实现原理
图像锐化(image sharpening)是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，分为空间域处理和频域处理两类。图像锐化是为了突出图像上地物的边缘、轮廓，或某些线性目标要素的特征。这种滤波方法提高了地物边缘与周围像元之间的反差，因此也被称为边缘增强。
锐化可通过拉普拉斯算子实现。拉普拉斯算子作为一个常见的二阶微分算子，放在二维图像中可以表示为：
其x方向相当于：获取x+1点和x点的差值d1，获取x点和x-1点的差值d2，然后d1-d2。
y方向同理。
不难看出其3*3的模板为：
若考虑将模板45°旋转并叠加，还可得到：
基于上述原理，进行C++代码实现。
功能函数代码
// 图像锐化 cv::Mat Sharpen(cv::Mat input, int percent, int type) { cv::Mat result; cv::Mat s = input.clone(); cv::Mat kernel; switch (type) { case 0: kernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0 ); break; case 1: kernel = (Mat_<int>(3, 3) << -1, -1, -1, -1, 8, -1, -1, -1, -1 ); break; default: kernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0 ); break; } filter2D(s, s, s.depth(), kernel); result = input + s * 0.01 * percent; return result; }
C++测试代码
#include <iostream> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; cv::Mat Sharpen(cv::Mat input, int percent, int type); int main() { cv::Mat src = imread("test1.jpg"); cv::Mat result1 = Sharpen(src, -50, 0); cv::Mat result2 = Sharpen(src, 50, 0); imshow("original", src); imshow("result1", result1); imshow("result2", result2); waitKey(0); return 0; } // 图像锐化 cv::Mat Sharpen(cv::Mat input, int percent, int type) { cv::Mat result; cv::Mat s = input.clone(); cv::Mat kernel; switch (type) { case 0: kernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0 ); break; case 1: kernel = (Mat_<int>(3, 3) << -1, -1, -1, -1, 8, -1, -1, -1, -1 ); break; default: kernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0 ); break; } filter2D(s, s, s.depth(), kernel); result = input + s * 0.01 * percent; return result; }
测试效果
图1 原图
图2 锐化-50效果图
图3 锐化100效果图
通过调整percent可以实现图像锐化程度的调整，type选择模板类型，也可自行填充更多的模板。
如果函数有什么可以改进完善的地方，非常欢迎大家指出，一同进步何乐而不为呢~
如果文章帮助到你了，可以点个赞让我知道，我会很快乐~加油！
