最近在畢業設計中涉及了有關增強圖像清晰度的實驗，需要一些指標來進行實驗結果的評估。剛好網上有個總結的非常好的博客(見參考文獻[1])，但沒有實現方法。因此，我將在我的博客中用Python實現。

評估方法實現

所有函數的具體說明都在參考文獻[1]里，這里不做過多的贅述，

只討論實現

。

github：圖像清晰度評估算法包(有示例)

1 Brenner 梯度函數

def brenner(img):

'''

:param img:narray 二維灰度圖像

:return: float 圖像約清晰越大

'''

shape = np.shape(img)

out = 0

for x in range(0, shape[0]-2):

for y in range(0, shape[1]):

out+=(int(img[x+2,y])-int(img[x,y]))**2

return out

2 Laplacian梯度函數

def Laplacian(img):

'''

:param img:narray 二維灰度圖像

:return: float 圖像約清晰越大

'''

return cv2.Laplacian(img,cv2.CV_64F).var()

3 SMD(灰度方差)

def SMD(img):

'''

:param img:narray 二維灰度圖像

:return: float 圖像約清晰越大

'''

shape = np.shape(img)

out = 0

for x in range(0, shape[0]-1):

for y in range(1, shape[1]):

out+=math.fabs(int(img[x,y])-int(img[x,y-1]))

out+=math.fabs(int(img[x,y]-int(img[x+1,y])))

return out

4 SMD2(灰度方差乘積)

def SMD2(img):

'''

:param img:narray 二維灰度圖像

:return: float 圖像約清晰越大

'''

shape = np.shape(img)

out = 0

for x in range(0, shape[0]-1):

for y in range(0, shape[1]-1):

out+=math.fabs(int(img[x,y])-int(img[x+1,y]))*math.fabs(int(img[x,y]-int(img[x,y+1])))

return out

5 方差函數

def variance(img):

'''

:param img:narray 二維灰度圖像

:return: float 圖像約清晰越大

'''

out = 0

u = np.mean(img)

shape = np.shape(img)

for x in range(0,shape[0]):

for y in range(0,shape[1]):

out+=(img[x,y]-u)**2

return out

6 能量梯度函數

def energy(img):

'''

:param img:narray 二維灰度圖像

:return: float 圖像約清晰越大

'''

shape = np.shape(img)

out = 0

for x in range(0, shape[0]-1):

for y in range(0, shape[1]-1):

out+=((int(img[x+1,y])-int(img[x,y]))**2)+((int(img[x,y+1]-int(img[x,y])))**2)

return out

7 Vollath函數

def Vollath(img):

'''

:param img:narray 二維灰度圖像

:return: float 圖像約清晰越大

'''

shape = np.shape(img)

u = np.mean(img)

out = -shape[0]*shape[1]*(u**2)

for x in range(0, shape[0]-1):

for y in range(0, shape[1]):

out+=int(img[x,y])*int(img[x+1,y])

return out

8 熵函數

def entropy(img):

'''

:param img:narray 二維灰度圖像

:return: float 圖像約清晰越大

'''

out = 0

count = np.shape(img)[0]*np.shape(img)[1]

p = np.bincount(np.array(img).flatten())

for i in range(0, len(p)):

if p[i]!=0:

out-=p[i]*math.log(p[i]/count)/count

return out

參考文獻

[1] 圖像清晰度的評價指標

總結

以上是生活随笔為你收集整理的python 图像清晰度_图像清晰度评价指标（Python）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。