GPU锐化增强算法

目前常见基于GPU实现锐化算法，大体以拉普拉斯锐化为主，区别是应用的算子略有区别，算法较为简单而得以广泛应用，而USM因其运算复杂，且锐化效果没有特别的优势，所以应用较少。
拉普拉斯锐化的核心思想是利用二阶微分，将原图像和拉普拉斯卷积后图像的高频成分叠加，增强边界的灰度值，进而实现锐化。

1. 二阶微分原理：

对于一维离散函数，其一阶微分的定义如下：

一维离散函数的二阶微分定义为：

对于二维图像，二阶微分：

x轴方向：

y轴方向：

因此：

以上，二阶微的操作分可以理解为，对图像像素点按照

算子进行卷积。

然后将卷积的结果，即提取的边缘高频成份，叠到原图像像素点上，生成锐化的图像。

根据以上，可以定义出一个二维图像的锐化过程定义为：

Laplace操作的核心思想：

一阶微分表征了在某个方向上灰度的变化率，而二阶微分表征的是一阶微分的变化情况。

二阶微分关心的是图像灰度的突变而不强调灰度缓慢变化的区域，因此，二阶微分比一阶微分边缘的定位能力更强，在边缘检测中发挥着更加重要的作用，是适合锐化图像的立项特征，

这就是拉普拉斯二阶微分算子锐化图像的核心思想。

下面是四种类型图像边缘的二阶微分曲线，可以帮助理解上面的思想。

图1

2. 锐化方案：

2.1 方案1

直接使用RGB三通道中G通道，原因是G分量对灰度贡献最大，选取周边2个斜对角线方向进行卷积，卷积结果与原图进行mix，得到锐化结果。

2.2 方案2

变换到YUV空间后，按照Luminace通道，选取周边4个方向（水平，垂直及2条斜角对角线）中二阶差值最大的一个方向进行卷积。

将最后的卷积结果分量乘以锐化强度后，直接叠加到原图Y通道，最后变换到RGB色域。

2.3 方案3

直接使用RGB三通道按照以上算子进行锐化卷积；

将最后的卷积结果分量乘以锐化强度后，直接叠加到原图。

2.4 方案4

在方案1的基础上，分别给予水平/垂直，2斜对角线方向不同的权重，取4个方向进行卷积。

3. 锐化实现：

以上4种方案，方案1的实现原理简单，但方案2的锐化噪点更低。
方案2的锐化基于Y通道进行，即二阶微分高频分量是在灰度空间叠加。
下面基于方案2给出示意：

3.1 RGB纹理锐化

中心像素点一次采样：

"   color = texture2D(u_texRGB, v_texCoord).rgb;\n" +

周围像素点采样4个点采样：

// 仅列出一个方向
"   p1 = dot(rgb2gray, (texture2D(texRGB, texCoord + step * vec2(-1, -1)).rgb));\n" +

计算2个方向拉普拉斯二阶微分差值最值，可以直接简化为：

// 仅列出一个方向
"   f1 = 2 * color - p1 - p4;\n" +

计算增强分量，其中sharpness代表自定义强度：

基于FullRange情况的YUV->RGB：

可知，

"   vec3 new_color = rgb + vec3(delta, delta, delta);\n" +

以上，计算的delta直接叠加到RGB三通道上，就实现了基于RGB的锐化。

3.2 YUV纹理锐化

YUV纹理可以直接对Y通道纹理进行采样，同时需要考虑LimitRange和FullRange,
因使用的转换矩阵不同，以上算法需要区分兼容。

基于LimitRange情况的YUV->RGB如下：

基于3.1步骤，根据以上矩阵，适配的shader如下：

"   float limit_range_res = 0.0625; \n" +
"   float limit_range_scope = 1.164; \n" +
"   p1 = texture2D(texY, v_texCoord + step * vec2(-1, -1)).r - limit_range_res; \n" +
// 省略其他方向
// 锐化高频成份
"   float delta = sharpness * limit_range_scope * f * 0.5;\n" +
// 此处省略YUV采样计算出RGB的过程
"   vec3 new_color = rgb + vec3(delta, delta, delta);\n" +

FullRange的情况不再赘述。

未经声明，禁止转载，喜欢的给个赞吧！