1，判断图像清晰度，明暗，
原理，Laplacian算法。偏暗的图片，二阶导数小，区域变化小；偏亮的图片，二阶导数大，区域变化快。
import cv2
def getImageVar(imgPath):
image = cv2.imread(imgPath)
img2gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
imageVar = cv2.Laplacian(img2gray, cv2.CV_64F).var()
return imageVar
imageVar = getImageVar("./lena.jpg")
print(imageVar)
输出结果：
2119.0913581351697
2，判断黑白或彩色图片
原理，通道变化
def is_color_image(url):
im=Image.open(url)
pix=im.convert('RGB')
width=im.size[0]
height=im.size[1]
oimage_color_type="Grey Image"
is_color=[]
for x in range(width):
for y in range(height):
r,g,b=pix.getpixel((x,y))
r=int(r)
g=int(g)
b=int(b)
if (r==g) and (g==b):
pass
else:
oimage_color_type='Color Image'
return oimage_color_type
补充知识：求图片的平均亮度
图像相关开发中，有时我们需要知道和了解图片的 亮度 这一信息，例如判断图片是否曝光严重过度或者太黑什么都看不清。
那么怎么去获取到图片的 平均亮度 这一信息呢？
一、YUV 图片
一般相机的原始数据类型就是 YUV 格式，这种格式下很容易求得亮度，因为它的 Y 通道就是亮度通道，我们只需要求得 Y 通道的平均值就可以了。
由于 YUV 图片前 width * height 个字节存放的就是 Y 的值，所以其均值计算如下：
void calculate_average_brightness(const unsigned char* image, const int width, const int height, double* brightness) {
int length = width * height;
double sum;
for (int i = 0; i < length; ++i) {
sum += image[i];
}
brightness = sum / length; // brightness value: [0, 255]
}
注意这样计算得到的亮度值范围为 0~255，如果要归一化的话，再除以 255 即可。
二、RGB 图片
RGB 图片的计算理论和上述差不多，不过我们需要先求得 R、G、B 三个通道的均值。
RGB 图片的亮度计算公式为：
Y = 0.299 * R + 0.587 * G + 0.114 * B
以上这篇python 图像判断,清晰度(明暗),彩色与黑白实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
