版权声明：本文为CSDN博主「bt_」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/botao_li
锐化
锐化即在图像上增强显示图像内容的边缘成分。
根据边缘成分的计算方法，常用的方法有高斯滤波锐化和拉普拉斯滤波锐化。
高斯滤波锐化将原始图像 x 减去高斯滤波（相当于低通滤波）后得到的平滑图像 gaussian(x)，计算得到边缘图像 z：
z=x−gaussian(x)
拉普拉斯滤波锐化直接使用拉普拉斯滤波（相当于高通滤波）得到边缘成分，典型的拉普拉斯滤波系数如下：
锐化图像的计算公式如下：
上式中 a 值为锐化强度，一般选择范围是 0≤a≤1.50\leq a \leq 1.50≤a≤1.5，为防止出现过度锐化，可以将 a 值取为0.5（经验值，根据图像场景调节）。
上式中 T 值为锐化门限，控制算法只对边缘强度大于 T 值的部分进行锐化，对于平滑区域保持不变，像素位宽为 8 的情况下，可以将 T 值取为8（经验值，根据图像场景调节）。
使用灰度图像，以 3×3 的高斯滤波器为例，说明 FPGA 实现方法，典型的高斯滤波系数如下：
系数矩阵中心的 4 对应的是当前像素点的加权值，则 z 值计算对应的二维卷积核：
在计算 z 值时，即可以使用上方公式直接用二维卷积计算，也可以根据其原理先计算 gaussian(x)，再计算 x-gaussian(x)。滤波系数中 2、4 值的乘法可以分别通过低位补 1 位 0 和低位补 2 位 0 的方法实现，第一种方法滤波系数中心的 12，如果不使用乘法器，则需要分解为 ×4\times 4×4和 ×8\times 8×8，再将 2 个积值相加，计算麻烦；先滤波再计算减法的方法则更为简便。
PS：在其它卷积算法中，如果卷积系数比较复杂（不能使用加减或者移位计算），必须使用乘法（甚至除法）的情况下，将卷积计算前后其它的算法合并至卷积系数，用一次卷积完成多个计算步骤，可以减少计算量。
在后续的锐化强度计算中，由于 a=0.5，则 ×a\times a×a 的计算可以用截去低位的办法实现除以 2。
具体的 sysgen 设计如下：
输入图像数据首先进入 3×33\times 33×3二维缓冲：
用移位方法实现卷积系数的乘法计算：
将卷积系数乘法结果相加，并用截去低位的办法实现
。
锐化计算：
上图中红色高亮区域中实现 a×z的计算，但是将 a 值通过低位补 0 的方式设置为 4，用于增强视觉效果。
如果使用前文所述的 a 值为 0.5 的边缘增强系数，则使用如下所示的模块：
锐化门限控制，T 值为 8，由于是有符号整数补码的绝对值比较，因此分别比较 +8与 -8，再用 or 合并比较结果：
高斯滤波后完整的锐化设计：
仿真结果如下。
试验图片来源于：https://unsplash.com/
输入原始图像：
锐化，参数 a=1，T=0：
锐化，参数 a=16，T=0（为加强锐化效果选择该参数）：
最后附上拉普拉斯滤波锐化的输出图像，参数 a=1，T=0，供参考比较：
