在Python中，可以通过计算图像的模糊度来筛选和分类模糊图片。一个常用的方法是使用OpenCV库中的Laplacian算子来检测图像的边缘信息，并通过计算方差来评估图像的模糊程度[^1]。 ### 基本思路 1. 读取图片。 2. 使用OpenCV将图片转换为灰度图。 3. 应用Laplacian算子并计算方差。 4. 根据设定的阈值判断图片是否模糊。 ### 示例代码 以下是一个完整的示例脚本： ```python import cv2 import os def is_blurry(image_path, threshold=100): """ 判断给定路径的图片是否模糊。 参数: image_path (str): 图片文件路径。 threshold (float): 模糊度阈值，小于该值则认为图片模糊。 返回: bool: 如果图片模糊返回True，否则返回False。 """ # 读取图片并转换为灰度图 image = cv2.imread(image_path) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 使用Laplacian算子计算图像的模糊度 fm = cv2.Laplacian(gray, cv2.CV_64F).var() # 判断模糊度是否低于阈值 return fm < threshold def classify_images(directory, threshold=100): """ 遍历指定目录下的所有图片文件，根据模糊度进行分类。 参数: directory (str): 包含图片的目录路径。 threshold (float): 模糊度阈值。 """ blurry_files = [] clear_files = [] for filename in os.listdir(directory): file_path = os.path.join(directory, filename) # 确保是图片文件 if os.path.isfile(file_path) and filename.lower().endswith(('.png', '.jpg', '.jpeg')): if is_blurry(file_path, threshold): blurry_files.append(filename) else: clear_files.append(filename) print("模糊图片:") for name in blurry_files: print(f" - {name}") print("\n清晰图片:") for name in clear_files: print(f" - {name}") # 示例调用 if __name__ == "__main__": # 替换为你的图片目录路径 image_directory = "path/to/your/images" classify_images(image_directory, threshold=100) ``` ### 说明 - **is_blurry函数**：用于判断单张图片是否模糊。它接受一个图片路径和模糊度阈值（默认为100）作为参数。 - **classify_images函数**：遍历指定目录中的所有图片文件，调用`is_blurry`函数对每一张图片进行分类，并输出结果。 - **threshold参数**：可以根据实际需求调整阈值以适应不同的场景。 ### 扩展功能建议 1. 支持批量保存分类后的结果到不同目录。 2. 添加图形界面支持（如使用Tkinter或PyQt）。 3. 将结果导出为CSV或其他格式以便进一步分析。