python - 使用拉普拉斯算子 OpenCV 实现锐度测量

Question

这是我的第一个问题，欢迎任何批评。

我一直在尝试使用 Python 和 OpenCV 实现本文第 2.2 节中介绍的锐度估计器，但不是很成功。

首先我加载原始图像：

并使用地标裁剪面部，从而生成此地标裁剪图片

.

然后我运行纸上介绍的自定义拉普拉斯过滤器：

# Custom kernels for laplace filter
kernel1 = np.array([[1, -2, 1]])
kernel2 = np.array([[1],
                    [-2],
                    [1]])
# Use custom Laplace filter to obtain contours and edges, the more sharp an 
# image is the greater the response from the laplace filter
pass1 = cv2.filter2D(cropped_image, cv2.CV_32F, kernel1)
pass2 = cv2.filter2D(cropped_image, cv2.CV_32F, kernel2)
# Get the magnitude (absolute value) of pass1 and pass2
pass1 = np.absolute(pass1)
pass2 = np.absolute(pass2)
# Sum the response from both filters
lap_sum = cv2.add(pass1, pass2, dtype=cv2.CV_32F)

这就是事情似乎出错的地方，预期的结果看起来像这样：

但我得到了这个：

.

此外，该论文称，最终措施是

“蒙版图像的平均拉普拉斯算子响应”

并且分数应该落在 的区间内[0.0, 1.0]。然而，为了实现这一点，我只需要平均非零像素并对最终分数进行归一化，即使这样，我也得到了 0.1 的 abismal 分数，我认为对于我在本示例中使用的图片应该更高。

如果你想自己运行它，我已经在 colab 上实现了它，看到代码和图片应该更容易解释我的结果。非常感谢。