Оценить размытость/резкость похожих изображений

Question

У меня есть тысячи изображений, снятых для 3D-реконструкции с использованием фотограмметрии, и я хочу оценить, какие изображения тоже blurry с помощью Imagemagick или любой другой командной строки, способной к программному обеспечению. Что означает слишком blury: в зависимости от средней размытости/резкости всех изображений, худшие изображения можно легко выбрать. Но как оценить размытость. Я перешел в FFT, Fast Fournier Transform и думаю, что здесь можно найти решение. Частоты могут быть вычислены командой IM -fft, которая производит изображения величин и фаз. Как можно использовать эти изображения для расчета общего коэффициента размытости/резкости?

Обновление: Вот некоторые из изображений, которые мне нужно лечить. Реальная проблема заключается в том, что все изображения находятся рядом со многими другими из этих видов в одной папке и должны быть проверены на проблемы с размытием изображения. Я должен обнаруживать слишком высокое размытие движения и избегать этих изображений в дальнейшем производстве.

Следующие 3 изображения имеют из всех изображений самые низкие отклонения, но очень резкие в исходной полноразмерной версии.

Эти 2 изображения имеют меньшее отклонение из-за белых областей, но и не отсутствие достаточной резкости.

Здесь обнаружение края приносит различные края, из мозаики. Из всех изображений первое изображение размыто.

Это изображение имеет низкую размытость.

Answer 1

У меня есть идея, используя ImageMagick. Я принимаю исходное изображение следующим образом:

тогда я положил его в Photoshop и размойте с Motion Blur 5 pixesl и 10 пикселей, сохранив результаты в виде blur5.txt и blur10.txt.

Теперь я использую ImageMagick сравнить статистику:

identify -verbose original.jpg > orig.txt 
identify -verbose blur5.jpg > blur5.txt 
identify -verbose blur10.jpg > blur10.txt 

Затем используйте opendiff (на Mac), чтобы сравнить статистику,

opendiff orig.txt blur5.txt 

Хочу отметить, что размытие изображения, тем ниже стандартное отклонение - так что, по-видимому, измеряется относительная смазка песчаники

Затем я использовал детектор Canny Edge, и вы можете видеть, что самое острое изображение получает большинство ребер, а не неожиданно. Таким образом, вы можете считать белые пиксели в обнаруженном изображении Canny Edge как меру вашей резкости.

Как это:

convert original.jpg -canny 0x1+10%+30% -format %c histogram:info:- 
    875184: ( 0, 0, 0) #000000 gray(0) 
    72576: (255,255,255) #FFFFFF gray(255)   <--- sharp image has high white pixel count 
convert blur5.jpg -canny 0x1+10%+30% -format %c histogram:info:- 
    912322: ( 0, 0, 0) #000000 gray(0) 
    35438: (255,255,255) #FFFFFF gray(255)   <--- slightly blurry has lower white pixel count 
convert blur10.jpg -canny 0x1+10%+30% -format %c histogram:info:- 
    925759: ( 0, 0, 0) #000000 gray(0) 
    22001: (255,255,255) #FFFFFF gray(255)   <--- blurriest has lowest white pixel count 

Если вы хотите одну строку, которая вычисляет количество белых пикселей и перекликается имя файла, вы можете сделать это:

convert original.jpg -canny 0x1+10%+30% -format "%[fx:mean*h*w] %f\n" info: 
72576 original.jpg 

Это позволит вам анализировать все ваши изображения и сортировать их в порядке резкости следующим образом:

find . -name "*.jpg" -exec convert "{}" -canny 0x1+10%+30% -format "%[fx:mean*h*w] %f\n" info: \; | sort 
22001 blur10.jpg 
35438 blur5.jpg 
72576 original.jpg