銳化處理的主要目的是突出圖像中的細節或者增強被模糊了的細節，這種模糊不是由於錯誤操作，就是特殊圖像獲取方法的固有影響。
在空間域用像素領域平均法可以使圖像模糊，均值處理與積分相類似，而銳化處理可以用空間微分來完成，來增強圖像邊緣和其他突變并削弱灰度變化緩慢區域。
從頻率域來考慮，圖像模糊的實質是因為其高頻分量被衰減，因此可以用高通濾波器來使圖像變得清晰。圖像銳化常採用的有微分運算和頻域高通濾波法，這裡主要針對微分運算法。
能夠進行銳化處理的圖像必須要求有較高的信噪比，否則圖像銳化后，圖像信噪比更低，因為銳化會使噪聲收到比信號還強的增強，必須謹慎處理。一般先去除或減輕干擾噪聲后，才能進行銳化處理。
微分運算法主要有梯度法和拉普拉斯算子。 1.基於一階微分的圖像增強——梯度法
對於圖像 f(x,y)，它的梯度是一個矢量，表示為
這個向量的模值有下式給出：
在實際操作中，常用絕對值代替平方與平方根運算近似梯度的模值：
這個公式計算起來較為簡單並且保持有灰度的相對變化，但各向同性特性通常就不存在了。
對數字圖像而言，用微分運算不方便，一般用查分運算來近似，常用的差分有：
2.基於二階微分的圖像增強——拉普拉斯算子
對一個連續函數 f(x,y),它在位置(x,y)的拉普拉斯值定義如下：
在數字圖像中，計算函數的拉普拉斯值也可借助各種模板實現。常用的兩種如下:
3.圖像銳化算法主要包括三方面內容：
3.1 選取合適的梯度算子（拉普拉斯、羅伯茨、索貝爾）
3.2 根據所選用的梯度算子對圖像各點的灰度值進行計算，得出各像素點的梯度值
3.3 根據各像素點的梯度值選取合適的處理方法（使用梯度替換原灰度還是重新置為其他值）
