USM锐化算法详解：原理、参数设置及应用技巧

创作时间:

作者:

@小白创作中心

USM锐化算法详解：原理、参数设置及应用技巧

引用

CSDN

https://blog.csdn.net/zcg1942/article/details/139990920

USM锐化（Unsharp Mask Sharpening）是Adobe Photoshop中常用的锐化算法，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，帮助读者更好地理解和应用这一算法。

再谈SHARPNESS

sharpness描述细节的清楚程度，它实际包括两部分：

acutance灵敏度，描述边缘区域的灵敏程度。
resolution分辨率，就是分辨的最小尺度。

resolution受限于sensor，在拍照完成之后就确定了，所以只有acutance可以在后处理中调整。所以我们说的调整sharpness一般指调整acutance。

Unsharp Mask

不使用二阶导，那使用什么呢？说来有趣，USM目的是锐化，但第一步却是blur，这也是为什么叫unsharp的原因。

USM实际从暗房冲印发展而来。在暗房中处理负底片nagative，还会得到一张正底片positive，但是因为材料的问题，positive copy是更模糊的。光同时通过nagative和positive， negative的一部分信息会被抵消。因为positive是低通滤波，所以nagative只有low-frequency (blurred)被过滤掉，这样就达到了锐化的效果。

unsharp mask本质上是有助于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。这其实是模拟马赫带效应（Mach band effect）：人类的视觉系统有增强边缘对比度的机制。

另外一个角度理解。对于退化图像，想将之复原到，可以再将进一步退化，得到，并且认为两次退化的差值是相同的，这个差值实际上是高频分量：

所以，把高频分量加上去，就可以得到增强后的图像

PARAMTETER

引入尺度因子amount，得到：

sharpened = original + (original − blurred) × amount.

按照这个公式，当选择特定的blur滤波器和尺度因子时，也可以得到和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：

不同amount的影响原图 Amount=25 Amount=100

在图像的变换比较平坦的区域，λ取值小，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，以使得这部分的得到最大的增强。比如这篇文章 Image Enhancement via Adaptive Unsharp Masking 中就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pronounced edge被锐化，不明显的则保持 leaving subtle edges untouched。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。