在時域中，主要思路是考察影象的領域對比度，即相鄰畫素間的灰度特徵的梯度差，梯度函式常被用來提取邊緣資訊，聚焦良好的影象，具有更尖銳的邊緣，應有更大的梯度函式值。
在頻域中，主要思路是考察影象的頻率分量，對焦清晰的影象高頻分量較多，對焦模糊的影象低頻分量較多。通過dct比較。Dct分離出的低頻訊號比較，模糊圖片細節少，所以dct更低。
sobel 梯度與拉普拉斯梯度

#include <highgui/highgui.hpp>  
#include <imgproc/imgproc.hpp>  

using namespace std;  
using namespace
 
 cv;  

int main()  
{  
    Mat imageSource = imread("2.jpg");  
    Mat imageGrey;  

    cvtColor(imageSource, imageGrey, CV_RGB2GRAY);  
    Mat imageSobel;  
    Sobel(imageGrey, imageSobel, CV_16U, 1, 1);  // sobel 梯度
//  Laplacian(imageGrey, imageSobel, CV_16U);    拉普拉斯梯度
    //影象的平均灰度  
    double
 
 meanValue = 0.0;  
    meanValue = mean(imageSobel)[0];  

}  

影象方差

 #include <highgui/highgui.hpp>  
#include <imgproc/imgproc.hpp>  
using namespace cv;  
int main()  
{  
    Mat imageSource = imread("2.jpg");  
    Mat imageGrey;  

    cvtColor(imageSource, imageGrey, CV_RGB2GRAY);  
    Mat meanValueImage;  //均值
 

    Mat meanStdValueImage;  //標準差

    //求灰度影象的標準差  
    meanStdDev(imageGrey, meanValueImage, meanStdValueImage);  
    double meanValue = 0.0;  
    meanValue = meanStdValueImage.at<double>(0, 0);  
    waitKey();  
}