图像锐化算法

图像锐化可以实现边缘增强，凸显细节。

常用的方法有拉普拉斯算子和反锐化掩膜法，两者都可以通过滤波模板实现，非常方便简单。说到滤波模板，也就是空域滤波了，这个PPT对空域滤波的原理阐述得比较清晰：http://pan.baidu.com/s/1qWJmGoO

拉普拉斯算子的介绍：http://www.cnblogs.com/xfzhang/archive/2011/01/19/1939020.html、http://blog.csdn.net/iaccepted/article/details/41869685

反锐化掩膜法的介绍：http://blog.csdn.net/laviewpbt/article/details/8945663

拉普拉斯算子的matlab实现 

思路很简单，就是获得滤波模板、高斯模糊、锐化。通过fspecial函数可以轻易获得滤波模板。fspecial函数的用法：http://blog.csdn.net/wyl_steven/article/details/6314959

fspecial只能生成3*3的模板，锐化性能有限，还需要从原理上理解怎么生产拉普拉斯模板。其实拉普拉斯算子就是一个二阶微分的公式，其滤波模板只是对公式的一种近似，为了简化运算过程，所以，拉普拉斯算子的锐化能力是非常有限的，当然你可以加大模板中心的权重，但这会导致锐化过度，违反了图像增强的原则——图像失真了。

利用filter2函数对图像进行空域滤波。

 img = imread('test1.jpg');
% img = imread('test.jpg');
%     Hg = fspecial('gaussian',[3 3],1);
%  for channel=1:3
%    img0 = img(:,:,channel);
%    img0 = double(img0);
%    img0 = filter2(Hg,img0); %smooth
%    img(:,:,channel) = uint8(img0);
%  end
 
 figure(1)
 imshow(img);title('org')
 
 H1 = fspecial('laplacian',0.2);
% H1=[1,1,1;1,-8,1;1,1,1];
 Hg = fspecial('gaussian',[3 3],0.5);
 for channel=1:3
 img0 = img(:,:,channel);
 img0 = double(img0);
 
 img0 = filter2(Hg,img0); %smooth
 img1 = filter2(H1,img0);
 img2 = img0-img1; 

 img(:,:,channel) = uint8(img2);
 end
 
 figure(2)
 imshow(img);title('sharpen')
 
  H1 = fspecial('laplacian',0.2);
% H1=[1,1,1;1,-8,1;1,1,1];
 Hg = fspecial('gaussian',[3 3],0.5);
 for channel=1:3
 img0 = img(:,:,channel);
 img0 = double(img0);
 
 img0 = filter2(Hg,img0); %smooth
 img1 = filter2(H1,img0);
 img2 = img0-img1; 

 img(:,:,channel) = uint8(img2);
 end
 
 figure(3)
 imshow(img);title('sharpen2')

test.jpg： http://pan.baidu.com/s/1eQ8bJl4

test1.jpg：http://pan.baidu.com/s/1eQgXv14

反锐化掩膜法的matlab实现 

反锐化掩膜法（USM）是一种常用的锐化算法，photoshop中就采用了这种算法。它可以说是拉普拉斯算子的加强版，算法具有相当的锐化能力与可控性。

其思路很简单：高通滤波、高频提升、合成。

高通滤波，从原始图像中提取高频成分，从而提取细节（这里可以使用拉普拉斯算子），然后对细节进行一定的增强（增益可调），最后把增强的细节叠加到原始图像中。

这样做的效果不是很好，后来又有改进的方法：

先做高斯模糊（半径可调），提取低频成分；然后把原始图像减去低频成分获得高频成分（间接提取高频）；再对高频成分与阈值（阈值可调）比较，比阈值大的才进行增强（提高抗噪声性能）；最后叠加。

发现，这样做的效果比较理想。

%USM算法仿真

 img = imread('test.jpg');
%  img = imread('test1.jpg');
 channel = size(img,3);
 figure(1);imshow(img);title('origin');
 
 %USM算法
 radius = 3;        %模糊半径
 amount = 50;       %增益
 threshold = max(img(:))/2;   %阈值
 Hg = fspecial('gaussian',[3 3],radius);    %高斯核
 for i=1:channel
 imgcyp = img(:,:,i);       %多通道分离
 imgcyp = double(imgcyp); 
 imgl = filter2(Hg,imgcyp);	%高斯模糊
 imgh = imgcyp - imgl;      %提取高频成分 
 imgh(abs(imgh)>threshold) = ... %增益
    imgh(abs(imgh)>threshold) * amount;
 imgcyp = imgcyp + imgh;    %叠加
 img(:,:,i) = uint8(imgcyp);
 end
 
 figure(2);imshow(img);title('enhanced');

USM(unsharp mask)锐化之openCV代码