rgb和hsv彩色系统下的图像锐化，用opencv写一下python代码

以下是基于OpenCV的Python代码，实现了RGB和HSV彩色系统下的图像锐化：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# RGB彩色系统下的图像锐化
kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])
sharp_img = cv2.filter2D(img, -1, kernel)

# HSV彩色系统下的图像锐化
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
h, s, v = cv2.split(hsv)
kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])
v_sharp = cv2.filter2D(v, -1, kernel)
hsv_sharp = cv2.merge([h, s, v_sharp])
sharp_img = cv2.cvtColor(hsv_sharp, cv2.COLOR_HSV2BGR)

# 显示图像
cv2.imshow('Original Image', img)
cv2.imshow('Sharp Image (RGB)', sharp_img)
cv2.imshow('Sharp Image (HSV)', sharp_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们首先读取了一张图像，然后分别使用了RGB和HSV彩色系统下的锐化算法。对于RGB彩色系统，我们使用了一个3x3的卷积核进行卷积操作。对于HSV彩色系统，我们将图像转换到HSV空间，然后只对亮度通道进行卷积操作，并将结果合并回原始图像中。最后，我们将原始图像和两种锐化后的图像都显示出来。

需要注意的是，这只是一个简单的例子，实际上图像锐化还有很多不同的方法和技术，需要根据具体的应用场景选择合适的算法。