119、锐化与边缘增强：非锐化掩模、自适应增益与振铃伪影的抑制策略

119、锐化与边缘增强：非锐化掩模、自适应增益与振铃伪影的抑制策略从一次车载夜视调试说起去年做某个车载夜视项目，客户反馈在隧道出口处画面“发毛”——边缘像长了刺，车牌号码周围一圈白边，夜间路灯杆旁边更是惨不忍睹。我第一反应是锐化开大了，但翻看ISP参数，锐化强度明明只有0.3（满量程1.0）。后来抓了raw图分析，发现问题是出在非锐化掩模（USM）的阈值设置上——低对比度区域的噪声被当成了边缘，增益一拉，噪声变成了“伪边缘”，再叠加ISP的gamma曲线，振铃就炸了。这个坑让我意识到，锐化不是简单的“拉高细节”，而是一场与噪声和伪影的博弈。今天这篇笔记，就聊聊非锐化掩模、自适应增益，以及怎么把振铃伪影按在地上摩擦。非锐化掩模：经典但容易翻车非锐化掩模的原理很简单：原图减去模糊图得到高频分量，再把高频分量乘个增益加回去。公式写出来就一行：sharpened = original + gain * (original - blurred)但实际落地时，三个参数就能让你调到头秃：模糊半径、增益系数、阈值。模糊半径决定了“边缘”的尺度。半径太小，只增强像素级噪声；半径太大，边缘会变“脏”，像油画笔触。我习惯的做法是：先根据sensor的像素尺寸和镜头MTF曲线算一个基础半径。比如2um像素的sensor，配合普通手机镜头，半径取1.5到2.0个像素就够了。车载镜头因为景深大、边缘衰减快，半径可以放到3.0到4.0。增益系数是双刃剑。