OpenCV图像锐化---USM锐化和Laplace锐化
学更好的别人，
做更好的自己。
——《微卡智享》
本文长度为1832字，预计阅读4分钟
前言
图像锐化 (image sharpening) 是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，分为空间域处理和频域处理两类。图像锐化是为了突出图像上地物的边缘、轮廓，或某些线性目标要素的特征。这种滤波方法提高了地物边缘与周围像元之间的反差，因此也被称为边缘增强。
实现效果
原图
USM锐化
Laplace锐化
上面三图从左到右分别是原图、USM锐化、Laplace锐化后的效果，从效果上看，USM锐化和Laplace锐化都将原图的文字变得更清晰了，不过Laplace锐化的效果要更好一点。
锐化介绍
微卡智享
USM锐化
USM 锐化增强算法（Unsharpen Mask），是图像卷积处理实现锐化常用的算法，这种锐化的方法就是对原图像先做一个高斯模糊，然后用原来的图像减去一个系数乘以高斯模糊之后的图像，然后再把值Scale到0～255的RGB像素值范围之内。基于USM锐化的方法可以去除一些细小的干扰细节和噪声，比一般直接使用卷积锐化算子得到的图像锐化结果更加真实可信。
USM锐化公式：
（源图像– w*高斯模糊）/（1-w）
w表示权重（0.1～0.9），默认为0.6
| # | 实现方式 |
|---|---|
| 1 | 高斯模糊GaussianBlur |
| 2 | 图像加权混合addWeighted |
Mat src = imread("E:/DCIM/ryb/fx4.bmp");
resize(src, src, Size(), 0.3, 0.3);
imshow("src", src);
//USM锐化
Mat blur_usm, dst_usm;
cv::GaussianBlur(src, blur_usm, Size(0, 0), 25);
cv::addWeighted(src, 1.5, blur_usm, -0.5, 0, dst_usm);
imshow("dst_usm", dst_usm);其中高斯模糊中的Size默认为Size(0,0)，sigma的值一般用5，15，25即可，我这里用的是25，这样和Laplace对比比较明显，后面改为5后，两个效果比较接近了。
Laplace锐化
Laplace算子属于空间锐化滤波操作。由于Laplacian算子使用了图像梯度，它内部的代码其实是调用了Sobel算子的。
公式这里就不再列了，我们知道Laplace算子常用的一个滤波器如下：
| # | 实现方式 |
|---|---|
| 1 | 拉普拉斯滤波Laplacian |
| 2 | 图像加权混合addWeighted |
Mat src = imread("E:/DCIM/ryb/fx4.bmp");
resize(src, src, Size(), 0.3, 0.3);
imshow("src", src);
//Laplacian锐化
Mat blur_laplace, dst_laplacian;
cv::Laplacian(src, blur_laplace, -1);
cv::addWeighted(src, 1, blur_laplace, -0.5, 0, dst_laplacian);
imshow("dst_laplacian", dst_laplacian);其中Laplacian方法也可以用filter2D来实现，定义一个kernel卷积，如下：
Mat src = imread("E:/DCIM/ryb/fx4.bmp");
resize(src, src, Size(), 0.3, 0.3);
imshow("src", src);
//Laplacian锐化
Mat blur_laplace, dst_laplacian;
Mat kernel = (Mat_(3, 3) << 0, 1, 0, 1, -4, 1, 0, 1, 0);
cv::filter2D(src, blur_laplace, CV_8UC3, kernel);
cv::addWeighted(src, 1, blur_laplace, -0.5, 0, dst_laplacian);
imshow("dst_laplacian", dst_laplacian); Demo完整代码
#include
#include
using namespace cv;
using namespace std;
int main(int argc, char** argv) {
try
{
Mat src = imread("E:/DCIM/ryb/fx4.bmp");
resize(src, src, Size(), 0.3, 0.3);
imshow("src", src);
//USM锐化
Mat blur_usm, dst_usm;
cv::GaussianBlur(src, blur_usm, Size(0, 0), 25);
cv::addWeighted(src, 1.5, blur_usm, -0.5, 0, dst_usm);
imshow("dst_usm", dst_usm);
//Laplacian锐化
Mat blur_laplace, dst_laplacian;
//Mat kernel = (Mat_(3, 3) << 0, 1, 0, 1, -4, 1, 0, 1, 0);
//cv::filter2D(src, blur_laplace, CV_8UC3, kernel);
cv::Laplacian(src, blur_laplace, -1);
cv::addWeighted(src, 1, blur_laplace, -0.5, 0, dst_laplacian);
imshow("dst_laplacian", dst_laplacian);
waitKey(0);
return 0;
}
catch (const std::exception& ex)
{
cout << ex.what() << endl;
}
} 
局部对比效果
完
往期精彩回顾
Android Studio 2021.1.1的getNdkVersion的Bug及解决办法
笔记--解决Android使用retrofit2 OkHttp3短时间内大量通讯提示Socket Failed:EMFILE
笔记---Linux安装OpenCV及VSCode的配置编译