1、方差

在相機(jī)拍照時(shí)，通常會(huì)看到相機(jī)由模糊至清晰的自動(dòng)對(duì)焦過程，逐漸形成清晰度比較高的圖像。其實(shí)這是非常簡(jiǎn)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(shí)：方差和標(biāo)準(zhǔn)差。僅僅利用本知識(shí)加以變化，就足夠了。

當(dāng)完全聚焦時(shí)，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(huì)變大，基于這個(gè)原理，對(duì)每一個(gè)像素水平右側(cè)鄰域的兩個(gè)灰度值相減再相乘，再逐個(gè)像素累加，計(jì)算相鄰兩個(gè)像素灰度差的平方，如下：

其中：f(x,y) 表示圖像f對(duì)應(yīng)像素點(diǎn)(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(shí)計(jì)算能在70毫秒以內(nèi)完成，而且結(jié)果精準(zhǔn)。

當(dāng)然不限于是上面這一種，比如對(duì)每一個(gè)像素右側(cè)和下側(cè)鄰域兩個(gè)灰度差相乘，再逐個(gè)像素累加，也可以，比如：

也可以方差定義里說的樣本點(diǎn)與平均值比較的方式，比如如下：

當(dāng)然按公式做的話，如果是針對(duì)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(jié)果大小會(huì)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(diǎn)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(jié)果值越大，越模糊則值越小。

說到這里，你會(huì)發(fā)現(xiàn)上面提到的，其實(shí)都是相鄰像素差用乘積放大從而鑒定出誰更清晰。

? ? ? 當(dāng)然你可以自己改進(jìn)：比如用上下左右的4個(gè)點(diǎn)或者8個(gè)點(diǎn)也可以，比如用N個(gè)點(diǎn)以中心點(diǎn)差值相乘再求和，等于是以一個(gè)小塊（模板）的形式去比較計(jì)算。

? ? ? 但是執(zhí)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(jiǎn)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(dǎo)數(shù)算子，對(duì)于一個(gè)連續(xù)函數(shù)f(x,y),它的位置(x,y)的拉普拉斯值定義為：

在數(shù)字圖像中，計(jì)算函數(shù)的拉普拉斯值也可以借助各種模板實(shí)現(xiàn)，這里對(duì)模板的基本要求是對(duì)應(yīng)中心像素系數(shù)為正，面對(duì)應(yīng)中心像素鄰近像素的系數(shù)為負(fù)，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(jì)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(duì)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(duì)于清晰的圖像，圖像的輪廓鮮明，E值會(huì)大，最清晰則E值（即梯度值）最大。

拉普拉斯算子模塊內(nèi)的實(shí)現(xiàn)為使用fifo緩存出如圖3所示的一個(gè)3x3的矩陣，對(duì)整幀圖像求E的和，相當(dāng)于對(duì)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(jìn)行判斷。

圖3? fifo緩存出一個(gè)3x3的像素的矩陣

總結(jié)

以上是生活随笔為你收集整理的计算图像清晰度的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。