Unsharp Mask(USM)锐化算法的的原理及其实现。

Unsharp Mask(USM)锐化算法的的原理及其实现

通过增强图像的高频部分的内容,图像的视觉效果可以极大的得到改观。为达到这个目的,通常可以使用经典USM技术来实现。这个技术的流程可用下图来实现:

                    Unsharp Mask(USM)锐化算法的的原理及其实现。_第1张图片

      用具体的公式表达即为:

                    y(n,m)= x(n,m)+ λz(n,m)                                                       (1)

      其中, x(n,m)为输入图像,y(n,m)为输出图像,而z(n,m)为校正信号,一般是通过对x进行高通滤波获取。λ是用于控制增强效果的的一个缩放因子。

      在传统的USM算法中,z(n,m)一般可以通过下式获取:

              z(n,m)=4x(n,m)-x(n-1,m) -x(n +1,m)-x(n, m-1) -x(n,m+1)             (2)

      当然也可以用如下的模板:

                      Unsharp Mask(USM)锐化算法的的原理及其实现。_第2张图片

缩放因子为100时对应的代码:

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import cv2
from numpy import *

image = cv2.imread('LenaRGB.bmp') # 根据路径读取一张图片


reflect_img = cv2.copyMakeBorder(image,1,1,1,1,cv2.BORDER_REPLICATE)#填充边界像素
x,y=reflect_img.shape[:2]
for depth in range(0,3):
    for rows in range(1,x-1):
        for colums in range(1,y-1):
            HighPass = (reflect_img.item(rows,colums,depth)<<2)-reflect_img.item(rows-1,colums,depth)\
                        -reflect_img.item(rows+1,colums,depth)- reflect_img.item(rows,colums-1,depth)\
                        -reflect_img.item(rows,colums+1,depth)

            Value = image.item(rows-1,colums-1,depth)+100*HighPass//100
            if(Value > 255):
                Value = 255
            elif(Value < 0):
                Value = 0

            image.itemset((rows-1,colums-1,depth),Value)

cv2.namedWindow("reFlect image")
cv2.imshow("reFlect image",reflect_img)


""" the second method
x,y = image.shape[:2]
image_resize = zeros((x+2,y+2), dtype=uint8)
img_resize = cv2.cvtColor(image_resize, cv2.COLOR_GRAY2BGR)

#拷贝图像到缓冲区,以及填充边缘像素
img_resize[1:513,1:513]   = image[0:512,0:512]
img_resize[0:1,0:512]     = image[0:1,0:512]
img_resize[513:514,0:512] = image[511:512,0:512]
img_resize[0:512,0:1]     = image[0:512,0:1]
img_resize[0:512,513:514] = image[0:512,511:512]

#对三个通道实现UMS
for depth in range(0,3):
    for rows in range(1,x+1):
        for colums in range(1,y+1):
            HighPass = (img_resize.item(rows,colums,depth)<<2)-img_resize.item(rows-1,colums,depth)\
                        -img_resize.item(rows+1,colums,depth)- img_resize.item(rows,colums-1,depth)\
                        -img_resize.item(rows,colums+1,depth)

            Value = image.item(rows-1,colums-1,depth)+100*HighPass//100
            if(Value > 255):
                Value = 255
            elif(Value < 0):
                Value = 0

            image.itemset((rows-1,colums-1,depth),Value)
cv2.namedWindow("resize_Image")          
cv2.imshow("resize_Image",img_resize)
"""



cv2.namedWindow("Image") # 初始化一个名为Image的窗口
cv2.imshow("Image", image) # 显示图片
cv2.imwrite("image_Amout100.bmp",image)
cv2.waitKey(0) # 等待键盘触发事件,释放窗口


Lena测试实际效果图:
Unsharp Mask(USM)锐化算法的的原理及其实现。_第3张图片
从左至右,分别是原图,缩放因子为25,缩放因子为100

参考:

Unsharp Mask(USM)锐化算法的的原理及其实现。

你可能感兴趣的:(图像基础算法处理,image,process)