【算法学习】【图像增强】基于拉普拉斯算子的图像锐化

转自：基于拉普拉斯算子的图像锐化
对于求一个锐化后的像素点（sharpened_pixel），这个基于拉普拉斯算子的简单算法主要是遍历图像中的像素点，根据领域像素确定其锐化后的值
计算公式：sharpened_pixel = 5 * current – left – right – up – down ;
见下图：



当一个运算是通过领域像素进行的时候，我们通常用一个矩阵来表示这种运算关系，也就是我们经常所说的 核
(Kernel) 。那么上面的 锐化滤波器
(Sharpening Filter) 就可以用这个矩阵表示为它的核：


因为 滤波 在图像处理中是一个非常普通且常用的操作，所以OpenCV里面已经定义了一个特殊的函数用来执行这个操作。要使用它的话只需要定义一个 核 ，然后作为参数传递就行了。

//手动实现拉普拉斯算子图像锐化
void sharpenImage1(const Mat &image, Mat &result)
{
result.create(image.size(),image.type());//为输出图像分配内容
/*拉普拉斯滤波核3*3
0  -1   0
-1   5  -1
0  -1   0  */
//处理除最外围一圈外的所有像素值
for(int i=1; i<image.rows-1; i++)
{
const uchar * pre = image.ptr<const uchar>(i-1);//前一行
const uchar * cur = image.ptr<const uchar>(i);//当前行，第i行
const uchar * next = image.ptr<const uchar>(i+1);//下一行
uchar * output = result.ptr<uchar>(i);//输出图像的第i行
int ch = image.channels();//通道个数
int startCol = ch;//每一行的开始处理点
int endCol = (image.cols-1)* ch;//每一行的处理结束点
for(int j=startCol; j < endCol; j++)
{
//输出图像的遍历指针与当前行的指针同步递增, 以每行的每一个像素点的每一个通道值为一个递增量, 因为要

考虑到图像的通道数
//saturate_cast<uchar>保证结果在uchar范围内
*output++ = saturate_cast<uchar>(5*cur[j]-pre[j]-next[j]-cur[j-ch]-cur[j+ch]);
}
}
//将最外围一圈的像素值设为0
result.row(0).setTo(Scalar(0));
result.row(result.rows-1).setTo(Scalar(0));
result.col(0).setTo(Scalar(0));
result.col(result.cols-1).setTo(Scalar(0));
/*/或者也可以尝试将最外围一圈设置为原图的像素值
image.row(0).copyTo(result.row(0));
image.row(image.rows-1).copyTo(result.row(result.rows-1));
image.col(0).copyTo(result.col(0));
image.col(image.cols-1).copyTo(result.col(result.cols-1));*/
}

//调用OpenCV函数实现拉普拉斯算子图像锐化
void sharpenImage2(const Mat &image, Mat &result)
{
Mat kernel = (Mat_<float>(3,3) << 0,-1,0,-1,5,-1,0,-1,0);
filter2D(image,result,image.depth(),kernel);
}

//main函数
void main(){
Mat mat = imread("images/lena.jpg");
Mat result1;
Mat result2;

sharpenImage1(mat,result1);
sharpenImage2(mat,result2);

namedWindow("src");
namedWindow("result1");
namedWindow("result2");
imshow("src",mat);
imshow("result1",result1);
imshow("result2",result2);
}

原图



手动实现



调用OpenCV函数实现