如何在opencv中实现不同程度的锐化

考虑到网友们中有急急国王，先上代码：

def sharpen(img, sharpness=100, ktype=1):
  n = sharpness/100
  if ktype == 1:
    sharpen_op = np.array([[0 ,  -n,   0 ], \
                           [-n, 4*n+1, -n], \
                           [0 ,  -n,   0 ]], dtype=np.float32)
  if ktype == 2:
    sharpen_op = np.array([[-n,  -n,   -n], \
                           [-n, 8*n+1, -n], \
                           [-n,  -n,   -n]], dtype=np.float32)
  img_sharpen = cv2.filter2D(img, cv2.CV_32F, sharpen_op)
  img_sharpen = cv2.convertScaleAbs(img_sharpen)
  return img_sharpen

其中：
img是opencv图像
sharpness是0~100的数字，代表锐化程度
注：理论上讲，sharpness可以超过100
再注：100是我定义的，你可以更改上限，将上述代码中的n = sharpness/100中的100换成别的数字即可
ktype是锐化卷积核类型，可以取1和2，默认使用第一种，哪种好我也不知道，但很棒的是，你可以都试试！
返回结果是锐化后的图像
使用例：img_sharpen_cv = sharpen(img_cv, sharpness=25) #锐化

为什么

网上的教程大多会告诉你，首先用numpy捏这么一个卷积核：

    sharpen_op = np.array([[0 , -1,  0], \
                           [-1,  5, -1], \
                           [0 , -1,  0]], dtype=np.float32)
#或者这种
    sharpen_op = np.array([[-1, -1, -1], \
                           [-1,  9, -1], \
                           [-1, -1, -1]], dtype=np.float32)

然后把它和原图一起扔进cv2.filter2D，图像就被锐化啦！
图像是被锐化了，但是不是锐的有点太过了？
大多数人肯定用过手机图库自带的锐化处理功能，他会给你一个滑动条，你把这个条拉大，它就多锐化，拉小，它就少锐化。
刚才锐化的图像，如果你像我一样会闲着没事拉那个条玩，看看不同的锐化效果，你就会发现，那个效果就跟条拉满差不多。

我超，天才！

这时一位天才的网友出现：看起来中心那个数是关键啊！那我直接把中心那个数改了不就完事了！（真的有这位网友，只不过他的帖子我不在此提及）
于是他改了那个数，得意洋洋地说，他解决了需求，然而他附了一张结果的动图，你看他的动图就会发现，当他拖动滑动条改动核中间的数值时，整个图片只能说是dramatical change，只有这个数字在5（第二种是8）左右的时候，图片才是相对正常的。
这位天才做了勇敢的尝试，但是他没试对。依照经验，一个问题蒙不对，就得学一学了。

什么是卷积

作为一名高中生，我没背过这个概念，所以没法做准确的描述，但是我会解释：

    sharpen_op = np.array([[0 , -1,  0], \
                           [-1,  5, -1], \
                           [0 , -1,  0]], dtype=np.float32)

以这个卷积核为例，他的意思是图像上每个像素点都取：自己的5倍+上下左右四个像素的-1倍

    sharpen_op = np.array([[-1, -1, -1], \
                           [-1,  9, -1], \
                           [-1, -1, -1]], dtype=np.float32)

同理，这个的意思是，图像上每个像素点都取：自己的9倍+周围一圈像素像素的-1倍

为什么锐化卷积核能锐化

一篇讲得比较正经的博客提到，锐化卷积核中所有数字的和应该是1。为什么和是1？其实我们把上面的意思变换一下就知道了：
自己的5倍+上下左右四个像素的-1倍 == 自己+（自己-上）+（自己-下）+（自己-左）+（自己-右）
这就是锐化卷积核的原理：把每个像素加上自己和周围几个像素的差，就能起到锐化效果（虽然我也不知道为什么）

真正的合理外推

当我们成功整会了以上内容，我们就知道怎么锐化得有个“度”了：
自己+（自己-上）+（自己-下）+（自己-左）+（自己-右） -> 100%的锐化
自己 -> 不锐化，即0%的锐化
因此：
自己+（自己-上）*n%+（自己-下）*n%+（自己-左）*n%+（自己-右）*n% -> n%的锐化
写成卷积核就是开头的代码：

    sharpen_op = np.array([[0 ,  -n,   0 ], \
                           [-n, 4*n+1, -n], \
                           [0 ,  -n,   0 ]], dtype=np.float32)

再加上前后必要的代码，完成！