上位机图像处理和嵌入式模块部署（qmacvisual图像清晰度）

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】

        做过isp的同学都知道，图像处理里面有一个3A，即自动曝光、自动白平衡和自动对焦。其中自动对焦这个，就需要用输入的图像清晰度作为反馈，自动调整摄像头的焦距。这也是摄像头中唯一需要机械控制的部分。那怎么判断图像的清晰度，这里面每个厂家都有自己的算法。今天我们学习的qmacvisual软件里面就自带了三个算法。

1、创建工程、创建流程

        工程和流程是qmacvisual软件使用的第一步。

2、导入图像清晰度插件

        图像清晰度插件，它的位置位于【检测识别】下面。直接拖过来就可以使用。

        整个插件中有两个地方需要配置。第一个是文件夹下面，也就是说需要从文件夹下面挑选出清晰度最高的那张图片。整个文件夹大约100多张图片，如果大家跟进去看的话，就会发现图片是从模糊到清晰、再到模糊的状态。第二个是相关算法的配置，目前有三个算法供选择，分别是Tenengrad算法、Laplacian算法和SMD算法。选择好之后，单击执行按钮，就会看到清晰度最高的那个算法。此外，还可以看出当前图片这个特征的最优值是多少。

3、算法实现原理

        实现上面，三个算法我们都可以找到对应的实现代码过程。不失一般性，我们找到其中Laplacian梯度的实现过程，

//使用Laplacian梯度法计算一幅图像的清晰度
double frmImageClarity::CalcClarityLaplacian(const cv::Mat src_mat)
{
	try
	{
		cv::Mat gray;
		if (src_mat.channels() == 3)
		{
			cv::cvtColor(src_mat, gray, cv::COLOR_BGR2GRAY);
		}
		else if (src_mat.channels() == 4)
		{
			cv::cvtColor(src_mat, gray, cv::COLOR_RGBA2GRAY);
		}
		else
		{
			src_mat.copyTo(gray);
		}
		cv::Mat imageLaplacian;
		cv::Laplacian(gray, imageLaplacian, CV_16U);
		//图像的平均灰度
		double meanValue = 0.0;
		meanValue = cv::mean(imageLaplacian)[0];
		return meanValue;
	}
	catch (...)
	{
		return -1;
	}
}

        整个过程实现还是比较简单的，基本就三个步骤，第一步灰度转换；第二步Laplacian转换；第三步求解平均灰度。计算下来，就是哪张图片的灰度最高，就是哪张图片最清晰。有兴趣的同学，可以再去看看其他两种方法的实现过程。对于拍照不是很好，或者有抖动的图片来说，这种方法还是非常实用的。

4、其他两种算法的效果

        我们看一下除了Tenengrad算法之外，另外两种算法的执行效果是什么样的。需要注意的是，不同的算法判断标准是不一样的，所以左上角输出的数值可能是不一样的。