用opencv-python实现能线性调整的模糊、锐化

现在的手机图库中，模糊和锐化是必不可少的两个功能。
然而，各位应该都有注意到：在opencv中，锐化和模糊的主要参数都是卷积核半径，且必须为奇数；但是在使用图库软件时，大部分时候只需要拖动一个滑动条。或许“滑动条”的说法不够明显，更直观的说法是：图库软件的模糊和锐化只需要一个浮点数做参数。

显然，图库软件的开发者不可能重复造轮子，他们用的模糊和锐化，底层必然和opencv相似。本文讲的就是如何在opencv中实现这样一个以浮点数控制操作力度的锐化或模糊。本文的思路也适用于其他卷积操作，如USM。

连续与不连续

卷积核半径是不连续的，而操作力度是连续的。
也就是说，虽然我们可以建立这样一个映射，但是非整数的操作力度并不直接对应任意一个卷积核卷积的结果。

操作力度	卷积核半径
1	3
2	5
3	7

我想到的解决方法是：线性混合。按比例混合两个卷积核卷积的结果，就能表示小数的操作力度。

实现

首先将线性混合封装成函数

def gen_kparams(degree):
    # 根据参数“degree”生成两个内核半径和它们的混合比例
    assert degree>0
    deg_head = math.ceil(degree)
    deg_tail = degree+1-deg_head
    ksize_large = deg_head*2+1
    ksize_small = ksize_large-2
    large_ratio = deg_tail
    small_ratio = 1-large_ratio
    return ksize_large, large_ratio, ksize_small, small_ratio

def get_filtered(img, filter_func, degree):
    # 根据生成的参数处理图片并混合
    ksize_large, large_ratio, ksize_small, small_ratio = gen_kparams(degree)
    large = filter_func(img, ksize_large)
    small = filter_func(img, ksize_small)
    ret = cv2.addWeighted(large, large_ratio, small, small_ratio, 0)
    return ret

然后加入具体的操作

gaussian_filter = lambda img, ksize: cv2.GaussianBlur(img, (ksize, ksize), 0)
laplacian_filter = lambda img, ksize: cv2.Laplacian(img, -1, ksize=ksize)

def blur(img, degree=1):
    ret = get_filtered(img, gaussian_filter, degree)
    return ret
def sharpen(img, degree=1):
    ret = cv2.subtract(img, get_filtered(img, laplacian_filter, degree))
    return ret