11种图像清晰度评价函数

article/2025/8/28 3:43:47

典型无参考图像清晰度评价（可用作对焦评价函数）

Tenengrad评价函数

Tenengrad函数是一种由Tenenbaum提出的，基于梯度的常用图像清晰度评价函数。特南梯度。
在图像处理中，一般认为对焦好的图像具有更尖锐的边缘，故具有更大的梯度函数值。
Tenengrad函数使用Sobel算子提取水平和垂直方向的梯度值，求其平方和作为评价函数。

具体过程如下：

设Sobel卷积核为，则图像在点处的梯度

定义该图像的Tenengrad值为：（其中为图像中像素总数）这个求了平均

或不求平均：评价函数F(k):

其中：T是给定的边缘检测阈值。

 View Code

 

 Laplacian 梯度函数

利用Laplacian算子对图像进行模板卷积得到图像的高频分量，然后可以对图像的高频分量求和，用高频分量和作为图像的清晰度评价标准。

对于一个M×N像素的图像，每个像素的亮度为g(x,y)，进行滤波模板卷积后每个像素点值为z(x,y)。则图像清晰度评价函数：

Laplacian算子：z(x,y)=g(x-1,y)+g(x+1,y)+g(x,y-1)+g(x,y+1)一4g(x,y)

梯度算子为水平方向和垂直方向两个，高通滤波算子只有一个

SMD（灰度差分绝对值之和，Sum of Modulus of gray Difference ）函数

 用差分绝对值代替乘方和开方，即对点（x,y）及其邻近点的灰度作差分运算，提取该点灰度值的变化大小，得出图像灰度差分绝对值之和算子。

灰度差分绝对值之和具有较好的计算性能，但其缺点也很明显，即在焦点附近灵敏度不高，即该函数在极值点附近过于平坦，从而导致聚焦精度难以提高。

在文章《一种快速高灵敏度聚焦评价函数》中提出了一种新的评价函数，称之为灰度差分绝对值乘积法，即对每一个像素领域两个灰度差相乘后再逐个像素累加。

 

“基于图像处理的自动对焦技术研究”，对焦过程中的一个重要阶段是图像清晰度评价，博主自己用MATLAB实现了4类清晰度评价函数：基于图像梯度的清晰度评价函数、频域评价函数、信息熵评价函数、统计学评价函数，总计11种。博主之前没有用过MATLAB，完全是本科论文需要，没办法对着别人的代码生看，虽然没学过matlab的基础知识，但是毕竟学过好几门语言，都是差不多的，还是能看懂的。需要哪部分知识就在网上搜，虽然没有一样的，但是会搜到相关的，看懂了之后，实现自己的代码。

其中基于图像梯度的清晰度评价函数博主很大一部分借鉴他人上传的毕设代码，在此附上链接。

http://www.pudn.com/Download/item/id/1394579.html

一、基于图像梯度的清晰度评价函数 

这类算法的实质是图像处理知识，因为博主报考研究生时选的图像处理方向，所以本科毕业论文找了一位这方面的指导老师。

正焦的清晰图像比模糊的离焦图像边缘更加锐利清晰，边缘像素灰度值变化大，因而有更大的梯度值。在进行图像处理时，将图像看作二维离散矩阵，利用梯度函数获取图像灰度信息，以此来评判图像清晰度。在离散信号中梯度表现为差分形式。常用的梯度函数有：能量梯度函数EOG、Roberts函数、Tenengrad函数、Brenner函数、方差Variance函数、拉普拉斯Laplace函数等等。下面分别对其进行介绍，其中表示对应像素点的灰度值。

1.能量梯度函数（Energy of Gradient,EOG）

将 x 方向和 y 方向的相邻像素的灰度值之差[]的平方和作为每个像素点的梯度值，对所有像素梯度值累加作为清晰度评价函数值，表达式如下所示：

matlab代码如下：

%EOG(Energy Of Grad)
 N1 = 5;      %要处理的图片张数
 A = zeros(1,N1);  %存储每一幅图像清晰度评价值
 X = zeros(1,N1);  %存储做归一化处理后的评价值
tic     %计时
for L=1: N1 
 I=imread([int2str(L),'.jpg']); %连续读取图片
 I=double(I); 
 [M N]=size(I); 
 FI=0; 
 for x=1:M-1 
     for y=1:N-1 
          % x方向和y方向的相邻像素灰度值只差的的平方和作为清晰度值
         FI=FI+(I(x+1,y)-I(x,y))*(I(x+1,y)-I(x,y))+(I(x,y+1)-I(x,y))*(I(x,y+1)-I(x,y));
     end 
 end 
  
