5.3 钝化掩蔽和高提升滤波

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

从原图像中减去一幅钝化（平滑后的）图像，这个过程称为钝化掩蔽。

---

1. 原理说明

钝化掩蔽的步骤如下所示：

1. 模糊原图像
2. 从原图像减去模糊后的图像（产生的差称为模板）
3. 将模板与原图像相加

令 $\overline{f}(x,y)$ 表示模糊后的图像，公式形式的模板为$$g_{mask}(x,y)=f(x,y)-\overline{f}(x,y)$$然后，将加权后的模板与原图像相加：$$g(x,y)=f(x,y)+k\ast g_{mask}(x,y)$$上式中的 $k$ 是权值，当$k=1$时，上式是钝化掩蔽，当 $k>1$ 时，上式称为高提升滤波，当 $k<1$ 时，可以减少钝化模板的贡献。
下图是钝化掩蔽机理的一维说明：

2. 示例分析

2.1 示例代码

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt


def imageUnsharpMasking(image):
    """
    图像的钝化掩蔽
    :param image: 原图像
    :return:
    """
    # 先对原始图像进行高斯平滑处理
    imgGauss = cv.GaussianBlur(image, (31, 31), 6)

    # 计算掩蔽模板
    imgMask = image - imgGauss

    # 钝化掩蔽
    imgSharp1 = image + 1 * imgMask
    imgSharp2 = image + 2 * imgMask
    imgSharp3 = image + 3 * imgMask

    # cv.imshow("xx",imgSharp2)
    # cv.waitKey(0)

    return [image, imgGauss, imgMask, imgSharp1, imgSharp2, imgSharp3]


if __name__ == '__main__':
    img = cv.imread('Image/Fig0505.png', 0)
    imageLst = imageUnsharpMasking(img)

    # 进行图像的锐化操作
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.figure(figsize=(10, 7))
    titleList = ["原图", "高斯模糊", "掩蔽模板",
                 "钝化(k=1)", "钝化(k=2)", "钝化(k=3)"]
    for i in range(6):
        plt.subplot(2, 3, i + 1), plt.title(titleList[i]), plt.axis('off')
        plt.imshow(imageLst[i], 'gray', vmin=0, vmax=255)
    plt.tight_layout()
    plt.savefig("Image/tmp.png")
    plt.show()

2.2 示例效果

上图我们可以看出：

• 当 $k=1$ 时，图像要比原图像清晰多了。
• 当 $k=2$ 时，图像中的对比度和清晰度更高（如毛发和面部雀斑）。
• 当 $k=3$ 时，图像更加清晰，但是稍微有些显得不自然。