最近在畢業(yè)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(wǎng)上有個總結的非常好的博客（見參考文獻[1]），但沒有實現(xiàn)方法。因此，我將在我的博客中用Python實現(xiàn)。

評估方法實現(xiàn)

所有函數(shù)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(xiàn) 。
github：圖像清晰度評估算法包（有示例）

1 Brenner 梯度函數(shù)

            
              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(shù)

            
              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(shù)

            
              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(shù)

            
              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(shù)

            
              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(shù)

            
              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