巢湖学院电子工程学院 常柏烽 陈初侠 查俊莹 陈 阳 钟 声 许 锐

在人们的日常生活中，图像已经成为人们传递信息的主要媒介，统计结果表明，在人类接受的各种信息中，视觉信息占据了80%，可以说图像已成为我们日常交往不可或缺的重要部分。但现实中图像的质量往往参差不齐，为了更好地传递信息，我们就需要对图像进行改善，改善图像质量最常用的方法就是对图像进行增强。反锐化掩模（Unsharp masking，UM）是常见的图像增强方法之一，它可以有效增强图像的边缘和细节，使图像的轮廓更清晰，它主要分为线性反锐化掩模（Linear unsharp masking，LUM）和非线性反锐化掩模（Nonlinear unsharp masking，NUM）两大类。

1 线性反锐化掩模算法

LUM图像增强算法流程如图1所示，主要有四个步骤。首先，对原始图像进行低通滤波（例如均值滤波），得到一个钝化模糊的图像；其次，用原始图像减去这一钝化模糊图像，得到原始图像的高频部分，即图像的边缘和细节部分；然后，对原始图像的高频部分进行放大，这里采用一个增益系数k（为常数）乘以图像高频部分获得；最后，把原始图像和放大后的高频部分图像进行叠加，就可以得到一个边缘和细节被增强了的图像，达到图像增强的目的。

图1 线性反锐化掩模图像增强算法流程

LUM图像增强算法可用下列函数式来表达：

式(1)中，f(x,y)为原始图像，fmean(x,y)为钝化模糊图像，k为增益系数，g(x,y)为增强后图像，f(x,y)-fmean(x,y)为原始图像的高频部分。其中钝化模糊图像通常采用均值滤波器来实现，公式表达如下：

式(2)中，m×n为均值滤波器模板的大小，f(i,j)为模板中图像像素灰度值，通常选择3×3或5×5的模板。……