• 理论
• 代码

理论

因为清晰聚焦的图像有着比模糊图像更大的灰度差异，可以将方差函数作为评价函数：其中：为整幅图像的平均灰度值，该函数对噪声比较敏感，图像画面越纯净，函数值越小。https://blog.csdn.net/Real_Myth/article/details/50827940

代码

def variance(img):
    '''
    :param img:narray 二维灰度图像
    :return: float 图像约清晰越大
    '''
    out = 0
    u = np.mean(img)
    shape = np.shape(img)
    for x in range(0,shape[0]):
        for y in range(0,shape[1]):
            out+=(img[x,y]-u)**2
    return out

https://blog.csdn.net/Greepex/article/details/90183018

def _Variance(self, imgName):
    """
           灰度方差乘积
           :param imgName:
           :return:
           """
    # step 1 图像的预处理
    img2gray, reImg = self.preImgOps(imgName)
    f = self._imageToMatrix(img2gray)
    # strp3: 绘制图片并保存  不应该写在这里  抽象出来   这是共有的部分
    score = np.var(f)
    newImg = self._drawImgFonts(reImg, str(score))
    newDir = self.strDir + "/_Variance_/"
    if not os.path.exists(newDir):
        os.makedirs(newDir)
    newPath = newDir + imgName
    cv2.imwrite(newPath, newImg)  # 保存图片
    cv2.imshow(imgName, newImg)
    cv2.waitKey(0)
    return score

https://github.com/Leezhen2014/python—/blob/master/BlurDetection.py