给识别库当门卫的，是一行 cv2.Laplacian().var()

上一篇写室友被认成我的那个 bug，结尾说修复之一是”录入时加质量过滤，糊的照片直接拒收”。当时一句话带过了，但那句话背后其实藏着一个具体问题：

程序怎么知道一张照片糊不糊？

人眼一眼就能看出来。可代码里没有”一眼”这个函数。

怎么找到它的

我一开始连这类技术叫什么名字都不知道。用搜索引擎搜”怎么判断图片清晰度”，出来的全是修图教程。

于是换了个思路，直接问 Gemini：有没有一种可以做图像清晰度评估的技术？

它给了几个方向，其中最经典、最常用的一个叫拉普拉斯方差（Variance of Laplacian）——对图像做一次拉普拉斯变换，然后算结果的方差，一个数就是清晰度评分。有了这个术语，剩下的就好办了：顺着关键词找到 OpenCV 官方讲边缘检测的文章（Edge Detection Using OpenCV），把拉普拉斯算子的原理啃了一遍。

顺便的收获：当你不知道一个东西叫什么名字的时候，问 AI”有没有做 X 的技术”比搜索引擎好用得多。它的价值不是给答案，是给术语。拿到术语，文档自己就能读了。

原理

整个算法就一行，拆开是三步：

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
lap = cv2.Laplacian(gray, cv2.CV_64F)
score = lap.var()

第一步，转灰度。 清晰度只关乎亮度变化，颜色不参与，先把三个通道压成一个。

第二步，拉普拉斯算子。 它是图像的二阶导数：一阶导数（梯度）测的是亮度变化有多快，二阶导数测的是”变化率本身的变化”，对突变最敏感。而图像里的突变就是边缘——睫毛、发丝、皮肤纹理、眼镜框的轮廓。清晰的照片里这些边缘干脆利落，拉普拉斯响应又强又密；糊的照片相当于先被卷了一层低通滤波，突变全被抹平，响应弱得多。运动模糊和镜头脏污的本质都是这种”抹平”。

CV_64F 这个参数有讲究：边缘两侧一明一暗，拉普拉斯的输出天然有正有负。要是用图像默认的 uint8 来存，负值会被直接截成 0，一半的边缘信息当场丢掉。所以必须用 64 位浮点。

第三步，.var()。 对这个高频边缘矩阵算方差。清晰图的响应里有大量很强的正峰和负峰，数值散得开，方差大；糊图的响应全趴在 0 附近，方差小。于是一个标量就成了清晰度评分——运动模糊的人脸，这个值明显偏低。

为什么用在这里

这是在把照片喂给 AI 模型之前做质检：运动模糊的、镜头有污垢的废帧，直接过滤掉，不许进特征库。

上一篇已经交过学费了：糊脸抽出来的特征向量，五官细节全被抹掉，是”一张糊掉的脸”的平均长相，跟谁都有点像。而匹配又是取全库最高分——一张废帧进库，整个库等于报废。

所以门卫必须站在录入那一步。垃圾数据不进门，比进门之后再想办法补救便宜得多。

它在代码里的位置

打分函数本身：

@staticmethod
def _sharpness(image: np.ndarray) -> float:
    """拉普拉斯方差清晰度：运动模糊的人脸值明显偏低"""
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    return float(cv2.Laplacian(gray, cv2.CV_64F).var())

调用它的地方在注册管线 detect_and_extract 里——检测最大人脸、对齐、抽特征，顺手把清晰度评分一起算出来带回去：

det = self._detect_largest(frame)
aligned = self._recognizer.alignCrop(frame, det)
feature = self._recognizer.feature(aligned).flatten()
return det, feature, self._sharpness(aligned), aligned

有个细节值得说：打分的对象不是整幅画面，而是 aligned——YuNet 对齐之后的 112×112 纯人脸切片，也就是 SFace 抽特征时真正吃进去的那些像素。这么做有两个原因。

一是质检对象要和模型输入一致。整幅画面里背景可能很锐——书架上的字、窗框的边——脸糊了背景清晰，照样能拿高分。只给人脸切片打分，量的才是”这张脸糊不糊”。

二是拉普拉斯方差有个出了名的缺点：分数受分辨率和画面内容影响很大，不同尺寸、不同题材的图之间没法直接比。但对齐切片永远是 112×112 的人脸，尺寸固定、内容固定——分数之间才有可比性，拒收阈值才定得下来。

后记

它不是万能的。方差量的其实是”高频能量”，不是语义上的”清晰”：一张噪点很重的糊图，噪点本身就是高频，能骗到一个不低的分。但在我这个场景里——同一个摄像头、固定尺寸的人脸切片、只需要拦运动模糊和脏镜头——它够用，而且便宜到一帧都不用犹豫。

阈值我是拍了一批故意晃的和正常的样本，看两坨分数中间在哪里切一刀定的。上一篇结尾挖的那个坑——相似度阈值从数据里自动校准——还没填。这篇先把小的这个填了。