python用噪声判断图像模糊度

在Python中，可以使用噪声来判断图像的模糊度。一种常用的方法是计算图像的噪声方差（Noise Variance）或者峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）。如果图像中的噪声方差较小或者PSNR较高，那么可以认为图像的清晰度较高。

下面是一个使用噪声判断图像模糊度的示例代码：

import cv2
import numpy as np

def estimate_blur(image):
    # 计算灰度图像
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 计算Laplacian算子
    fm = cv2.Laplacian(gray, cv2.CV_64F).var()

    return fm

def is_blurry(image, threshold=100):
    # 计算图像的模糊度
    fm = estimate_blur(image)

    # 判断是否模糊
    if fm < threshold:
        return True
    else:
        return False

# 读取图像
image = cv2.imread('test.jpg')

# 判断图像清晰度
if is_blurry(image):
    print('图像模糊')
else:
    print('图像清晰')

上面的代码中，`estimate_blur`函数计算输入图像的模糊度，使用Laplacian算子计算灰度图像的方差。`is_blurry`函数接受一个图像和一个阈值参数，如果图像的模糊度小于阈值，则判断图像模糊。最后，读取一张图像，并使用`is_blurry`函数判断图像的清晰度。