|
边缘增强Edge enhance和一般所说的sharp是一个近似的概念。我这样区分二者：sharp是对图像所有内容增加锐利度，包括Noise也会被放大；而edge enhance是要让真正的edge变得锐利，Noise则尽量不被放大显现出来。从算法上来说Sharp很好实现，任何课本中都会提到sharp算子，而edge enhance则要有效区分出edge和Noise，并且判断edge方向来做增强，增强的方法也很有难度，既要达到一定的锐利度MTF，又要解决边缘粗糙roughness，overshot和undershot等问题。
边缘增强一般在YCbCr空间进行，并且只对Y分量处理，Cb和Cr保持不变，其原理如下： ![]() edge enhance 原理 浅蓝色为原值，深蓝色为enhance之后的数值。从波形上看，edge enhance就是要让线条的斜率更陡一些，甚至允许出现小幅度的过冲。从数值上来看，就是让数据朝着远离邻近点均值的方向走，而且和邻近点均值的差越大，走过的距离也越大，把当前像素值和邻近点均值的差记为d；另外，edge enhance的幅度还和整个edge的变化范围有关，可以认为上图中最大值和最小值的差，记为g；最后是用户设定的锐利度s，这三者可以得出像素的edge enhance函数H(x)。 H(x) = x + f(d, g, s) f(d, g, s)是一个和d,g,s三者都正相关的函数，但并非线性关系。这里没有统一的数学模型可以给出答案，只有仔细研究规律，多做实验，可以说的是想要得到较好的视觉效果，这个模型非常复杂，参数众多。通过不断的对参数调试练习，慢慢建立起数学计算模型和实际图像效果之间的映射关系，才能较好的平衡锐利度MTF和roughness，overshort，undershort等因素。
为了避免把Noise enhance出来，edge enhance在实现中还需要判断当前像素处于光滑区域还是物体边缘。当处于光滑区域的时候，则不要做edge enhance运算，或者做的幅度很小；只有在较明显的边缘上才做处理，这样避免不了边缘上的noise的影响，所以在锐利度s设定较大的时候，可以发现边缘上会有Noise闪动跳跃的情况。为了缓解这种Noise的跳跃，通常会对f(d, g, s)做最大值和最小值限制保护，并且沿着edge 方向做低通滤波来缓解Noise。 ![]() egde enhance 前后效果比对 整个Edge enhance的大致流程为先判断平坦区域还是边缘，对平坦区域可以不做或者少做edge enhance(甚至做smooth处理)，对边缘要判断幅度大小，边缘方向，选则相对应的高通滤波器处理，最后对enhance的幅度做一定程度的保护处理。
| 