 A(1,L) = FI; 
end 
time=toc
%-------------------------------- 
%对图像清晰度值做归一化处理，线性函数归一化公式
 for W = 1:N1 
     C = max(A); 
     D = min(A); 
     E = C-D; 
     R = (A(1,W) - D)/(E); 
     X(1,W) = R; 
 end 
%做曲线拟合输出函数曲线  
x1=[-20 -10 0 10 20 ]; 
y1 = [X(1,1) X(1,2) X(1,3) X(1,4) X(1,5)];
[p,S]=polyfit(x1,y1,2); 
Y=polyconf(p,x1,y1); 
plot(x1,y1,'y');
hold on;
2.Roberts函数

Roberts函数与能量梯度函数相似，它是利用对角方向像素点灰度值之差。将4个相邻像素点的灰度值交叉相减的平方和作为每个像素点的梯度值，对所有像素梯度值累加作为清晰度评价函数值，表达式如下式所示：

%Roberts
 N1 = 5; 
 A = zeros(1,N1); 
 X = zeros(1,N1);
 tic
 for L=1: N1 
 I=imread([int2str(L),'.jpg']); 
 I=double(I); 
 [M N]=size(I); 
 FI=0; 
 %Robert算子原理，对角方向相邻的两像素之差 
 for x=1:M-1 
     for y=1:N-1 
         FI= FI + (abs(I(x,y)-I(x+1,y+1))+abs(I(x+1,y)-I(x,y+1))); 
     end 
 end 
 A(1,L) = FI;  
 end 
 time=toc
 
  for W = 1:N1 
     C = max(A); 
     D = min(A); 
     E = C-D; 
     R = (A(1,W) - D)/(E); 
     X(1,W) = R; 
 end 
 
x1=[-20 -10 0 10 20 ]; 
y1 = [X(1,1) X(1,2) X(1,3) X(1,4) X(1,5)];
[p,S]=polyfit(x1,y1,2); 
Y=polyconf(p,x1,y1); 
plot(x1,y1,'c'); 
hold on;
3.Tenengrad函数

采用Sobel算子提取像素点水平方向和垂直方向的梯度值，Tenengrad函数定义为像素点梯度的平方和，并为梯度设置一个阈值T调节函数的灵敏度。表达式如下式所示：

代码：

%Tenengrad
 N1 =5; 
 A = zeros(1,N1); 
 X = zeros(1,N1); 
 tic
 for L=1: N1 
 I=imread([int2str(L),'.jpg']); 
 I=double(I); 
 [M N]=size(I); 
 %利用sobel算子gx,gy与图像做卷积，提取图像水平方向和垂直方向的梯度值
GX = 0;   %图像水平方向梯度值
GY = 0;   %图像垂直方向梯度值
FI = 0;   %变量，暂时存储图像清晰度值
T  = 0;   %设置的阈值
 for x=2:M-1 
     for y=2:N-1 
         GX = I(x-1,y+1)+2*I(x,y+1)+I(x+1,y+1)-I(x-1,y-1)-2*I(x,y-1)-I(x+1,y-1); 
         GY = I(x+1,y-1)+2*I(x+1,y)+I(x+1,y+1)-I(x-1,y-1)-2*I(x-1,y)-I(x-1,y+1); 
         SXY= sqrt(GX*GX+GY*GY); %某一点的梯度值
         %某一像素点梯度值大于设定的阈值，将该像素点考虑，消除噪声影响
         if SXY>T 
           FI = FI + SXY*SXY;    %Tenengrad值定义
         end 
     end 
 end 
 A(1,L) = FI; 
 end 
 time=toc
 
% X = zeros(1,N1); 
 for W = 1:N1 
     C = max(A); 
     D = min(A); 
     E = C-D; 
     R = (A(1,W) - D)/(E); 
     X(1,W) = R; 
 end 
x1=[-20 -10 0 10 20 ]; 
y1 = [X(1,1) X(1,2) X(1,3) X(1,4) X(1,5)];
[p,S]=polyfit(x1,y1,2); 
Y=polyconf(p,x1,y1); 
plot(x1,y1,'g'); 
hold on;
 

