非锐化掩模USM（Unsharpen Mask）与锐化掩模 SM（Sharpen Mask）
掩膜操作可以提高图像对比度，对比度提高可以增加图像感官度、锐化，让看起来有点模糊的图像更清晰。
原理：提取图像的高频分量，再用一个参数放大之后与原图叠加，这样就产生了一个增强了边缘的图像。
提取图像的高频分量的做法有两种：
1.直接使用高通滤波器，得到高频分量。2.通过低通滤波器，再用原图减去低频就得到了高频信息。
-
锐化掩模 SM 锐化增强算法-加法操作
效果图 = 源图像+w*高频分量图像；其中w表示权重（0.1～0.9），默认为0.6
矩阵的掩膜操作十分简单，根据掩膜来重新计算每个像素的像素值，掩膜（mask 也被称为Kernel）。直接提取高频的方法有sobel算法、laplcian算子，sobel算子是图像的一阶导数，提取的是梯度信息，分水平和垂直两种，常常用来做边缘检测、方向判别，sobel算子在斜坡处不为0，因此会产生较粗的边缘。laplcian算子是图像的二阶导，在图像开始变化和结束变化的地方值不为0，渐变时结果为0，因此laplacian比sobel算子更适合做sharpen。 -
非锐化掩模 USM 锐化增强算法-减法操作
效果图 = 源图像+（源图像– w*低频分量图像）/（1-w）；其中w表示权重（0.1～0.9），默认为0.6
除了直接提取高频的方法外，我们也可以先提取低频，原图减去低频得到高频。这种方法称为非锐化掩（unsharpen mask），我们常使用低通滤波器（高斯、双边）对图像进行滤波，这种方法滤波器很好控制（包括大小和强弱），从而可以控制高频分量的强弱。
图像卷积处理实现锐化有一种常用的算法叫做Unsharpen Mask方法，这种锐化的方法就是对原图像先做一个高斯模糊，然后用原来的图像减去一个系数乘以高斯模糊之后的图像，然后再把值Scale到0～255的RGB像素值范围之内。基于USM锐化的方法可以去除一些细小的干扰细节和噪声，比一般直接使用卷积锐化算子得到的图像锐化结果更加真实可信。
c++程序代码+opencv
void quick_opencv::unsharpenMask_Demo(Mat &image)
{
// 非锐化掩模
// USM锐化公式表示如下：
//（源图像– w*高斯模糊） / （1 - w）；其中w表示权重（0.1～0.9），默认为0.6
Mat blur_img, usm;
GaussianBlur(image, blur_img, Size(0, 0), 25);
addWeighted(image, 1.5, blur_img, -0.5, 0, usm);
imshow("非锐化掩模", usm);
}
void quick_opencv::sharpenMask_Demo(Mat &image)
{
//掩膜操作
int channels = image.channels();//图像的通道数
int cols = (image.cols)*image.channels();//列数*通道数
int rows = image.rows;//行数
Mat dst = Mat::zeros(image.size(), image.type());//初始化 dst
for (int row = 1; row < rows - 1; row++)
{
const uchar* previous = image.ptr<uchar>(row - 1);//上一行
const uchar* current = image.ptr<uchar>(row);//当前行
const uchar* next = image.ptr<uchar>(row + 1);//下一行
uchar* output = dst.ptr<uchar>(row);
for (int col = 1 * channels; col < cols - 1 * channels; col++) {
//掩膜操作：I(i,j) = 5*I(i,j) - [I(i-1,j)+I(i+1,j)+I(i,j-1)+I(i,j+1)]
output[col] = saturate_cast<uchar>(5 * current[col] - (previous[col] + next[col] + current[col + channels] + current[col + channels]));
}
}
imshow("锐化掩模", dst);
}
