帮我写一段USM锐化的matlab代码

以下是一个简单的USM锐化的Matlab代码：

% 读取图像
img = imread('image.jpg');

% 定义模糊半径和强度
blur_radius = 2;
strength = 0.5;

% 计算模糊图像
blur_img = imgaussfilt(img, blur_radius);

% 计算锐化图像
unsharp_img = img + strength * (img - blur_img);

% 显示原始图像、模糊图像和锐化图像
subplot(1,3,1), imshow(img), title('Original Image');
subplot(1,3,2), imshow(blur_img), title('Blurred Image');
subplot(1,3,3), imshow(unsharp_img), title('Unsharp Masked Image');

其中，`img`为原始图像，`blur_radius`为模糊半径，`strength`为锐化强度。代码先使用`imgaussfilt`函数计算模糊图像，然后使用公式`unsharp_img = img + strength * (img - blur_img)`计算锐化图像。最后使用`subplot`函数将原始图像、模糊图像和锐化图像显示在同一个画布中。

相关问题

usm锐化matlab

USM锐化是一种在图像处理中常用的技术，可以增强图像的锐度和对比度，使图像看起来更清晰和更有立体感。在Matlab中，我们可以使用imsharpen函数来实现USM锐化。

首先，我们需要加载我们想要进行锐化处理的图像。然后，我们可以使用imsharpen函数来对图像进行USM锐化处理。该函数接受两个参数，第一个参数是原始图像，第二个参数是锐化程度。我们可以通过调整锐化程度的大小来控制图像的锐化程度，使其达到我们想要的效果。

在进行USM锐化处理之后，我们可以将处理后的图像显示出来，或者保存到本地文件中。通过调整imsharpen函数的参数，我们可以尝试不同的锐化程度，直到达到理想的效果。

除了imsharpen函数之外，Matlab还提供了其他一些图像处理函数，可以帮助我们实现更复杂的图像处理操作。总之，通过利用Matlab的丰富图像处理函数，我们可以轻松实现USM锐化等各种图像处理操作，从而得到我们想要的图像效果。

opencv usm锐化 c++代码

OpenCV中的USM（Unsharp Masking）是一种用于图像锐化的技术。在C++中，你可以通过`opencv4x42`库来实现。以下是一个简单的示例，展示了如何使用USM模块进行锐化：

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>

int main() {
    // 加载图像
    cv::Mat src = cv::imread("input.jpg", cv::IMREAD_COLOR);
    if (src.empty()) {
        std::cout << "Failed to load image." << std::endl;
        return -1;
    }

    // 定义USM核大小和强度
    int kernelSize = 5; // 可调整
    float sigma = 1.0f; // 确保是正数
    float amount = 1.5f; // 锐化程度

    // 创建模糊和高斯卷积核
    cv::Mat blurKernel = cv::getGaussianKernel(kernelSize, sigma);
    cv::Mat usmKernel = (blurKernel * -amount) + 1.0;

    // 应用USM
    cv::Mat sharpened;
    cv::filter2D(src, sharpened, CV_8UC3, usmKernel);

    // 显示原图和锐化后的结果
    namedWindow("Original Image", WINDOW_NORMAL);
    imshow("Original Image", src);
    namedWindow("Sharpened Image", WINDOW_NORMAL);
    imshow("Sharpened Image", sharpened);

    // 等待用户按键
    waitKey(0);

    return 0;
}

在这个例子中，我们首先加载一张图片，然后定义了USM的核大小、平滑度（sigma）和锐化程度（amount）。接着创建了一个高斯模糊核，并计算出USM核。最后，我们对原始图像应用USM滤波器并显示对比效果。