。僅僅利用本知識加以變化，就足夠了。

當完全聚焦時，圖像最清晰，圖像中的高頻分量也最多，突變像素與相鄰像素的差值也會變大，基于這個原理，對每一個像素水平右側鄰域的兩個灰度值相減再相乘，再逐個像素累加，計算相鄰兩個像素灰度差的平方，如下：

其中：f(x,y) 表示圖像f對應像素點(x,y)的灰度值，D(f)為圖像清晰度。本方法效率非常高，1280*1024大小的圖片10張同時計算能在70毫秒以內完成，而且結果精準。

當然不限于是上面這一種，比如對每一個像素右側和下側鄰域兩個灰度差相乘，再逐個像素累加，也可以，比如：

也可以方差定義里說的樣本點與平均值比較的方式，比如如下：

當然按公式做的話，如果是針對灰度圖，背景全白而拍攝主體是黑，或背景全黑而拍攝主體全白，D(f)值結果大小會相反，所以此法還不如前面那兩種方法。再比如，用下和右相鄰點與自己差值平方累加。如下：

也是可以很好的放大差異，越清晰則結果值越大，越模糊則值越小。

說到這里，你會發現上面提到的，其實都是相鄰像素差用乘積放大從而鑒定出誰更清晰。

? ? ? 當然你可以自己改進：比如用上下左右的4個點或者8個點也可以，比如用N個點以中心點差值相乘再求和，等于是以一個小塊（模板）的形式去比較計算。

? ? ? 但是執行效率不如上面幾種，如果覺得上面算法效率還是不能滿足你的要求，也很簡單，采用隔行掃描，或間隔多行的方式，瞬間效率提升幾倍。

2、通過拉普拉斯算子求梯度

拉普拉斯算子模塊是利用拉普拉斯算子求梯度的模塊，拉普拉斯算子是一種二階導數算子，對于一個連續函數f(x,y),它的位置(x,y)的拉普拉斯值定義為：

在數字圖像中，計算函數的拉普拉斯值也可以借助各種模板實現，這里對模板的基本要求是對應中心像素系數為正，面對應中心像素鄰近像素的系數為負，面它們的和等于零。選擇如下的拉普照拉斯算子模板，

-1	-1	-1
-1	8	-1
-1	-1	-1

則計算過程為：

E=8I(x,y)-I(x-1,y-1)-I(x-1,y)-I(x-1,y+1)-I(x,y-1)-I(x,y+1)-I(x+1,y-1)-I(x+1,y)-I(x+1,y+1);

對于一幅模糊的圖像，在每一像素附近的灰度值變化小，則E值小，對于清晰的圖像，圖像的輪廓鮮明，E值會大，最清晰則E值（即梯度值）最大。

拉普拉斯算子模塊內的實現為使用fifo緩存出如圖3所示的一個3x3的矩陣，對整幀圖像求E的和，相當于對整幀圖像做卷積再求和，得到圖像的梯度值，輸出給聚焦模塊進行判斷。

圖3? fifo緩存出一個3x3的像素的矩陣

總結

以上是生活随笔為你收集整理的计算图像清晰度的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。