锐化

模糊 图像模糊的方法可以将每个像素的rgb值用周围像素的加权平均值来代替。比如用周围的9个像素来计算加权平均值，权值可以用一个3x3的矩阵来表示： | 1 2 1 | | 2 4 2 | * (1/16) | 1 2 1 | 中间的像素是要处理的像素，越靠近中间权值越大；所有权值的和为1。用平均值代替原像素的rgb值之后，每个像素于周围像素的差异程度变小了；该矩阵相当于一个二维的低通滤波器。下面是c#的代码 public Bitmap FilterBitmap(Bitmap bmp) { // 创建如下3x3矩阵： // | 1 2 1 | // (1/16) * | 2 4 2 | // | 1 2 1 | double[,] core = new double[,] { { 1, 2, 1 }, { 2, 4, 2 }, { 1, 2, 1 } }; int scale = 16; for (int i = 0; i < 3; i++) for (int j = 0; j < 3; j++) core[i, j] /= scale; Bitmap retBmp = new Bitmap(bmp.Width, bmp.Height); double r, g, b; int width = bmp.Width - 1; int height = bmp.Height - 1; /

SHARPEN projects 3 professional是一款专为Mac用户设计的图片锐化工具，可以将模糊的图片变清晰，可实现色彩快速模糊校正。 软件功能 保存模糊的图片 轻微模糊可能导致20到30个像素失焦。得益于SHARPEN 2018专业项目的自适应多尺度反卷积，在环境信息中考虑了多达500个像素; 与其他产品相比，这是一个完整的500倍像素。您可以因此实现高端品质的视觉清晰度！ 高清色彩保护 可实现色彩快速模糊校正，在拍摄照片时保留了自然的印象。色彩图像在高对比度的图像边缘处容易模糊，并且会产生不美观，破旧的图像。hr色彩保护结束了这一点; 颜色和颜色边缘分别计算，这给出了更清晰的目标图像。 2种额外的锐度模式：Pro / Pro + 可以区分为不同的质量模式。 以前，最大100×100像素的模糊分析是最先进的; 现在我们提供500×500像素。这对于具有高像素密度的相机的用户来说是特别有益的，即高端智能手机和具有大传感器的DLSR。 16种主题特定的运动，微距，夜景和人像预设 集成打印功能，创新的模糊校正，灵敏选择性边缘识别，无需模板即可获得精确的锐度。 完美清晰的风景，静物，微距拍摄和产品照片 批量处理 专业锐化的自动图像分析 精确计算正确的锐化等级 “自适应多尺度反褶积”：模糊图像的创新校正方法，进入百倍注册区域 灵敏的选择性角点识别

1 、图像锐化理论 图像锐化的目的是使图像变得清晰起来，锐化主要用于增强图像的灰度跳变部分，这一点与图像平滑对灰度跳变的抑制正好相反。锐化提高图像的高频分量，增加灰度反差增强图像的边缘和轮廓，以便后期图像识别。 在图像增强过程中，常用平滑算法来消除噪声，平滑属于低通滤波，图像的能量主要集中在低频部分，噪声所在频段主要在高频部分，同时图像的边缘也集中在高频部分，这意味着图像平滑后，高频被衰减轮廓会出现模糊。图像锐化就是为了减少这种现象，通过高通滤波使图像边缘和轮廓变得清晰。 2 、一阶微分图像增强--梯度算子 其中： 梯度的方向就是函数 f(x,y) 最大变化率的方向。梯度的幅值作为最大变化率大小的度量，值为： 离散的二维函数 f(i,j) ，可以用有限差分作为梯度的一个近似值。 为了简化计算，可以用绝对值来近似。 | ▽ f(i,j)|= |f(i+1,j)-f(i,j)| +|f(i,j+1)-f(i,j)| 2.1 Robert 算子 | ▽ f(i,j)|= |f(i+1,j+1)-f(i,j)| +|f(i,j+1)-f(i+1,j)| 上面算式采用对角相差的差分法来代替微分，写为滤波模板形式为： 其中 w1 对接近 45° 的边缘有较强响应， w2 对接近 -45° 的边缘有较强响应。 imgPath = 'E:\opencv_pic\src_pic\pic6.bmp';

