对焦取框算法

import cv2
import numpy as np

# 读取原始图像
original_image = cv2.imread('train16.png')

# 高斯模糊处理
blurred_image = cv2.GaussianBlur(original_image, (5, 5), 0)

# 计算新图像
new_image = cv2.subtract(original_image, blurred_image)

# 转换新图像为灰度图
gray_new_image = cv2.cvtColor(new_image, cv2.COLOR_BGR2GRAY)

# 计算图像的形状
M, N = gray_new_image.shape

# 计算新图像的灰度加权质心
sum_intensity = np.sum(gray_new_image)

# 计算加权和
sum_x = 0.0
sum_y = 0.0

for y in range(M):
    for x in range(N):   
        sum_x += x * gray_new_image[y, x]
        sum_y += y * gray_new_image[y, x]

x_c = int(sum_x / sum_intensity)
y_c = int(sum_y / sum_intensity)

# 设置框的大小参数
box_scale = 0.45  # 框相对于图像大小的比例

# 计算框的大小
box_width = int(N * box_scale)
box_height = int(M * box_scale)

# 计算框的左上角和右下角坐标
x1 = max(0, x_c - box_width // 2)
y1 = max(0, y_c - box_height // 2)
x2 = min(N, x_c + box_width // 2)
y2 = min(M, y_c + box_height // 2)

# 在原始图像上同时标注质心和框
image_with_center_and_box = original_image.copy()
image_with_center_and_box = cv2.circle(image_with_center_and_box, (x_c, y_c), 5, (255, 0, 0), -1)# 在质心位置画一个蓝色实心圆
image_with_center_and_box = cv2.rectangle(image_with_center_and_box, (x1, y1), (x2, y2), (0, 255, 0), 2)  # 在框的位置画一个绿色矩形

对输入的图像进行高斯模糊处理，计算出新图像后，找到图像的灰度加权质心，并在该质心周围绘制一个矩形框，用于标记图像中的重要区域。《

Analysis and comparison of automatic image focusing algorithms in digital
image processing

》

blurred_image = cv2.GaussianBlur(original_image, (5, 5), 0): 对原始图像进行高斯模糊处理，使用5x5的内核大小。

new_image = cv2.subtract(original_image, blurred_image): 计算原始图像与模糊图像的差异，得到新的图像。

gray_new_image = cv2.cvtColor(new_image, cv2.COLOR_BGR2GRAY): 将新图像转换为灰度图像，方便后续处理。

获取图像的形状信息：

M, N = gray_new_image.shape: 获取灰度图像的高度和宽度。

计算新图像的灰度加权质心：

遍历图像的每个像素，计算加权和以及加权质心的坐标。

 

计算框的大小和位置：

box_scale = 0.45: 设置框相对于图像大小的比例。
根据加权质心的坐标和比例计算框的大小。
计算框的左上角和右下角坐标，确保框在图像范围内。