Erdas教案6图像增强处理[1]PPT课件
合集下载
最新医学影像图像增强处理精品课件
❖ 由于实现上用微分值代替原图的灰度值， 故最后的新图像灰度范围变小，边缘处亮， 非边缘处暗，丢失原图灰度信息
Sobel算子：系数大，故边缘亮 Prewitt算子：边缘较暗
二阶微分算法的基本原理
2 f 2 f 2 f x2 y2
2f x2
[fx(i,j)fx(i1,j)]
[ f ( i , j ) f ( i 1 , j ) [ ] f ( i 1 , j ) f ( i , j )
一阶水平方向锐化效果
一阶垂直方向锐化效果
Roberts梯度锐化效果 (与Roberts模板卷积)
Prewitt梯度锐化效果 (与Prewitt模板卷积)
❖ 用梯度算子锐化图像的过程
扩展原图（周围加边） 定义模板（水平＋垂直）
对每个像素进行模板卷积，得到每个像素点的 Gx与Gy
G=sqrt(Gx*Gx+Gy*Gy)或者G=|Gx|+|Gy| G为处理后每个像素点的新灰度
❖ 分类
灰度线性变换
❖全局线性 ❖分段线性
灰度非线性变换
❖对数变换 ❖指数变换
❖ 线性变换
假设：原始图像为f ( i , j) ，灰度范围：[ a , b]，变换后图像： g ( i , j) ，灰度范围：[ c , d]，线性变换中，存在以下关系：
g(i,cj )dc(f(i,aj) 另一种情况，图像中大部b分a像素的灰度级在[a, b]范围内，
二阶微分滤波器－拉普拉斯算子
不同的算子有不同的模板，实现不同的一阶微分效果
图像中梯度的定义
❖ 考虑一个3×3 的图像区域，z 代表灰度级，上式在点z5 的∇f 值可用数字方式近似
❖
水平方向上的梯度
Gx
最新数字图像处理图像增强ppt课件
4.2.1 灰度级变换的应用
第 四
3.灰度级变换的应用之三
章
灰度级切片
图
像 255
255
增
强 176
214
0
48 134
255
0 48 142 255
4.2.2 获取变换函数的方法
第 四
1.获取变换函数的方法之一
章
固定函数：指数函数、正弦函数、分段直线、
图
对数函数，如显示傅立叶的s=c log(1+|r|)
四
设有1个整数函数I(l),l=0,1, … ,N-1,满足0 ≤I(0) ≤ … ≤I(l)
章 ≤ … ≤I(N-1) ≤M-1 。现要确定能使下式达到最小的I(l)
图
像 增
I(l)
l
ps si pu u j
l 0,1,, N 1
强
i0
j0
如果l=0, 则将其i从0到I(0)的si对应到u0去，如果l≥1, 则将其 i从I(l-1)+1到I(l)的si都对应到ul去。
章
01234567
图
(a) 原始图像直方图
像
0.3
增 强
0.25
0.24
0.2
0.19
0.21
0.11
0.1
0 01234567
(c) 均衡化后的直方图
4.3.1 直方图均衡化
第 小结： 四 章 1) 灰度变换关系
图
灰度变换关系式，通过公式
像
增 强
tk EH sk
k i0
ni n
k i0
0→1
1→3 790
2→5
3,4→ 6 1023
5,6,7 →7 850 985 448
图像增强(1)ppt课件
对比度太差
2、图像降质——噪声
原始图像 Density＝ 0.2 Salt&Pepp er盐和胡椒 噪声
Mean=0.0 1, Var=0.02 高斯噪声
Var＝0.01 Speckle斑 点噪声
一、图像增强概述
3、图像增强的定义
图像增强技术：不考虑图像降质的原因，只将
图像中感兴趣的部分加以处理或突出有用的图 像特征，故改善后的图像并不一定要去逼近原 图像。图像增强的目的是提高可懂度。
g(x, y)
M
g
压缩 拉伸
d
c 仔细调整折线拐点的位置及控制分段直线的斜率，可以对 f (x, y) a b M 图像的任一灰度区间进行拉伸或压缩 。
f
分段线性变换
