拉普拉斯锐化

图像锐化通过增加邻域像素的对比度来减弱或消除图像的模糊程度，使图像变得清晰，锐化和平滑恰恰相反。拉普拉斯锐化是采用拉普拉斯算子对图像进行操作。

对于扩散现象引起的图像模糊，可以用下式来进行锐化： g ( i , j ) = f ( i , j ) − k τ ∇ 2 f ( i , j ) g(i, j)=f(i, j)-k\tau\nabla^2f(i, j) g(i,j)=f(i,j)−kτ∇2f(i,j)，这里 k τ k\tau kτ是与扩散效应有关的系数。该系数取值要合理，如果 k τ k\tau kτ过大，图像轮廓会产生过冲；反之如果 k τ k\tau kτ过小，锐化效果就不明显。如果令 k τ = 1 k\tau=1 kτ=1，则变换公式为： g ( i , j ) = 5 f ( i , j ) − f ( i − 1 , j ) − f ( i + 1 , j ) − f ( i , j + 1 ) − f ( i , j − 1 ) g(i,j)=5f(i,j)-f(i-1,j)-f(i+1,j)-f(i,j+1)-f(i,j-1) g(i,j)=5f(i,j)−f(i−1,j)−f(i+1,j)−f(i,j+1)−f(i,j−1)，用模板表示如下：
[ <mstyle displaystyle="false" scriptlevel="0"> 0 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> − 1 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> 0 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> − 1 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> 5 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> − 1 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> 0 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> − 1 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> 0 </mstyle> ] \begin{bmatrix} 0 &amp; -1 &amp;0 \\ -1 &amp; 5 &amp; -1\\ 0 &amp; -1 &amp; 0 \end{bmatrix} ⎣⎡​0−10​−15−1​0−10​⎦⎤​
在日常中，还有一种比较常用的8邻域拉普拉斯算子：
[ <mstyle displaystyle="false" scriptlevel="0"> − 1 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> − 1 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> − 1 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> − 1 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> 9 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> − 1 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> − 1 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> − 1 </mstyle> <mstyle displaystyle="false" scriptlevel="0"> − 1 </mstyle> ] \begin{bmatrix} -1 &amp; -1 &amp;-1 \\ -1 &amp; 9 &amp; -1\\ -1 &amp; -1 &amp; -1 \end{bmatrix} ⎣⎡​−1−1−1​−19−1​−1−1−1​⎦⎤​

代码

Mat LaplaceSharp(Mat src) {
	int row = src.rows;
	int col = src.cols;
	int border = 1;
	Mat dst(row, col, CV_8UC3);
	for (int i = border; i < row - border; i++) {
		for (int j = border; j < col - border; j++) {
			for (int k = 0; k < 3; k++) {
				int sum = 9 * src.at<Vec3b>(i, j)[k] - src.at<Vec3b>(i - 1, j - 1)[k] - src.at<Vec3b>(i - 1, j)[k]
					- src.at<Vec3b>(i - 1, j + 1)[k] - src.at<Vec3b>(i, j - 1)[k] - src.at<Vec3b>(i, j + 1)[k]
					- src.at<Vec3b>(i + 1, j - 1)[k] - src.at<Vec3b>(i + 1, j)[k] - src.at<Vec3b>(i + 1, j + 1)[k];
				if (sum > 255) sum = 255;
				else if (sum < 0) sum = 0;
				dst.at<Vec3b>(i, j)[k] = sum;
			}
		}
	}
	return dst;
}

自由锐化

这个算法实际上还是拉普拉斯锐化，不过添加了一个参数来调节锐化度，以实现调整整体的视觉效果。使得图像看起来更加自然，更符合审美。

Mat FreeSharp(Mat src, float sharpDegree = 0.3) {
	int row = src.rows;
	int col = src.cols;
	int border = 1;
	Mat dst(row, col, CV_8UC3);
	for (int i = border; i < row - border; i++) {
		for (int j = border; j < col - border; j++) {
			for (int k = 0; k < 3; k++) {
				int sum = 9 * src.at<Vec3b>(i, j)[k] - src.at<Vec3b>(i - 1, j - 1)[k] - src.at<Vec3b>(i - 1, j)[k]
					- src.at<Vec3b>(i - 1, j + 1)[k] - src.at<Vec3b>(i, j - 1)[k] - src.at<Vec3b>(i, j + 1)[k]
					- src.at<Vec3b>(i + 1, j - 1)[k] - src.at<Vec3b>(i + 1, j)[k] - src.at<Vec3b>(i + 1, j + 1)[k];
				sum = sum * sharpDegree + 0.5;
				if (sum > 255) sum = 255;
				else if (sum < 0) sum = 0;
				dst.at<Vec3b>(i, j)[k] = sum;
			}
		}
	}
	return dst;
}

钝化蒙版

先根据用户指定的钝化度对图像进行高斯模糊处理，再对高斯模糊处理结果与原图像进行钝化处理。 钝化度用来改变像素间的对比度强弱，钝化度，取值（0~100），钝化值越小，钝化的部分就越窄，仅仅会影响边缘像素； 钝化值越大，钝化的范围越宽，效果更明显。

代码

// degree:钝化度，取值（0~100）
// 钝化度用来改变像素间的对比度强弱，钝化值越小，钝化的部分就越窄，仅仅会影响边缘像素
// 钝化值越大，钝化的范围越宽，效果更明显
Mat UnsharpMask(Mat src, int degree) {
	int row = src.rows;
	int col = src.cols;
	if (degree < 1) degree = 1;
	if (degree > 100) degree = 100;
	Mat dst(row, col, CV_8UC3);
	src.copyTo(src);
	int border = 1;
	for (int i = 0; i < degree; i++) {
		GaussianBlur(dst, dst, Size(3, 3), 1.0);
	}
	for (int i = 0; i < row; i++) {
		for (int j = 0; j < col; j++) {
			for (int k = 0; k < 3; k++) {
				int sum = 2 * src.at<Vec3b>(i, j)[k] - dst.at<Vec3b>(i, j)[k];
				if (sum > 255) sum = 255;
				else if (sum < 0) sum = 0;
				dst.at<Vec3b>(i, j)[k] = sum;
			}
		}
	}
	return dst;
}