OpenCV Tutorial: 銳化

銳化

影像銳化是讓模糊的影像變得清晰，讓細節更明顯，可以直接使用讓我們的輸出圖像銳化，或者在後續的邊緣偵測時，能得到較佳的結果，銳化主要用於增強影像的強度變化，目的和平滑對於強度的跳變抑制相反，這兩者的運算子也能看出這點，線性平滑基於鄰域的加權求和，而銳化則用微分的概念來實現。

銳化大致上可以劃分為兩類：

• 基於一階微分：較知名的有Prewitt算子、Sobel算子等
• 基於二階微分：有拉普拉斯(Laplace)算子等。

---

以下為假設的強度分布圖，橫坐標為像素位置，總共有19個點，縱坐標為這些點相對應的像素強度，我們由這些點類比雜訊、細節和邊緣在影像上的情形，並討論一階和二階微分在這些地方產生的結果。

緩坡邊緣：一階微分都具有非零值，而二階微分則在起點和終點非零，中間強度變化恆定處為零，因此一階微分通常有較粗的邊緣，二階微分邊緣較細，不過容易出現出雙邊緣的現象。

雜訊：二階微分的值較一階微分大很多，二階微分對雜訊的響應較明顯。

細節：二階微分對細節強化的效果明顯。

結論：一階微分通常有較寬的邊緣，二階微分則有雙邊緣的現象。 二階微分對強度變化的增強效果較明顯，像細節或是雜訊。

由於雜訊也是一種強度變化，也可能會被增強效果，所以圖像銳化時要注意雜訊對品質的影響，二階微分對細節的響應較強，所以通常用於圖像銳化，而一階微分通常用於後續的邊緣檢測，當然，要依實際狀況選擇適當算子和參數。