若大部分像素的灰阶分布在[a, b]之间 ，小部分灰 度级超出了此区域，为了改善增强效果，可以用如下所 示的变换关系：
c d c g ( x ,y ) ( f( x ,y ) a ) c b a d
对于一幅输入图像，经过点运算将产生一幅输
出图像。
输出图像上每个像素的灰度值仅由相应输入像素 的灰度值决定，而与像素点所在的位置无关。
典型的点运算：
对比度增强、对比度拉伸或灰度变换。
（一）灰度级校正
在成像过程中，如光照的强弱、感光部件的
灵敏度、光学系统引起图像亮度分布的不均匀。
标定系统失真系数的方法： 采用一幅灰度级为常数C的图像成像，若 经成像系统的实际输出为 gc (i, j) ，则有
g ( i ,j ) e ( i ,j ) C c
（一）灰度级校正
可得比例因子： 1 e ij , gijC , c 可得实际图像g(i,j)经校正后所恢复的原始图像
图像的增强 图象处理及应用 教学课件
i M 1 j N 1
f (x, y) 1
2
2
f (x i, y i)
MN I M 1 j N 1
2
2
图象处理及应用
如果图象中的噪声是随机不相关的加性噪声，窗口内各点 的噪声是独立等分布的，则经过上面的平滑后，信噪比可 提高倍。图象的平滑这种做法实现的是一种简单的低通滤 波器（low pass filter）。它可以有效地减弱或去除傅里叶 空间的高频分量，保留低频的有效信号。使图象中灰度值 突变的边缘得以平滑，图象将变得柔和一些（也模糊一 些）。 使用滤波器对图象进行处理中最有意义的操作是利用模板 对图象进行卷积处理，所谓的模板就是形如下式所示线性 距阵：
图象处理及应用
中值滤波：
中值滤波也是一种典型的低通滤波器，它的目的是在保护 图象边缘的同时去除噪声。所谓中值滤波，就是指把以某 点(x,y)为中心的小窗口内的所有象素的灰度按从大到小的 顺序排列，将中间值作为(x,y)处的灰度值(若窗口中有偶数 个象素，则取两个中间值的平均)。这种平滑方法对脉冲 干扰和椒盐噪声效果较好。 中值滤波与邻域平均法就处理效果相比较而言，应用邻域 平滑模板，图象平滑了，但是也使边界模糊了。而中值滤 波不仅能很容易去除孤立点、线等形式的噪声和去除二值 噪声并且可以很好地保持原有的图象边缘；Gauss模板对 付高斯噪声非常有效，而中值滤波对于高斯噪声则无能为 力。但要注意的是，当窗口内噪声点的个数大于窗口宽度 的一半时，中值滤波的效果不好。这是很显然的。
LPBITMAPINFO lpbmi;
lpbmi = (LPBITMAPINFO)lpDIB;
LPBITMAPINFOHEADER pbi=(LPBITMAPINFOHEADER)lpbmi;
图像增强技术-PPT文档资料
设有一幅N×N的图像f(x,y)，若平滑图像为 g(x,y),则有
g(x,y)1 f(i,j)
M i,j s
(4.21)
式中x,y=0,1,…,N-1； s为（x,y）邻域内像素坐标的集合； M表示集合s内像素的总数。 可见邻域平均法就是将当前像素邻域内各像 素的灰度平均值作为其输出值的去噪方法。
通过细心调整折线拐点的位置及控制分段直 线的斜率，可对任一灰度区间进行拉伸或压缩。
获取变换函数的方法之一
固定函数：指数函数、正弦函数、分段直线、
对数函数，如显示傅立叶的s =clog(1+|r|)
255
255
216
142
23
0
0
灰度切割
❖ 应用：
增强特征（卫星图象中大量的水） 增强X射线图象中的缺陷
乘以系数255/max;
加法运用的例子：图象平均处理
空间滤波基础
在待处理的图象中逐点移动模板 R=w(-1,-1)f(x-1,y-1)+
w(-1,0)f(x-1,y)+ w(-1,1)f(x-1,y+1)+ w(0,-1)f(x,y-1)+ w(0,0)f(x,y)+ w(0,1)f(x,y+1)+ w(1,-1)f(x+1,y-1)+ w(1,0)f(x+1,y)+ w(1,1)f(x+1,y+1)
