源地址：http://www.cnblogs.com/easymind223/archive/2012/07/03/2575277.html
常用Photoshop的玩家都知道Unsharp Mask(USM)锐化，它是一种增强图像边缘的锐化算法,原理在此处，如果你想使用这个算法，强烈推荐看一下。本文进行一下简单的介绍，USM锐化一共分为三步，第一步生成原始图片src的模糊图片和高对比度图片，记为blur和contrast.第二，把src和blur作差，得到一张差分图片，记为diff,它就是下图的UnsharpMask。然后把src和contras按一定的比例相加，这个比例由diff控制，最终得到锐化图片。USM有一个缺点，锐化后最大和最小的像素值会超过原始图片，如下图红色虚线和白色实线所示。
代码如下：
void MyTreasureBox::UnsharpMask(const IplImage* src, IplImage* dst, float amount, float radius, uchar threshold, int contrast)
{
if(!src)return ; int imagewidth = src->width;
int imageheight = src->height;
int channel = src->nChannels; IplImage* blurimage = cvCreateImage(cvSize(imagewidth,imageheight), src->depth, channel);
IplImage* DiffImage = cvCreateImage(cvSize(imagewidth,imageheight), 8, channel); //原图的高对比度图像
IplImage* highcontrast = cvCreateImage(cvSize(imagewidth,imageheight), 8, channel);
AdjustContrast(src, highcontrast, contrast); //原图的模糊图像
cvSmooth(src, blurimage, CV_GAUSSIAN, radius); //原图与模糊图作差
for (int y=0; y<imageheight; y++)
{
for (int x=0; x<imagewidth; x++)
{
CvScalar ori = cvGet2D(src, y, x);
CvScalar blur = cvGet2D(blurimage, y, x);
CvScalar val;
val.val[0] = abs(ori.val[0] - blur.val[0]);
val.val[1] = abs(ori.val[1] - blur.val[1]);
val.val[2] = abs(ori.val[2] - blur.val[2]); cvSet2D(DiffImage, y, x, val);
}
} //锐化
for (int y=0; y<imageheight; y++)
{
for (int x=0; x<imagewidth; x++)
{
CvScalar hc = cvGet2D(highcontrast, y, x);
CvScalar diff = cvGet2D(DiffImage, y, x);
CvScalar ori = cvGet2D(src, y, x);
CvScalar val; for (int k=0; k<channel; k++)
{
if (diff.val[k] > threshold)
{
//最终图像 = 原始*(1-r) + 高对比*r
val.val[k] = ori.val[k] *(100-amount) + hc.val[k] *amount;
val.val[k] /= 100;
}
else
{
val.val[k] = ori.val[k];
}
}
cvSet2D(dst, y, x, val);
}
} cvReleaseImage(&blurimage);
cvReleaseImage(&DiffImage);
}
其中用到一个调整图像对比度的函数
void MyTreasureBox::AdjustContrast(const IplImage* src, IplImage* dst, int contrast)
{
if (!src)return ; int imagewidth = src->width;
int imageheight = src->height;
int channel = src->nChannels; //求原图均值
CvScalar mean = {0,0,0,0};
for (int y=0; y<imageheight; y++)
{
for (int x=0; x<imagewidth; x++)
{
CvScalar ori = cvGet2D(src, y, x);
for (int k=0; k<channel; k++)
{
mean.val[k] += ori.val[k];
}
}
}
for (int k=0; k<channel; k++)
{
mean.val[k] /= imagewidth * imageheight;
} //调整对比度
if (contrast <= -255)
{
//当增量等于-255时，是图像对比度的下端极限，此时，图像RGB各分量都等于阀值，图像呈全灰色，灰度图上只有1条线，即阀值灰度；
for (int y=0; y<imageheight; y++)
{
for (int x=0; x<imagewidth; x++)
{
cvSet2D(dst, y, x, mean);
}
}
}
else if(contrast > -255 && contrast <= 0)
{
//(1)nRGB = RGB + (RGB - Threshold) * Contrast / 255
// 当增量大于-255且小于0时，直接用上面的公式计算图像像素各分量
//公式中，nRGB表示调整后的R、G、B分量，RGB表示原图R、G、B分量，Threshold为给定的阀值，Contrast为处理过的对比度增量。
for (int y=0; y<imageheight; y++)
{
for (int x=0; x<imagewidth; x++)
{
CvScalar nRGB;
CvScalar ori = cvGet2D(src, y, x);
for (int k=0; k<channel; k++)
{
nRGB.val[k] = ori.val[k] + (ori.val[k] - mean.val[k]) *contrast /255;
}
cvSet2D(dst, y, x, nRGB);
}
}
}
else if(contrast >0 && contrast <255)
{
//当增量大于0且小于255时，则先按下面公式(2)处理增量，然后再按上面公式(1)计算对比度：
//(2)、nContrast = 255 * 255 / (255 - Contrast) - 255
//公式中的nContrast为处理后的对比度增量，Contrast为给定的对比度增量。 CvScalar nRGB;
int nContrast = 255 *255 /(255 - contrast) - 255; for (int y=0; y<imageheight; y++)
{
for (int x=0; x<imagewidth; x++)
{
CvScalar ori = cvGet2D(src, y, x);
for (int k=0; k<channel; k++)
{
nRGB.val[k] = ori.val[k] + (ori.val[k] - mean.val[k]) *nContrast /255;
}
cvSet2D(dst, y, x, nRGB);
}
}
}
else
{
//当增量等于 255时，是图像对比度的上端极限，实际等于设置图像阀值，图像由最多八种颜色组成，灰度图上最多8条线，
//即红、黄、绿、青、蓝、紫及黑与白；
for (int y=0; y<imageheight; y++)
{
for (int x=0; x<imagewidth; x++)
{
CvScalar rgb;
CvScalar ori = cvGet2D(src, y, x);
for (int k=0; k<channel; k++)
{
if (ori.val[k] > mean.val[k])
{
rgb.val[k] = 255;
}
else
{
rgb.val[k] = 0;
}
}
cvSet2D(dst, y, x, rgb);
}
}
}
}