目录
0、实现效果
1、概述
2、模糊度分类
1、运动模糊
2、压缩模糊
3、高斯模糊
3、清晰度量化指标
Brenner
能量梯度函数(Energy of Gradient)
编辑
Roberts
Laplace
SMD（灰度方差）函数
SMD2 （灰度方差乘积）函数
4、图像清晰度评价实现
5、总结与评价
参考资料：
0、实现效果
能够通过一张标准图，对同一组相机拍摄的照片进行清晰度评价。
1、概述
图像清晰度是用来指导调焦机构找到正焦位置的评价函数。理想的清晰度评价曲线类似于泊松分布，请看下图：
p点对应于正焦位置，P1 和P2 为正焦位置焦前和焦后采集到图像的清晰度评价结果。
正焦的图像比模糊的离焦图像边缘要更加的锐利清晰，相应的边缘像素灰度值变化大，因而会有更大的梯度值，从数学的角度来看图像，它是二维的离散矩阵，利用梯度函数可获取图像的灰度信息，来判别图像的清晰度，在离散信中梯度表现为差分形式。
2、模糊度分类
1、运动模糊
运动模糊是在捕获图像时，快门在打开时间内成像系统和拍摄 对象的短暂相对运动，造成成像在某个方向上形成的模糊。
2、压缩模糊
压缩模糊是图像在进行有损压缩丢失部分信息。
3、高斯模糊
高斯模糊是人为引入的一种模糊，使用高斯低通滤波器对原始图像进行滤波得到的。
3、清晰度量化指标
Brenner
Brenner梯度函数是最简单的梯度评价函数，它只是简单的计算相邻两个像素灰度差的平方，该函数定义如下：
python实现：
def EOG(img): ''' :param img:narray 二维灰度图像 :return: int 图像越清晰越大 ''' shapes = np.shape(img) output = 0 for x in range(0, shapes[0]-1): for y in range(0, shapes[1]-1): output+=((int(img[x+1,y])-int(img[x,y]))**2+(int(img[x,y+1])-int(img[x,y]))**2) return outputRoberts
Roberts函数与能量梯度函数相似，它是利用对角方向像素点灰度值之差。将4个相邻像素点的灰度值交叉相减的平方和作为每个像素点的梯度值，对所有像素梯度值累加作为清晰度评价函数值，表达式如下式所示：
，取各像素点梯度的平方和作为评价函数，如下式所示：
(2条消息) 图像处理：边缘检测原理_夏天是冰红茶的博客-CSDN博客
SMD（灰度方差）函数
当完全聚焦时，图像最清晰，图像中的高频分量也最多，故可将灰度变化作为聚焦评价的依据，灰度方差法的公式如下：
一种快速高灵敏度聚焦评价函数》中李郁峰等人在论文中提出了一种新的评价函数，称之为灰度方差乘积法，即对每一个像素领域两个灰度差相乘后再逐个像素累加，该函数定义如下：
Brenner:
Laplacian:
5、总结与评价
很遗憾，本次的清晰度评价失败了，如果想要得到一个边界值几乎不可能实现，哪怕通过大量图像数据（模糊图像与清晰图像）也不能完成，因为这些清晰度量化指标函数都是通过求图像像素的梯度，换汤不换药，在不同场景不同模糊的条件下很难去进行比对。
参考资料：
图像清晰度评价函数 – 知乎 (zhihu.com)
模糊图像检测-无参考图像的清晰度评价 – 知乎 (zhihu.com)
(2条消息) 无参考图像的清晰度评价方法_凌风探梅的博客-CSDN博客
(2条消息) 图像处理：边缘检测原理_夏天是冰红茶的博客-CSDN博客
(2条消息) 11种图像清晰度评价函数附MATLAB代码_姜饼8的博客-CSDN博客_能量梯度函数
图像处理评价指标之模糊度、清晰度（待更新） – 知乎 (zhihu.com)
一种快速高灵敏度聚焦评价函数 – 中国知网 (cnki.net)