python - 故障图像有哪些我可以检测到的特征？

Question

我正在尝试构建一个仅向数据库发送“好”帧的素材过滤器。
这是我目前的评分功能:

def rateImg(img):
    try:
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    except:
        gray = img
    edges = cv2.Canny(gray, 0, 255)
    countours, _ = cv2.findContours(
        edges, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
    num_of_countours = len(countours)
    lap = cv2.Laplacian(gray, cv2.CV_64F).var()
    lap = round(lap, 2)
    return [lap, num_of_countours]

首先，我使用 Laplacian 的方差来计算来自特定时间窗口的图像的清晰度。
从技术上讲，它应该为我提供一个“好”的框架，但情况并非总是如此。
我必须使用的相机不是很好，有时会像 this 一样出现故障。像这样的帧具有最高的拉普拉斯方差。
因此，我目前的解决方案是计算图像中的计数数量，如果图像超过特定阈值，我会将其归类为“故障”。但是使用这种方法，算法将具有大量对象的图像评为“故障”。
另外，我也试过 detecting squares and rectangles ，但事实证明，这远不如 countour 方法有效。
有没有办法检测图像中的明显故障？
我觉得应该有，因为作为一个人，我一眼就可以轻松地将故障图像和正常图像分类。我似乎无法确定究竟是什么让它们与众不同。

Answer 1

有没有办法检测图像中的明显故障？
是的，但可能不适用于复杂的随机故障，请查看 here
这不是重复的，但在这种情况下，您可以检测到包含基本相同颜色值的水平区域。 (你也可以检测是否有大面积的图像包含相同颜色。照片很少包含相同的颜色值，虽然它们看起来更相似，计算机制作的图像是一个异常(exception))

as a human I can easily classify glitched and normal images at aglance.

自从你出生以来，你见过多少物体。这些是识别“好”照片的大量培训。作为代码， 内存被清除 完成代码后
您尝试做的事情称为机器学习 (ML)。这需要大量的培训，例如(练习)并且必须经过很长时间的培训。

Is there any way to detect obvious glitches in an image

我不认为 一个人可以编写一个程序来实现它。
.

what exactly makes them different.

您和机器看待世界的方式。你直接在你的大脑中收到一张清晰的照片，你有很多“训练”来判断照片是否正常
试着观察这个计算机可以看到的“图像”

73 64 67 68 64 66 6e 67
73 6e 68 72 67 74 72 79
75 79 65 75 79 65 75 74
6d 6e 79 6d 65 74 75 79
65 6d 6a 74 75 6b 69 20
79 66 74 79 2c 6f 75 69
74 2c 6f 69 79 74 79 2c

我不是 ML 的工程师，但我可以肯定地告诉你 是 ，我相信你甚至不会尝试这样做。
我认为不仅仅是评论，但它并没有真正回答你的问题。由于我是 StackOverFlow 的新手，我无法添加评论，因此我将其发布为答案。