图象反转
适用于增强嵌入于图象暗色区域的白色或者灰 色细节，特别是黑色面积占主导地位的时候
对数变换
❖ s = c log(1+r) ❖ 压缩图象灰度的动态范围 ❖ 典型运用是傅立叶谱的显示
❖ 大于1 ❖ 小于1 ❖ 等于1
第4章图像增强1灰度变换PPT课件
pr(rk)n n k
k0,1,2, ,L1
式中： n是一幅图像的像素总数； L是灰度级的总数目； rk表示第k个灰度 级； nk为第k级灰度的像素数； pr(rk)表示该灰度级出现的频率，是对其出 现概率的估计。在直角坐标系中做出rk与pr(rk)的关系图形，称为该图像的
直方图。其横坐标表示灰度级，纵坐标表示该灰度级出现的次数或频率。对
连续图像，直方图的纵坐标表示灰度级出现的概率密度。
7
直方图
1 2 34 5 6 6 4 32 2 1 1 6 64 6 6 3 4 56 6 6 1 4 66 2 3 1 3 64 6 6
1 2 34 5 6 5 4 5 6 2 14
图像灰度直方图
8
直方图
直方图的性质： (1) 直方图是一幅图像中各灰度级出现频数的统计
作。
4
空域处理表示
如果用s 和t 分别代表 f 和 g 在(x,y)处的灰
度值，则空间域处理就表示为： t T(s)
下图是增强对比度的T操作：
5
空域点处理增强
灰度变换方法
直接灰度变换法 直方图修正法
线性变换 分段线性 非线性变换 直方图均衡化 直方图规定化
6
直方图
直方图
直方图是灰度级的函数，它反映了图像中每一灰度级出现的次数(该 灰度级的像素数)或频率(该灰度级像素数与图像总像素数之比)。对数字 图像，直方图可表示为
t3 6 n t3 98p t 5 ( s t3 ) 0 .24 t4 7 n t4 44p t 8 ( s t4 ) 0 .11
50
直方图规定化
例
（2）对规定直方图像操作：
v 0 0 .0 T 0 u ( u 0 ) v 1 0 .0 T 0 u ( u 1 ) 0
ERDAS入门基础教程PPT学习课件
2020/2/27
28
ERDAS IMAGINE
2020/2/27
5
ERDAS IMAGINE
ERDAS主窗口菜单选项功能
2020/2/27
6
ERDAS IMAGINE
ERDAS主窗口菜单选项功能
2020/2/27
7
ERDAS IMAGINE
ERDAS主窗口菜单选项功能
2020/2/27
8
ERDAS IMAGINE
ERDAS主窗口菜单选项功能
2020/2/27
9
ERDAS IMAGINE
ERDAS主窗口菜单选项功能
2020/2/27
10
ERDAS IMAGINE
Viewer菜单选项功能
2020/2/27
11
ERDAS IMAGINE
VieweMAGINE
Viewer菜单选项功能
2020/2/27
移到最下层 只上移一层
垂直移动到上下要素半距处 水平移动到左右要素半距处
绕要素水平中线轴垂直翻转 绕要素垂直中线轴水平翻转
使用一个新的设置 使用当前的设置
16
ERDAS IMAGINE
数据预处理（Dats Dataprep）
2020/2/27
高级图像镶嵌 图像镶嵌工具 图像镶嵌工程参数设 置 建立图像镶嵌工程向 导
立体分析模块，提供针对三维要素进行采集、编辑及显示的模块
3
ERDAS IMAGINE
图标面板功能简介
自动化影像校正模块，该模块提供工作站及向导驱动的工作流程机 制，可实现影像的自动校正 启动智能变化检测模块
启动面向对象信息提取模块
2020/2/27
4
图像增强ppt课件
编辑课件
38
均值降噪
编辑课件
39
补充1 图像的γ校正
• 我们知道，数字图像信息的获取通常都
是通过光电传感器(如：CCD)来完成的。 但是，由于传感器的输入输出特性不是 线性的。所以，如果不进行校正处理的 话，将无法得到好的图像效果。
