Edge Sharpening는 객체 경계의 선명도를 향상시키기 위해 이미지 처리에 공통된 기술입니다. Convolution 커널은 이미지의 고주파 구성 요소를 에뮬레이션함으로써이 효과를 달성하는 데 사용됩니다. 이 커널의 Proper 계산 및 최적화는 artifacts를 도입하지 않고 효과적인 날카롭게하는 데 필수적입니다.

Edge Sharpening에 대한 Convolution Kernels 이해

convolution 커널은 이미지의 각 픽셀에 적용된 매트릭스로 이웃 픽셀에 따라 가치를 수정합니다. 가장자리 날카롭게 하기를 위해, 커널은 일반적으로 인접한 픽셀 사이의 차이를 강조하고, 가장자리와 세부 사항을 강조합니다.

수로 모수를 계산

선명한 커널의 매개 변수는 매트릭스의 크기와 그 안에 값이 포함되어 있습니다. Laplacian 또는 unsharp 가면과 같은 일반적인 커널은 가장자리를 강화하기 위해 특정 값으로 설계되었습니다. 이 계산은 오버 - sharpening 또는 소음 증폭을 방지하기 위해 커널의 강도를 균형을 잡는 것을 포함합니다.

최고의 결과에 대한 Kernel 최적화

최적화는 특정 이미지와 원하는 날카로움 수준을 적응시키는 커널 매개 변수를 조정합니다. 기술에는 정상적인화를 적용하고, 시각적으로 또는 가장자리 대비와 같은 메트릭을 통해 출력을 증발시키는 다른 커널 값을 테스트합니다. Fine-tuning은 원치 않는 artifacts를 도입하지 않고 선명도를 보장합니다.

  • Laplacian 또는 unsharp 가면과 같은 표준 커널로 시작하십시오.
  • 커널 값이 증가합니다.
  • 이미지 밝기를 유지하기 위해 커널을 정상화합니다.
  • 다양한 이미지에서 강력한 성능을 보장합니다.
  • 평가를 위한 시각 검사 또는 quantitative 미터를 사용하십시오.