OpenCV 笔记(31)：图像锐化算法——拉普拉斯锐化和 USM 锐化

1.  图像锐化和增强

图像锐化是一种突出和加强图像中景物的边缘和轮廓的技术，使图像变得更加清晰。它通过增强图像的高频分量来减少图像中的模糊，增强图像细节边缘和轮廓，增强灰度反差，便于后期对目标的识别和处理。

图像增强是改善图像质量的技术，包括图像锐化、去噪、对比度增强、色彩增强等。图像锐化是图像增强中的一种重要技术。

图像锐化和图像增强的区别在于，图像锐化侧重于突出图像中的细节，而图像增强则可以包括更广泛的操作，以满足不同的应用需求。

以下简单总结了图像锐化和图像增强之间的区别：

特征	图像锐化	图像增强
目的	增强图像的边缘和细节	改善图像的整体质量
方法	增强图像的高频分量	可以包括锐化、去噪、对比度增强、色彩调整等多种操作
应用	适用于需要突出图像细节的场景，例如医学图像处理、遥感图像分析等	适用于需要改善图像质量的各种场景，例如照片编辑、视频处理等

2. 图像锐化方法

图像锐化的方法主要有以下两种：

• 空间域方法：在空间域上直接对图像进行处理。常用的空间域锐化方法包括：

     a.   锐化滤波器：利用锐化滤波器对图像进行卷积运算，增强图像的边缘和细节。常用的锐化滤波器包括 Prewitt 算子、Roberts 算子、Laplace 算子等。

     b.   USM 锐化：USM（Unsharpen Mask）锐化是一种常用的锐化方法，它先对图像进行高斯滤波，然后用原图像减去高斯滤波后的图像，再将结果乘以一个系数，最后将结果加到原图像中。

• 频域方法：将图像变换到频域，然后对高频分量进行增强，再将图像变换回空间域。常用的频域锐化方法包括高通滤波等。

3.  拉普拉斯锐化和 USM 锐化

3.1 拉普拉斯锐化

在该系列的第八篇和第十篇文章中，都曾经介绍过拉普拉斯算子，它是二阶导数的边缘算子。

之前我们曾介绍过二阶导数的