2024-05-06碼農

1. 影像銳化和增強

影像銳化 是一種突出和加強影像中景物的邊緣和輪廓的技術，使影像變得更加清晰。它透過增強影像的高分頻量來減少影像中的模糊，增強影像細節邊緣和輪廓，增強灰度反差，便於後期對目標的辨識和處理。

影像增強 是改善影像品質的技術，包括影像銳化、去噪、對比度增強、色彩增強等。影像銳化是影像增強中的一種重要技術。

影像銳化和影像增強的區別在於，影像銳化側重於突出影像中的細節，而影像增強則可以包括更廣泛的操作，以滿足不同的套用需求。

以下簡單總結了影像銳化和影像增強之間的區別：

特征	影像銳化	影像增強
目的	增強影像的邊緣和細節	改善影像的整體品質
方法	增強影像的高分頻量	可以包括銳化、去噪、對比度增強、色彩調整等多種操作
套用	適用於需要突出影像細節的場景，例如醫學影像處理、遙感影像分析等	適用於需要改善影像品質的各種場景，例如照片編輯、視訊處理等

2. 影像銳化方法

影像銳化的方法主要有以下兩種：

空間域方法 ：在空間域上直接對影像進行處理。常用的空間域銳化方法包括：

a. 銳化濾波器：利用銳化濾波器對影像進行摺積運算，增強影像的邊緣和細節。常用的銳化濾波器包括 Prewitt 算子、Roberts 算子、Laplace 算子等。

b. USM 銳化：USM（Unsharpen Mask）銳化是一種常用的銳化方法，它先對影像進行高斯濾波，然後用原影像減去高斯濾波後的影像，再將結果乘以一個系數，最後將結果加到原影像中。

頻域方法 ：將影像變換到頻域，然後對高分頻量進行增強，再將影像變換回空間域。常用的頻域銳化方法包括高通濾波等。

3. 拉普拉斯銳化和 USM 銳化

3.1 拉普拉斯銳化

在該系列的第八篇和第十篇文章中，都曾經介紹過 拉普拉斯算子 ，它是二階導數的邊緣算子。

之前我們曾介紹過二階導數的 Laplace 算子可以透過差分近似來簡化，其公式為：

它的 4 鄰域摺積核：

拉普拉斯核.png

它的 8 鄰域摺積核：

擴充套件的拉普拉斯算子.png

拉普拉斯銳化 透過增強影像中的二階導數來突出邊緣。

拉普拉斯銳化 的基本原理：當鄰域的中心像素灰度低於它所在鄰域內的其他像素的平均灰度時，此中心像素的灰度應該進一步降低；當高於時進一步提高中心像素的灰度，從而實作影像銳化處理。

拉普拉斯的銳化公式：

其中，f(x,y) 表示原圖，g(x,y) 表示銳化後的影像。

對於 4 鄰域摺積核：

用樣版表示如下：

對於 8 鄰域摺積核：

用樣版表示如下：

拉普拉斯銳化可以有效地增強影像的邊緣和細節，但它也會放大影像中的雜訊。因此，在銳化影像之前，通常需要先進行 去噪處理 。

下面的例子，透過 8 鄰域拉普拉斯算子對影像進行銳化

#include<opencv2/opencv.hpp> #include<opencv2/core.hpp> #include<opencv2/highgui.hpp> usingnamespacestd; usingnamespace cv; intmain(){ Mat src = imread(".../girl.jpg"); imshow("src", src); int height = src.rows; int width = src.cols; int border = 1; Mat dst(height, width, CV_8UC3); for (int i = border; i < height - border; i++) { for (int j = border; j < width - border; j++) { for (int k = 0; k < 3; k++) { int sum = 9 * src.at<Vec3b>(i, j)[k] - src.at<Vec3b>(i - 1, j - 1)[k] - src.at<Vec3b>(i - 1, j)[k] - src.at<Vec3b>(i - 1, j + 1)[k] - src.at<Vec3b>(i, j - 1)[k] - src.at<Vec3b>(i, j + 1)[k] - src.at<Vec3b>(i + 1, j - 1)[k] - src.at<Vec3b>(i + 1, j)[k] - src.at<Vec3b>(i + 1, j + 1)[k]; dst.at<Vec3b>(i, j)[k] = saturate_cast<uchar>(sum); } } } imshow("laplaceSharp", dst); waitKey(0); return0; }

當然，上述程式碼中拉普拉斯銳化的實作也可以用 filter2D() 函式實作。

3.2 USM 銳化

USM 銳化(Unsharp Mask Sharpening)，它透過增強影像的邊緣和細節來使影像變得更加清晰。

USM 銳化的工作原理是：

對原影像進行 高斯模糊 處理，得到模糊後的影像。
將原影像減去模糊後的影像，得到 殘留誤差影像 。
將殘留誤差影像乘以一個 銳化因子 ，得到 增強後的殘留誤差影像 。
將增強後的殘留誤差影像與原影像進行疊加，得到銳化後的影像。

USM 銳化具有以下特點：

可以有效地增強影像的邊緣和細節。

具有較強的控制性，使用者可以透過調整銳化因子、半徑和閾值等參數來控制銳化效果。

可能會放大影像中的雜訊。

USM 銳化通常具有以下三個參數：

銳化因子 （Amount）：控制銳化效果的強度。值越大，銳化效果越明顯。

閾值（Threshold）：控制哪些像素會被銳化。值越大，只有灰度值差異較大的像素才會被銳化，可以減少雜訊的影響。

半徑（Radius）：控制銳化範圍的大小。值越大，銳化範圍越大，邊緣越模糊。

下面的例子，實作了一個 USM 銳化。

#include<opencv2/opencv.hpp> #include<opencv2/core.hpp> #include<opencv2/highgui.hpp> usingnamespacestd; usingnamespace cv; voidunsharpMask(const Mat& src, Mat& dst, int radius, int threshold, int amount){ int height = src.rows; int width = src.cols; GaussianBlur(src, dst, cv::Size(radius, radius), 2, 2); for (int h = 0; h < height; ++h) { for (int w = 0; w < width; ++w) { int b = src.at<Vec3b>(h, w)[0] - dst.at<Vec3b>(h, w)[0]; int g = src.at<Vec3b>(h, w)[1] - dst.at<Vec3b>(h, w)[1]; int r = src.at<Vec3b>(h, w)[2] - dst.at<Vec3b>(h, w)[2]; if (abs(b) > threshold) { b = src.at<Vec3b>(h, w)[0] + amount * b / 100; dst.at<Vec3b>(h, w)[0] = saturate_cast<uchar>(b); } if (abs(g) > threshold) { g = src.at<Vec3b>(h, w)[1] + amount * g / 100; dst.at<Vec3b>(h, w)[1] = saturate_cast<uchar>(g); } if (abs(r) > threshold) { r = src.at<Vec3b>(h, w)[2] + amount * r / 100; dst.at<Vec3b>(h, w)[2] = saturate_cast<uchar>(r); } } } } intmain(){ Mat src = imread(".../girl.jpg"); imshow("src", src); Mat dst = Mat(src.size(), src.type()); unsharpMask(src,dst, 181, 0, 90); imshow("usm", dst); waitKey(0); return0; }