数字图像算法研究---PS USM锐化算法详解

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Trent1985/article/details/82588186

    图像USM锐化是图像处理软件中常见的功能,而PHOTOSHOP中的USM锐化相对而言效果较好,网上有很多揭秘PhotoShop USM锐化算法的文章,但是,算法效果与PS相比,差距较大,今天本人针对PS的USM锐化,给出一个效果比较接近的算法,跟大家分享一下,有助于大家走出误区。

PS中的USM锐化有三个参数:Radius/Amout/Threshold,如下图1所示:

网络中流行的算法(来自Imageshop),连接如下:Imageshop USM

算法过程如下:

以Lena测试图为例,使用Imgeshop提供的DEMO测试如下图2:

对比PS如下图3:

问题所在如下图4所示:

如图4中所示,在蓝色标记区域,imageshop所提算法存在块状不连续问题,而PS算法非常自然,过渡平滑。

造成这个问题的原因是在算法3中我们使用了一个简单的阈值Threshold,将图像锐化与非锐化区域分成了两类,两类之间没有过渡,所以出现了这个现象。

这里给出本人的算法:

代码实现如下:

int f_USM(unsigned char* srcData,int width, int height,int stride,int radius, int amount, int threshold)
{
	int ret = 0;
    if(radius == 0)
		return ret;
	radius = CLIP3(radius, 0, 100);
	amount = CLIP3(amount, 0,500);
	threshold = CLIP3(threshold, 0,255);
	unsigned char* gaussData = (unsigned char*)malloc(sizeof(unsigned char) * height * stride);
	memcpy(gaussData, srcData, sizeof(unsigned char) * height * stride);
	f_FastGaussFilter(gaussData, width, height, stride, radius);
	int i, j, r, g, b, offset;
	offset = stride - width * 3;
	amount = amount * 128 / 100;
	unsigned char* pSrc = srcData;
	unsigned char* pDst = gaussData;
	unsigned char* maskData = (unsigned char*)malloc(sizeof(unsigned char) * height * stride);
	unsigned char* pMask = maskData;
	for(j = 0; j < height; j++)
	{
		for(i = 0; i < width; i++)
		{
			pMask[0] = abs(pSrc[0] - pDst[0]) < threshold ? 0 : 128;
			pMask[1] = abs(pSrc[1] - pDst[1]) < threshold ? 0 : 128;
			pMask[2] = abs(pSrc[2] - pDst[2]) < threshold ? 0 : 128;
			pDst += 3;
			pSrc += 3;
			pMask += 3;
		}
		pDst += offset;
		pSrc += offset;
		pMask += offset;
	}
	pDst = gaussData;
	pSrc = srcData;
	pMask = maskData;
	f_FastGaussFilter(maskData, width, height, stride, radius);
	for(j = 0; j < height; j++)
	{
		for(i = 0; i < width; i++)
		{
			b = pSrc[0] - pDst[0];
			g = pSrc[1] - pDst[1];
			r = pSrc[2] - pDst[2];

			b = (pSrc[0] + ((b * amount) >> 7));
			g = (pSrc[1] + ((g * amount) >> 7));
			r = (pSrc[2] + ((r * amount) >> 7));
			
			b = (b * pMask[0] + pSrc[0] * (128 - pMask[0])) >> 7;
			g = (g * pMask[1] + pSrc[1] * (128 - pMask[1])) >> 7;
			r = (r * pMask[2] + pSrc[2] * (128 - pMask[2])) >> 7;

			pSrc[0] = CLIP3(b, 0, 255);
			pSrc[1] = CLIP3(g, 0, 255);
			pSrc[2] = CLIP3(r, 0, 255);
			pSrc += 3;
			pDst += 3;
			pMask += 3;
		}
		pSrc += offset;
		pDst += offset;
		pMask += offset;
	}
	free(gaussData);
	free(maskData);
	return ret;
};

本文算法的效果如下图5:

在图5中,我们可以看到,之前蓝色区域的像素过渡平滑自然,跟PS效果接近。

上述内容是本人对PS USM锐化算法的一些研究,主要针对网络中比较流行的USM算法进行了对比分析,算法改进,以得到更接近于PS USM锐化的算法,跟大家分享一下!

本人QQ1358009172,微信公众号:SF图像算法

阅读更多

扫码向博主提问

Trent1985

博客专家

人像美颜美妆滤镜
  • 擅长领域:
  • 人像美颜算法
  • 人像美妆算法
  • 照片滤镜
  • 疯狂换脸相关
  • AI美颜
去开通我的Chat快问
想对作者说点什么?

博主推荐

换一批

没有更多推荐了,返回首页