4.Brenner函数

又称梯度滤波器法，只需计算x方向上相差两个像素点的差分，即计算二阶梯度，计算量少，表达式如下所示：

代码：

%Brenner
 N1 = 5;           %N1为要处理的图片张数
 A = zeros(1,N1);   %zeros()定义指定行列的零矩阵；A矩阵用来存储每一幅图像的清晰度原值
 X = zeros(1,N1);   %X用来存储做归一化处理后的函数值
 %------------------------------
 tic
 for L=1: N1        
 I=imread([int2str(L),'.jpg']); %读取图片，将值转换为字符串接受向量和矩阵输入
I=double(I);         %精度存储问题
 [M N]=size(I);     %M等于矩阵行数，N等于矩阵列数；size()获取矩阵行列
 FI=0;        %变量，暂时存储每一幅图像的Brenner值
 for x=1:M-2      %Brenner函数原理，计算相差两个位置的像素点的灰度值
     for y=1:N 
         FI=FI+(I(x+2,y)-I(x,y))*(I(x+2,y)-I(x,y)); 
     end 
 end 
 A(1,L) = FI; 
 end
 time=toc
 %对原始数据做归一化处理，线性函数归一化公式
  for W = 1:N1 
     C = max(A); 
     D = min(A); 
     E = C-D; 
     R = (A(1,W) - D)/(E); 
     X(1,W) = R; 
  end 
%曲线拟合
x1=[-20 -10 0 10 20 ]; 
y1 = [X(1,1) X(1,2) X(1,3) X(1,4) X(1,5)]; 
[p,S]=polyfit(x1,y1,2);   %polyfit(x,y,n)曲线拟合函数，已知离散点坐标拟合曲线；x,y横纵坐标，n为拟合阶数，一阶直线拟合，二阶抛物线拟合 ，返回幂次从高到低的多项式系数向量P，矩阵S用于生成预测值的误差估计
Y=polyconf(p,x1,y1); %置信区间
plot(x1,y1,'r');     %画出拟合曲线，红线red
title('梯度评价函数');
xlabel('成像面位置');
ylabel('归一化后的图像清晰度评价值');
hold on;
5.Variance方差函数

Variance函数表示图像灰度分布的离散程度。离焦图像灰度值变换范围小，离散程度低，方差小；正焦图像灰度值变换范围大，离散程度高，方差大。因此可以用其作为评价函数，对于M*N大小的图像表达式如下式所示：

 代码：

%Variance
 N1 = 5; 
 A = zeros(1,N1); 
 X = zeros(1,N1); 
tic
 for L=1: N1
 I=imread([int2str(L),'.jpg']);  
 I=double(I); 
 [M N]=size(I);  
 gama = 0;   %gama图像平均灰度值
 %求gama
 for x=1:M 
     for y=1:N 
         gama = gama + I(x,y); 
     end 
 end 
 gama = gama/(M*N); 
  
 FI=0; 
 for x=1:M 
     for y=1:N 
         FI=FI+(I(x,y)-gama)*(I(x,y)-gama); 
     end 
 end 
  A(1,L) = FI;
 end 
 time=toc
 for W = 1:N1 
     C = max(A); 
     D = min(A); 
     E = C-D; 
     R = (A(1,W) - D)/(E); 
     X(1,W) = R; 
 end 
  
x1=[-20 -10 0 10 20 ]; 
y1 = [X(1,1) X(1,2) X(1,3) X(1,4) X(1,5)];
 [p,S]=polyfit(x1,y1,2); 
 Y=polyconf(p,x1,y1); 
 plot(x1,y1,'b');
 hold on;
6. Laplace拉普拉斯函数

采用Laplace算子与图像各个像素点的灰度值进行卷积得到一个梯度矩阵记为，取各像素点梯度的平方和作为评价函数，如下式所示：

代码：

%Laplace 
 N1 = 5; 
 A = zeros(1,N1); 
 X = zeros(1,N1);
 tic
 for L=1: N1 
 I=imread([int2str(L),'.jpg']); 
 I=double(I); 
 [M N]=size(I); 
 FI=0; 
 for x=2:M-1 
     for y=2:N-1 
         IXXIYY = -4*I(x,y)+I(x,y+1)+I(x,y-1)+I(x+1,y)+I(x-1,y); 
             FI=FI+IXXIYY*IXXIYY;        %取各像素点梯度的平方和作为清晰度值    
     end 
 end  
A(1,L) = FI; 
 end 
 time=toc
 
 for W = 1:N1 
     C = max(A); 
     D = min(A); 
     E = C-D; 
     R = (A(1,W) - D)/(E); 
     X(1,W) = R; 
 end 
 
x1=[-20 -10 0 10 20 ]; 
y1 = [X(1,1) X(1,2) X(1,3) X(1,4) X(1,5)];
[p,S]=polyfit(x1,y1,2); 
Y=polyconf(p,x1,y1); 
plot(x1,y1,'m'); 
hold off;
二：频域评价函数

