C++ 不同相机拍摄的图像中的模糊检测

我想用拉普拉斯算子检测模糊图像。这是我正在使用的代码：

bool checkforblur(Mat img)
{
    bool is_blur = 0;
    Mat gray,laplacianImage;
    Scalar mean, stddev, mean1, stddev1; 
    double variance1,variance2,threshold;
    cvtColor(img, gray, CV_BGR2GRAY);
    Laplacian(gray, laplacianImage, CV_64F);
    meanStdDev(laplacianImage, mean, stddev, Mat()); 
    meanStdDev(gray, mean1, stddev1, Mat()); 
    variance1 = stddev.val[0]*stddev.val[0];
    variance2 = stddev1.val[0]*stddev1.val[0];
    double ratio= variance1/variance2;
    threshold = 90;
    cout<<"Variance is:"<<ratio<<"\n"<<"Threshold Used:"
    <<threshold<<endl;
    if (ratio <= threshold){is_blur=1;}
    return is_blur;
}

bool checkforblur（Mat img）
{
布尔是_blur=0；
垫灰色，拉普拉斯图像；
标量平均值，stddev，means1，stddev1；
双变量1，变量2，阈值；
CVT颜色（img、灰色、CV_bgr2灰色）；
拉普拉斯（灰色，拉普拉斯图像，CV_64F）；
meanstdev（拉普拉斯图像，平均值，stddev，Mat（））；
meanstdev（灰色，means1，stddev1，Mat（））；
方差1=stddev.val[0]*stddev.val[0]；
方差2=stddev1.val[0]*stddev1.val[0]；
双重比率=差异1/差异2；
阈值=90；
cout拉普拉斯算子是线性的，因此其振幅随信号振幅的变化而变化。因此，对比度越强的图像响应越高

通过规范化值，您可能会有更好的行为，例如，使用拉普拉斯函数的方差与信号本身的方差之比，或者与梯度幅值的方差之比


我还建议你尝试使用锐利的图像，你逐渐模糊与更广泛的高斯，并看看情节的“测量模糊”与已知的模糊度相比。
拉普拉斯算子是线性的，因此其振幅随信号的振幅而变化。因此，对比度较强的图像的响应会更高

通过规范化值，您可能会有更好的行为，例如，使用拉普拉斯函数的方差与信号本身的方差之比，或者与梯度幅值的方差之比


我还建议你尝试使用锐利的图像，你逐渐模糊与更广泛的高斯，并看看情节的“测量模糊”与已知的模糊度相比。
如上所述，你应该将这个比率标准化。基本上，如果你将方差除以平均值，你将得到标准化的灰度方差，我认为这就是你要寻找的

这就是说，我推荐一个非常好的线程，里面有很多好的信息和代码示例。
如上所述，你应该将这个比率标准化。基本上，如果你将方差除以平均值，你将得到标准化的灰度方差，我想这就是你想要的

也就是说，我会推荐一个非常好的帖子，里面有很多很好的信息和代码示例。
如果你尝试了这个，请告诉我们结果。谢谢你的时间。我已经编辑了这个问题。这就是你的建议吗？@janu777:yep。我没有注意到你在计算STDEV然后转换为方差。我想使用StdDev甚至更好。但是在设置固定阈值之前，请查看不同图像和不同模糊级别的值。因此，您建议我使用StdDev本身，而不是方差。对吗？@janu777:yep，这会使比例更线性（但这不是必要的）。如果您尝试此操作，请让我们知道结果。谢谢您的时间。我已编辑了此问题。这是您的建议吗？@janu777:是的。我不介意您计算StdDev然后转换为方差。我认为使用StdDev更好。但在设置固定阈值之前，请查看不同阈值的值图像和不同程度的模糊。因此，你建议我使用stdDev本身而不是方差。对吗？@janu777:是的，这使比例更线性（但这不是必要的）。