上述内容详细地讨论了反对称双正交小波变换所具有的卷积运算性质、微分算子功能及针对图像边缘提取的重构方法。根据以上结论，在反对称双正交小波多尺度重构过程中，可以进行图像的锐化增强，其实现方法的流程如下：

步骤1.图像的塔式小波分解

采用反对称双正交小波，对图像进行J级小波分解，其中J为选定的分解级数，可得到各级小波分解低频分量和三个高频分量。

步骤2.重构过程中的图像增强

从最粗分辨率级（j=-J）的小波分解数据开始，采用本书4.1.2节4中提出的小波重构方法进行逐级重构。

（1）半重构计算模值和相角值

在每一级的重构（以j尺度小波分解数据重构为例）中，首先进行重构过程中的半重构，利用半重构结果，得到各分辨率上的梯度矢量和。按照式（4.64）和式（4.65）计算各级分辨率上的模值（x，y）和相角值（x，y）。

（2）模极大值检测和阈值处理

对（1）得到的模值，沿相角方向求局部模极大值点，得到所有的边缘像素点集合。由于噪声和精细纹理的存在，存在很多潜在的非边缘点，而这些点的模值普遍较小，因此采用阈值法清除模值小于一定阈值的点，减小非边缘像素点对后续步骤的影响。对经过阈值处理的各分辨率级的模值，链接图中模值相近、相角相似的非零边缘像素点，剔除链长小于L_j（j为分解级数）的短链。

（3）半重构边缘点增强(www.daowen.com)

根据（2）检测到的边缘点，得到二值化边缘图像模板，增强与此模板边缘点位置对应的和上相应像素点，即

式中，（x，y）为和上的边缘像素点。拉伸因子k_j在每一固定尺度下为常数，且满足

可以选取一组不同的k_j来增强图像中对应尺度的特征，因为噪声的梯度模在大尺度下变得较小。j大时k_j较大，而j小时k_j为1，这样既达到了增强图像的目的，又可有效地抑制噪声。由于采用了小波域噪声抑制方法，各尺度下k_j可以取相同的值。对J级分辨率上的近似图像作线性拉伸，扩大它的动态范围到显示设备的动态范围。

（4）继续重构

对经过（3）增强后的半重构和f，按照本节4.1.2节4.中的小波重构方法继续重构，于是可得到上一尺度重构分量（LH，HH）和W_2j+1—R（HL，HH），这两个重构分量与直接重构分量和合成为增强的上一级j+1尺度的小波分解低频分量。

步骤3.逐级小波重构

从最粗分辨率级小波分解开始，按照本书4.1.2步骤3中提出的重构算法，逐级实施步骤2中的（1）～（4），直至增强图像。上述步骤1～3的增强过程，特别是步骤2中的（1）～（4）过程，如图4.6所示。