人脸质量评估-模糊检测方法总结

时间：2024-03-28 10:54:19

作者：DayInAI 日期：20190128

此处为人脸检测之后进行人脸质量筛选的方案评估结果，主要是为了筛选不合格人脸，做了基本传统图像处理方法的分类，效果不是很好，后期尝试卷积神经网络做分类。

一、图像的模糊检测

1、基本方案

图像的清晰度检测方法主要分为两种情况：
一种是根据已有的图像，来判断现在的图像是否模糊；
另一种是在无参考图像的情况下，判断图像是否模糊；
现在主要判断无参考图像下的模糊分类。

2、图像预处理

对图片进行预处理操作：检测出人脸区域、设置相同大小的图片、图片灰度化等等。只有这样才不会受到图像大小以及除去人脸以外的因素的影响。

3、基本处理流程

人脸质量评估-模糊检测方法总结

4、实现

（1）Brenner 梯度函数

前后像素的均方误差计算。
人脸质量评估-模糊检测方法总结

def ImageToMatrix(dir,name):
    # 读取图片
    im = Image.open(dir+name)
    # 显示图片
    #im.show()
    width,height = im.size
    im = im.convert("L")
    data = im.getdata()
    data = np.matrix(data,dtype='float')/255.0

    new_data = np.reshape(data,(height,width))
    return new_data

def Brenner(img):
    x, y = img.shape
    D = 0
    for i in range(x-2):
        for j in range(y-2):
            D += (img[i+2, j] - img[i, j])**2
    return D

def TestBrener():
    dir = "D:/document/ZKBH/bug/face/"
    imgList = getAllImg(dir)

    for i in range(len(imgList)):
        frame = ImageToMatrix(dir , imgList[i])
        score = Brenner(frame)
        print(str(imgList[i]) + " is " + str(score))

（2）Tenengrad梯度函数

Tenengrad梯度函数采用Sobel算子分别提取水平和垂直方向的梯度。T是给定的边缘检测阈值，Gx和Gy分别是像素点(x,y)处Sobel水平和垂直方向边缘检测算子的卷积。
人脸质量评估-模糊检测方法总结

（3）拉普拉斯边缘检测

拉普拉斯算子为边缘检测的方法，检测出相邻像素之间的差值。
人脸质量评估-模糊检测方法总结

def lapulase(dir,name):
    """

    :param dir: 操作目录
    :param name: 操作的文件名称
    :return: 分数
    """
    filePath=dir+name #
    img = filePath
    # Laplace梯度法
    frame = cv2.imread(img)
    #cv2.imshow("原始图", frame);

    resImg = cv2.resize(frame, (800, 900),interpolation=cv2.INTER_CUBIC)
    img2gray = cv2.cvtColor(resImg, cv2.COLOR_BGR2GRAY)  # 将图片压缩为单通道的灰度图

    #img_resize = cv2.resize(img2gray, (112, 112))  # 为方便与其他图片比较可以将图片resize到同一个大小
    res = cv2.Laplacian(img2gray, cv2.CV_64F)
    score = res.var()

    font = cv2.FONT_HERSHEY_SIMPLEX
    fontSize=5
                # 照片 添加的文字    /左上角坐标   字体   字体大小   颜色        字体粗细
    cv2.putText(resImg, str(score), (0, 200),    font,    fontSize,    (0, 255, 0),6)

    newDir=dir+"/_Laplace_/"
    if not os.path.exists(newDir):
        os.makedirs(newDir)
    newName=newDir+name

    cv2.imwrite(newName, resImg)
    cv2.imshow('image', resImg)
    cv2.waitKey(0)


    #print("Laplacian score of given image is ", score)

    #cv2.imshow(r"gray效果图", img2gray);
    #cv2.imshow(r"laplace效果图", resImg);
    return score

相关文章