（同理，加洗照片不对颜色进行校正配准，所以效果 都会略差一些）
编辑课件
一维窗口
编辑课件
28
除上述窗口外，常用的窗口还有方形、 十字形、圆形和环形等等，如下图所示。
图 中值滤波的常用窗口
编辑课件
29
中值滤波是一种非线性运算。它对于 消除孤立点和线段的干扰十分有用。特别是 对于二进噪声尤为有效，对于消除高斯噪声 的影响效果不佳。对于一些细节较多的复杂 图像，还可以多次使用不同的中值滤波，然 后通过适当的方式综合所得的结果作为输出， 这样可以获得更好的平滑和保护边缘的效果。
2）典型低通滤波器
理想的低通滤波器 梯形滤波器 指数滤波器
巴特沃兹滤波器
振铃程度 图像模糊 噪声平 程度 滑效果
严重
严重
最好
较轻
轻
好
无
较轻
一般
无
很轻
一般
编辑课件
17
图6.21 指纹图像的频率域增强
（a）指纹原图
（b）频率域增强后的指纹图像
编辑课件
18
频率域图像增强
编辑课件
19
理想低通滤波器举例
原始信息
• 校正后的误差为计算误差，是不得已的，可忽略的误差
编辑课件
47
• 值得注意的是：所得到的 γ 值不一定 准确，那么我们来看一下， γ 值不准确 时，进行校正后的图像效果。
Erdas教案6-图像增强处理
• 灰度级变换的应用（1）
–对比度拉伸——提高、降低对比度
255 部分 提高 255
142
降低
0
48
218 255
0
128
255
• 灰度级变换的应用（1）
–提高对比度
• 通常通过直方图得到两个拐点的位置
–降低对比度
• 降低对比度一般用于输出设备的灰度级小于输 入图像的灰度级的情况，如在8位的计算机屏幕 上显示16位的卫星影像时。
3.1主成份变换
将具有相关性的多波段数据压缩到完全独立的较 少的几个波段上，是图像数据更易于解译
遥感图像多光谱变换(Ⅰ)——主成分分析(K—L变换)
3.选择卷积算子
实验影像：lanier.img
4.OK
自适应滤波(Adaptive Filter) 点击Interpreter \ Spatial Enhancement，Adaptive Filter， 打开Wailis Adaptive Filter对话框。
自适应滤波是应 用Wallis Adapter Filter方法对图像的 感兴趣区域(AOI)进行 对比度拉伸处理，从 而达到图像增强的目 的。操作过程比较简 单，关键是移动窗口 范围(Moving Window Size)和乘积倍数大小 (Multiplier)的定义。
1.1卷积增强处理
1.确定输入文件
2.确定输出文件
3.选择卷积算子
4.选择研究区 （可选）
5.OK
实验影像：lanier.img
1.1卷积增强处理
1.2非定向边缘增强
应用两个比较通用的滤波器（Sobel, Prewitt），首先通过两个正交卷积算子分别 对图像进行边缘检测，然后将两个正交结果进 行平均化处理。
第4章-图像增强PPT课件
将[2,7]转换到[0,9] g(i,j)=9/5*f(i,j)-18/5
09 060
02 999
00 292
27 074
79 005
0C=926.028975 0
线性动态范围调整效果
2021
25
二、非线性动态范围调整
• 提出非线性动态范围调整， 是因为线性动态范围调整 的分段线性影射不够光滑。
第4章
图像增强
问题的引入
• 看两个图例，分析画面效果不好的原因。
亮暗差别不是很大
2021
2
解决问题的思路
• 提高对比度，增加清晰度
2021
3
4.1 对比度
对比度的概念：
• 对比度：通俗地讲，就是亮暗的对 比程度。
• 对比度通常表现了图像画质的清晰
程度。
2021
4
对比度的计算
• 对比度的计算公式如下：
像处理的一种手段。
• 所谓灰度变换，就是通过一个灰度映射 函数：Gnew=F(Gold)，将原灰度直方图改 造成你所希望的直方图。所以，灰度变
