Eğer bir görüntü bulanık olup olmadığını belirlemek için bir yol varsa veya görüntü verileri analiz ederek merak ediyordum.

Çok basit bir görüntü keskinliğini tahmin etmek için başka bir yol (veya Günlük) Laplace filtre kullanmak ve sadece maksimum değeri seçmek. 99.9% quantile gibi sağlam bir ölçü kullanarak gürültü (yüksek kontrast yerine Nth-yüksek kontrast yani toplama.) düşünüyorsanız, muhtemelen daha iyidir Eğer varsa görüntü parlaklığı değişen bekliyorsan, ayrıca kontrast/parlaklık resim (örneğin histogram denkleştirme) normalleştirmek için ön bir adım içermelidir.

* Simon önerisi ve bu hayata, ve birkaç test görüntüleri üzerinde denedim:

İlk test görüntüleri değişen bir çekirdek boyutu ile Gauss filtresi kullanarak bulanıklık, görüntü bulanık ve 90% en yüksek frekans ortalamasını alır: FFT hesaplar

testFft[img_] := Table[
  (
   blurred = GaussianFilter[img, r];
   fft = Fourier[ImageData[blurred]];
   {w, h} = Dimensions[fft];
   windowSize = Round[w/2.1];
   Mean[Flatten[(Abs[
       fft[[w/2 - windowSize ;; w/2   windowSize, 
         h/2 - windowSize ;; h/2   windowSize]]])]]
   ), {r, 0, 10, 0.5}]

Logaritmik bir komplo sonucu:

5 satır 5 test görüntüleri temsil eder, X ekseni Gaussian filtre yarıçapını temsil eder. Grafikler FFT netlik için iyi bir ölçüdür o kadar azalıyor.

Bu "en yüksek" bulanıklık tahmincisi: Bu sadece bir Günlük bir filtre ve filtre sonucu: parlak piksel verir . Günlük kodu

testLaplacian[img_] := Table[
  (
   blurred = GaussianFilter[img, r];
   Max[Flatten[ImageData[LaplacianGaussianFilter[blurred, 1]]]];
   ), {r, 0, 10, 0.5}]

Logaritmik bir komplo sonucu:

Formanın un bulanık görüntü biraz daha iyi işte (2.5 vs 3.3), esas olarak, çünkü bu yöntem sadece kullandığı en güçlü kontrast, resim, FFT aslında, yani tamamen görüntü. İşlevleri de daha kolay bir "" eşik. bulanık kümesi için belki bu yüzden daha hızlı azalan,