线性反锐化掩膜

反锐化掩模技术最早是应用于摄影技术中，以增强图像的边缘和细节。光学上的操作方法是将聚焦的正片和散焦的负片在底片上进行叠加，结果是增强了正片高频成份，从而增强了轮廓，散焦的负片相当于“模糊”模板（掩模），它与锐化的作用正好相反，因此，该方法被称为反锐化掩模法。

 线性反锐化掩模（UnSharp Masking，UM）算法首先将原图像低通滤波后产生一个钝化模糊图像，将原图像与这模糊图像相减得到保留高频成份的图像，再将高频图像用一个参数放大后与原图像叠加，以达到提高图像中高频成分、增强图像轮廓的目的。最初将原图像通过低通滤波器后，因为高频成份受到抑制，从而使图像模糊，所以模糊图像中高频成份有很大削弱。将原图像与模糊图像相减的结果就会使f(x、y)的低频成份损失很多，而高频成份较完整地被保留下来。因此，再将高频成份的图像用一个参数放大后与原图像f(x、y)叠加后，就提升了高频成份，而低频成份几乎不受影响。

 

代码：

I=imread('C:\Users\Prince\Desktop\origin.bmp');

subplot(2,2,1),imshow(I);

f=double(I);     % 数据类型转换，MATLAB不支持图像的无符号整型的计算

g=fft2(f);        % 傅立叶变换

g=fftshift(g);     % 转换数据矩阵

[N,M]=size(g);

H = fspecial('gaussian',[M,N],0.7);

Blurimage = imfilter(I,H,'replicate');

Iq=imsubtract(I,Blurimage); 

subplot(2,2,2),imshow(Blurimage);   % 显示滤波处理后的图像

subplot(2,2,3),imshow(Iq);

aa=I+2*Iq;

 

subplot(2,2,4),imshow(aa);

1）使用一个均值滤波器（低通）用于图像的模糊；

2）原图像与模糊图像做差得到图像细节（高频信号）；

3）原图像与放大后的高频信号进行相加。

function [Iout] = LaplaceSharpenFunc(I,Para)
[m,n]= size(I);
Iout = zeros(m,n);

for i =1:m-2
    for j = 1:n-2
        Round9 = uint8(I(i:i+2,j:j+2));
        Array9=double(Round9(:));
        Array9(5) = [];
        Av = sum(Array9)/8;
        Iout(i+1,j+1) = double(I(i+1,j+1))+Para*(double(I(i+1,j+1))-Av);
    end
end