换的关键就是灰度映射函数F。
2021
9
•图像灰度变换主要包括： 1.线性对比度展宽 2.动态范围调整 3.直方图均衡化处理 4.伪彩色技术 5.图像反色
2021
( 1 2 3 2 3 2 ) ( 3 2 6 2 5 2 2 2 ) ( 6 2 6 2 3 2 2 2 ) ( 6 2 1 2 6 2 )
( 3 2 2 2 ) ( 2 2 6 2 2 2 ) ( 6 2 2 2 2 2 ) ( 2 2 6 2 ) ] / 4 8
– 直方图均衡化（平滑化）是一种最常用的直方图修正， 它是把给定图像的直方图分布改造成均匀直方图分布。 直方图均衡化导致图像的对比度增加。
图像增强ppt课件
29
5.2 像的空域平滑
一、图像平滑概念
为了抑制噪声改善图像质量所进行的处理称图像 平滑或去噪。
可在空间域和频率域中进行。 目的：
模糊：提取大目标前去除太小的细节 消除噪声
30
邻域运算：
表达式：
g(i, j) (N ( f (i, j))) N 31
(a) 图像一
(b) 3×3模
r5=5/7 245
0.06
0.95 1
r6=6/7 122
0.03
0.98 1
r7=1
81
0.02
1.00 1
s4=1
448 0.11
思考：若在原图像一行上连续8个像素的灰度值分别为：0、1、 2、3、4、5、6、7，则均衡化后，他们的灰度值为多少？ 19
原图像的直方图
均衡后图像的直方图
直方图均衡化后的图像每个灰度级的像元频率，理 论上应相等，直方图形态应为理想的直线。实际上均衡 化后的直方图呈现参差不齐的外形，这是由于图像是离 散函数，各灰度级可能的像元个数有限造成的。
内
空间域点局邻运部 域算 运算算直图 图方像 像图锐 平修化 滑正法规 均定 衡化 化
容
图像增强频率域高低低通通通滤滤滤波波波
同高态通滤滤波波增强
假彩色增强
彩色增强伪彩色增强
彩色变换增强
图像的代数运算
2.分段线性变换
为了突出感兴趣目标所在的 灰度区间，相对抑制那些不 感兴趣的灰度区间，可采用 分段线性变换。
设原图像f(x,y)在[0，Mf], 感兴趣目标的灰度范围在
[a,b],欲使其灰度范围拉伸
到[c,d],对应分段线性变换
表达式：
5.2 像的空域平滑
一、图像平滑概念
为了抑制噪声改善图像质量所进行的处理称图像 平滑或去噪。
可在空间域和频率域中进行。 目的：
模糊：提取大目标前去除太小的细节 消除噪声
30
邻域运算：
表达式：
g(i, j) (N ( f (i, j))) N 31
(a) 图像一
(b) 3×3模
r5=5/7 245
0.06
0.95 1
r6=6/7 122
0.03
0.98 1
r7=1
81
0.02
1.00 1
s4=1
448 0.11
思考：若在原图像一行上连续8个像素的灰度值分别为：0、1、 2、3、4、5、6、7，则均衡化后，他们的灰度值为多少？ 19
原图像的直方图
均衡后图像的直方图
直方图均衡化后的图像每个灰度级的像元频率，理 论上应相等，直方图形态应为理想的直线。实际上均衡 化后的直方图呈现参差不齐的外形，这是由于图像是离 散函数，各灰度级可能的像元个数有限造成的。
内
空间域点局邻运部 域算 运算算直图 图方像 像图锐 平修化 滑正法规 均定 衡化 化
容
图像增强频率域高低低通通通滤滤滤波波波
同高态通滤滤波波增强
假彩色增强
彩色增强伪彩色增强
彩色变换增强
图像的代数运算
2.分段线性变换
为了突出感兴趣目标所在的 灰度区间，相对抑制那些不 感兴趣的灰度区间，可采用 分段线性变换。
设原图像f(x,y)在[0，Mf], 感兴趣目标的灰度范围在
[a,b],欲使其灰度范围拉伸
到[c,d],对应分段线性变换
表达式：
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