1.基于二维离散傅里叶变换的图像清晰度评价函数

 其中，加权系数表示像素到中心像素的距离，其作用为强调频谱中的高频成分。因为图像经过傅里叶变换和移位后，频率分布为从中央到四周边缘从低频向高频扩散；M,N 为图像尺寸；P（u，v）表示图像的频谱的平方。

代码：

%DFT
N1 = 5;      %N1要处理的图像张数        
A = zeros(1,N1);  %A向量用来存储每一幅图像的清晰度原值
X = zeros(1,N1);  %X用来存储做归一化处理后的清晰度函数值
%----------------------
tic
for L=1: N1        
I=imread([int2str(L),'.jpg']); 
I=rgb2gray(I);
I=double(I);        
[M N]=size(I);          
fftI = fft2(I);   %进行二维离散傅里叶变换
sfftI = fftshift(fftI);   %移位，直流分量移到图像中心
magnitude = abs(sfftI);      %取模值
FI=0; 
for u=1:M
    for v=1:N
        FI=FI+sqrt(u*u+v*v)*magnitude(u,v);      %基于离散傅里叶变换的清晰度评价函数
    end
end
A(1,L) = FI/(M*N);
end
time=toc
%对原始数据做归一化处理，线性函数归一化公式
%-------------------------
  for W = 1:N1 
     C = max(A); 
     D = min(A); 
     E = C-D; 
     R = (A(1,W) - D)/(E); 
     X(1,W) = R; 
  end 
%曲线拟合，0为正焦位置，离焦-正焦-离焦
x1=[-20 -10 0 10 20 ]; 
y1 = [X(1,1) X(1,2) X(1,3) X(1,4) X(1,5)];
[p,S]=polyfit(x1,y1,2);   %polyfit(x,y,n)曲线拟合函数，已知离散点坐标拟合曲线；x,y横纵坐标，n为拟合阶数，一阶直线拟合，二阶抛物线拟合 ，返回幂次从高到低的多项式系数向量P，矩阵S用于生成预测值的误差估计
Y=polyconf(p,x1,y1); %置信区间
plot(x1,y1,'b');     %画出拟合曲线，红线red
title('频域评价函数');
xlabel('成像面位置');
ylabel('归一化后的图像清晰度评价值');
hold on;
 
2.离散余弦变换DCT

基于DFT的评价函数灵敏度高，但傅里叶变换系数是复数，计算量大。离散余弦变换DCT对此进行改进，变换系数是实数，计算量减少且同样可以表示图像频率分布信息。对于一幅M*N的图像，基于离散余弦变换DCT变换的清晰度评价函数定义如下：

%DCT
N1 = 5;      %N1要处理的图像张数        
A = zeros(1,N1);  %A向量用来存储每一幅图像的清晰度原值
X = zeros(1,N1);  %X用来存储做归一化处理后的清晰度函数值
%----------------------
tic
for L=1: N1        
I=imread([int2str(L),'.jpg']); 
I=rgb2gray(I);
I=double(I)+10*randn(size(I));        
[M N]=size(I);          
dctI = dct2(I);   %进行二维离散傅里叶变换
magnitude = abs(dctI);      %取模值
FI=0; 
for u=1:M
    for v=1:N
        FI=FI+(u+v)*magnitude(u,v);      %基于离散傅里叶变换的清晰度评价函数
    end
end
A(1,L) = FI/(M*N);
end
time=toc
%对原始数据做归一化处理，线性函数归一化公式
%-------------------------
  for W = 1:N1 
     C = max(A); 
     D = min(A); 
     E = C-D; 
     R = (A(1,W) - D)/(E); 
     X(1,W) = R; 
  end 
%曲线拟合，0为正焦位置，离焦-正焦-离焦
x1=[-20 -10 0 10 20 ]; 
y1 = [X(1,1) X(1,2) X(1,3) X(1,4) X(1,5)]; 
[p,S]=polyfit(x1,y1,2);   %polyfit(x,y,n)曲线拟合函数，已知离散点坐标拟合曲线；x,y横纵坐标，n为拟合阶数，一阶直线拟合，二阶抛物线拟合 ，返回幂次从高到低的多项式系数向量P，矩阵S用于生成预测值的误差估计
Y=polyconf(p,x1,y1); %置信区间
plot(x1,y1,'r');     %画出拟合曲线，红线red
hold off;
三、基于信息熵的清晰度评价函数

