今日光電

翻譯自【OpenCV Fast Fourier Transform (FFT) for blur detection in images and video streams】，原文鏈接：

本文僅作學習分享。

(相關資料圖)

原始模糊檢測方法：

模糊檢測，顧名思義，是檢測圖像是否模糊的算法。

模糊檢測可能的應用包括：

圖像質量的自動分級

幫助專業攝影師在100到1000張的照片拍攝過程中自動丟棄模糊/低質量的照片

將OCR應用于實時視頻流，但僅對非模糊幀應用昂貴的OCR計算

這里的關鍵要點是，為在理想條件下捕獲的圖像編寫計算機視覺代碼總是比較容易的。

與其嘗試處理質量非常差的圖像的邊緣情況，不如檢測并丟棄質量差的圖像(比如有明顯模糊的圖像)。

這種模糊檢測程序既可以自動丟棄質量差的圖像，也可以簡單地告訴終端用戶：”嘿，老兄，再試一次，讓我們在這里捕捉一個更好的畫面”。

請記住，計算機視覺應用程序應該是智能的，因此有了“人工智能”這個術語——有時候，“智能”可以只是檢測輸入數據的質量是否太差，而不是試圖弄懂它。

什么是快速傅立葉變換(FFT)?

快速傅里葉變換是計算離散傅里葉變換的一種方便的數學算法。它用于將信號從一個域轉換為另一個域。

首先使用本教程的“下載”部分下載源代碼和示例圖像。一旦你解壓縮文件，你將有一個目錄組織如下：

我們的模糊檢測器實現需要matplotlib和NumPy。我們將使用內建在NumPy中的快速傅里葉變換算法作為我們方法的基礎；

第4行定義detect_blur_fft函數，接受四個參數：

圖片image：我們對模糊檢測輸入圖像

大小size：以圖像中心點為中心的半徑的大小，我們將使FFT偏移為零

閾值thresh：用于確定圖像是否被認為是模糊的，將與震級的平均值(稍后詳細說明)進行比較的一個值

標識符vis：一個布爾值，指示是否使用matplotlib可視化/繪制原始輸入圖像和大小圖像

給定輸入圖像，首先獲取它的尺寸(第7行)并計算中心(x, y)坐標(第8行)。

接下來，我們將使用NumPy的快速傅里葉變換(FFT)算法實現來計算離散傅里葉變換(DFT):

現在我們的detect_blur_fft 輔助函數已經實現，讓我們通過創建一個Python驅動程序腳本來使用它，該腳本從磁盤加載一個輸入圖像，然后對其應用FFT模糊檢測。

第2-6行進行導入，特別的是，我們需要導入我們在上一節中實現的detect_blur_fft函數。

從這里，我們解析四個命令行參數：

--image：用于模糊檢測的輸入圖像的路徑。

--thresh：我們的模糊檢測器計算閾值。

--vis：我們的標志符，指示是否將輸入圖像的幅度值圖像可視化。

--test：為了測試，我們可以逐步模糊輸入圖像，并對每個示例進行基于fft的模糊檢測;此標志指示我們是否將執行此測試。

--image、--thresh和--vis參數分別對應于我們在上一節實現的detect_blur_fft函數的image、thresh和vis參數。

讓我們繼續，加載我們的輸入圖像，執行快速傅里葉變換模糊檢測：

這里你可以看到我在錫安國家公園的地鐵徒步旅行的輸入圖像-圖像被正確地標記為不模糊。

讓我們試試另一張圖片，這是我家的狗，Jemma：

這幅圖像有明顯的模糊，因此被標記為模糊。

在這里，您可以看到我們的圖像很快變得模糊和不可讀，正如輸出所示，我們的OpenCV FFT模糊檢測器正確地將這些圖像標記為模糊。

下面是一個可視化的快速傅里葉變換幅度值，圖像變得越來越模糊：

----與智者為伍為創新賦能----

聯系郵箱：uestcwxd@126.com

QQ：493826566

關鍵詞：