《表1 常用检测算法对比：无参考模式图像模糊度检测方法探究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《无参考模式图像模糊度检测方法探究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

Brenner是对于没有参考图片的模糊度检测最简单的方法[3]，只需计算两个相邻的像素灰度值的差的平方。Tenengrad梯度函数和Laplacian梯度函数是两种常用且性能优异的算法[4]。使用Tenengrad梯度函数检测模糊度时首先要对图片进行灰度化预处理，然后使用Tenengrad梯度函数和Sobel算子对水平方向和竖直方向的梯度值进行计算，以返回计算的Tenengrad梯度值的均值。对于一张照片计算的梯度值[5]，数值越高，代表着图像越质量越高。第三种检测模糊度的方法是Laplacian梯度函数，当使用Laplacian算子代替Sobel算子时，首先对待处理图片进行预处理，然后用Laplacian算子进行滤波，最后计算处理后图片的梯度平均大小。使用Laplacian封装方法（直接在OpenCV中调用），可以得到Laplacian边缘检测图像。表1给出了上述三种算法的对比。