• 无参考图像的清晰度评价方法（代码实现Python）

试了试前三种方法，一个一秒一帧一个5秒一帧，只有cv2.Laplacian能跟得上摄像头的连续出图，后面的看了下似乎也都是需要各种高强度计算，懒得测试了主要：

while (cv2.waitKey(1) != 27):
        print(cv2.Laplacian(mat,cv2.CV_64F).var())#mat:灰度图，返回的值越大图像越清晰对焦越准确
        cv2.imshow(u"Camera", mat)#显示图像数据

用的摄像头用OpenCV打不开，只能用厂家提供的SDK，代码肯定不能和其他摄像头通用，用的黑白摄像头，彩色的话要先把图像转换成灰度图

import numpy as np
import cv2
import math
from dvp import *
def frame2mat(frameBuffer):
    frame, buffer = frameBuffer
    bits = np.uint8 if(frame.bits == Bits.BITS_8) else np.uint16
    shape = None
    convertType = None
    if(frame.format >= ImageFormat.FORMAT_MONO and frame.format <= ImageFormat.FORMAT_BAYER_RG):
        shape = 1
    elif(frame.format == ImageFormat.FORMAT_BGR24 or frame.format == ImageFormat.FORMAT_RGB24):
        shape = 3
    elif(frame.format == ImageFormat.FORMAT_BGR32 or frame.format == ImageFormat.FORMAT_RGB32):
        shape = 4
    else:
        return None
    mat = np.frombuffer(buffer, bits)
    mat = mat.reshape(frame.iHeight, frame.iWidth, shape)   #转换维度
    return mat
def brenner(img):
    '''
    Brenner 梯度函数
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    1FPS
    '''
    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
def Laplacian(img):
    '''
    Laplacian梯度函数
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    30FPS
    '''
    return cv2.Laplacian(img,cv2.CV_64F).var()
def SMD(img):
    '''
    SMD（灰度方差）
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    0.2FPS
    '''
    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
camera = Camera(0)#以索引号的方式打开相机
camera.Start()#启动视频流
cv2.namedWindow(u"Camera",0)#可以拖动窗口大小
cv2.resizeWindow(u"Camera", 640, 480)#设置窗口大小
cv2.moveWindow(u"Camera",1200,500)#设置窗口位置
while (cv2.waitKey(1) != 27):
        frame = camera.GetFrame(3000)#从相机采集图像数据，超时时间为3000毫秒
        mat = frame2mat(frame)#转换为标准数据格式
        print(Laplacian(mat))
        cv2.imshow(u"Camera", mat)#显示图像数据

试了下效果，Laplacian对常规场景的判断对焦和失焦的值差距不是很大，对上焦是80左右的数值，失焦也就60左右但对电子屏幕似乎有奇效，朝着电脑屏幕对上焦后数值能飙到800多对准焦距： 焦距过长：焦距过短：

无参考图像的清晰度评价方法（代码实现Python）

1 Brenner 梯度函数

def brenner(img):
    '''
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    '''
    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梯度函数

def Laplacian(img):
    '''
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    '''
    return cv2.Laplacian(img,cv2.CV_64F).var()

3 SMD（灰度方差）

def SMD(img):
    '''
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    '''
    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（灰度方差乘积）

def SMD2(img):
    '''
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    '''
    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 方差函数

def variance(img):
    '''
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    '''
    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 能量梯度函数

def energy(img):
    '''
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    '''
    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函数

def Vollath(img):
    '''
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    '''
    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 熵函数

def entropy(img):
    '''
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    '''
    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

refhttps://blog.csdn.net/gaoyi221119/article/details/103782288