1，判斷圖像清晰度，明暗，

原理，Laplacian算法。偏暗的圖片，二階導數小，區域變化小；偏亮的圖片，二階導數大，區域變化快。

import cv2

def getImageVar(imgPath):

image = cv2.imread(imgPath)

img2gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

imageVar = cv2.Laplacian(img2gray, cv2.CV_64F).var()

return imageVar

imageVar = getImageVar("./lena.jpg")

print(imageVar)

輸出結果：

2119.0913581351697

2，判斷黑白或彩色圖片

原理，通道變化

def is_color_image(url):

im=Image.open(url)

pix=im.convert('RGB')

width=im.size[0]

height=im.size[1]

oimage_color_type="Grey Image"

is_color=[]

for x in range(width):

for y in range(height):

r,g,b=pix.getpixel((x,y))

r=int(r)

g=int(g)

b=int(b)

if (r==g) and (g==b):

pass

else:

oimage_color_type='Color Image'

return oimage_color_type

補充知識：求圖片的平均亮度

圖像相關開發中，有時我們需要知道和了解圖片的 亮度 這一信息，例如判斷圖片是否曝光嚴重過度或者太黑什么都看不清。

那么怎么去獲取到圖片的 平均亮度 這一信息呢？

一、YUV 圖片

一般相機的原始數據類型就是 YUV 格式，這種格式下很容易求得亮度，因為它的 Y 通道就是亮度通道，我們只需要求得 Y 通道的平均值就可以了。

由于 YUV 圖片前 width * height 個字節存放的就是 Y 的值，所以其均值計算如下：

void calculate_average_brightness(const unsigned char* image, const int width, const int height, double* brightness) {

int length = width * height;

double sum;

for (int i = 0; i < length; ++i) {

sum += image[i];

}

brightness = sum / length; // brightness value: [0, 255]

}

注意這樣計算得到的亮度值范圍為 0~255，如果要歸一化的話，再除以 255 即可。

二、RGB 圖片

RGB 圖片的計算理論和上述差不多，不過我們需要先求得 R、G、B 三個通道的均值。

RGB 圖片的亮度計算公式為：

Y = 0.299 * R + 0.587 * G + 0.114 * B ?

以上這篇python 圖像判斷,清晰度(明暗),彩色與黑白實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

總結

以上是生活随笔為你收集整理的python图像清晰度_python 图像判断,清晰度(明暗),彩色与黑白实例的全部內容，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。