一、需求分析 对天猫平台的企业信息采集下来进行结构化处理，提取出文字信息后汇总进Excel作为交付文件。 主要的功能设计如下： 1、程序能够自动读取企业工商信息图片所在的文件夹路径，并从文件夹路径中顺序取出图片进行识别，最终的识别结果以一份汇总的Excel交付。 2、因为天猫平台公示的图片内容没有固定格式，所以需要程序能匹配不同格式的图片内容提取信息。 3、能够提取出图片中的企业注册号、企业名称数据项，企业注册号、企业名称数据项要进行分析处理。 4、识别准确率需要保证在95%以上。 5、识别速度保持在60秒识别50张图片。 二、本程序处理图片方面的关键模块 1、对图片进行切割： 要求识别的文字信息“企业名称”“企业注册号”位于整个图片的其中一部分，把剩余部分切除，只留下关键信息部分，不但可以提高识别速度，还可提升识别率。 2、在进行图片的二值化时，有两种方式： （1）图片为彩色时，宜找到每个像素点合适的灰色度，因为每个像素点的灰色度不同程度上受到周边像素加权影响，从而影响整个图片的识别率。比如本像素点加上周围8个灰度值再除以9，算出其相对灰度值。 （2）图片为黑白色时，宜采用max-min方法对图片进行二值化。 针对本程序识别的图片的黑白色对比明显，故采用max-min方法进行二值化。 private static File binaryImage（File orcFile）

文章目录 1.噪声与imnoise函数 2.平滑滤波器 3.中值滤波器 4.自适应滤波器 5.锐化滤波器 使用空域模板进行的图像处理，称为图像的空域滤波增强，模板本身称为空域滤波器。空域滤波增强的机理就是在待处理的图像中逐点的移动模板，滤波器在该点的响应通过事先定义的滤波器系数和滤波模板扫过区域的相应像素值的关系来计算。 空域滤波器可以分为平滑滤波器、中值滤波器、自适应除噪滤波器和锐化滤波器。 1.噪声与imnoise函数 图像噪声按照其干扰源可以分为内部噪声和外部噪声。外部噪声，既指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声，如电气设备、天体放电现象等引起的噪声。内部噪声，一般可分为以下4种： （1）由光和电的基本性质所引起的噪声 （2）电器的机械运动产生的噪声 （3）器件材料本身引起的噪声 （4）系统内部设备电路所引起的噪声 按噪声与信号的关系分类，可以将噪声分为加性噪声和乘性噪声两大类。设f（x，y）为信号，n（x，y）为噪声，噪声影响信号后的输出为g（x，y）。表示加性噪声的公式如下： 加性噪声和图像信号强度是不相关的，如运算放大器。图像在传输过程中引进的“信道噪声”，电视摄像机扫描图像的噪声，这类带有噪声的图像g（x，y）可看成理想无噪声图像f（x，y）与噪声n（x，y）之和。形成的波形是噪声和信号的叠加，其特点是n（x，y）和信号无关。如一般的电子线性放大器

图像增强 图像增强算法概述 图像增强的目的是改善图像的视觉效果或使图像更适合于人或机器的分析处理。通过图像增强可以减少图像噪声，提高目标与背景的对比度，亦可以强调或抑制图像中的某些细节。例如，消除照片中的划痕，改善光照不均匀的图像，突出目标的边缘等。根据处理的空间可以将图像增强分为空域法和频域法，前者直接在图像的空间域（或图像空间）中对像素进行处理，后者在图像的变换域（即频域）内简介处理，然后经逆变换获得增强图像。空域增强可以分为点处理和区处理，频域增强可以分为低通滤波，高通滤波，带通滤波和同态滤波。本文主要介绍的是空域法。 直方图均衡化和规定化 直方图均衡化基本思想 直方图均衡化的基本思想是把原始图像的直方图变换为均匀分布的形式，从而增强图像灰度的变化范围，以达到增强图像对比度的效果。经过均衡化处理的图像，其灰度级出现的概率相同，此时图像的熵最大，图像所包含的信息量最大。 均衡化的详细原理 直方图规定化基本思想 直方图均衡化能够增强整个图像的对比度，但增强效果不易控制，处理得到的是全局均衡化的直方图。然后实际应用中可能希望将直方图变换为某个特定的形状（规定的直方图），从而有选择地增强某个灰度范围内的对比度，这种方法就称为直方图规定化。直方图规定化可以借助直方图均衡化来实现。 任意两幅灰度图像，显示它们的直方图，并将其中一幅的直方图传递给另一个图像，显示传递后的图像及其直方图。

MATLAB图像的锐化处理 锐化可以很好的把物体的轮廓描绘出来，不需要注重物体的内容，而是注重物体的形态位置。 例如：可以应用在扫描舰体的位置 I=imread(‘pout1.tif’); imshow(I,[]); title(‘原图’); BW1=edge(I,‘roberts’,0.1); figure,imshow(BW1); title(’ 罗伯兹梯度图’) ; BW2=edge(I,‘sobel’,0.1); figure,imshow(BW2); title(’ sobel’) ; BW3=edge(I,‘prewitt’,0.1); figure,imshow(BW3); title(’ prewitt’) ; BW4=edge(I,‘log’,0.1); figure,imshow(BW4); title(’ log’) ; BW5=edge(I,‘zerocross’,0.1); figure,imshow(BW5); title(’ zerocross’) ; BW6=edge(I,‘canny’,0.1); figure,imshow(BW6); title(’ canny’) ; h=[0 -1 0;-1 4 -1;0 -1 0]; J=imfilter(I,h); figure,imshow(J); title(‘拉普拉斯图1’); figure

