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：
方差函数 - 图1
其中：方差函数 - 图2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

  1. def variance(img):
  2.     '''
  3.     :param img:narray 二维灰度图像
  4.     :return: float 图像约清晰越大
  5.     '''
  6.     out = 0
  7.     u = np.mean(img)
  8.     shape = np.shape(img)
  9.     for x in range(0,shape[0]):
  10.         for y in range(0,shape[1]):
  11.             out+=(img[x,y]-u)**2
  12.     return out

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

  1. def _Variance(self, imgName):
  2.     """
  3.            灰度方差乘积
  4.            :param imgName:
  5.            :return:
  6.            """
  7.     # step 1 图像的预处理
  8.     img2gray, reImg = self.preImgOps(imgName)
  9.     f = self._imageToMatrix(img2gray)
  11.     # 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
  12.     score = np.var(f)
  13.     newImg = self._drawImgFonts(reImg, str(score))
  14.     newDir = self.strDir + "/_Variance_/"
  15.     if not os.path.exists(newDir):
  16.         os.makedirs(newDir)
  17.     newPath = newDir + imgName
  18.     cv2.imwrite(newPath, newImg)  # 保存图片
  19.     cv2.imshow(imgName, newImg)
  20.     cv2.waitKey(0)
  21.     return score

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