还是看图直观啊，支持理性讨论的技术贴。

这波大货就一撒泼无赖

配图看起来很直观

这几天在坛子里跟人斗嘴，没什么技术含量，主题是围绕视觉锐度Perceived Sharpness，这个概念本身还是比较重要的，可以说是数字图像处理中的基础概念，还是有必要加以说明。

在※※※※※※※※※※※※※上有一篇文章，简单介绍了视觉锐度的概念和基本计算方法。连接是http://en.※※※※※※※※※.org/wiki/Acutance#Sharpness。

视觉锐度这个词描述的是人对看到的图像锐利程度的感觉，经过大量的实验和研究分析，公认的概念是，视觉锐度由分辨率和物体边缘轮廓反差两个因素组成。

在※※※※※※※※※的文章里，对视觉锐度的基本计算方法作了介绍：Properly, perceived sharpness is the steepness of transitions (slope), which is change in output value divided by change in position – hence it is maximized for large changes in output value (as in sharpening filters) and small changes in position (high resolution).

严格地说，视觉锐度是过渡的陡度（斜率），等于输出亮度的变化除以位置的变化----因此，它的最大化发生在小的区域中（高分辨率）获得大的输出亮度变化（例如锐化滤镜的效果）时。

那么，这几句话应该如何理解呢？下面的例图可以给以直观的印象。这个图是对图像进行SFR（Spatial Frequency Response空间频率响应）分析时的例子。它以数学的方式描述了图像中，一个黑色区域到白色区域过渡的渐变的过程。例图中的数据说明，这个过渡过程，经过1.67个像素的宽度，从左边的黑色区域亮度10%增加到90%，最终过渡为右边的白色区域。

通过这个图，※※※※※※※※※上视觉锐度基本计算方法就很容易理解了：

视觉锐度是过渡的陡度（斜率）

也就是例图中间的上升曲线的斜率，这个曲线越陡，说明图像中的锐利程度越高。

等于输出亮度的变化除以位置的变化

这就是最基本的视觉锐度计算方法，

视觉锐度=过渡区域两侧的亮度变化（也就是白-黑）/过渡区域的位置变化（也就是过渡区域的宽度）

在例图中的这个过渡区域，亮度从左边10%亮度的黑色，过渡到右边90%亮度的白色，用了1.67个像素的宽度，那么这个曲线的平均斜率，也就是视觉锐度就是：

(0.9-0.1)/1.67（可以有不同的单位换算）。

因此，它的最大化发生在小的区域中（高分辨率）获得大的输出亮度变化（例如锐化滤镜的效果）时

很显然，这是从前面所说的基本计算方法得到的，分辨率越高，也就是过渡区域的宽度越小，分母就越小，两侧的亮度变化越大，也就是分子越大，高分辨率同时有高的反差，那么这个分数的值就会达到最大。

当然，这里所说，只是一个单纯的局部，在实际的应用中，还有一套复杂的方法将这个概念使用到全画面以及实际场景的分析计算中，在此就不详述了。

希望以上介绍能帮助搞清楚视觉锐度的基本概念。

以下内容由 spot 于 2012-6-6 22:17 补充
下图的例子，形象说明了视觉锐度sharpness跟分辨率resolution和物体边缘轮廓反差acutance的关系。可以直观看到，在高分辨率图像里获得高的反差，可以让视觉锐度最大化。