在信息论中，熵用来描述信息的丰富程度。信息熵评价函数基于正焦图像中具有多样性的灰度分布，像素灰度值分布区间广，灰度值之间差异大，此时熵值大；离焦图像正好相反。因此可以基于信息熵构造清晰度评价函数，定义如下：

代码： 

%entropy
N1 = 5;           %N1为要处理的图片张数
A = zeros(1,N1);   %zeros()定义指定行列的零矩阵；A矩阵用来存储每一幅图像的清晰度原值
X = zeros(1,N1);   %X用来存储做归一化处理后的函数值
%处理图片
tic
for L=1: N1        
 I=imread([int2str(L),'.jpg']); %读取图片，将值转换为字符串接受向量和矩阵输入
 I=rgb2gray(I);
 I=double(I); 
 A(1,L)=entr(I);    %调用求熵值函数
end
time=toc
%对原始数据做归一化处理，线性函数归一化公式
 for W = 1:N1 
   C = max(A); 
   D = min(A); 
   E = C-D; 
   R = (A(1,W) - D)/(E); 
   X(1,W) = R; 
  end 
x1=[-20 -10 0 10 20 ]; 
y1 = [X(1,1) X(1,2) X(1,3) X(1,4) X(1,5)]; 
[p,S]=polyfit(x1,y1,2);   %polyfit(x,y,n)曲线拟合函数，已知离散点坐标拟合曲线；x,y横纵坐标，n为拟合阶数，一阶直线拟合，二阶抛物线拟合 ，返回幂次从高到低的多项式系数向量P，矩阵S用于生成预测值的误差估计
Y=polyconf(p,x1,y1); %置信区间
plot(x1,y1,'r');     %画出拟合曲线，红线red
title('基于信息熵的评价函数');
xlabel('成像面位置');
ylabel('归一化后的图像清晰度评价值');
 
 
%定义子函数entr()，求一幅图像的熵值
%-------------------------------------------
function[H_img]= entr(I)   
[C,R]=size(I); %求图像的规格
Img_size=C*R; %图像像素点的总个数
L=256; %图像的灰度级0-255
H_img=0;  %图象熵
nk=zeros(L,1); %存储图像灰度出现次数
for i=1:C
for j=1:R
Img_level=I(i,j)+1; %获取图像的灰度级
nk(Img_level)=nk(Img_level)+1; %统计每个灰度级像素的点数
end
end
for k=1:L
Ps(k)=nk(k)/Img_size; %计算每一个灰度级像素点所占的概率
if Ps(k)~=0 %去掉概率为0的像素点
H_img=-Ps(k)*log2(Ps(k))+H_img; %求熵值的公式
end
end
end
 
四、基于统计学的清晰度评价函数

1.Range函数

Range函数基于灰度直方图中灰度带的变化大小反映清晰度，定义如下所示：

 代码：

%Range
N1 =5; 
gray_level = 32; %灰度直方图中划分的灰度等级
temp=zeros(1,gray_level);
A = zeros(1,N1);  
X = zeros(1,N1);
tic
for L=1: N1        
 I=imread([int2str(L),'.jpg']); %读取图片，将值转换为字符串接受向量和矩阵输入
 I=rgb2gray(I); 
 I=double(I);   %-------没做数值类型，出错，曲线相反----------
 [count,K] = imhist(I,gray_level);%imhist()画灰度分布直方图,count表示某一灰度区间的像素个数，K表示灰度区间取值
 for y=1:gray_level 
  temp(1,y)=count(y)*K(y);
 end
 A(1,L)=max(temp)-min(temp);
end
time=toc
for W = 1:N1 
     C = max(A); 
     D = min(A); 
     E = C-D; 
     R = (A(1,W) - D)/(E); 
     X(1,W) = R; 
end 
x1=[-20 -10 0 10 20 ]; 
y1 = [X(1,1) X(1,2) X(1,3) X(1,4) X(1,5)];
[p,S]=polyfit(x1,y1,2);   %polyfit(x,y,n)曲线拟合函数，已知离散点坐标拟合曲线；x,y横纵坐标，n为拟合阶数，一阶直线拟合，二阶抛物线拟合 ，返回幂次从高到低的多项式系数向量P，矩阵S用于生成预测值的误差估计
Y=polyconf(p,x1,y1); %置信区间
plot(x1,y1,'g');     %画出拟合曲线，红线red
title('统计学评价函数');
xlabel('成像面位置');
ylabel('归一化后的图像清晰度评价值');
hold on
2 Vollaths函数

