如何在Python中使用OpenCV执行模糊检测
在电晕的日子里（仍然没有结束），我每天会在我家附近走一个小时，然后回到家。有一天，当我再次出去散步时，我想到了手机上不必要的照片。来自大学Whatshap小组的数千张照片。我需要很长时间才能在其中找到不需要的照片。但是我有一个减轻这种工作量的想法。
模糊检测
我的画廊里可能有近万张照片。其中，我认为至少300-400张照片模糊（我的画廊中有378张模糊照片）。“我该如何处理？” 当我想到时，我想到我是一名软件工程师。我立即完成行走，回到家，坐在电脑前，做了一个名为“模糊检测”的小项目，下面将告诉您。
第1部分：逻辑
大约3个小时后，我编写了117行代码，该算法无法正常运行。意识到他不能那样处理，我开始思考。我想到了大约3年前的课程中提到的一个主题：“拉普拉斯过滤器”。
模糊检测
拉普拉斯滤镜主要用于定义图片中的边缘线。边缘在这里是指通常将对象与背景分开的锐利分色。拉普拉斯滤镜（也称为锐化滤镜）在操作时使用一个窗口。您可以通过下面的简短视频更好地了解活动。
例如，下面是一个3×3（3 * 3）窗口以及每个单元格中可在此过程中使用的系数值：
1 1 1 1 -8 1 1 1 1
在上面的该窗口中，每个单元中的像素值仅乘以该单元中的系数，然后将结果添加到中间的像素的新值。
例如，考虑一个矩阵，其当前值如下所示：
4 5 6 3 3 8 2 1 7
该矩阵中间的新值由以下公式计算：
1 x 4 +1 x 5 +1 x 6 +1 x 3 + -8 x 3 +1 x 8 +1 x 2 +1 x 1 + 1 x 7 = 12
过滤后的矩阵：
4 5 6 3 12 8 2 1 7
发现为。以下是应用了拉普拉斯滤镜的普通图片：
模糊检测
图片发布
第2部分：申请
首先，让我们导入必要的库。
导入cv2
导入argparse
导入球
我们打开一个名为“ images”的文件夹，其中包含足够的照片。相片：
图片发布
现在让我们回到编码。让我们使用“ argparse”软件包进行必要的调整。
ap = argparse.ArgumentParser（）
ap.add_argument（'-i'，'--images'，required = True，）
ap.add_argument（'-t'，'--threshold'，type = float）
args = vars（ap.parse_args（））
为了将文件夹中的图像保留在单个数组中，我们编写以下代码：
images = [cv2.imread（file）for glob.glob（“ {} / *。jpeg” .format（args ['images']））中的文件]]
现在是时候一张一张地拍摄文件夹中的图片，然后应用拉普拉斯方法找到模糊了。
用于图像中的图像：
灰色= cv2.cvtColor（图像，cv2.COLOR_BGR2GRAY）
fm = cv2.Laplacian（灰色，cv2.CV_64F）.var（）
文字=“不模糊”
如果fm <args [“阈值”]：
文字=“模糊”
cv2.putText（image，“ {}：{：.2f}”。format（text，fm），（10，30），
cv2.FONT_HERSHEY_SIMPLEX，0.8，（0，0，255），3）
cv2.imshow（“图像”，图像）
cv2.waitKey（0）
1.line：我们开始循环播放，以逐一旋转文件夹中的照片。
2.line：我们将照片变成灰度。
3.line：我们使用拉普拉斯方法。结果，将返回浮点类型编号。（例如4.312563或764.471094）
6.line：我们将第3行的结果与我们确定的阈值进行比较。如果结果低于阈值，我们将其视为“模糊”。通常，阈值在100时给出非常好的结果。
在控制台屏幕上键入以下内容以使其运行
python blur_detection.py -i图片-t 100
它完成了。我们使用OpenCV做了一个小项目来进行模糊检测。
题库