作者：翟天保Steven
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

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：

$\\nabla^{2} f=\\frac{\\partial^{2} f}{\\partial x^{2}}+\\frac{\\partial^{2} f}{\\partial y^{2}}$

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。

$\\quad \\frac{\\partial^{2} f}{\\partial x^{2}}=f(x+1, y)+f(x-1, y)-2 f(x, y)$

y方向同理。

$\\frac{\\partial^{2} f}{\\partial y^{2}}=f(x, y+1)+f(x, y-1)-2 f(x, y)$

不难看出其3*3的模板为：

$\\begin{array}{|c|c|c|} \\hline 0 & 1 & 0 \\\\ \\hline 1 & -4 & 1 \\\\ \\hline 0 & 1 & 0 \\\\ \\hline \\end{array}$

若考虑将模板45°旋转并叠加，还可得到：

$\\begin{array}{|c|c|c|} \\hline 1 & 1 & 1 \\\\ \\hline 1 & -8 & 1 \\\\ \\hline 1 & 1 & 1 \\\\ \\hline \\end{array}$

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
			);
	case 1:
		kernel = (Mat_<int>(3, 3) <<
			-1, -1, -1,
			-1, 8, -1,
			-1, -1, -1
			);
	default:
		kernel = (Mat_<int>(3, 3) <<
			0, -1, 0,
			-1, 4, -1,
			0, -1, 0
			);
	}
	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
			);
	case 1:
		kernel = (Mat_<int>(3, 3) <<
			-1, -1, -1,
			-1, 8, -1,
			-1, -1, -1
			);
	default:
		kernel = (Mat_<int>(3, 3) <<
			0, -1, 0,
			-1, 4, -1,
			0, -1, 0
			);
	}
	filter2D(s, s, s.depth(), kernel);
	result = input + s * 0.01 * percent;
	return result;
}