Vollaths函数又称自相关函数，反映空间两点的相似性。正焦图像边缘清晰锐利，像素点之间相关程度低；离焦图像像素点相关程度高。清晰度评价函数如下所示：

 .代码：

%vollaths
 N1 = 5;           %N1为要处理的图片张数
 A = zeros(1,N1);   %zeros()定义指定行列的零矩阵；A矩阵用来存储每一幅图像的清晰度原值
 X = zeros(1,N1);   %X用来存储做归一化处理后的函数值
 %用一个for循环处理每一张图片
 tic
 for L=1: N1        
 I=imread([int2str(L),'.jpg']); %读取图片，将值转换为字符串接受向量和矩阵输入
 I=double(I);        %精度存储问题
 [M N]=size(I);     %M等于矩阵行数，N等于矩阵列数；size()获取矩阵行列数
 %begintime=clock; 
  
 FI=0;        %变量，暂时存储每一幅图像的Brenner值
 for x=1:M-2      %Brenner函数原理，计算相差两个位置的像素点的灰度值
     for y=1:N 
         FI=FI+I(x,y)*abs(I(x+1,y)-I(x+2,y)); 
     end 
 end 
 %time=etime(clock,begintime); 
 A(1,L) = FI; 
 end 
 time=toc
 %对原始数据做归一化处理，线性函数归一化公式
  for W = 1:N1 
     C = max(A); 
     D = min(A); 
     E = C-D; 
     R = (A(1,W) - D)/(E); 
     X(1,W) = R; 
  end 
 
x1=[-20 -10 0 10 20 ]; 
y1 = [X(1,1) X(1,2) X(1,3) X(1,4) X(1,5)];
[p,S]=polyfit(x1,y1,2);   %polyfit(x,y,n)曲线拟合函数，已知离散点坐标拟合曲线；x,y横纵坐标，n为拟合阶数，一阶直线拟合，二阶抛物线拟合 ，返回幂次从高到低的多项式系数向量P，矩阵S用于生成预测值的误差估计
Y=polyconf(p,x1,y1); %置信区间
plot(x1,y1,'r');     %画出拟合曲线，红线red
hold off
以下是博主的仿真结果：

梯度

频域

信息熵

统计学

 初次接触这方面的内容，不足之处，请谅解。


http://chatgpt.dhexx.cn/article/WhHvaUsO.shtml

相关文章

opencv 图片清晰度检测

opencv 图片清晰度检测

opencv 图片清晰度判断代码 读取D盘里面的两张图片&#xff0c;进行清晰度的判别。 阈值可以自行修改 #include <highgui/highgui.hpp> #include <imgproc/imgproc.hpp>using namespace std; using namespace cv;int main() {Mat imageSource imread("D:/1…
阅读更多...
python图像清晰度_python 图像判断,清晰度(明暗),彩色与黑白实例

python图像清晰度_python 图像判断,清晰度(明暗),彩色与黑白实例

1，判断图像清晰度，明暗， 原理，Laplacian算法。偏暗的图片，二阶导数小，区域变化小；偏亮的图片，二阶导数大，区域变化快。 import cv2 def getImageVar(imgPath): image = cv2.imread(imgPath) img2gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) imageVar = cv2.Lapla…
阅读更多...
图像处理：图像清晰度评价

图像处理：图像清晰度评价

目录 0、实现效果 1、概述 2、模糊度分类 1、运动模糊 2、压缩模糊 3、高斯模糊 3、清晰度量化指标 Brenner 能量梯度函数(Energy of Gradient) ​编辑 Roberts Laplace SMD&#xff08;灰度方差&#xff09;函数 SMD2 &#xff08;灰度方差乘积&#xff09;函数 …
阅读更多...
图像清晰度评价函数

