如何基于FFT直方图尖峰检测判断图像是否存在块效应

块效应本质是有损压缩（典型如JPEG）采用固定大小分块量化带来的块边界周期性不连续，这种周期性信号在傅里叶频谱的X、Y轴中心线上会形成规律的对称尖峰，完全可以在无原图参考的前提下完成检测。

基于傅里叶变换的完整实现流程 #

你已经完成了图像读入、灰度化、傅里叶变换和频谱中心化的步骤，后续按以下逻辑补全即可：

1. 频谱预处理 #

中心化后的频谱直流分量（零频点）幅值远高于其他频率，会干扰尖峰检测，首先做幅值归一化和直流抑制：

import cv2
import numpy as np
from scipy.signal import find_peaks

# 已完成的基础代码
im = cv2.imread('image1.jpg') 
gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
h, w = gray.shape
fft = np.fft.fft2(gray)
fftShift = np.fft.fftshift(fft)

# 计算对数幅值谱，压缩动态范围
magnitude = 20 * np.log(np.abs(fftShift) + 1e-8)
# 抑制中心直流分量：将中心3x3区域替换为全局幅值均值，避免直流峰淹没其他尖峰
center_h, center_w = h//2, w//2
magnitude[center_h-1:center_h+2, center_w-1:center_w+2] = magnitude.mean()

2. 提取轴向投影 #

沿X、Y轴的中心带取平均投影，比单行/单列取数抗噪性更好：

# 取中心上下各3行做平均，得到水平方向投影（检测垂直块边界对应的频域尖峰）
proj_y = np.mean(magnitude[center_h-3:center_h+4, :], axis=0)
# 取中心左右各3列做平均，得到垂直方向投影（检测水平块边界对应的频域尖峰）
proj_x = np.mean(magnitude[:, center_w-3:center_w+4], axis=1)

3. 用find_peaks检测尖峰 #

针对块效应的尖峰特征，find_peaks的参数设置如下，避免把噪声、纹理误判为块效应尖峰：

def detect_block_peaks(proj, img_side_len):
    # 峰值高度阈值：高于投影均值+2.5倍标准差才算有效尖峰
    height_thresh = np.mean(proj) + 2.5 * np.std(proj)
    # 峰值最小间隔：常见压缩块大小为4~32像素，对应频域间隔为img_side_len/block_size，这里设最小间隔为对应32像素块的频域间隔
    min_peak_dist = int(img_side_len / 64)
    # 峰值突出度阈值：过滤平缓的小凸起
    prominence_thresh = 0.8 * np.std(proj)
    
    peaks, _ = find_peaks(
        proj,
        height=height_thresh,
        distance=min_peak_dist,
        prominence=prominence_thresh
    )
    # 校验尖峰是否关于中心对称：块效应的尖峰一定成对出现在中心两侧
    valid_peaks = []
    for p in peaks:
        mirror_p = 2 * (len(proj)//2) - p
        if mirror_p in peaks:
            valid_peaks.append(p)
    return valid_peaks

x_peaks = detect_block_peaks(proj_x, h)
y_peaks = detect_block_peaks(proj_y, w)

4. 判定逻辑 #

如果X、Y方向都检测到至少2个有效对称尖峰，且尖峰间隔对应4~32像素的常见块大小，即可判定存在块效应：

has_block_artifact = len(x_peaks) >=2 and len(y_peaks) >=2

优化方案（降低误判率） #

纯频域检测容易把图像本身的周期性纹理（比如砖墙、格栅、纺织纹路）误判为块效应，可以补充两个校验步骤提升准确率：

• 尖峰间隔校验：计算有效尖峰到频谱中心的距离，所有距离应该是某个固定值的整数倍，换算到空域对应的块大小落在4~32像素区间内才符合块效应特征
• 空域二次校验：按检测到的块大小将图像分块，分别计算块边界相邻像素的灰度差均值、块内部相邻像素的灰度差均值，如果边界差比内部差高1.5倍以上，即可确认是压缩带来的块效应，而非自然纹理。

内容的提问来源于stack exchange，提问作者harish