图片细节丰富不丰富？用华为云码道开发 OpenCV 纹理复杂度分析工具

前面已经做过图片清晰度、边缘检测、噪声分析，这次继续做一个比较直观的小工具：

图片纹理复杂度分析。

有些图片看起来细节很多，比如毛发、草地、树叶；有些图片则比较平滑，比如天空、墙面、湖面。

这次我用华为云码道辅助开发了一个基于 OpenCV Sobel 梯度的纹理分析工具，用一个简单的 Texture Score 来观察图片中到底有多少结构和细节。

1. 这次工具做什么？

功能比较简单：

上传 JPG / PNG 图片
自动转成灰度图
使用 Sobel 计算图像梯度
计算 Average Gradient
计算 Edge Density
生成 Texture Score
判断 Low / Normal / High Texture
显示 Gradient Map
支持下载分析结果图

整体流程：

图片

→ 灰度化

→ Sobel X / Y

→ Gradient Magnitude

→ Texture Score

→ Texture Level

2. 什么是纹理复杂度？

这里的"纹理复杂度"可以简单理解成：

图片中的局部变化有多丰富。

例如：

狗狗毛发

草地

树叶

建筑轮廓

这些区域存在大量细小结构，所以梯度通常比较明显。

而天空、湖面这种平滑区域，像素变化比较小，梯度自然也会更低。

3. 为什么使用 Sobel？

Sobel 是 OpenCV 中很经典的梯度算子。

先计算水平方向：

复制代码

gx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)

再计算垂直方向：

复制代码

gy = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)

最后计算梯度幅值：

复制代码

gradient = np.sqrt(gx ** 2 + gy ** 2)

梯度越大，说明这个位置的亮度变化越明显。

4. Texture Score 怎么算？

这次为了保持项目简单，直接使用整张图片的平均梯度作为 Texture Score：

复制代码

average_gradient = gradient.mean()texture_score = average_gradient

也就是说：

Texture Score 越高，说明图片整体的结构变化通常越丰富。

当前阈值设置为：

< 25 → Low Texture
25～60 → Normal Texture
>= 60 → High Texture

这只是一个启发式分类规则。

5. Edge Density 是什么？

除了平均梯度，这次还统计了：

Edge Density

核心逻辑：

复制代码

edge_density = (gradient > 50).mean() * 100

也就是统计：

梯度幅值超过 50 的像素，占整张图片的百分比。

它不是"真正物体边缘数量"，而更准确地说是：

强梯度像素占比。

6. 真实测试结果

这次继续使用狗狗公园图片进行测试。

图片尺寸：

1650 × 953

最终得到：

Average Gradient：43.29
Texture Score：43.29
Edge Density：27.12%
Texture Level：Normal Texture

因为：

43.29 位于 25～60 之间，

所以最终判断为：

Normal Texture

7. Gradient Map 能看到什么？

页面右侧还生成了一张：

Gradient Map

可以明显看到：

狗狗毛发

草地

树叶

建筑边缘

这些区域更加亮。

而：

天空

湖面

部分平滑背景

则更暗。

这张图比单独看 43.29 更直观，因为可以直接看到：

到底哪些位置贡献了较强梯度。

8. Texture Score 和清晰度不是一回事

这个区别比较重要。

清晰度更关注：

边缘是不是锐利。

纹理复杂度更关注：

画面本身有没有大量结构和变化。

比如一张非常清晰的蓝天照片，本身纹理很少，所以 Texture Score 仍然可能比较低。

而狗狗毛发、草地这种区域，本身细节丰富，即使清晰度稍微下降，也可能仍然有不少梯度信息。

所以：

Sharpness ≠ Texture Complexity

9. 这个指标有什么局限？

当前 Texture Score 本质上是：

Sobel Gradient 的简单统计。

它会受到：

图像噪声
锐化
压缩
图片尺寸
真实纹理

等因素影响。

比如噪点很多的图片，也可能得到较高梯度。

所以页面里把它标记成：

Heuristic metric

更合适。

它适合快速观察图片结构复杂程度，但不能当成专业纹理质量评价指标。

10. 总结

这次用华为云码道辅助开发了一个：

OpenCV 图片纹理复杂度分析工具。

核心流程：

上传图片

→ 灰度化

→ Sobel X / Sobel Y

→ Gradient Magnitude

→ Average Gradient

→ Edge Density

→ Texture Score

真实测试结果：

图片尺寸：1650 × 953
Average Gradient：43.29
Texture Score：43.29
Edge Density：27.12%
Texture Level：Normal Texture

从 Gradient Map 也能看到，狗狗毛发、草地、树叶等纹理丰富区域明显更亮，而天空和湖面更加平滑。

这一篇回答的是：

图片里的结构和细节到底丰富不丰富？

下一篇可以继续做：

图片边缘主要朝哪里？用华为云码道开发 OpenCV 梯度方向分析工具

通过 Sobel 的 atan2(gy, gx) 统计水平、垂直和斜向边缘占比。