Opencv学习笔记 - 使用快速傅立叶变换(FFT)检测图像清晰度

        通常的图像清晰度检测大都是计算sobel、拉普拉斯算子的方差，不过大多数时候，拉普拉斯算子方法需要进行大量的手动调整，才能定义图像是否被视为模糊。如果您可以控制照明条件，环境和图像捕获过程，则效果很好，否则不会得到理想的结果。

        图像清晰度检测通常的目的是图像质量分级、自动丢弃模糊/低质量的图像、OCR应用于实时视频流（识别其中质量好的图片）等等。

        在计算机视觉方面，我们经常将FFT视为代表两个域中的图像的图像处理工具：傅立叶（即频域）域、空间域，因此，FFT以实部和虚部表示图像。通过分析这些值，我们可以执行图像处理例程，例如模糊，边缘检测，阈值化，纹理分析，甚至可以进行模糊检测。

import matplotlib.pyplot as plt
import numpy as np
import argparse
import imutils
import cv2

def detect_blur_fft(image, size=60, thresh=10, vis=False):
    # grab the dimensions of the image and use the dimensions to
    # derive the center (x, y)-coordinates
    (h, w) = image.shape
    (cX, cY) = (int(w / 2.0), int(h / 2.0))
    # compute the FFT to find the frequency transform, then shift
    # the zero frequency component (i