图像锐化调整

一、背景介绍

之前找多尺度做对比度增强时候,发现了一些锐化相关算法,正好本来也要整理锐化,这里就直接顺手对之前做过的锐化大概整理了下,方便后续用的时候直接抓了。

这里整理的锐化主要是两块:一个是参考论文:IEBPT(DARK IMAGE ENHANCEMENT BASED ON PAIRWISE TARGET CONTRAST AND MULTI-SCALE DETAIL BOOSTING), 另一个是在usm基础上,加上边缘方向信息,改善噪声和黑白边问题。

二、实现流程

1、IEBPT

这个的算法原理很简单,大概意思来说,将输入图像依次进行三次不同强度的高斯平滑后,做图像之间减法,获得不同程度的细节信息,然后通过一定的组合方式把这些细节信息融合到原图中,从而得到锐化之后图像。

感兴趣小伙伴可以参考资料:多尺度的图像细节提升。

算法效果图如下(左边是原图,右边是算法结果):

可以看到锐化效果很明显,但是也有明显副作用:噪声放大和明显黑白边问题。

2、usm原始版本

考虑抗噪声干扰,直接常见的usm 锐化,算法原理很简单:对输入图像进行高斯平滑,然后和原图相减得到纹理残差图像,残差图像上强度值信息小于一定阈值的当做噪声过滤掉,非噪声部分叠加回原图,得到细节增强后图像。感兴趣的小伙伴,可以参考资料:Unsharp Mask(USM)锐化算法的的原理及其实现。

算法效果图如下(左边是原图,右边是算法结果):

可以看到同样的,锐化效果明显,但是也存在不小的副作用:

a、噪声过滤不干净,无纹理区域比较大的噪声被增强,变得更加突兀。

b、黑白边也很明显。

3、usm改进版本

尝试在usm原版版本上,加入边缘纹理检测,简单来说就是只在纹理区域进行图像锐化,并且通过边缘强度抑制,改善黑白边问题。

因此首先需要进行抗噪声干扰的边缘检测,我这里是使用滤波核,对输入图像进行x,y和两个对角线方向滤波,滤波叠加结果作为边缘信息,相关原理感兴趣小伙伴可以参考资料:

6079:图像处理学习笔记(十四)------图像边缘锐化的基本方法(理论篇)

检查得到的边缘信息如下:

可以看到,边缘图像上噪声基本能过滤掉,并且根据边缘纹理信息,可以进行锐化强度控制。由于黑白边通常都是出现在强边附近,并且对强边来说,实际并不需要特别重的图像锐化,因此可以通过对强边缘锐化强度降低,改善黑白边问题。

通过抑制边缘强度大于或者小于一定范围的像素锐化强度,来避免噪声放大和黑白边异常。

算法效果图如下(左边是原图,右边是算法结果):

可以看到,黑白边和无纹理去噪噪声放大情况相对会好不少。

其实还有进一步改进空间,比如前面的边缘检测结果图,明显存在一些边缘不连续情况,可以考虑在多尺度上进行边缘检测,然后叠加结果作为最终边缘检测结果等。

三、复现代码

简单的复现代码地址:

https://github.com/yulinghan/ImageQualityEnhancement/tree/master/ltm/sharpen

相关推荐
DeepSeek-大模型系统教程18 分钟前
推荐 7 个本周 yyds 的 GitHub 项目。
人工智能·ai·语言模型·大模型·github·ai大模型·大模型学习
郭庆汝25 分钟前
pytorch、torchvision与python版本对应关系
人工智能·pytorch·python
小雷FansUnion2 小时前
深入理解MCP架构:智能服务编排、上下文管理与动态路由实战
人工智能·架构·大模型·mcp
资讯分享周2 小时前
扣子空间PPT生产力升级:AI智能生成与多模态创作新时代
人工智能·powerpoint
叶子爱分享4 小时前
计算机视觉与图像处理的关系
图像处理·人工智能·计算机视觉
鱼摆摆拜拜4 小时前
第 3 章:神经网络如何学习
人工智能·神经网络·学习
一只鹿鹿鹿4 小时前
信息化项目验收,软件工程评审和检查表单
大数据·人工智能·后端·智慧城市·软件工程
张较瘦_4 小时前
[论文阅读] 人工智能 | 深度学习系统崩溃恢复新方案:DaiFu框架的原位修复技术
论文阅读·人工智能·深度学习
cver1234 小时前
野生动物检测数据集介绍-5,138张图片 野生动物保护监测 智能狩猎相机系统 生态研究与调查
人工智能·pytorch·深度学习·目标检测·计算机视觉·目标跟踪
学技术的大胜嗷4 小时前
离线迁移 Conda 环境到 Windows 服务器:用 conda-pack 摆脱硬路径限制
人工智能·深度学习·yolo·目标检测·机器学习