如何生成照片失焦区域的遮罩？已实现Laplace焦点检测不知后续处理

实现思路 #

拉普拉斯算子输出的绝对值大小直接对应区域的锐度：绝对值越高，边缘响应越强，区域越清晰；绝对值越低，区域越模糊。基于这个特性生成模糊区域遮罩的优化方案如下：

1. 对拉普拉斯输出做绝对值转换+数值归一化，得到可直接用于阈值判断的锐度响应图
2. 用OTSU自动阈值替代固定阈值/简单高斯模糊+阈值的方案，自动适配不同图像的锐度分布，大幅提升准确率
3. 增加形态学后处理，消除遮罩中的零散噪点、补全区域空洞

你提供的拉普拉斯滤波效果参考：

你之前用高斯模糊+阈值得到的低准确率结果参考：

优化后代码 #

import numpy as np
import cv2

imgPath = r"IMG_0727.jpg"
img = cv2.imread(imgPath)
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

def laplaceFilter(image):
    kernel_size = 5
    blur_size = 5
    blurred = cv2.GaussianBlur(image, (blur_size,blur_size), 0)
    lap = cv2.Laplacian(blurred, cv2.CV_64F, ksize=kernel_size)
    # 取绝对值并归一化到0-255
    abs_lap = np.absolute(lap)
    norm_lap = ((abs_lap - abs_lap.min()) / (abs_lap.max() - abs_lap.min()) * 255).astype('uint8')
    return norm_lap

# 得到锐度响应图
laplace_map = laplaceFilter(imgGray)
cv2.imwrite("laplaceFilter.png", laplace_map)

# 用OTSU自动阈值分割，低于阈值的区域判定为模糊区域
_, blur_mask = cv2.threshold(laplace_map, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 形态学后处理：去掉噪点，补全空洞
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (7,7))
blur_mask = cv2.morphologyEx(blur_mask, cv2.MORPH_OPEN, kernel)
blur_mask = cv2.morphologyEx(blur_mask, cv2.MORPH_CLOSE, kernel)

# 保存模糊区域遮罩，白色为模糊区域，黑色为清晰区域
cv2.imwrite("blur_mask.png", blur_mask)

# 如果需要在原图上叠加遮罩查看效果
mask_color = np.zeros_like(img)
mask_color[blur_mask == 255] = [0,0,255] # 模糊区域标红
overlay_result = cv2.addWeighted(img, 0.7, mask_color, 0.3, 0)
cv2.imwrite("overlay_result.png", overlay_result)

可选优化方向 #

• 如果图像局部光照差异极大，可以把全局OTSU阈值换成自适应局部阈值，调用cv2.adaptiveThreshold即可
• 形态学核的大小可以根据你的图像分辨率调整，分辨率越高核可以适当调大

内容的提问来源于stack exchange，提问作者Mc Gavish