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

#	实现方式
1	高斯模糊GaussianBlur
2	图像加权混合addWeighted

Mat src = imread("E:/DCIM/ryb/fx4.bmp");
    resize(src, src, Size(), 0.3, 0.3);
    imshow("src", src);


    //USM锐化    
    Mat blur_usm, dst_usm;
    cv::GaussianBlur(src, blur_usm, Size(0, 0), 25);
    cv::addWeighted(src, 1.5, blur_usm, -0.5, 0, dst_usm);
    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：

#	实现方式
1	拉普拉斯滤波Laplacian
2	图像加权混合addWeighted

Mat src = imread("E:/DCIM/ryb/fx4.bmp");
    resize(src, src, Size(), 0.3, 0.3);
    imshow("src", src);
    
    //Laplacian锐化
    Mat blur_laplace, dst_laplacian;
    cv::Laplacian(src, blur_laplace, -1);
    cv::addWeighted(src, 1, blur_laplace, -0.5, 0, dst_laplacian);
    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：

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

Demo完整代码

#include <opencv2/opencv.hpp>
#include <iostream>


using namespace cv;
using namespace std;


int main(int argc, char** argv) {


  try
  {


    Mat src = imread("E:/DCIM/ryb/fx4.bmp");
    resize(src, src, Size(), 0.3, 0.3);
    imshow("src", src);


    //USM锐化
    Mat blur_usm, dst_usm;
    cv::GaussianBlur(src, blur_usm, Size(0, 0), 25);
    cv::addWeighted(src, 1.5, blur_usm, -0.5, 0, dst_usm);
    imshow("dst_usm", dst_usm);


    //Laplacian锐化
    Mat blur_laplace, dst_laplacian;
    //Mat kernel = (Mat_<float>(3, 3) << 0, 1, 0, 1, -4, 1, 0, 1, 0);
    //cv::filter2D(src, blur_laplace, CV_8UC3, kernel);


    cv::Laplacian(src, blur_laplace, -1);


    cv::addWeighted(src, 1, blur_laplace, -0.5, 0, dst_laplacian);
    imshow("dst_laplacian", dst_laplacian);




    waitKey(0);
    return 0;
  }
  catch (const std::exception& ex)
  {
    cout << ex.what() << endl;
  }
}

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