一、USM

?? ? ? 當增強圖像的邊緣、細節(jié)信息等高頻信息時，圖像的銳化視覺效果會得到較大提升。提高圖像銳化的一種經典算法為非銳化掩碼（UNsharp Masking）技術。該技術首先通過高通濾波并與縮放系數相乘，其結果再與原始圖像相加，即可對高頻信息進行增強。其主要的原理如下圖所示：

?

其中，對圖像進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與控制銳化強度的權重系數α相乘之后，再與原始圖像相加即可得到銳化的圖像。

?

? ? ? 通常來說，USM算法中低通濾波會使用較為常用的高斯濾波。USM算法中高斯濾波的標準差一般是1到20，銳化控制系數α一般為0.2到4.0。下圖展示的是高斯函數中不同標準差，相同銳化控制系數的USM效果。?

?

?? ? ? ?盡管USM實現簡單，并且能夠適用于大部分應用場景，但是輸出圖像會有明顯的過沖或低沖偽影。為了消除過沖和低沖偽影，必須對對過沖和低沖偽影進行適當控制。

過沖和低沖示意圖

?

二、ADSOC-Adaptive Directional Sharpening with Overshoot Control

?1. 亮度提取。該算法從RGB空間轉換到YUV空間，對亮度信息Y進行銳化處理。

? ? 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。圖像中每個像素經過下述高通濾波處理，進行粗邊緣的檢測，其結果與用戶設置的閾值Th1比較。若是大于該閾值，則認為該像素落入了紋理區(qū)域，將進行后續(xù)的步驟處理，否則，保留原始像素值。

?

?

3.銳化益計算。使用以下方向濾波計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邊緣。如果某一像素的通過以下某一個邊緣檢測器檢測的結果大于預先設置的閾值Th2，則認為該像素是邊緣像素，需要進行銳化處理。

?

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，范圍為[0,128]。

4.unnder shoot/overshoot 控制。為了控制銳化帶來的undershoot、overshoot，引入這個模塊。undershoot、overshoot在圖像中各自可能表現為黑邊黑點、白邊白點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銳化Under shoot/overshoot 進行控制。

?

Pout=Pin+Sharp，添加到原始像素的”sharp”值由前三步計算得出。對于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[Min,...,Max]范圍，則在鄰域最大值或最小值（未進行銳化處理的鄰域）左右進行適當增強或減小。?

————————————————
版權聲明：本文為CSDN博主「大熊背」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權協(xié)議，轉載請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

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。