12
2.1直方图均衡化
对图像进行非线性拉伸，重新分配图像像元值， 是一定灰度范围内像元的数量大致相等
13
2.1直方图均衡化
1.确定输入文件 2.确定输出文件
3.ok
实验影像：lanier.img
14
浏览Equalization空间模型
2.2亮度反转处理
对图像亮度范围进行线性或非线性取反，产 生一幅与输入图像亮度相反的图像。
•Homomorphic Filter(同态滤波)
22
4.1低通滤波
4.1.1 傅立叶变换
实验影像：tm_1.img
23
4.1低通滤波
4.1.2滤波器编辑
24
打开刚才经过傅立叶变 换后保存的文件
25
打开滤波器
选择低通滤波（Low Pass） 圆形滤波半径为80
将 滤 波 结 果 保 存
26
20
3.2指数计算
计算某影像的NDVI值
实验影像：la21nier.img
1.确定输入文件 2.确定输出文件
3.根据影像选择 其相应的传感器 4.选择计算的指数
5.OK
4.傅立叶变换
傅立叶变换是首先把遥感图像从空间域转换到频率域，然后在频 率域上对图像进行滤波处理，减少或消除周围噪声，再把图像从频率 域上转换到空间域，达到图像增强的目的。
实验影像：11lanier.img
1.确定输入文件 2.确定输出文件 3.选择卷积算子
4.OK
2.图像辐射增强
对单个像元的灰度值进行变换达到图像增强的目的。
LUT Stretch(查找表查询) Histogram Equalization(直方图均衡化) Histogram Match(直方图匹配) Brightness Inverse(亮度反转) Haze Reduction(去霾处理) Noise Reduction(降噪处理) Destripe TM Data(去条带处理)
4.1低通滤波
4.1.3傅立叶逆变换
打开刚刚经过滤波器编辑后保存的文 件； 选择要输出的文件； 进行傅立叶逆变换，有频率域转成空 间域。
27
写在最后
经常不断地学习,你就什么都知道。你知道得越多,你就越有力量 Study Constantly, And You Will Know Everything. The More
17
3.1主成份变换
将具有相关性的多波段数据压缩到完全独立的较 少的几个波段上，是图像数据更易于解译
18
3.1主成份分析
1.确定输入文件 2.确定输出文件
特征逆矩变阵换输必出须设输置出（1）9如需
3.输入需要的主 成份数量
4.OK
运行日志输出设置
实验影像：lanier.img
3.2指数计算
将遥感图像中不同波段的灰度值进行各种混合运算， 计算反应矿物或植被的常用比率和指数
•Fourier Transform(傅立叶变换)
•Fourier Transform Editor(傅立叶变换编辑)
•Inverse Fourier Transform(傅立叶逆变换)
•Fourier Magnitude(傅立叶显示变换)
•Periodic Noise Removal(周围噪声去除)
15
2.2亮度反转处理
1.确定输入文件 2.确定输出文件
实验影像： loplakebed1s6ig357.img
3.ok 浏览Equalization空间模型
3.图像光谱增强
基于多波段数据对每个像元的灰度值进行变 换，达到图像增强的目的。
Principal Components(主成份变换) Inverse PC(主成份逆变换) Decorrelation Stretch(去相关拉伸) Tasseled cap(缨帽变换) RGB to IHS(色彩变换) IHS to RGB(色彩逆变换) Indices(指数计算) Natural Color(自然色彩变换)
You Know, The More Powerful You Will Be
ERDAБайду номын сангаас基本操作（六）
