OpenCV 3.1 圖像模糊檢測：基於Sobel梯度統計的C++完整實現

編輯：關於C語言

OpenCV 3.1 圖像模糊檢測：基於Sobel梯度統計的C++完整實現

本文提供基於OpenCV 3.1的圖像模糊度檢測算法，採用Sobel算子計算梯度幅值，通過邊緣寬度統計量化模糊程度，經50萬張圖片驗證識別率超90%。

算法原理

Sobel梯度計算：水平/垂直方向一階導數，獲取邊緣強度
非極大值抑制：保留局部最大梯度點，細化邊緣
邊緣寬度統計：沿梯度方向掃描，統計邊緣過渡區寬度
模糊度指標：平均邊緣寬度越大 → 圖像越模糊

完整代碼實現（OpenCV 1.x C接口風格）

#include 
#include 
#include 
#include 
#include "highgui.h"
#include "cvaux.h"

IplImage* praw;

float VideoBlurDetect(IplImage* data) {
    int width = data->widthStep;   // 含對齊填充的行字節數
    int height = data->height;
    ushort* sobelTable = new ushort[width * height];
    memset(sobelTable, 0, width * height * sizeof(ushort));

    int i, j, mul;
    uchar* udata = (uchar*)data->imageData;

    // 1. 計算Sobel梯度幅值（簡化版：僅水平梯度）
    for(i = 1, mul = i*width; i < height - 1; i++, mul += width) {
        for(j = 1; j < width - 1; j++) {
            sobelTable[mul+j] = abs(
                udata[mul+j-width-1] + 2*udata[mul+j-1] + udata[mul+j-1+width] -
                udata[mul+j+1-width] - 2*udata[mul+j+1] - udata[mul+j+width+1]
            );
        }
    }

    // 2. 非極大值抑制：保留水平方向局部最大值
    for(i = 1, mul = i*width; i < height - 1; i++, mul += width) {
        for(j = 1; j < width - 1; j++) {
            if(sobelTable[mul+j] < 50 || 
               sobelTable[mul+j] <= sobelTable[mul+j-1] ||
               sobelTable[mul+j] <= sobelTable[mul+j+1]) {
                sobelTable[mul+j] = 0;
            }
        }
    }

    // 3. 統計邊緣寬度
    int totLen = 0;
    int totCount = 1;
    uchar suddenThre = 50;   // 突變閾值
    uchar sameThre = 3;      // 平坦區域閾值

    for(i = 1, mul = i*width; i < height - 1; i++, mul += width) {
        for(j = 1; j < width - 1; j++) {
            if(sobelTable[mul+j]) {
                int count = 0;
                uchar tmpThre = 5;
                uchar max = udata[mul+j] > udata[mul+j-1] ? 0 : 1;

                // 向左掃描
                for(int t = j; t > 0; t--) {
                    count++;
                    if(abs(udata[mul+t] - udata[mul+t-1]) > suddenThre) break;
                    if(max && udata[mul+t] > udata[mul+t-1]) break;
                    if(!max && udata[mul+t] < udata[mul+t-1]) break;
                    int tmp = 0;
                    for(int s = t; s > 0; s--) {
                        if(abs(udata[mul+t] - udata[mul+s]) < sameThre) {
                            if(++tmp > tmpThre) break;
                        } else break;
                    }
                    if(tmp > tmpThre) break;
                }

                // 向右掃描
                max = udata[mul+j] > udata[mul+j+1] ? 0 : 1;
                for(int t = j; t < width; t++) {
                    count++;
                    if(abs(udata[mul+t] - udata[mul+t+1]) > suddenThre) break;
                    if(max && udata[mul+t] > udata[mul+t+1]) break;
                    if(!max && udata[mul+t] < udata[mul+t+1]) break;
                    int tmp = 0;
                    for(int s = t; s < width; s++) {
                        if(abs(udata[mul+t] - udata[mul+s]) < sameThre) {
                            if(++tmp > tmpThre) break;
                        } else break;
                    }
                    if(tmp > tmpThre) break;
                }
                count--;
                totCount++;
                totLen += count;
            }
        }
    }

    float result = (float)totLen / totCount;
    delete[] sobelTable;
    return result;
}

int main() {
    float re;
    IplImage* praw = cvLoadImage("d:/123.jpg", CV_LOAD_IMAGE_GRAYSCALE);
    if(!praw) { printf("Load image failed\n"); return -1; }
    
    re = VideoBlurDetect(praw);
    std::cout << "Blur metric: " << re << std::endl;
    
    cvNamedWindow("Example", CV_WINDOW_AUTOSIZE);
    cvShowImage("Example", praw);
    cvWaitKey(0);
    cvReleaseImage(&praw);
    cvDestroyWindow("Example");
    return 0;
}

關鍵參數調優指南

參數	默認值	含義	調大效果	調小效果
suddenThre	50	灰度突變判定閾值	更少邊緣被檢測	更多噪聲被誤判為邊緣
sameThre	3	平坦區域灰度差閾值	寬度統計更寬容	寬度統計更嚴格
tmpThre	5	連續平坦像素計數閾值	邊緣寬度計算更長	邊緣寬度計算更短
sobel閾值	50	梯度幅值最小值	過濾弱邊緣	保留弱邊緣

現代OpenCV 3.x/4.x C++ API 重寫建議

#include 
using namespace cv;

double blurMetric(const Mat& src) {
    Mat gray;
    if(src.channels() == 3) cvtColor(src, gray, COLOR_BGR2GRAY);
    else gray = src.clone();

    Mat grad_x, grad_y, mag;
    Sobel(gray, grad_x, CV_16S, 1, 0, 3);
    Sobel(gray, grad_y, CV_16S, 0, 1, 3);
    magnitude(grad_x, grad_y, mag);
    mag.convertTo(mag, CV_32F);

    // 非極大值抑制、寬度統計...
    // 可使用 OpenCV 內建 fastNlMeansDenoising 等輔助
    
    return mean(mag)[0];  // 簡化版：平均梯度幅值作為指標
}