在开局之前,首先说明一点,Photoshop的USM锐化只是本文所指USM的一种比较特殊的例子而已。
通过增强图像的高频部分的内容,图像的视觉效果可以极大的得到改观。为达到这个目的,通常可以使用经典USM技术来实现。这个技术的流程可用下图来实现:
用具体的公式表达即为:
y(n,m)= x(n,m)+ λz(n,m) (1)
其中, x(n,m)为输入图像,y(n,m)为输出图像,而z(n,m)为校正信号,一般是通过对x进行高通滤波获取。λ是用于控制增强效果的的一个缩放因子。
在传统的USM算法中,z(n,m)一般可以通过下式获取:
z(n,m)=4x(n,m)-x(n-1,m) -x(n +1,m)-x(n, m-1) -x(n,m+1) (2)
当然也可以用如下的模板:
贴部分参考代码:
Width = Bitmap.Width; Height = Bitmap.Height; Stride = Bitmap.Stride;
NewHeight = Height + 2; NewStride = (Width + 2) * BytePerPixel;
ExpandPtr = (byte*)Win32Api.GlobalAlloc(Win32Const.GPTR, NewStride * NewHeight); // 为保证边缘部分处理方便,扩展边界部分
Utility.GetExpandImage(Bitmap, 1, ExpandPtr); // 拷贝图像到缓冲区,以及填充边缘像素
for (Y = 0; Y < Height; Y++) // 处理灰度图像
{
Pointer = Bitmap.Pointer + Y * Stride;
ExpandP = ExpandPtr + (Y+1) * NewStride+1;
for (X = 0; X < Width; X++)
{
HighPass = (ExpandP[X] << 2) - ExpandP[X - 1] - ExpandP[X + 1] - ExpandP[X - NewStride] - ExpandP[X + NewStride]; // z(n,m)
Value = Pointer[X] + Amount * HighPass / 100; // x(n,m)+ λz(n,m),式中的Amount即这里的λ
Pointer[X] = (byte)((((ushort)Value | ((short)(255 - Value) >> 15)) & ~Value >> 15)); // 防止数据溢出
}
}
Win32Api.GlobalFree((IntPtr)ExpandPtr);
在很多场合,这个方法也能获得较好的效果,比如下述的Lena图。
原图 Amount=25 Amount=100
不过这个方面也有以下的缺点: 1) 线性的高通滤波使得效果对噪音非常敏感,这会导致一些不希望的扭曲,特别在图像变换比较缓慢的地方的噪音,比如上图3中草帽的左侧平坦区域。2)对于图像的边缘(高对比度区域)会出现增强过头的现象,如上图草帽的边缘。 这两点会导致输出图像存在一些令人看上去不舒服的地方。
很多论文中提出了一些自适应通过动态的改变式(1)中的λ参数来控制调节结果。在图像的变换比较平坦的区域,λ取值小,在较大的对比度(边缘处)地方取适当的λ,而在中对比度处取较大的λ值,以使得这部分的得到最大的增强。 比如这篇文章 Image Enhancement via Adaptive Unsharp Masking 中就提出了一种逐步更新的方式。不过类似这样的文章都普遍存在一个问题,那就是可控参数过多,且这些从参数的取值需要过多的人工参与,我认为这样的算法,是不具有实用的价值的。
在Photoshop的锐化菜单中也有一项USM锐化,其实这个功能也是符合式1的定义的。通过其UI界面我们可以发现其有3个参数:半径、数量、阈值,其内部的算法过程可以用如下的简单代码表示:
Width = Bitmap.Width; Height = Bitmap.Height; Stride = Bitmap.Stride; BytePerPixel = Bitmap.BitCount / 8; FastBitmap Clone = Bitmap.Clone(); // 备份图像数据 BlurEffect.GaussianBlur(Clone, Radius); // 对备份的数据进行高斯模糊处理 for (Y = 0; Y < Height; Y++) { Pointer = Bitmap.Pointer + Y * Stride; PointerC = Clone.Pointer + Y * Stride; for (X = 0; X < Width; X++) { Value = Pointer[X] - PointerC[X]; if (Utility.Abs (Value) > Threshold) { Value = Pointer[X] + Amount * Value / 100; Pointer[X] = (byte)((((ushort)Value | ((short)(255 - Value) >> 15)) & ~Value >> 15)); } } } Clone.Dispose();
众所周知,高斯模糊时低通滤波,那么 Value = Pointer[X] - PointerC[X](原值-低通)则相当于高通的结果,如果原值和低通的差异的绝对值大于指定的阈值,则对改点进行所谓的锐化。
这里对式(1)多引进了一个参数阈值,通过调节该值,来决定达到何种程度对比度的像素才需要增强。
实际的效果表明,这种方式的锐化要比传统的USM锐化能获得更好的调节效果。
以下为Threshold=0,Amount=50时不同半径的效果。
原图 Radius=5 Radius=50 Radius=200
随着半径的增大,图像的对比度逐渐变强,边缘越发明显,但是所有的调节后的图像都未出现明显的噪音增强,效果非常之理想,对于Lena图,处理后的图片中可以明显的看出在眼睛部位,眼白和眼球的对比更为清晰、明显,而且整幅图形从感觉上说原始图像较为朦胧,处理后的清晰不少。
Amount参数对效果的影响很明显可以获知,越大,对比度越高,但是由于其和结果的线性关系,这个参数的变化对结果的影响比其他两个参数更敏感。
实际上,上述高斯模糊也可以用中值模糊、方框模糊来代替,所得到的效果和高斯滤波非常相似。在Paint.net的效果-》相片-》尖锐化滤镜就是用的中值的方式实现的。
关于实现代码,基本上我在上面已经提及,其实最关键还是高斯模糊的实现。如果你觉得有难度,正如上文所说,也可以用均值来代替,而均值模糊编码则非常简单。
同样,提供个编译好的文件给有兴趣研究该算法的朋友看看效果:
http://files.cnblogs.com/Imageshop/USM.rar
***************************作者: laviewpbt 时间: 2013.5.19 联系QQ: 33184777 转载请保留本行信息*************************