图像清晰度评价函数

概述 图像清晰度是用来指导调焦机构找到正焦位置的评价函数。理想的清晰度评价曲线如下图所示，其中P 是评价函数最大值的位置，其对应正焦位置，P1 和P2 为正焦位置焦前和焦后采集到图像的清晰度评价结果。 为了指导调焦机构找到正焦位置，清晰度曲线须具有以下特点： 单…
阅读更多...
计算图像清晰度

计算图像清晰度

1、方差 在相机拍照时&#xff0c;通常会看到相机由模糊至清晰的自动对焦过程&#xff0c;逐渐形成清晰度比较高的图像。其实这是非常简单的处理,&#xff0c;并不需要非常特殊的算法&#xff0c;方法各式各样好多种&#xff0c;而且效率极其高。 表示样品离散程度的知识&…
阅读更多...
一次搞懂清晰度、对比度以及锐化的区别

一次搞懂清晰度、对比度以及锐化的区别

大字体 收藏 微博 http://tech.sina.com.cn/digi/dc/q/2017-11-29/doc-ifypceiq5781193.shtml　　 清晰度、对比度和锐化程度的调整&#xff0c;是照片后期的三个重要步骤。它们容易混淆&#xff0c;但各自效果却并不相同。本文会帮大家从原理上理清他们的区别。 1、对比度 对比…
阅读更多...
手机通过笔记本上网~

手机通过笔记本上网~

如今的一般的智能机都有WIFI功能了&#xff0c;在这里哪大家分享手机如何利用笔记本上网&#xff0c;win7系统笔记本做无线路由器&#xff08;无需软件&#xff09; 工具/原料 一根网线 一台Windows7系统的笔记本电脑&#xff08;或有外置无线网卡的台式机&#xff09; 确保笔记…
阅读更多...
计算机怎么连接手机网络,电脑怎么连接手机的热点上网？

计算机怎么连接手机网络,电脑怎么连接手机的热点上网？

我们使用电脑的时候&#xff0c;大部分时间需要连接网络。然而&#xff0c;断网的时候&#xff0c;是不是比找不到妈妈还着急&#xff0c;尤其是在看剧的时候&#xff0c;当然还有上传或下载文件的时候&#xff0c;哈哈哈~ 今天&#xff0c;我就教大家一个非常实用的方法&#…
阅读更多...
计算机如何通过手机连接网络,主编教您手机怎么通过usb连接电脑上网

计算机如何通过手机连接网络,主编教您手机怎么通过usb连接电脑上网

手机如何通过数据线连接电脑上网&#xff0c;相信很多人热切关注的问题&#xff0c;虽然比起以前我们又多了4G网&#xff0c;但比起无线网&#xff0c;手机数据还是要慢很多&#xff0c;但也是不时之需了&#xff0c;需要上网的时候&#xff0c;那手机怎么通过usb连接电脑上网&…
阅读更多...
手机用USB连接电脑宽带上网（只需轻松3步即可上网）

手机用USB连接电脑宽带上网（只需轻松3步即可上网）

想用手机上网&#xff0c;身边又没WIFI。手机又没流量。&#xff08;主要就是体验一些电脑下载不了的任务&#xff09; 如下载主题和设备调试什么的。 步骤很简单&#xff0c;只需要两步。所需要的软件工具如下&#xff1a; 电脑软件1.小米USB驱动&#xff08;Win7的系统自动会…
阅读更多...
计算机上网络怎么连接,手机怎么连接电脑上网

计算机上网络怎么连接,手机怎么连接电脑上网

我们现在上网越来越方便了&#xff0c;无论是移动还是联通的无线网络都已经覆盖了很多的地区&#xff0c;我们的电脑可以随时随地的进行上网。当我们的电脑已经连接网路的时候我们我们手机是否可以通过电脑的网络进行上网而不用再次进行登录呢?答案是肯定的&#xff0c;一旦我…
阅读更多...
电脑给手机开热点后，手机可以上网，但是电脑却不能上网了

电脑给手机开热点后，手机可以上网，但是电脑却不能上网了

这个问题困惑了我好久&#xff0c;也不知道为啥我手机就是连不上公司的网&#xff0c;然后只能电脑开热点了&#xff0c;发现开热点之后我电脑又不能上网了&#xff0c;让人头大啊&#xff0c;网上百度找到了解决方法。 &#xff08;1&#xff09;打开电脑的设置 &#xff08;…
阅读更多...
台式计算机网络共享,教大家怎么把电脑网络共享给手机上网

