版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Trent1985/article/details/82588186
图像USM锐化是图像处理软件中常见的功能,而PHOTOSHOP中的USM锐化相对而言效果较好,网上有很多揭秘PhotoShop USM锐化算法的文章,但是,算法效果与PS相比,差距较大,今天本人针对PS的USM锐化,给出一个效果比较接近的算法,跟大家分享一下,有助于大家走出误区。
PS中的USM锐化有三个参数:Radius/Amout/Threshold,如下图1所示:
网络中流行的算法(来自Imageshop),连接如下:Imageshop USM
算法过程如下:
以Lena测试图为例,使用Imgeshop提供的DEMO测试如下图2:
对比PS如下图3:
问题所在如下图4所示:
如图4中所示,在蓝色标记区域,imageshop所提算法存在块状不连续问题,而PS算法非常自然,过渡平滑。
造成这个问题的原因是在算法3中我们使用了一个简单的阈值Threshold,将图像锐化与非锐化区域分成了两类,两类之间没有过渡,所以出现了这个现象。
这里给出本人的算法:
代码实现如下:
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 * 3;
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 += 3;
pSrc += 3;
pMask += 3;
}
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++)
{
b = pSrc[0] - pDst[0];
g = pSrc[1] - pDst[1];
r = pSrc[2] - pDst[2];
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 += 3;
pDst += 3;
pMask += 3;
}
pSrc += offset;
pDst += offset;
pMask += offset;
}
free(gaussData);
free(maskData);
return ret;
};
本文算法的效果如下图5:
在图5中,我们可以看到,之前蓝色区域的像素过渡平滑自然,跟PS效果接近。
上述内容是本人对PS USM锐化算法的一些研究,主要针对网络中比较流行的USM算法进行了对比分析,算法改进,以得到更接近于PS USM锐化的算法,跟大家分享一下!
本人QQ1358009172,微信公众号:SF图像算法