计算机视觉 / 系统课时

锐化图像

锐化图像

锐化的目标不是凭空创造细节,而是增强局部亮度变化,让边缘看起来更清晰。本节分别使用卷积核和反遮罩两种常见方法,并重点控制噪声放大、亮暗光晕和过度锐化。

学习目标

  • 使用卷积核直接增强局部边缘
  • 用反遮罩公式控制锐化强度
  • 识别噪声放大与边缘光晕等过度锐化现象

两种锐化方法的区别

卷积核锐化把中心像素权重提高,并减去邻域贡献,优点是直接、速度快;反遮罩先获得模糊图,再把“原图与模糊图的差值”加回原图,更容易用强度参数连续控制效果。

反遮罩可以写成 S=I+a(I−B)S = I + a(I - B),其中 II 是原图,BB 是模糊图,aa 是锐化强度。a 越大,边缘增强越明显,但噪声和光晕风险也越高。

锐化与过度锐化的边缘剖面

同时实现卷积核与反遮罩

下面生成一张轻度模糊的测试图,然后输出两种锐化结果。反遮罩使用 cv2.addWeighted 实现 1.5I−0.5B1.5I - 0.5B,等价于强度 a=0.5。

python
import cv2
import numpy as np

def main():
    x = np.linspace(40, 210, 360, dtype=np.uint8)
    base = np.tile(x, (240, 1))
    image = cv2.merge([base, base, base])

    cv2.rectangle(image, (45, 55), (150, 185), (235, 235, 235), -1)
    cv2.putText(image, "CV", (205, 145), cv2.FONT_HERSHEY_SIMPLEX,
                1.8, (30, 30, 30), 4, cv2.LINE_AA)

    # 先制造轻度模糊,便于观察锐化前后的变化。
    soft = cv2.GaussianBlur(image, (0, 0), 1.4)

    kernel = np.array([
        [0, -1, 0],
        [-1, 5, -1],
        [0, -1, 0]
    ], dtype=np.float32)
    kernel_sharp = cv2.filter2D(soft, ddepth=-1, kernel=kernel)

    # 反遮罩:原图 + 0.5 * (原图 - 模糊图)。
    blurred = cv2.GaussianBlur(soft, (0, 0), 1.2)
    unsharp = cv2.addWeighted(soft, 1.5, blurred, -0.5, 0)

    cv2.imwrite("sharpen-soft.png", soft)
    cv2.imwrite("sharpen-kernel.png", kernel_sharp)
    cv2.imwrite("sharpen-unsharp.png", unsharp)
    print("generated: sharpen-soft.png")
    print("generated: sharpen-kernel.png")
    print("generated: sharpen-unsharp.png")

if __name__ == "__main__":
    main()

预期输出

text
generated: sharpen-soft.png
generated: sharpen-kernel.png
generated: sharpen-unsharp.png

三张图对比时,文字边缘和矩形轮廓会更清楚。卷积核结果通常更“硬”,反遮罩更容易通过权重连续调节。像素级结果可能因 OpenCV 版本的舍入细节略有差异。

控制过度锐化

锐化后若出现明显白边或黑边,先降低反遮罩强度,例如把 1.5 和 -0.5 调成 1.3 和 -0.3。如果噪点也被放大,应先降噪再锐化,或只对亮度通道、小尺度细节区域进行增强。

实际项目中,卷积核适合简单、固定强度的增强;反遮罩更适合需要调节强度和模糊尺度的场景。判断标准不是“边缘越硬越好”,而是在细节提升、噪声和光晕之间取得稳定平衡。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

锐化图像

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通