在通常情况下，图片是否清晰是个感性认识，同一个图，有可能你觉得还过得去，而别人会觉得不清晰，缺乏一个统一的标准。然而有一些算法可以去量化图片的清晰度，做到有章可循。

　　私信小编007即可获取数十套PDF哦！

　　有了代表清晰度的值，剩下的工作就是设定相应的阀值，如果某图片方差低于预先定义的阈值，那么该图片就可以被认为是模糊的，高于阈值，就不是模糊的。

　　实操

　　原理看起来比较复杂，涉及到很多信号啊图片处理的相关知识，下面我们来实操一下，直观感受下。

　　由于人生苦短，以及我个人是朋友圈第一 Python 吹子，我选择使用 Python 来实现，核心代码简单到令人发指：

　　原图是这样的：

　　cv2.Laplacian(img2gray, cv2.CV_64F) 对图片用 3x3 拉普拉斯算子做卷积，这里的 cv2.CV_64F 就是拉普拉斯算子。

　　可以再找一张看看：

　　原图：

　　做灰度和经过拉普拉斯算子之后，可以看到人物部分已经不是很清晰了。

　　最后算出来的方差只有 530

　　剩下的工作就是根据整体图片质量确定阀值了。

　　局限性

　　通过上面的实操，我们知道这个算法的技巧在于设置合适的阀值，阈值太低会导致正常图片被误断为模糊图片，阈值太高会导致模糊图片被误判为正常图片。阀值依赖于你实际应用的业务场景，需要根据使用场景的不同做不同的定制。

　　比如：

　　计算出来是这样的，后面一大片都是黑的。

　　这个图前景其实看着还行，但是背景有大片的虚化和模糊，这种情况下比较容易被误杀。

　　所以最好还是在了解原理之后，根据实际场景来使用。

　　最后写了个简单的脚本，对传入的图片路径的图片进行计算，然后返回一个 json 字符串。

　　用法 python getRank.py --imgs=./1.jpg,./2.jpg

　　源码请私信哦！

　　碎碎念

　　记录一些所思所想，写写科技与人文，写写生活状态，写写读书感悟，欢迎关注，交流。