文章源自https://medium.com/@hafiqiqmal93/blurry-image-detection-in-laravel-4c91168e00f1

用户体验的关键方面，存储模糊图像会显着降低网站或应用程序的质量。本文深入探讨了如何在 Python 和 OpenCV 的帮助下使用 Laravel 检测和管理模糊图像，确保应用程序的媒体保持清晰且引人入胜。

模糊图像的挑战

模糊的图像不仅仅是视觉上的滋扰；它们可能会破坏您网站或应用程序的专业性。在电子商务、房地产列表、在线画廊或任何图像质量至关重要的平台中，确保清晰度至关重要。挑战在于以编程方式检测模糊性。

Laravel 来救援

Laravel 可以与 Python 配合使用来为这个问题创建一个有效的解决方案。通过利用 Laravel 的文件验证以及利用 OpenCV 的 Python 脚本，开发人员可以将模糊检测无缝集成到他们的文件上传过程中。

模糊检测概念

模糊图像的检测涉及分析图像的清晰度。这通常是使用拉普拉斯算子来完成的，拉普拉斯算子是图像处理中使用的数学工具。拉普拉斯算子测量像素强度变化的速率，拉普拉斯算子的方差越低表示图像越模糊。

在 Laravel 中实现

在 Laravel 中，我们可以创建自定义验证规则来检查图像模糊度。此规则执行一个 Python 脚本，该脚本使用拉普拉斯算子来确定图像的清晰度。我们来分解一下这个过程：

安装 OpenCV Python：

安装 PIP (Ubuntu) :

sudo apt install python3-pip

使用PIP安装OpenCV

pip3 install opencv-python

如果您的应用程序在 **www-data** 下运行，您可能需要考虑在 **www-data** 用户下安装。如果是，请按照以下命令安装

sudo mkdir /var/www/.local

sudo mkdir /var/www/.cache

sudo chown www-data.www-data /var/www/.local

sudo chown www-data.www-data /var/www/.cache

sudo -H -u www-data pip3 install opencv-python

创建Python脚本

import sys

import cv2

def get_image_laplacian_value(image_path):

    image = cv2.imread(image_path)

    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    return cv2.Laplacian(gray_image, cv2.CV_64F).var()

if name == "main":

    if len(sys.argv) != 2:

        sys.exit(1)

    image_path = sys.argv[1]

    laplacian_value = get_image_laplacian_value(image_path)

    print(laplacian_value)

创建 Laravel 规则：

class ImageBlurDetectionRule implements ValidationRule

{

    public function validate(string $attribute, mixed $value, Closure $fail): void

    {

        if ( ! $value instanceof UploadedFile) {

            return;

        }

        // ignore if not image

        if ('' !== $value->getPath() && ! in_array($value->guessExtension(), ['jpg', 'jpeg', 'png', 'gif', 'bmp', 'svg', 'webp'])) {

            return;

        }

        // get real path for the file

        $path = $value->getRealPath();

        $command = escapeshellcmd(config('image.python_path') . " blur_detection.py '{$path}'");

        $result = Process::path(base_path('scripts'))->run($command);

        if ( ! $result->successful()) {

            return;

        }

        if (trim($result->output()) 
            $fail(__('Blur image are not accepted. Please make sure your :attribute image is clearly visible.'));

        }

    }

}

它是如何工作的

Laravel 与用于模糊检测的 Python 脚本的集成以无缝方式工作，提供了一种复杂而简单的方法来确保图像质量。以下是该过程的展开方式：

图片上传

当用户将图像上传到 Laravel 应用程序时，会触发自定义验证规则（ImageBlurDetectionRule）。

验证规则执行

该规则首先通过验证其扩展名来检查上传的文件是否确实是图像。如果文件不是图像，则过程在此停止。

Python脚本调用

如果文件是图像，则规则然后调用 Python 脚本，blur_detection.py。图像的路径作为命令行参数传递给此脚本。

Python 中的图像处理：

• Python脚本使用OpenCV来处理图像分析。
• 脚本读取图像并将其转换为灰度。这种简化允许更直接的分析，而无需复杂的颜色。
• 然后将拉普拉斯算子应用于灰度图像。拉普拉斯算子是一种数学工具，可突出显示强度快速变化的区域，这些区域通常是图像中的边缘。模糊图像的边缘越来越少，导致拉普拉斯算子的方差较低。

模糊度测量

该脚本计算拉普拉斯算子的方差，作为图像清晰度的度量。方差越低表示图像越模糊。

结果评价：

• 脚本将拉普拉斯方差输出为数值。
• 回到 Laravel，验证规则捕获此输出并检查该值是否低于预定义的阈值。该阈值决定图像是否足够清晰。

验证反馈

如果图像太模糊（例如：拉普拉斯方差低于阈值），则验证规则失败，用户会收到一条消息，指示图像模糊，应进行检查。

用户体验增强

通过防止上传低质量、模糊的图像，该解决方案增强了整体用户体验。提示用户仅上传清晰、高质量的图像，这保持了应用程序的视觉标准。

这个过程是高度可定制的。开发人员可以根据应用程序的具体需求调整模糊阈值。请注意，阈值基于您的观察。对于高级使用，可能需要 ML 来确定阈值。此外，Laravel 中 Python 的集成允许进一步扩展到更先进的图像处理技术，为管理图像质量提供灵活且强大的解决方案。

实际应用

将此功能合并到 Laravel 应用程序中可以防止上传低质量图像，从而增强用户体验。这在图像清晰度至关重要的场景中特别有用，例如在线作品集、产品目录或用户个人资料图片。

定制化和灵活性

模糊阈值可以根据具体需要进行调整。此外，Laravel 中 Python 的集成提供了灵活性，可以在需要时结合更先进的图像处理技术。

结论

Laravel 和 Python 的结合用于检测模糊图像是一个强大的解决方案。它不仅可以确保应用程序的视觉质量，还可以增强整体用户体验。通过这种方法，开发人员可以保持媒体内容的高标准，从而有助于打造更加精致和专业的在线形象。

您是否尝试过在 Laravel 项目中实现此解决方案？在下面的评论中分享您的经验和获得的任何见解。让我们一起继续提升Web开发水平！