在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。
一 剃度锐化法
图像锐化法最常用的是梯度法。对于图像f(x，y)，在(x，y)处的梯度定义为
梯度是一个矢量，其大小和方向为
对于离散图像处理而言，常用到梯度的大小，因此把梯度的大小习惯称为“梯度”。并且一阶偏导数采用一阶差分近似表示，即
为在锐化边缘的同时减少噪声的影响，Prewitt从加大边缘增强算子的模板大小出发，由2x2扩大到3x3来计算差分，如图(a)所示。
Sobel在Prewitt算子的基础上，对4-邻域采用带权的方法计算差分，对应的模板如图(b)。根据梯度计算式就可以计算Roberts、Prewitt和Sobel梯度。一旦梯度算出后，就可根据不同的需要生成不同的梯度增强图像。
第一种输出形式
此法的缺点是增强的图像仅显示灰度变化比较徒的边缘轮廓，而灰度变化比较平缓或均匀的区域则呈黑色。第二种输出形式
式中T是一个非负的阈值。适当选取T，可使明显的边缘轮廓得到突出，又不会破坏原来灰度变化比较平缓的背景第三种输出形式
它将明显边缘用一固定的灰度级LG来表现。
第四种输出形式
此方法将背景用一个固定的灰度级LB来表现，便于研究边缘灰度的变化。
第五种输出形式
这种方法将明显边缘和背景分别用灰度级LG和LB表示，生成二值图像，便于研究边缘所在位置。
二 Laplacian增强算子
Laplacian 算子是线性二阶微分算子。即
对离散的数字图像而言，二阶偏导数可用二阶差分近似，可推导出Laplacian算子表达式为
Laplacian增强算子为：
其特点是：
1、在灰度均匀的区域或斜坡中间▽2f(x，y)为0，增强
图像上像元灰度不变；
2、在斜坡底或低灰度侧形成“下冲”；而在斜坡顶或高
灰度侧形成“上冲”。
三 高通滤波法
高通滤波法就是用高通滤波算子和图像卷积来增强边缘。常用的算子有：
