一、USM算法
1.USM算法的全称：Unsharp Masking算法
非锐化掩膜算法，这个非锐化掩膜是对原始图像应用一个低通滤波，得到一张模糊的图像。
2.算法的核心原理
高频细节(边缘&纹理):原始图像 - 模糊图像，来提取图像的高频细节
图像叠加：原始图像 和高频细节增强图像按照比例进行叠加，得到最终结果图，从而得到锐化的效果
二、算法核心实现
1.利用非锐化掩膜来模糊图像，得到一张模糊的图像，这张图像保留了图像的低频部分，但是丢失了高频细节
2.提取高频细节，将原始图像和模糊图像做减法。这个差值就是被低通滤波器过滤掉的高频部分，这部分内容包含了
图像的边缘，图像的纹理，以及图像的噪点等细节信息。
3.增强并叠加，将这个差值，也就是高频细节乘以一个增益系数，然后增强后的细节得加到原始图像上，这样边缘和纹理的对比度就被
放大了，视觉上图像就变得清晰和锐利了。
锐化图 = 原图 + 增益*(原图-模糊图)
改进版本：
在一些实现中，还会引入**阈值（Threshold）**来更精细地控制锐化，其公式可能演变为
这个公式的含义是：只有当高频细节的强度（绝对值）超过阈值时，才对其进行增强，从而避免放大微小的噪点。
三、核心参数
1.掩膜半径，也就是模糊核的大小
掩膜半径是用于控制低通滤波器的模糊程度，也是决定了锐化效果影响边缘的宽度。
半径越大，用于生成模糊图像的滤波器核就越大，模糊程度越高。那么提取出来的高频细节对应的空间范围也就越宽。
如果半径太小，那么只是增强非常细的细节，锐化效果的颗粒感比较严重。
如果半径太大，那么边缘两侧就会产生更宽的光晕，，能增强局部的对比度，使物体轮廓更清晰，但过大会显得不自然。
2.锐化的增益系数
锐化增益系数决定了锐化的效果和强度。不能过高，过高会在边缘产生明显的百变和黑边。
3.对比度门槛设置
这个用于区分细节和微小的噪点的。