USM锐化算法详解：原理、参数设置及常见问题
USM锐化算法详解：原理、参数设置及常见问题
USM锐化（Unsharp Mask Sharpening）是Adobe Photoshop中常用的锐化方法，其原理与拉普拉斯锐化类似，都是通过叠加残差信息来增强图像细节。本文将详细介绍USM锐化的原理、参数设置以及可能遇到的问题。
再谈SHARPNESS
Sharpness描述的是细节的清楚程度，它实际上包括两部分：
- Acutance（灵敏度）：描述边缘区域的灵敏程度。
- Resolution（分辨率）：表示可分辨的最小尺度。
Resolution受限于传感器，在拍摄完成后就已确定，因此只有Acutance可以在后期处理中进行调整。当我们说调整Sharpness时，通常指的是调整Acutance。
Unsharp Mask
USM锐化不依赖于二阶导数，而是采用了一种有趣的方法：首先对图像进行模糊处理（这也是为什么称之为Unsharp的原因）。这种方法源自暗房冲印技术，在暗房中处理负片时，会得到一张更模糊的正片。通过让光线同时穿过负片和正片，可以抵消部分信息，从而达到锐化效果。
Unsharp Mask的本质是指出像素与其周围像素的差异程度。对于高于周围像素的点，继续提升其灰度；对于低于周围像素的“洼地点”，继续降低其灰度。这种机制模拟了人类视觉系统中增强边缘对比度的马赫带效应（Mach band effect）。
从另一个角度来看，退化图像可以通过叠加高频分量来增强。具体来说，假设退化图像为I'，原始图像为I，进一步退化后的图像为I''，则有：
I' - I = I - I''
其中，I - I''代表高频分量。因此，通过将高频分量加回到退化图像中，可以得到增强后的图像。
参数设置
引入尺度因子Amount，得到：
sharpened = original + (original − blurred) × amount
当选择特定的Blur滤波器和尺度因子时，也可以得到与拉普拉斯锐化相同的模板。下面是锐化前后的对比：
很显然，Amount越大，锐化程度越高：
- 原图
- Amount=25
- Amount=100
在图像的变换比较平坦的区域，λ取值应较小；在较大的对比度（边缘处）地方取适当的λ；而在中对比度处取较大的λ值，以使得这部分得到最大的增强。例如，这篇文章《Image Enhancement via Adaptive Unsharp Masking》提出了一种逐步更新的方式。
同理，模糊滤波器的半径也是越大，锐化效果越强。在PS中，除了Amount和半径，还有阈值。阈值控制的是将要锐化的最小亮度变化，相当于对Unsharp Mask进行截断，这样只有明显的边缘被锐化，不明显的则保持不变，可以避免放大噪声，达到削尖眼睫毛，又不会使皮肤粗糙的效果。
可能遇到的问题
过锐化：当锐化过重时，可能产生光晕（Halo）效果，尤其是在亮暗边界处，一边被拉亮，一边被压暗。解决办法是减小Blur使用的滤波器尺寸。
伪彩：如果分别对三个颜色通道进行锐化，就可能产生伪彩。对应解决办法是在亮度通道进行锐化。
参考资料
- Sharpening Using an Unsharp Mask
- https://www.adobe.com/creativecloud/photography/discover/unsharp-masking.html
- https://en.wikipedia.org/wiki/Unsharp_masking
- https://www.cnblogs.com/Imageshop/archive/2013/05/19/3086388.html
- https://docs.gimp.org/2.6/en/plug-in-unsharp-mask.html
- https://zhuanlan.zhihu.com/p/25720633
- Tutorials – Sharpness