1、ps调分辨率 在PS中打开需要修改分辨率的图片，然后在键盘上按快捷键“Ctrl+j”将原图层复制一层出来，接下来在上方工具栏中选择“图像”-“图像大小”最后在对话框中选择“分辨率”，修改里面的数值，点击“确定” 2、ps调清晰度 在ps里点击打开一张较模糊图片，点击上面的“滤镜”然后选择“锐化”命令，选择“智能锐化”，可以将锐化的数值设定为60，半径设置3个像素，根据调整后图片的效果来设定数字，点击上面的“图像”选择“调整”，弹出色彩平衡对话框，根据个人需求的舒适度调整平衡参数，并且需要勾选保持明度。 3、PS调色 调色阶，先复制图层，Ctrl L打开色阶，调整饱和度，Ctrl U打开色相和饱和度的面板，调节一下饱和度值，一般大概+20-30左右。调整色彩平衡，打开图像、调整、色彩平衡对话框，主要调整阴影（暗部）和亮光（亮部）部分，对于中间调实际上就是灰色部分，基本上调节效果不会特别好。先来选择阴影，拉动上边的三角调整其色阶值。然后锐化，先在复制一下图层（Ctrl J），然后执行滤镜，其他，高反差保留，设置值为1-3即可，（不要太大，这个功能是在提取图片线稿的时候用的最多，现在主要是提取一下图片中的轮廓，所以不必要太大的值）接下来调整一下图层的样式，选择柔光。这个柔光的模式能把图片中灰色的部分全部屏蔽，只保留轮廓部分。就ok了。 来源： CSDN 作者： Holyyaa

1、ps调分辨率 在PS中打开需要修改分辨率的图片，然后在键盘上按快捷键“Ctrl+j”将原图层复制一层出来，接下来在上方工具栏中选择“图像”-“图像大小”最后在对话框中选择“分辨率”，修改里面的数值，点击“确定” 2、ps调清晰度 在ps里点击打开一张较模糊图片，点击上面的“滤镜”然后选择“锐化”命令，选择“智能锐化”，可以将锐化的数值设定为60，半径设置3个像素，根据调整后图片的效果来设定数字，点击上面的“图像”选择“调整”，弹出色彩平衡对话框，根据个人需求的舒适度调整平衡参数，并且需要勾选保持明度。 3、PS调色 调色阶，先复制图层，Ctrl L打开色阶，调整饱和度，Ctrl U打开色相和饱和度的面板，调节一下饱和度值，一般大概+20-30左右。调整色彩平衡，打开图像、调整、色彩平衡对话框，主要调整阴影（暗部）和亮光（亮部）部分，对于中间调实际上就是灰色部分，基本上调节效果不会特别好。先来选择阴影，拉动上边的三角调整其色阶值。然后锐化，先在复制一下图层（Ctrl J），然后执行滤镜，其他，高反差保留，设置值为1-3即可，（不要太大，这个功能是在提取图片线稿的时候用的最多，现在主要是提取一下图片中的轮廓，所以不必要太大的值）接下来调整一下图层的样式，选择柔光。这个柔光的模式能把图片中灰色的部分全部屏蔽，只保留轮廓部分。就ok了。 来源： CSDN 作者： Holyyaa

文章转载自： https://blog.csdn.net/qijitao/article/details/80271507 清晰度、对比度和锐化程度的调整，是照片后期的三个重要步骤。它们容易混淆，但各自效果却并不相同。本文会帮大家从原理上理清他们的区别。 　　1、对比度 　　对比度是指的画面的明暗反差程度。增加对比度，画面中亮的地方会更亮，暗的地方会更暗，明暗反差增强。 　　为了更好的解释对比度、清晰度和锐度的区别，我会使用下面一张放大20倍的纹理边缘为例子。 　　下图就是增加对比度的结果。增加对比度之后，原来的两个物体反差扩大。 　　对比度是对全局作用的，对照片整体的明暗有较大影响。比如下面这张照片： 　　对比度增加之后，照片亮的地方更亮，暗的地方更暗，一下子反差就拉开了。 　　2、清晰度 　　在Photoshop以及众多软件中，都提供了清晰度的调整工具。 　　当我们增加照片的清晰度，靠近边缘较暗的一侧会变得更暗，靠近边缘较亮的一侧会变得更亮，但这种亮度对比的变化只局限在边缘周围的部分。 　　清晰度相当于让边缘亮的一边加上一根白色渐变条，暗的一边加上一根黑色渐变条，从而让物体轮廓和细节纹理更加清晰。 　　因此增加清晰度，只会增加边缘附近的反差，让物体轮廓更清晰。对照片整体的对比度，影响没有对比度滑块那么大。 　　由于清晰度相当于让边缘亮的一边加上一根白条，暗的一边加上一根黑条