图像锐化，是使图像边缘更清晰的一种图像处理方法，细节增强（detail enhancement）我理解也包含了图像锐化，常用的做法是提取图像的高频分量，将其叠加到原图上。图像高频分量的提取有两种做法，一种是用高通滤波器，得到高频分量，另一种是通过低通滤波，用原图减低频得以高频。
直接提取高频的方法有sobel算法、laplcian算子，sobel算子是图像的一阶导数，提取的是梯度信息，分水平和垂直两种，常常用来做边缘检测、方向判别，sobel算子在斜坡处不为0，因此会产生较粗的边缘。laplcian算子是图像的二阶导，在图像开始变化和结束变化的地方值不为0，渐变时结果为0，因此laplacian比sobel算子更适合做sharpen。 除了直接提取高频的方法外，我们也可以先提取低频，原图减去低频得到高频。这种方法称为非锐化掩模（unsharpen mask），我们常使用低通滤波器（高斯、双边）对图像进行滤波，这种方法滤波器很好控制（包括大小和强弱），从而可以控制高频分量的强弱。
使用UM方向做sharpen时，常常加入另外三个参数：跟滤波器相关的参数（高斯滤波器的半径和方差）、增强的阀值threshold、strength。
下面给出UM方法的三种实现：matlab、C和opencv。
Matlab： Matlab提供了库函数imsharpen，该函数使用UM方法进行sharpen，low-pass filter为gaussian kernel。下面是我实现的UM代码。先将rgb转到ycbcr color space，对Y做sharpen，cb/cr不做处理（最好是使用Y的结果做补偿，这样偏色少），最后再进行ycbcr2rgb的转换。
clc; clear; close all; imSrc = imread('D:\simuTest\picSimu\00_kodak_dataset\kodim05.png'); imSrcYcbcr = rgb2ycbcr(imSrc); imSrcY = imSrcYcbcr(:,:,1); [hei, wid] = size(imSrc(:,:,1)); size = 3; sigma = 1; %gauss standard deviation sigma, default is 1 amount = 1.5; threshold = 15; gaussFilter = fspecial('gaussian', [size, size], sigma); imSrcY_lf = imfilter(imSrcY, gaussFilter, 'symmetric'); imSrcY_hf = imSrcY - imSrcY_lf; imLabel = (imSrcY_hf > threshold); imLabel = uint8(imLabel); imDstY = uint8(imSrcY + amount * imSrcY_hf .* imLabel); figure, imshow([imSrcY, imSrcY_lf, imSrcY_hf, imDstY]); imSrcYcbcr(:,:,1) = imDstY; imDst = ycbcr2rgb(uint8(imSrcYcbcr)); figure, imshow([imSrc, imDst]); 输入输出图像如下所示，左边为sharpen前图像，右边为sharpen后图像。
C代码： C有着matlab无法比拟的速度优势。下面是我用C写的UM代码，Srcp为输入源图像，dstp为输出的锐化后的图像，sharpen_coef为定点化后的增强系数（0-64），threshold为增强的阀值（高频分量大于该阈值，才做增强，典型值为15），低通滤波器模板为{{1,2,1},{2,4,2},{1,2,1}}的高斯核。
void imageSharpenUM(const uint8 *srcp, uint8 *dstp, int src_width, int src_height, int src_pitch, int sharpen_coef, int threshold) { //int gaussianMat[3][3] = {{6, 43, 6}, {43, 317, 43}, {6, 43, 6}}; int gaussianMat[3][3] = {{1, 2, 1}, {2, 4, 2}, {1, 2, 1}}; int dstBlur; int dstTexture; int dstData; int dataSrc; int dstDetail; int src11 = 0; int src12 = 0; int src13 = 0; int src21 = 0; int src22 = 0; int src23 = 0; int src31 = 0; int src32 = 0; int src33 = 0; int a1 = gaussianMat[0][1]; int a2 = gaussianMat[1][1];
for(int ver = 0; ver < src_height; ++ver){ for(int hor = 0; hor < src_width; ++hor){ if(ver==0 || ver==src_height || hor==0 || hor==src_width){ *(dstp + ver * src_pitch + hor) = *(srcp + ver * src_pitch + hor); } else{ src11 = *(srcp + (ver - 1) * src_pitch + hor - 1) * gaussianMat[0][0]; src12 = *(srcp + (ver - 1) * src_pitch + hor) * gaussianMat[0][1]; src13 = *(srcp + (ver - 1) * src_pitch + hor + 1) * gaussianMat[0][2];
src21 = *(srcp + ver * src_pitch + hor - 1) * gaussianMat[1][0]; src22 = *(srcp + ver * src_pitch + hor) * gaussianMat[1][1]; src23 = *(srcp + ver * src_pitch + hor + 1) * gaussianMat[1][2];
src31 = *(srcp + (ver + 1) * src_pitch + hor - 1) * gaussianMat[2][0]; src32 = *(srcp + (ver + 1) * src_pitch + hor) * gaussianMat[2][1]; src33 = *(srcp + (ver + 1) * src_pitch + hor + 1) * gaussianMat[2][2];
dataSrc = *(srcp + ver * src_pitch + hor); dstBlur = uint8((src11 + src12 + src13 + src21 + src22 + src23 + src31 + src32 + src33) >> 4); dstTexture = clip3(dataSrc - dstBlur,0, 255); //*(dstp + ver * src_pitch + hor) = (dstTexture * sharpen_coef) >> 5; if(dstTexture > threshold){ //dstData = clip3(dataSrc + (dstTexture * sharpen_coef) >> 5, 0, 255); dstDetail = (dstTexture * sharpen_coef) >> 5; dstData = clip3(dataSrc + dstDetail, 0, 255); *(dstp + ver * src_pitch + hor) = dstData; } else{ *(dstp + ver * src_pitch + hor) = *(srcp + ver * src_pitch + hor); } } } } } OpenCV： 使用opencv库中的GaussianBlur函数进行low-pass filter。
/* * 函数名： sharpenUM * 说明： 使用非锐化掩模方法做锐化 * 参数： threshold : 控制最小的锐化阈值 amount : 0.5-1.5，控制overshoot的magnitude */ Mat sharpenUM(Mat imageSrc, double threshold, double amount) { Mat blurred; double sigma = 1; GaussianBlur(imageSrc, blurred, Size(), sigma, sigma); //int depth = CV_MAT_DEPTH(imageSrc.type()); Mat lowContrastMask = abs(imageSrc - blurred) < threshold; Mat dst = imageSrc*(1+amount) + blurred*(-amount); //original + (original - blurred) * amount imageSrc.copyTo(dst, lowContrastMask); //将imageSrc中lowContrastMask对应的非0部分复制到dst中 //lowContrastMask等于1时，说明高频分量比较小，有可能是噪声，此时不做锐化 return dst; } 使用下面函数来调用sharpenUM，输入输出图像如下所示，上图是输入图像，下图是锐化后的输出图像。
imDst = sharpenUM(imSrc, 15, 2);
硬件实现时往往使用LUT来做，根据不同的strength及threshold、偏好设计好LUT，使用高频图像进行查表，将查表的结果叠加到原图上。
