本篇将介绍图像增强范畴中的图像锐化部分，以经典的LAPLACE锐化和Photoshop USM锐化为例，通过C语言编程实现，教会大家这两种锐化算法，增强大家对图像锐化的理解以及对图像增强范畴的认知。
[定义与算法]
图像锐化(image sharpening)属于图像增强的范畴。如果把图像信息划分为高频和低频两类，高频表示细节，低频表示图像大概的整体轮廓信息，那么，图像锐化就是保留和增强图像的高频信息也就是细节，让图像的边缘或者灰度调变的部分变得清晰。图像锐化包括为空间域锐化和频域锐化。在空间域锐化中，拉普拉斯锐化和USM锐化是两种非常经典和常用的锐化方法，本文将以这两种锐化方法为例，进行详细讲解。
拉普拉斯锐化(Laplace sharpen)是一种二阶微分锐化算法，前面章节中我们知道一阶微分和二阶微分都可以检测边缘，而二阶微分算子中的代表就是拉普拉斯算子，它出了可以检测边缘是否存在之外，还可以确定边缘的位置。
拉普拉斯锐化常用4邻域和8邻域两种模板，也成为锐化模板算子，分别如下：
假设当前像素点为(x,y)，像素值为f(x,y)，则四邻域模板算子表述为：
来源：oschina
链接：https://my.oschina.net/u/4322037/blog/4271704