02 · 清晰度与模糊检测

模糊（Blur） 是视频监控中最常见的质量问题之一：镜头失焦、运动拖影、分辨率不足都会导致边缘能量下降。传统方法的核心思路是：清晰图像边缘锐利 → 二阶导数（拉普拉斯）响应强。

1. 现象与成因

类型	现象	典型成因
失焦模糊	全画面发虚	焦距错误、景深不足
运动模糊	沿运动方向拖影	曝光过长、物体/相机移动
降采样模糊	细节缺失	分辨率过低、过度压缩

失焦 / 运动拖影导致的模糊（已脱敏处理）

2. 拉普拉斯算子

2.1 连续形式

二维拉普拉斯（Laplacian）定义为：

边缘处 较大；模糊使边缘变缓，响应减弱。

2.2 离散卷积核

常用 核（四邻域）：

八邻域变体中心为 。对灰度图 做卷积得 。

3. 拉普拉斯方差法（Variance of Laplacian）

全局清晰度分数（Pech-Pacheco 等经典对焦度量）：

• 越大 → 边缘越丰富 → 越清晰
• 越小 → 越模糊

判定（传统模式，分数低为异常）：

4. 分块增强法

全局方差对局部模糊不敏感。将图像分为 块（如 ），每块 计算：

与参考模糊对比（可选）：对原图 做轻微高斯模糊得 ，比较块能量差：

小说明原图与轻微模糊图能量接近 → 已处于模糊状态。

5. 算法流程

flowchart LR
    A[灰度图 G] --> B[Laplacian 卷积]
    B --> C[分块 4×4]
    C --> D[每块计算 Var]
    D --> E[聚合为清晰度分数 V]
    E --> F{V < T?}
    F -->|是| G[模糊异常]
    F -->|否| H[正常]

6. OpenCV 伪代码

Mat gray, lap;
cvtColor(bgr, gray, COLOR_BGR2GRAY);
Laplacian(gray, lap, CV_64F);
Scalar mu, sigma;
meanStdDev(lap, mu, sigma);
double clarity = sigma.val[0] * sigma.val[0];  // 方差

7. 参数与误报

参数	建议	说明
	场景标定	夜景、雾天基线 偏低
分块数	～	块过小噪声敏感
预处理	可选轻度去噪	避免把噪声当边缘

局限：纹理极少的天空、白墙 天然偏低，易误报模糊；可结合对比度或 ROI 掩膜。

8. 参考文献

1. Pech-Pacheco J L, Cristóbal-Fdez G, Chamorro-Martínez J. Diatom autofocusing in brightfield microscopy. ICPR, 2000, 1: 314–317.
2. Crete F, Dolmiere T, Ladret P, Nicolas M. The blur effect: perception and estimation with a new no-reference perceptual blur metric. SPIE Electronic Imaging, 2007.
3. Wang J, Li Q, Han J. Generalized folded spectrum for focus measure. Applied Optics, 2009, 48(10): 1807–1817.

---

← 01 总览 · 专题首页 · 下一篇：噪声检测 →