一、USM

?? ? ? 當(dāng)增強(qiáng)圖像的邊緣、細(xì)節(jié)信息等高頻信息時(shí)，圖像的銳化視覺(jué)效果會(huì)得到較大提升。提高圖像銳化的一種經(jīng)典算法為非銳化掩碼（UNsharp Masking）技術(shù)。該技術(shù)首先通過(guò)高通濾波并與縮放系數(shù)相乘，其結(jié)果再與原始圖像相加，即可對(duì)高頻信息進(jìn)行增強(qiáng)。其主要的原理如下圖所示：

?

其中，對(duì)圖像進(jìn)行高通濾波的另一種等效方法為：原始圖像減去原始圖像的低通濾波圖像，其結(jié)果被稱之為“掩碼”。因此，上述的USM方法可以表示為：

? ? ? 1. 原始圖像減去原始圖像低通濾波之后的圖像得到掩碼M。

? ? 2.掩碼M與控制銳化強(qiáng)度的權(quán)重系數(shù)α相乘之后，再與原始圖像相加即可得到銳化的圖像。

?

? ? ? 通常來(lái)說(shuō)，USM算法中低通濾波會(huì)使用較為常用的高斯濾波。USM算法中高斯濾波的標(biāo)準(zhǔn)差一般是1到20，銳化控制系數(shù)α一般為0.2到4.0。下圖展示的是高斯函數(shù)中不同標(biāo)準(zhǔn)差，相同銳化控制系數(shù)的USM效果。?

?

?? ? ? ?盡管USM實(shí)現(xiàn)簡(jiǎn)單，并且能夠適用于大部分應(yīng)用場(chǎng)景，但是輸出圖像會(huì)有明顯的過(guò)沖或低沖偽影。為了消除過(guò)沖和低沖偽影，必須對(duì)對(duì)過(guò)沖和低沖偽影進(jìn)行適當(dāng)控制。

過(guò)沖和低沖示意圖

?

二、ADSOC-Adaptive Directional Sharpening with Overshoot Control

?1. 亮度提取。該算法從RGB空間轉(zhuǎn)換到Y(jié)UV空間，對(duì)亮度信息Y進(jìn)行銳化處理。

? ? 2.圖像紋理區(qū)域分析。利用如下圖的5*5的高通濾波作用于原始圖像，用以區(qū)分紋理區(qū)域和平坦區(qū)域。圖像中每個(gè)像素經(jīng)過(guò)下述高通濾波處理，進(jìn)行粗邊緣的檢測(cè)，其結(jié)果與用戶設(shè)置的閾值Th1比較。若是大于該閾值，則認(rèn)為該像素落入了紋理區(qū)域，將進(jìn)行后續(xù)的步驟處理，否則，保留原始像素值。

?

?

3.銳化益計(jì)算。使用以下方向?yàn)V波計(jì)算銳化增益并判斷其邊緣方向。使用以下濾波器是為了更加精確檢測(cè)邊緣。如果某一像素的通過(guò)以下某一個(gè)邊緣檢測(cè)器檢測(cè)的結(jié)果大于預(yù)先設(shè)置的閾值Th2，則認(rèn)為該像素是邊緣像素，需要進(jìn)行銳化處理。

?

添加到原始像素的增益可以表示為：

?

?

其中，gain為銳化增益控制系數(shù)，范圍為[0,128]。

4.unnder shoot/overshoot 控制。為了控制銳化帶來(lái)的undershoot、overshoot，引入這個(gè)模塊。undershoot、overshoot在圖像中各自可能表現(xiàn)為黑邊黑點(diǎn)、白邊白點(diǎn)或者是圖像人臉或線條有毛刺、不平滑的毛刺噪聲。該模塊利用像素的局部信息對(duì)銳化Under shoot/overshoot 進(jìn)行控制。

?

Pout=Pin+Sharp，添加到原始像素的”sharp”值由前三步計(jì)算得出。對(duì)于N*N大小（N=5，取決于第二、三步的濾波模板大小）。如果銳化后的輸出像素大小Pout落入[Min,...,Max]范圍,其中Min=minimum(N,N)，Max = Maximum(N,N),則Pout不做任何處理；如果Pout超過(guò)[Min,...,Max]范圍，則在鄰域最大值或最小值（未進(jìn)行銳化處理的鄰域）左右進(jìn)行適當(dāng)增強(qiáng)或減小。?

————————————————
版權(quán)聲明：本文為CSDN博主「大熊背」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/lz0499/article/details/119544500

總結(jié)

以上是生活随笔為你收集整理的一种抑制undershoot/overshoot锐化算法介绍的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。