1 )拉普拉斯算子的边缘模糊度值
参考： https://cloud.Tencent.com/developer/article/1701714
原理：
此方法有效的原因是由于用于测量图像二阶导数的Laplacian运算符本身的定义。 拉普拉斯运算符突出显示图像中包含急剧梯度变化的区域，如Sobel和Scharr运算符。 和这些操作符一样，Laplacian也经常用于边缘检测。 此处的假设意味着在图像方差较高的情况下图像具有包括类别边缘和非类别边缘的广泛响应，这是普通聚焦图像的代表。 但是，方差较低表示响应扩散较小，图像几乎没有边缘。 图像越模糊，边缘越少。 所以可以用来检测是否模糊。 当然，这里的关键是设置正确的阈值，而阈值设置与应用的图像集有关。 如果阈值过低，则将未模糊的图像错误地标记为模糊。 如果阈值太高，实际上模糊的图像不会标记为模糊。 此方法仅适用于非常稳定的图像集(同一类型)。 defgetimagevar(image ) :img2gray=cv2.cvtcolor ) image，cv2.COLOR_BGR2GRAY ) imagevar=cv2.laplacian ) img2gor