如何在 C++ 中有效地检测人脸的模糊率？

Question

我正在尝试使用以下代码检测人脸图像的模糊率。

cv::Mat greyMat;
cv::Mat laplacianImage;
cv::Mat imageClone = LapMat.clone();

cv::resize(imageClone, imageClone, cv::Size(150, 150), 0, 0, cv::INTER_CUBIC);

cv::cvtColor(imageClone, greyMat, CV_BGR2GRAY);
Laplacian(greyMat, laplacianImage, CV_64F);

cv::Scalar mean, stddev; // 0:1st channel, 1:2nd channel and 2:3rd channel
meanStdDev(laplacianImage, mean, stddev, cv::Mat());
double variance = stddev.val[0] * stddev.val[0];

cv::Mat M = (cv::Mat_(3, 1)

cv::Mat Lx;
cv::sepFilter2D(LapMat, Lx, CV_64F, M, G);

cv::Mat Ly;
cv::sepFilter2D(LapMat, Ly, CV_64F, G, M);

cv::Mat FM = cv::abs(Lx) + cv::abs(Ly);

double focusMeasure = cv::mean(FM).val[0];
return focusMeasure;

它有时会给出不好的结果，如附图所示。

是否有检测模糊面孔的最佳实践方法？ 我附上了一个示例图像，上面的代码得分很高，这是错误的。

最好的

Answer 1

我不确定你如何解释你的结果。为了测量模糊，您通常获取 Blur Detector 的输出（一个数字）并将其与阈值进行比较，然后确定输入是否实际上是模糊的。我在您的代码中没有看到这样的比较。

有几种方法可以测量“模糊度”，或者更确切地说，是锐度。让我们来看一个。它涉及计算拉普拉斯算子的方差，然后将其与预期值进行比较。这是代码：

//read the image and convert it to grayscale:
cv::Mat inputImage = cv::imread( "dog.png" );
cv::Mat gray;
cv::cvtColor( inputImage, gray, cv::COLOR_RGB2GRAY );

//Cool, let's compute the laplacian of the gray image:
cv::Mat laplacianImage;
cv::Laplacian( gray, laplacianImage, CV_64F );

//Prepare to compute the mean and standard deviation of the laplacian:
cv::Scalar mean, stddev; 
cv::meanStdDev( laplacianImage, mean, stddev, cv::Mat() );

//Let’s compute the variance:
double variance = stddev.val[0] * stddev.val[0];

到目前为止，我们已经有效地计算了拉普拉斯算子的方差，但我们仍然需要与阈值进行比较：

double blurThreshold = 300;

if ( variance <= blurThreshold ) {
    std::cout<<"Input image is blurry!"<<std::endl;
} else {
    std::cout<<"Input image is sharp"<<std::endl;
}

让我们看看结果。 Theseare我的测试图像。我已经在图像的左下角打印了方差值。阈值为300，蓝色文字在限制范围内，红色文字在限制范围内。