美文网首页
图像处理基础-USM锐化

图像处理基础-USM锐化

作者: 天叔 | 来源:发表于2020-10-27 13:10 被阅读0次

一、为什么要用USM锐化?

上一篇讲拉普拉斯锐化,不能提供精细的调整,在photoshop中采用USM(Unsharp mask)可以进一步优化。目的是:

  1. 可以微调锐化程度
  2. 设置锐化阈值,想针对边界更清晰的点锐化处理,这个清晰程度就是锐化阈值

二、USM锐化原理

第一步:对原图进行模糊,然后用原图 - 模糊图,得到一张差值,差值即像素颜色突变的点,即边界

第二步:原图 + 差值,即边界处得到增强

从信号处理的角度理解:

三、代码实现分析

  1. 定义强度amount[0, 100],处理到[0, 128]的范围,0-100对用户更好理解
    amount = amount * 128 / 100;

  2. 对原图生成高斯模糊图
    FastGaussFilter(gaussData, width, height, stride, radius);

  3. 遍历图片像素,生成一张遮罩pMask
    // 大于 阈值threshold pMask对应的点设置成128, 否则设置成0

for(j = 0; j < height; j++)
{
    for(i = 0; i < width; i++)
    {
        pMask[0] = abs(pSrc[0] - pDst[0]) < threshold ? 0 : 128;
        pMask[1] = abs(pSrc[1] - pDst[1]) < threshold ? 0 : 128;
        pMask[2] = abs(pSrc[2] - pDst[2]) < threshold ? 0 : 128;
        pDst += 4;
        pSrc += 4;
        pMask += 4;
    }
    pDst += offset;
    pSrc += offset;
    pMask += offset;
}
  1. 锐化增强
    // 计算像素差
    // 原图 + 像素差 * 系数 (amount决定),到这一步就能看到效果了
    // 针对阈值做处理,根据前面生成的pMask遮罩,pMask[0|1|2] == 0则不增强,使用原像素pSrc[0|1|2] (注意 * 128 >> 7 == 1),pMask[0|1|2] == 128,则增强,采用rgb * pMask[0|1|2] >> 7,即rgb * 系数
for(j = 0; j < height; j++)
{
    for(i = 0; i < width; i++)
    {
        // 计算像素差
        b = pSrc[0] - pDst[0];
        g = pSrc[1] - pDst[1];
        r = pSrc[2] - pDst[2];

        // 原值 + 像素差 * 系数 (amount >> 7 == [0, 128]/128 == [0, 1.0])
        // 即得到 rgb = 原值 + 像素差 * [0, 1]
        b = (pSrc[0] + ((b * amount) >> 7));
        g = (pSrc[1] + ((g * amount) >> 7));
        r = (pSrc[2] + ((r * amount) >> 7));
        
        b = (b * pMask[0] + pSrc[0] * (128 - pMask[0])) >> 7;
        g = (g * pMask[1] + pSrc[1] * (128 - pMask[1])) >> 7;
        r = (r * pMask[2] + pSrc[2] * (128 - pMask[2])) >> 7;

        pSrc[0] = CLIP3(b, 0, 255);
        pSrc[1] = CLIP3(g, 0, 255);
        pSrc[2] = CLIP3(r, 0, 255);
        pSrc += 4;
        pDst += 4;
        pMask += 4;
    }
    pSrc += offset;
    pDst += offset;
    pMask += offset;
}

补充,在最后一步锐化处理前,对mask进行了一次高斯模糊,目的是将遮罩均匀到图像边缘,过渡更自然,“0” 和 “128”过于绝对,锐化的效果太尖锐,这里不明白的,参考下面完整代码

完整代码:

#include"f_USM.h"
#include"f_GaussFilter.h"
#include<stdlib.h>
#include<math.h>
#include<string.h>
#include<stdio.h>
#include"Commen.h"

int f_USM(unsigned char* srcData,int width, int height,int stride,int radius, int amount, int threshold)
{
    int ret = 0;
    if(radius == 0)
        return ret;
    radius = CLIP3(radius, 0, 100);
    amount = CLIP3(amount, 0,500);
    threshold = CLIP3(threshold, 0,255);
    unsigned char* gaussData = (unsigned char*)malloc(sizeof(unsigned char) * height * stride);
    memcpy(gaussData, srcData, sizeof(unsigned char) * height * stride);
    f_FastGaussFilter(gaussData, width, height, stride, radius);
    int i, j, r, g, b, offset;
    offset = stride - width * 4;

