影像銳化（Image Sharpening）是一種提升影像細節與邊緣對比的技術，
常用於讓圖片看起來更清晰，特別適合在攝影後期或電腦視覺前處理時使用。

📌 銳化的基本原理

銳化的核心是 強化像素與周圍像素的差異，
讓邊緣的變化更明顯，從而突顯細節。
常用的銳化方法有：

1. 卷積核濾波（filter2D）
2. 非銳化遮罩（Unsharp Mask）
3. 邊緣增強 (Laplacian)

🖼 測試圖片準備

準備一張圖片 image.jpg，放在與程式同一資料夾中。

import cv2
import numpy as np

img = cv2.imread("image.jpg")
cv2.imshow("Original", img)

# 放最後面
cv2.waitKey()
cv2.destroyAllWindows()

🔹 1. 卷積核濾波(filter2D)

filter2D() 可用任意自訂卷積核（Kernel）對影像進行濾波運算。 常用的銳化卷積核範例如下：

# 3x3 銳化 kernel：強化中心、抑制周圍
kernel_sharpen = np.array([[0, -1,  0],
                           [-1, 5, -1],
                           [0, -1,  0]], dtype=np.float32)

sharpen_conv = cv2.filter2D(img, ddepth=-1, kernel=kernel_sharpen)
cv2.imshow("Sharpen - filter2D (3x3)", sharpen_conv)

📌 參數說明

cv2.filter2D(src, ddepth, kernel)

• src → 輸入影像
• ddepth → 輸出影像的深度，-1 表示與原圖相同
• kernel → 卷積核（NumPy 2D 陣列）

效果示意：

🔹 2. 非銳化遮罩(Unsharp Mask)

反遮罩的想法是：原圖 − 模糊 = 邊緣；接著把邊緣加回原圖。

blur = cv2.GaussianBlur(img, (0, 0), sigmaX=2)
amount = 1.5
unsharp = cv2.addWeighted(img, 1 + amount, blur, -amount, 0)
cv2.imshow("Unsharp Mask (sigma=2, amount=1.5)", unsharp)
cv2.waitKey()
cv2.destroyAllWindows()

📌 參數說明

cv2.GaussianBlur(src, ksize, sigmaX)

• ksize → 高斯核大小（必須為奇數）
• sigmaX → X 方向的標準差，決定模糊程度

cv2.addWeighted(src1, alpha, src2, beta, gamma)

• src1 → 原圖
• alpha → 原圖權重
• src2 → 第二張影像（模糊圖）
• beta → 第二張影像權重（負數表示減去）
• gamma → 偏移量（通常設 0）

效果示意：

🔹 3. 邊緣增強(Laplacian)

Laplacian 能凸顯影像的二階變化（邊緣/高頻），把邊緣訊號加回原圖即可達到銳化效果。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
lap = cv2.Laplacian(gray, ddepth=cv2.CV_16S, ksize=3)
lap_abs = cv2.convertScaleAbs(lap)
lap_color = cv2.cvtColor(lap_abs, cv2.COLOR_GRAY2BGR)

alpha = 1.0
beta = 0.7
lap_sharp = cv2.addWeighted(img, alpha, lap_color, beta, 0)
cv2.imshow("Laplacian Sharpen", lap_sharp)
cv2.waitKey()
cv2.destroyAllWindows()

📌 參數說明

cv2.Laplacian(src, ddepth, ksize)

• ddepth → 輸出影像深度（cv2.CV_16S 避免溢位）
• ksize → 卷積核大小（奇數）

cv2.convertScaleAbs() → 將影像轉為 8 位元整數 cv2.addWeighted() → 加權疊加

效果示意：

📊 方法比較

🧭 選擇建議 & 小訣竅

• filter2D：簡單直覺、速度快，適合一般用途
• Unsharp Mask：自然、可控性高，適合照片調校
• Laplacian 銳化：邊緣增強強烈，適合技術影像，但要留心雜訊放大

建議先做適度平滑（如 GaussianBlur）以穩定銳化效果。

參數建議：

• Unsharp amount：0.5–2.0
• Gaussian sigmaX：1–3
• Laplacian ksize：1 或 3，beta 不宜過大

📖 今日結語

影像銳化核心在於 強化高頻訊號（邊緣/細節）。 使用卷積核、反遮罩或 Laplacian 都能讓影像更清晰，但需兼顧雜訊與自然度。 多嘗試不同方法與參數，找到最適合你的影像銳化策略。