在開局之前，首先說明一點，Photoshop的USM銳化只是本文所指USM的一種比較特殊的例子而已。
通過增強圖像的高頻部分的內容，圖像的視覺效果可以極大的得到改觀。為達到這個目的，通常可以使用經典USM技術來實現。這個技術的流程可用下圖來實現:
用具體的公式表達即為：
y(n,m)= x(n,m)+ λz(n,m) （1）
其中， x(n,m)為輸入圖像，y(n,m)為輸出圖像，而z(n,m)為校正信號，一般是通過對x進行高通濾波獲取。λ是用於控制增強效果的的一個縮放因子。
在傳統的USM算法中，z(n,m)一般可以通過下式獲取：
z(n,m)=4x(n,m)-x(n-1,m) -x(n +1,m)-x(n, m-1) -x(n,m+1) （2）
當然也可以用如下的模板：
貼部分參考代碼：
Width = Bitmap.Width; Height = Bitmap.Height; Stride = Bitmap.Stride; NewHeight = Height + 2; NewStride = (Width + 2) * BytePerPixel; ExpandPtr = (byte*)Win32Api.GlobalAlloc(Win32Const.GPTR, NewStride * NewHeight); // 為保證邊緣部分處理方便，擴展邊界部分 Utility.GetExpandImage(Bitmap, 1, ExpandPtr); // 拷貝圖像到緩沖區，以及填充邊緣像素 for (Y = 0; Y < Height; Y++) // 處理灰度圖像 { Pointer = Bitmap.Pointer + Y * Stride; ExpandP = ExpandPtr + (Y+1) * NewStride+1; for (X = 0; X < Width; X++) { HighPass = (ExpandP[X] << 2) - ExpandP[X - 1] - ExpandP[X + 1] - ExpandP[X - NewStride] - ExpandP[X + NewStride]; // z(n,m) Value = Pointer[X] + Amount * HighPass / 100; // x(n,m)+ λz(n,m),式中的Amount即這里的λ Pointer[X] = (byte)((((ushort)Value | ((short)(255 - Value) >> 15)) & ~Value >> 15)); // 防止數據溢出 } }
Win32Api.GlobalFree((IntPtr)ExpandPtr);
在很多場合，這個方法也能獲得較好的效果，比如下述的Lena圖。
原圖 Amount=25 Amount=100
不過這個方面也有以下的缺點： 1） 線性的高通濾波使得效果對噪音非常敏感，這會導致一些不希望的扭曲，特別在圖像變換比較緩慢的地方的噪音，比如上圖3中草帽的左側平坦區域。2）對於圖像的邊緣（高對比度區域）會出現增強過頭的現象，如上圖草帽的邊緣。 這兩點會導致輸出圖像存在一些令人看上去不舒服的地方。
很多論文中提出了一些自適應通過動態的改變式（1）中的λ參數來控制調節結果。在圖像的變換比較平坦的區域，λ取值小，在較大的對比度（邊緣處）地方取適當的λ，而在中對比度處取較大的λ值，以使得這部分的得到最大的增強。 比如這篇文章 Image Enhancement via Adaptive Unsharp Masking 中就提出了一種逐步更新的方式。不過類似這樣的文章都普遍存在一個問題，那就是可控參數過多，且這些從參數的取值需要過多的人工參與，我認為這樣的算法，是不具有實用的價值的。
在Photoshop的銳化菜單中也有一項USM銳化，其實這個功能也是符合式1的定義的。通過其UI界面我們可以發現其有3個參數：半徑、數量、閾值，其內部的算法過程可以用如下的簡單代碼表示：
Width = Bitmap.Width; Height = Bitmap.Height; Stride = Bitmap.Stride; BytePerPixel = Bitmap.BitCount / 8; FastBitmap Clone = Bitmap.Clone(); // 備份圖像數據 BlurEffect.GaussianBlur(Clone, Radius); // 對備份的數據進行高斯模糊處理 for (Y = 0; Y < Height; Y++) { Pointer = Bitmap.Pointer + Y * Stride; PointerC = Clone.Pointer + Y * Stride; for (X = 0; X < Width; X++) { Value = Pointer[X] - PointerC[X]; if (Utility.Abs (Value) > Threshold) { Value = Pointer[X] + Amount * Value / 100; Pointer[X] = (byte)((((ushort)Value | ((short)(255 - Value) >> 15)) & ~Value >> 15)); } } } Clone.Dispose();
眾所周知，高斯模糊時低通濾波，那么 Value = Pointer[X] - PointerC[X]（原值-低通）則相當於高通的結果，如果原值和低通的差異的絕對值大於指定的閾值，則對改點進行所謂的銳化。
這里對式（1）多引進了一個參數閾值，通過調節該值，來決定達到何種程度對比度的像素才需要增強。
實際的效果表明，這種方式的銳化要比傳統的USM銳化能獲得更好的調節效果。
以下為Threshold=0,Amount=50時不同半徑的效果。
原圖 Radius=5 Radius=50 Radius=200
隨着半徑的增大，圖像的對比度逐漸變強，邊緣越發明顯，但是所有的調節后的圖像都未出現明顯的噪音增強，效果非常之理想，對於Lena圖，處理后的圖片中可以明顯的看出在眼睛部位，眼白和眼球的對比更為清晰、明顯，而且整幅圖形從感覺上說原始圖像較為朦朧，處理后的清晰不少。
Amount參數對效果的影響很明顯可以獲知，越大，對比度越高，但是由於其和結果的線性關系，這個參數的變化對結果的影響比其他兩個參數更敏感。
實際上，上述高斯模糊也可以用中值模糊、方框模糊來代替，所得到的效果和高斯濾波非常相似。在Paint.net的效果-》相片-》尖銳化濾鏡就是用的中值的方式實現的。
關於實現代碼，基本上我在上面已經提及，其實最關鍵還是高斯模糊的實現。如果你覺得有難度，正如上文所說，也可以用均值來代替，而均值模糊編碼則非常簡單。
同樣，提供個編譯好的文件給有興趣研究該算法的朋友看看效果：
http://files.cnblogs.com/Imageshop/USM.rar
***************************作者： laviewpbt 時間： 2013.5.19 聯系QQ: 33184777 轉載請保留本行信息*************************