图像锐化主要影响图像中的低频分量，不影响图像中的高频分量。
图像锐化的主要目的有两个：
1.增强图像边缘，使模糊的图像变得更加清晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像；
2.希望通过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等，进一步的图像理解与分析奠定基础。
图像锐化一般有两种方法：
1.微分法
2.高通滤波法
这里主要介绍一下两种常用的微分锐化方法：梯度锐化和拉普拉斯锐化。
注意：由于锐化使噪声受到比信号还要强的增强，所以要求锐化处理的图像有较高的信噪比；否则，锐化后的图像的信噪比更低。
1.梯度锐化
基本理论
邻域平均法或加权平均法可以平滑图像，反过来利用对应的微分算法可以锐化图像。微分算法是求信号的变化率，有加强高频分量胡作用，从而使图像轮廓清晰。
由于图像模糊胡实质是图像受到平均或积分运算造成的，所以为了把图像中任何方向伸展的边缘肯模糊的轮廓变得清晰，可以对图像进行逆运算如微分运算，从而使图像清晰化。
在图像处理中，一阶微分是通过梯度算法来实现的，对于一幅图像用函数f(x,y)表示，定义在f(x,y)在点(x,y)处的梯度是一个矢量，定义为：
梯度的方向在函数f(x,y)最大变化率的方向上，梯度的幅度G[f(x,y)]可以由以下公式算出：
由上式可知：梯度的数值就是f(x,y)在其最大变化率方向上的单位距离所增加的量。
对于数字图像而言，微分可用差分来近似。因此上式可以写成：
为了便于编程和提高运算速度，在计算精度允许的情况下，可采用绝对差算法近似为：
