如何在 OpenCV 中锐化图像？

Question

如何使用 OpenCV 锐化图像？

有很多平滑或模糊的方法，但我没有看到锐化的方法。

Answer 1

维基百科关于锐化遮罩的文章中列出了一个一般程序：

您使用高斯平滑滤波器并从原始图像中减去平滑版本（以加权方式，以便恒定区域的值保持恒定）。

要将

frame

 的锐化版本转换为 

image

：（都是 

cv::Mat

）

cv::GaussianBlur(frame, image, cv::Size(0, 0), 3);
cv::addWeighted(frame, 1.5, image, -0.5, 0, image);

参数有些东西需要你自己调整。

还有拉普拉斯锐化，当你谷歌时你应该找到一些东西。

Answer 2

您可以尝试一个简单的

kernel 和 filter2D 函数，例如在Python中：

kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])
im = cv2.filter2D(im, -1, kernel)

维基百科对内核有很好的概述，这里还有一些更多的例子 -

https://en.wikipedia.org/wiki/Kernel_(image_processing)

在图像处理中，内核、卷积矩阵或掩模是一个小矩阵。它用于模糊、锐化、浮雕、边缘检测等。这是通过在内核和图像之间进行卷积来完成的。

Answer 3

您可以使用

不锐化蒙版锐化图像。您可以在此处找到有关锐化遮罩的更多信息。这是使用 OpenCV 的 Python 实现：

import cv2 as cv
import numpy as np

def unsharp_mask(image, kernel_size=(5, 5), sigma=1.0, amount=1.0, threshold=0):
    """Return a sharpened version of the image, using an unsharp mask."""
    blurred = cv.GaussianBlur(image, kernel_size, sigma)
    sharpened = float(amount + 1) * image - float(amount) * blurred
    sharpened = np.maximum(sharpened, np.zeros(sharpened.shape))
    sharpened = np.minimum(sharpened, 255 * np.ones(sharpened.shape))
    sharpened = sharpened.round().astype(np.uint8)
    if threshold > 0:
        low_contrast_mask = np.absolute(image - blurred) < threshold
        np.copyto(sharpened, image, where=low_contrast_mask)
    return sharpened

def example():
    image = cv.imread('my-image.jpg')
    sharpened_image = unsharp_mask(image)
    cv.imwrite('my-sharpened-image.jpg', sharpened_image)

Answer 4

任何图像都是各种频率信号的集合。这 较高频率控制边缘，较低频率控制 图像内容。当有急剧过渡时就会形成边缘 从一个像素值到另一个像素值，例如 0 和 255 相邻的单元格。显然有一个急剧的变化，因此边缘 和高频。为了锐化图像，这些过渡可以是 进一步增强。

一种方法是将自制的滤波器内核与图像进行卷积。

    import cv2
    import numpy as np

    image = cv2.imread('images/input.jpg')
    kernel = np.array([[-1,-1,-1], 
                       [-1, 9,-1],
                       [-1,-1,-1]])
    sharpened = cv2.filter2D(image, -1, kernel) # applying the sharpening kernel to the input image & displaying it.
    cv2.imshow('Image Sharpening', sharpened)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

还有另一种方法可以从图像的明亮版本中减去图像的模糊版本。这有助于锐化图像。但应该谨慎行事，因为我们只是增加像素值。想象一下灰度像素值 190，如果乘以权重 2，则为 380，但由于最大允许像素范围而被修剪为 255。这是信息丢失并导致图像褪色。

addWeighted(frame, 1.5, image, -0.5, 0, image);

Answer 5

您可以在

OpenCV文档中找到有关使用“unsharp mask”算法锐化图像的示例代码。

更改

sigma

、

threshold

、

amount

 的值会产生不同的结果。

// sharpen image using "unsharp mask" algorithm
Mat blurred; double sigma = 1, threshold = 5, amount = 1;
GaussianBlur(img, blurred, Size(), sigma, sigma);
Mat lowContrastMask = abs(img - blurred) < threshold;
Mat sharpened = img*(1+amount) + blurred*(-amount);
img.copyTo(sharpened, lowContrastMask);

Answer 6

为了清楚地说明本主题，确实应该指出几点：

1. 锐化图像是一个不适定问题。换句话说，模糊是一种有损操作，并且通常不可能返回。

2. 要锐化单个图像，您需要以某种方式添加约束（假设）来确定您想要什么样的图像以及它如何变得模糊。这是自然图像统计的领域。锐化方法将这些统计数据显式或隐式地保存在其算法中（深度学习是最隐式编码的方法）。对

   DOG或拉普拉斯金字塔分解的某些级别进行加权的常见方法是Brian Burns答案的概括，假设高斯模糊破坏了图像，并且如何进行加权与以下假设有关：图像中一开始是什么。

3. 其他信息来源可以使问题尖锐化。常见的此类信息源是移动对象的视频或多视图设置。这种设置下的锐化通常被称为“超分辨率”（这是一个非常糟糕的名字，但它一直停留在学术界）。 OpenCV 中已经有

   超分辨率方法很长一段时间了……尽管它们通常不能很好地解决实际问题，上次我检查了它们。我预计深度学习在这里也能产生一些精彩的结果。也许有人会发表评论，评论那里有什么值得的。

您也可以尝试这个过滤器

Answer 7

sharpen_filter = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])
sharped_img = cv2.filter2D(image, -1, sharpen_filter)

要锐化图像，我们可以使用滤镜（如之前的许多答案中所示）

Answer 8

kernel = np.array([[-1, -1, -1],[-1, 8, -1],[-1, -1, 0]], np.float32) 

kernel /= denominator * kernel

分母为1时最大，随着增加而减少（2.3..）最常用的是分母为3时。

下面是实现。

kernel = np.array([[-1, -1, -1],[-1, 8, -1],[-1, -1, 0]], np.float32) 

kernel = 1/3 * kernel

dst = cv2.filter2D(image, -1, kernel)

将 numpy 导入为 np

Answer 9

将 matplotlib.pyplot 导入为 plt

导入CV2

图像 = cv2.imread(r"D: itesh\Dinesh.jpg")

图像 = cv2.cvtColor(图像, cv2.COLOR_BGR2RGB)

plt.figure(figsize=(20, 20))

plt.子图(1,2,1)

plt.title(“原文”)

plt.imshow（图像）

kernel_sharpening = np.array([[-1,-1,-1],

                          [-1,9,-1], 

                          [-1,-1,-1]])

锐化= cv2.filter2D（图像，-1，kernel_sharpening）plt.子图(1,2,2)

plt.title(“图像锐化”)

plt.imshow（锐化）

plt.show()

---

尝试一下：

Answer 10

cv::bilateralFilter(img, 9, 75, 75);

您可能会在

此处

找到更多信息。