    // 将 amount 均匀到[0, 128] 的范围内,如果输入值是[0, 100]
    // 128有什么特殊的含义呢?128 = 256 / 2,即RGB色值的一半
    // 一半是锐化的临界点
    amount = amount * 128 / 100;
    unsigned char* pSrc = srcData;
    unsigned char* pDst = gaussData;
    unsigned char* maskData = (unsigned char*)malloc(sizeof(unsigned char) * height * stride);
    unsigned char* pMask = maskData;
    for(j = 0; j < height; j++)
    {
        for(i = 0; i < width; i++)
        {
            pMask[0] = abs(pSrc[0] - pDst[0]) < threshold ? 0 : 128;
            pMask[1] = abs(pSrc[1] - pDst[1]) < threshold ? 0 : 128;
            pMask[2] = abs(pSrc[2] - pDst[2]) < threshold ? 0 : 128;
            pDst += 4;
            pSrc += 4;
            pMask += 4;
        }
        pDst += offset;
        pSrc += offset;
        pMask += offset;
    }
    pDst = gaussData;
    pSrc = srcData;
    pMask = maskData;
    f_FastGaussFilter(maskData, width, height, stride, radius);
    for(j = 0; j < height; j++)
    {
        for(i = 0; i < width; i++)
        {
            // 计算像素差
            b = pSrc[0] - pDst[0];
            g = pSrc[1] - pDst[1];
            r = pSrc[2] - pDst[2];

            // 原值 + 像素差 * 系数 (amount >> 7 == [0, 128]/128 == [0, 1.0])
            // 即得到 rgb = 原值 + 像素差 * [0, 1]
            b = (pSrc[0] + ((b * amount) >> 7));
            g = (pSrc[1] + ((g * amount) >> 7));
            r = (pSrc[2] + ((r * amount) >> 7));
            
            
            b = (b * pMask[0] + pSrc[0] * (128 - pMask[0])) >> 7;
            g = (g * pMask[1] + pSrc[1] * (128 - pMask[1])) >> 7;
            r = (r * pMask[2] + pSrc[2] * (128 - pMask[2])) >> 7;

            pSrc[0] = CLIP3(b, 0, 255);
            pSrc[1] = CLIP3(g, 0, 255);
            pSrc[2] = CLIP3(r, 0, 255);
            pSrc += 4;
            pDst += 4;
            pMask += 4;
        }
        pSrc += offset;
        pDst += offset;
        pMask += offset;
    }
    free(gaussData);
    free(maskData);
    return ret;
};

参考:https://baijiahao.baidu.com/s?id=1651538317157891526&wfr=spider&for=pc

相关文章

  • 图像处理基础-USM锐化

    一、为什么要用USM锐化? 上一篇讲拉普拉斯锐化,不能提供精细的调整,在photoshop中采用USM(Unsha...

  • USM锐化

    USM锐化是一种用来锐化图像中的边缘的,可以快速调整图像边缘细节的对比度,并在边缘的两侧生成一条亮线一条暗线,使画...

  • 图像处理基础-均值滤波

    普通均值滤波 图像处理中,有几种常见的基础算法,比如“模糊”、“灰度”、“浮雕”、“黑白”、“底片”、“锐化”。这...

  • 后期基础基础三:锐化与降噪-----《神奇的后期》学习笔记

    锐化 锐化可以增大照片中像素边缘的对比度、强化像素的边缘轮廓、提升像素清晰度 USM锐化一般锐化的数量设定为50%...

  • 图像 opencv - python笔记

    默认 基础变换 模糊 锐化 色彩分层 傅里叶变换 高通低通 图像序列转换为视频 人脸识别 基础变换 模糊 锐化 色...

  • 用Matlab实现一些简单的图像锐化

      用Matlab实现一些简单的图像锐化,仅是写一写基本原理,不追求锐化效果。  在入门级的图像处理课上,往往会讲...

  • 图像处理基础-拉普拉斯锐化

    一、拉普拉斯算法 拉普拉斯算法,数学描述上是求二阶导数,如果忘了高数里的二阶导,可以理解为简单的模板算子: 4领域...

  • 【OPENCV】Photoshop USM锐化模拟

    Tags: DIP photoshop USM锐化有3个参数:半径,数量,预值。这里参考这篇文章使用c++实现,并...

  • 2018-03-04~提纲

    图像的像素,频率,格式 灰度值处理,阈值 灰度直方图 灰度梯度图HOG 图像分割 平滑,去噪(中值滤波) 锐化~边...

  • 数码摄影手册书摘

    PS USM锐化滤镜参数设置:人物摄影:数量150% 半径1 阈值10城市风光户外摄影:数量65% 半径3 阈值2...

网友评论

      本文标题:图像处理基础-USM锐化

      本文链接:https://www.haomeiwen.com/subject/xxxxvktx.html