台式计算机网络共享,教大家怎么把电脑网络共享给手机上网

近日有关于怎么把电脑网络共享给手机上网的问题受到了很多网友们的关注&#xff0c;大多数网友都想要知道怎么把电脑网络共享给手机上网的具体情况&#xff0c;那么关于到怎么把电脑网络共享给手机上网的相关信息&#xff0c;小编也是在网上进行了一系列的信息&#xff0c;那么…
阅读更多...
把计算机怎么连接手机的网络助手在哪里,手机如何连接电脑上网

把计算机怎么连接手机的网络助手在哪里,手机如何连接电脑上网

手机如何连接电脑上网呢?虽然现在的智能手机普遍&#xff0c;手机上网也成了一件很普通的事&#xff0c;但是有时候头疼的是流量用完了&#xff0c;建议你利用笔记本来分享wifi&#xff0c;具体如何操作呢?其实很好设置&#xff0c;下面就教你手机连接电脑上网吧! 现在的笔记…
阅读更多...
电脑和手机连接同一个无线，电脑不能上网，手机能上网？

电脑和手机连接同一个无线，电脑不能上网，手机能上网？

目录 1.网络连接问题 2.解决办法就是&#xff1a; A.winr输入control打开控制面板打开网络和共享中心 B.更改适配器设置 C.找到连接的WLAN&#xff0c;鼠标右击选择属性 1.网络连接问题 今天晚上在用电脑连接家里的WIFI时&#xff0c;发现不能上网了&#xff0c;但是手机连接…
阅读更多...
把计算机怎么连接手机的网络助手在哪里,手机连接电脑上网,详细教您手机如何连接电脑上网...

把计算机怎么连接手机的网络助手在哪里,手机连接电脑上网,详细教您手机如何连接电脑上网...

无线个人网是在小范围内相互连接数个装置所形成的无线网络&#xff0c;通常是个人可及的范围内。现在智能手机普遍&#xff0c;手机无线连接上网也成了一件很普通的事。但是依然还是有人不知道如何连接上网。那么&#xff0c;手机无线连接电脑上网怎么搞?下面&#xff0c;小编…
阅读更多...
Android usb网卡配置ip地址,安卓手机通过电脑USB上网设置教程

Android usb网卡配置ip地址,安卓手机通过电脑USB上网设置教程

安卓手机通过电脑USB上网设置教程 我这里总结了几种方法供大家参考。 方法一&#xff1a;usb连接线,手机有线上网 1、将手机通过usb线连接到电脑&#xff0c;勾选“设置 -> 无线和网络 -> 绑定与便携热点 -> USB绑定”选项&#xff0c;电脑上会出现虚拟网卡&#xff0…
阅读更多...
这么连接计算机网络,详细教您手机怎么连接电脑上网

这么连接计算机网络,详细教您手机怎么连接电脑上网

在使用电脑的过程中&#xff0c;我们经常使用手机连接电脑传送文件。那你们知道手机怎么连接电脑上网吗&#xff1f;小编问了很多人&#xff0c;果然都不知道。嘿嘿&#xff0c;今天小编就教你们一招&#xff0c;赶紧来学习一下吧 说到手机大家都不陌生&#xff0c;现在几乎人手…
阅读更多...
计算机与手机联网,电脑怎么通过手机共享上网（两种手机和电脑连接上网方法）...

计算机与手机联网,电脑怎么通过手机共享上网（两种手机和电脑连接上网方法）...

电脑也可以连接上手机&#xff0c;通过手机移动高速网络上网吗&#xff1f;没错&#xff0c;电脑和手机相互绑定上网是安卓手机的一个内置的功能&#xff0c;虽然大多情况下并不实用(手机流量套餐太贵了)&#xff0c;但是对于某些人可能会很有用的&#xff0c;比如要办公编辑一…
阅读更多...
计算机用手机的网络,台式电脑如何使用手机网络上网

计算机用手机的网络,台式电脑如何使用手机网络上网

当今社会网络已经成为大家生活、工作必不可少的重要一部分了&#xff0c;而最近有很多小伙伴问小编台式电脑如何使用手机网络上网&#xff0c;其实很简单&#xff0c;下面就由学习啦小编跟大家分享具体的方法吧&#xff0c;希望对大家有所帮助~ 台式电脑使用手机网络上网的方法…
阅读更多...
推荐文章

Copyright @ 2022~2023