是否有照片分析软件可以通过识别潜在的技术问题来对图像进行预分类？

我最近去度假，拍了近1000张照片。和往常一样，有好，坏，模糊等。

为了加快后期处理，我想知道是否有任何软件可以“预筛选”一批照片并识别出曝光过度，曝光不足，模糊以及其他可能识别的特征。可能不太理想的照片。想法是，通过预筛选，应该快速完成对这些组的分类工作，以找到好的组，然后删除其余的组。然后，我可以将更多时间花在那些真正重要的方面。

我知道每张照片都是独一无二的，并且有一些很棒的照片打破了每条经验法则，但是我认为这可能是加快工作流程的快速方法。

我使用Lightroom对照片进行排序。在“图库”模块中，将过滤器设置为“已标记”和“未标记”，然后使照片充满屏幕。然后，我只是点击右箭头键或“ x”键。“ X”将照片标记为“已拒绝”，并使其不再可见。立即打印1000张照片很容易。浏览完所有照片后，我只选择“删除被拒绝的照片”即可。

Photoshop Elements确实具有自动分析功能，其中有一些功能-它会尝试检测照片是否模糊，照片中是否有面部等。我不会说它很棒。例如，您实际上可能希望照片中的焦点不在焦点上，而自动算法仍会将其标记为模糊。

我认为使用Lightroom之类的工作流流程中要手动处理的1000张照片实际上并不多。从最初的扫描标记开始，将那些明显不可用的标记拒之门外，然后根据需要使用等级，颜色绘画和标签进行细化。

实际上，我正在寻找可以帮助我至少开始进行除草过程（成千上万个包围着图像）的东西。

我做了一个简单的工具，可以扫描图像目录，并将曝光过度/曝光不足的图像移到另一个文件夹中。它不是完美的，绝不容许摄影具有艺术上的自由（但这可以帮助我节省时间）。从技术上讲，它是获取每个图像的平均像素值（从0-1.0），然后您可以根据可设置的阈值保留或拒绝。在github上查看AutoExposureChecker项目和文档以获取更多信息。

使用此工具，我可以再次仔细检查所有图像是否都可以删除（删除实际需要的图像），并在第一遍中擦除所有其他图像，从而节省了很多时间。

无论如何，以为我会分享和快乐的射击！

如果可以用Python编写，这很容易做到。这是一篇有关使用开源计算机视觉程序包检测整体图片模糊的好文章：

https://www.pyimagesearch.com/2015/09/07/blur-detection-with-opencv/

这是一个快速脚本，可以将图片分类到模糊/确定的目录中：

#
# Sorts pictures in current directory into two subdirs, blurred and ok
#

import os
import shutil
import cv2

FOCUS_THRESHOLD = 80
BLURRED_DIR = 'blurred'
OK_DIR = 'ok'

blur_count = 0
files = [f for f in os.listdir('.') if f.endswith('.jpg')]

try:
   os.makedirs(BLURRED_DIR)
   os.makedirs(OK_DIR)
except:
   pass

for infile in files:

   print('Processing file %s ...' % (infile))
   cv_image = cv2.imread(infile)

   # Covert to grayscale
   gray = cv2.cvtColor(cv_image, cv2.COLOR_BGR2GRAY)

   # Compute the Laplacian of the image and then the focus
   #     measure is simply the variance of the Laplacian
   variance_of_laplacian = cv2.Laplacian(gray, cv2.CV_64F).var()

   # If below threshold, it's blurry
   if variance_of_laplacian < FOCUS_THRESHOLD:
      shutil.move(infile, BLURRED_DIR)
      blur_count += 1
   else:
      shutil.move(infile, OK_DIR)

print('Done.  Processed %d files into %d blurred, and %d ok.' % (len(files), blur_count, len(files)-blur_count))

您最棘手的问题是将python和opencv安装到系统中。适用于您的操作系统的Google python3，以及如何使用它安装pip，您可以使用pip3安装opencv。或者，还有一些python + opencv的预构建安装。您不需要最新版本的opencv即可运行此脚本。

该脚本效果很好，并且可以衡量整体图片的模糊性。这对大多数图片都很好。但是，总体图片测量意味着将那些单面和散景填充的背景照片放入模糊的目录中，您必须将它们整理掉。无论如何，您应该仔细检查模糊的图片，以确保其中没有放置错位的储物柜。

我希望该脚本可以加快您的工作流程。

此脚本的一个巧妙改进是包括面部检测，并计算照片中最大的面部的模糊度，并将这些值用作模糊度阈值，如果未检测到面部，则默认为总体模糊度。我将把改善工作留给您！

我不知道可以自动为您筛选可能有缺陷的图片的应用程序，但我不会使用它们，至少不会盲目地使用它们。

技术优点只是照片的一部分。一些最有意义的图像恰好在技术上存在缺陷。在许多情况下，比起技术上更完美的情况更可取，例如，其构成比Cartier Bresson所称的“决定性时刻”更差或更小。

另外，可以修复或改善一些缺陷。虽然对焦和模糊是正确的几乎是不可能的（尽管这可以改变在未来的），它可以添加一个有趣的还是可以接受的效果。例如，暴露就是其中之一。单独使用此属性时，相对于“完美”曝光的图像，稍微过曝光或曝光不足的图像（尤其是用RAW拍摄的图像）不应是首选，因为它可以轻松固定。

例如，这张照片是一次性照片，由于相机设置错误，曝光了近3EV。但是，由于RAW文件提供的纬度，可以恢复它，而自动过程可以将其丢弃。

因此，我在我的第二个回答之前说，有效支持的工作流程要比自动化流程更好。一两个小时之内，在Lightroom中可以处理数千张图片。

检查DXO照片实验室。它可以根据相机和镜头配置文件自动校正照片。您可以通过浏览照片快速对照片进行评分，并仅导出已评分的照片。