1. 加载图片并检查是否有效
2. 将图片转换为灰度图（简化处理）
3. 计算图片的像素值标准差
4. 设定阈值判断图片是否为空
5. 考虑边缘情况和优化方案

import cv2
import numpy as np

def is_image_empty(image_path, threshold=5.0):
    """
    判断图片是否为空的函数
    
    参数:
        image_path (str): 图片路径
        threshold (float): 判断阈值，默认5.0
        
    返回:
        bool: 如果图片为空返回True，否则返回False
        float: 图片的标准差值
    """
    # 尝试读取图片
    try:
        image = cv2.imread(image_path)
        if image is None:
            return True, 0.0  # 无法读取图片，视为空
    except Exception as e:
        print(f"读取图片出错: {e}")
        return True, 0.0
    
    # 转换为灰度图
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # 计算标准差
    std_dev = np.std(gray)
    
    # 根据阈值判断
    return std_dev < threshold, std_dev

# 使用示例
if __name__ == "__main__":
    test_images = [
        "white_image.jpg",   # 纯白图片
        "black_image.jpg",   # 纯黑图片
        "gradient.jpg",      # 渐变图片
        "landscape.jpg",     # 风景图片
        "corrupted.jpg"      # 损坏的图片
    ]
    
    for img in test_images:
        is_empty, std = is_image_empty(img)
        status = "空图片" if is_empty else "非空图片"
        print(f"图片: {img} - 状态: {status}, 标准差: {std:.2f}")
            

代码说明

• cv2.imread() - 读取图像文件，无法读取时返回None
• cv2.cvtColor() - 将BGR图像转换为灰度图像
• np.std() - 计算灰度图像像素值的标准差
• 阈值判断 - 根据标准差是否小于阈值判断图片是否为空
• 异常处理 - 捕获图像读取过程中的错误