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

1.  
   Mat src = imread("E:/DCIM/ryb/fx4.bmp");
2.  
   resize(src, src, Size(), 0.3, 0.3);
3.  
   imshow("src", src);
4.  
    
5.  
    
6.  
   //USM锐化
7.  
   Mat blur_usm, dst_usm;
8.  
   cv::GaussianBlur(src, blur_usm, Size(0, 0), 25);
9.  
   cv::addWeighted(src, 1.5, blur_usm, -0.5, 0, dst_usm);
10.  
    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：

1.  
   Mat src = imread("E:/DCIM/ryb/fx4.bmp");
2.  
   resize(src, src, Size(), 0.3, 0.3);
3.  
   imshow("src", src);
4.  
    
5.  
       //Laplacian锐化
6.  
       Mat blur_laplace, dst_laplacian;
7.  
       cv::Laplacian(src, blur_laplace, -1);
8.  
   cv::addWeighted(src, 1, blur_laplace, -0.5, 0, dst_laplacian);
9.  
       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：

1.  
   Mat src = imread("E:/DCIM/ryb/fx4.bmp");
2.  
   resize(src, src, Size(), 0.3, 0.3);
3.  
   imshow("src", src);
4.  
    
5.  
   //Laplacian锐化
6.  
   Mat blur_laplace, dst_laplacian;
7.  
       Mat kernel = (Mat_<float>(3, 3) << 0, 1, 0, 1, -4, 1, 0, 1, 0);
8.  
       cv::filter2D(src, blur_laplace, CV_8UC3, kernel);
9.  
   cv::addWeighted(src, 1, blur_laplace, -0.5, 0, dst_laplacian);
10.  
    imshow("dst_laplacian", dst_laplacian);

Demo完整代码

1.  
   #include <opencv2/opencv.hpp>
2.  
   #include <iostream>
3.  
    
4.  
    
5.  
   using namespace cv;
6.  
   using namespace std;
7.  
    
8.  
    
9.  
   int main(int argc, char** argv) {
10.  
     
11.  
     
12.  
    try
13.  
    {
14.  
     
15.  
     
16.  
    Mat src = imread("E:/DCIM/ryb/fx4.bmp");
17.  
    resize(src, src, Size(), 0.3, 0.3);
18.  
    imshow("src", src);
19.  
     
20.  
     
21.  
    //USM锐化
22.  
    Mat blur_usm, dst_usm;
23.  
    cv::GaussianBlur(src, blur_usm, Size(0, 0), 25);
24.  
    cv::addWeighted(src, 1.5, blur_usm, -0.5, 0, dst_usm);
25.  
    imshow("dst_usm", dst_usm);
26.  
     
27.  
     
28.  
    //Laplacian锐化
29.  
    Mat blur_laplace, dst_laplacian;
30.  
    //Mat kernel = (Mat_<float>(3, 3) << 0, 1, 0, 1, -4, 1, 0, 1, 0);
31.  
    //cv::filter2D(src, blur_laplace, CV_8UC3, kernel);
32.  
     
33.  
     
34.  
    cv::Laplacian(src, blur_laplace, -1);
35.  
     
36.  
     
37.  
    cv::addWeighted(src, 1, blur_laplace, -0.5, 0, dst_laplacian);
38.  
    imshow("dst_laplacian", dst_laplacian);
39.  
     
40.  
     
41.  
     
42.  
     
43.  
    waitKey(0);
44.  
    return 0;
45.  
    }
46.  
    catch (const std::exception& ex)
47.  
    {
48.  
    cout << ex.what() << endl;
49.  
    }
50.  
    }

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