您所指的通常称为“图像清晰度”。快速浏览一下，以及一些先验知识，如下：

1. 傅立叶分析——使用它有两个主要缺点。首先，无论如何都会出现噪声，因此会出现更高频率的分量。其次，锐度往往是一种局部现象，因此如果您对整个图像进行变换，可能不会出现。
2. 特征值分析——我实际上没有读过这篇论文，但它建议使用特征值分析来确定图像的清晰度。
3. 边缘检测算法依赖于一定的清晰度。可以使用不同的边缘检测参数值来确定锐度。
4. 小波系数的峰度测量- 同样，我还没有阅读整篇论文，但这似乎建议计算小波系数，执行整个系数集的 FFT，并测量峰度。这应该相对不受噪音影响。

我敢肯定还有很多。这是目前非常活跃的研究领域。如果这些方法都不适合你，那就继续搜索学术论文，看看能不能找到更好的方法。

我认为，如果您谈论图像中的细节量，离散小波变换(DWT) 非常适合您的描述。它与离散傅里叶变换 (DFT) 并没有完全不同，因为它也根据信号的精细和粗略尺度分量进行操作，但与 DFT 不同，它也非常局部化。I. Selesnick 对一维信号的精彩介绍在这里。

小波变换本质上是一系列嵌套的正交带通滤波器，最终产生不同频谱分量的信号，因此从这个意义上说，您可以使用傅里叶变换的任一小波。但是，如果您想实际绘制彼此分开的组件，则必须使用 WFT，因为它还为您提供了正确的窗口和空间定位。

如果您想简单地计算每个比例级别的细节量，计算傅里叶变换中感兴趣的每个波段的总能量就足够了：

在哪里$S^f(\omega)$是某个信号的傅里叶变换$s(t)$， 和$\beta$是傅里叶域中的一些频率区间。