089、锐化与边缘增强：非锐化掩模、自适应锐化与过冲抑制的实战经验

089、锐化与边缘增强：非锐化掩模、自适应锐化与过冲抑制的实战经验

去年夏天，我接到一个车载环视项目的紧急支援。客户反馈夜间倒车时，后视摄像头画面在路灯边缘出现一圈刺眼的白边，像给灯柱套了个“光环”。更诡异的是，白边会随着车辆移动而闪烁，导致驾驶员误判距离。我第一反应是ISP的锐化模块出了问题——打开调试日志一看，锐化强度已经压到了最低档，但过冲依然存在。这就是典型的“锐化过冲”现象，在低照度、高对比度场景下尤其明显。

非锐化掩模：看似简单，实则暗坑无数

非锐化掩模（Unsharp Masking，USM）是所有锐化算法的老祖宗。它的原理很直白：原图减去高斯模糊后的低频图，得到高频细节，再按比例加回原图。公式写出来就一行：output = original + amount * (original - blurred)。但实际落地时，坑全藏在参数里。

第一个坑是高斯模糊半径的选择。半径太小，提取的高频包含大量噪声，锐化后画面像撒了盐；半径太大，边缘被过度平滑，锐化效果消失。我习惯的做法是：先根据图像分辨率估算一个基础半径。1080P图像，半径取1.5到2.0像素；4K图像，半径取2.5到3.5像素。但这只是起点，最终值必须结合模组的MTF曲线来调。如果镜头本身在奈奎斯特频率附近已经衰减严重，再加大半径只会放大振铃。

第二个坑是增益系数amount的线性问题。很多工程师喜欢把amount设成一个固定值，比如1.5。但实际场景中，暗部区域的噪声水平远高于亮部，同样的增益系数在暗部会放大噪声，在亮部却可能不够。我在一个安防项目中吃过这个亏：夜晚监