锐化增强的是什么#

图像中缓慢变化的区域属于低频，快速变化的边缘与纹理属于高频。一个简单模型是：

$G_\sigma(I)$ 是模糊图，原图减去它得到高频层，再加回：

这就是 Unsharp Mask 的核心。

Radius 决定多大尺度被视为细节，Amount 决定加回多少。Radius 小主要强调细线，Radius 大会在宽边缘两侧产生更宽的亮暗带。

为什么“先模糊”反而能锐化#

模糊图保留局部基底，原图与模糊图之差则突出变化。名称里的 unsharp mask 来自传统暗房：用一张不清晰的负片作为遮罩增强局部对比，并不是要求最终输出不清晰。

Python 实现：

1
import numpy as np
2
from scipy.ndimage import gaussian_filter
3

4

5
def unsharp_mask(image, sigma=1.2, amount=1.0, threshold=0.0):
6
    image = image.astype(np.float32)
7
    blurred = gaussian_filter(image, sigma=sigma)
8
    detail = image - blurred
9
    detail = np.where(np.abs(detail) >= threshold, detail, 0.0)
10
    return image + amount * detail

示例没有立即 clip，因为过冲和欠冲正是需要观察的结果。输出范围策略应由后续管线明确决定。

卷积核怎样完成锐化#

拉普拉斯锐化可写成 $3\times3$ 核。四邻域版本的一种形式是：

系数和为 1，所以常量区域保持不变；中心正权重和邻域负权重会增强局部差。八邻域能感受对角方向，却更容易同时增强噪声。

Halo 从哪里来#

理想黑白阶跃经过锐化后，亮侧可能超过白色，暗侧可能低于黑色。这叫 overshoot 与 undershoot。最终裁剪到显示范围以后，数值虽合法，边缘两侧仍留下亮带和暗带，也就是 halo。

大 Radius 产生宽 halo，高 Amount 产生强 halo。两者必须结合输出分辨率和观看距离判断：在缩略图上不明显的白边，原尺寸可能非常刺眼。

Threshold 为什么有用#

平坦区域的微小变化大多是噪声，高频层却会把它们当细节。Threshold 只增强超过门限的残差：

门限太低会增强噪点，太高会损失低对比纹理。合理门限应参考噪声模型：高 ISO 暗部的阈值通常需要更高，干净亮部则可以更敏感。

锐化不能恢复已经丢失的信息#

失焦、运动模糊和降采样会丢失频率信息。Unsharp Mask 只能提高剩余边缘的局部对比，不能知道原本被积分掉的细节是什么。去卷积可以在已知 PSF 和噪声模型下做更明确的逆问题，但同样会受到噪声和零频响应限制。

因此，“看起来更锐”不等于“真实分辨率更高”。评估时要同时看线对、斜边 MTF、halo 和噪声，而不能只看主观冲击力。

先降噪还是先锐化#

噪声属于高频。先锐化会把噪点扩大，后面的降噪不得不用更强参数压回去，真实纹理也更容易受损。常见顺序是先降噪，再进行适度锐化。

但过度降噪以后再锐化不会找回细节，只会强化被平滑后的轮廓。降噪和锐化应联合调参，而不是各自追求“最干净”和“最锐”。

Debayer 与锐化的关系#

Debayer 会产生自身的边缘响应、假色和 zipper。过早锐化 Bayer 数据容易把 CFA 结构和噪声一起增强；通常先完成 DPC、降噪和 Debayer，再在亮度或 RGB 域锐化。

有些高质量 demosaic 会内部完成边缘重建，后续锐化要避免重复增强。测试必须包含斜线、细条纹和高饱和彩色边缘，而不只是灰度文字。

亮度锐化与 RGB 逐通道锐化#

逐通道锐化可能让 R、G、B 在边缘产生不同过冲，形成彩边。把图像转换到亮度/色度表示，只锐化亮度，通常更稳定；但转换本身必须明确色彩空间和传递函数。

在线性光中锐化更接近信号模型，在 Gamma 编码亮度上锐化则更贴近显示对比感受。两者效果不同，不存在脱离管线目标的唯一正确域。

输出缩放之后为什么还要锐化#

Resize、显示缩放和打印会再次改变边缘。因此常把锐化分成捕获锐化、创意锐化和输出锐化：

• 捕获锐化补偿镜头、低通和采样造成的轻微软化；
• 创意锐化强调主体或局部结构；
• 输出锐化针对最终尺寸与媒介补偿缩放。

在大图上一次性重锐化，再缩到很小，常常得到不合适的 halo。输出尺寸应成为参数的一部分。

整数和边界陷阱#

带负系数的卷积不能直接在无符号类型中累计，否则会下溢。应使用足够宽的有符号或浮点中间值，再统一舍入。

图像边缘需要镜像、复制或明确有效区。零填充会让四周突然遇到黑色，锐化后出现亮边。Alpha 图像还要注意预乘：透明边缘的隐藏 RGB 可能被卷积带入可见区域。

验证清单#

• 单色平坦区域均值是否保持不变；
• 黑白阶跃的 overshoot、undershoot 和 halo 宽度；
• 斜边、细线、文字、头发和周期纹理；
• 不同 ISO 下噪声放大程度；
• RGB 高饱和边缘是否产生彩边；
• 处理前后是否发生意外裁剪；
• 原尺寸、缩略图和目标显示尺寸分别检查；
• Denoise → Sharpen 与 Sharpen → Denoise 对比；
• 单次锐化和多阶段重复锐化对比。

锐化的核心不是“加清晰度”，而是控制高频层。Radius 选择尺度，Amount 选择强度，Threshold 选择哪些变化值得增强。理解过冲、噪声和处理顺序以后，白边就不再是偶然副作用，而是可以测量和约束的结果。