—— 图像增强处理
1
提纲
图像空间增强 图像辐射增强 图像光谱增强 傅立叶变换 地形分析
2
1.图像空间增强
图像空间增强是利用像元自身及其周围像元 的灰度值进行运算，达到增强整个图像的目的
Convolution(卷积增强) Non-directional Edge(非定向边缘增强) Focal Analysis(聚焦分析) Texture(纹理分析) Adaptive Filter(自适应滤波) Statistical Filter(统计滤波) Resolution Merge(分辨率融合) Crisp(锐化处理)
5
1.1卷积增强处理
实验影像：6 lanier.img
1.确定输入文件
2.确定输出文件 3.选择卷积算子 4.选择研究区
（可选）
5.OK
1.1卷积增强处理
7
1.2非定向边缘增强
应用两个比较通用的滤波器（Sobel, Prewitt），首先通过两个正交卷积算子分别对 图像进行边缘检测，然后将两个正交结果进行 平均化处理。
3
1.1卷积增强处理
将整个图像按照像元分块进行平均处 理，用于改变图像的空间频率特征。
4
1.1卷积增强处理
卷积增强处理的关键是卷积算子——系数矩阵（Kernal） 的选择，系统提供了3×3， 5×5， 7×7等大小不同的矩阵， 并且预置了不同系数以便应用于不同目的的图像处理，诸如：
边缘检测（Edge Detect） 边缘增强（Edge Enhance） 低通滤波（Low Pass） 高通滤波（High Pass） 水平增强（Horizontal） 垂直增强（Vertical） 水平边缘检测（Horizontal Edge Detection） 垂直边缘检测（ Vertical Edge Detection ） 交叉边缘检测（ Cross Edge Detection ）
8
1.2非定向边缘增强
1.确定输入文件 2.确定输出文件
3.选择卷积算子
4.OK
实验影像：9 lanier.img
1.3纹理分析
通过在一定的窗口内进行二次变异分析（2nd-order Variance）或三次变异分析（3rd-order Variance），使 图像的纹理结构得到增强
10
1.3纹理分析
2.1直方图均衡化
对图像进行非线性拉伸，重新分配图像像元值， 是一定灰度范围内像元的数量大致相等
13
2.1直方图均衡化
1.确定输入文件 2.确定输出文件
3.ok
实验影像：lanier.img
14
浏览Equalization空间模型
2.2亮度反转处理
对图像亮度范围进行线性或非线性取反，产 生一幅与输入图像亮度相反的图像。
•Homomorphic Filter(同态滤波)
22
4.1低通滤波
4.1.1 傅立叶变换
实验影像：tm_1.img
23
4.1低通滤波
4.1.2滤波器编辑
24
打开刚才经过傅立叶变 换后保存的文件
25
打开滤波器
选择低通滤波（Low Pass） 圆形滤波半径为80
将 滤 波 结 果 保 存
26
20
3.2指数计算
计算某影像的NDVI值
实验影像：la21nier.img
1.确定输入文件 2.确定输出文件
3.根据影像选择 其相应的传感器 4.选择计算的指数
5.OK
4.傅立叶变换
傅立叶变换是首先把遥感图像从空间域转换到频率域，然后在频 率域上对图像进行滤波处理，减少或消除周围噪声，再把图像从频率 域上转换到空间域，达到图像增强的目的。
实验影像：11lanier.img
1.确定输入文件 2.确定输出文件 3.选择卷积算子
4.OK
2.图像辐射增强
对单个像元的灰度值进行变换达到图像增强的目的。
LUT Stretch(查找表查询) Histogram Equalization(直方图均衡化) Histogram Match(直方图匹配) Brightness Inverse(亮度反转) Haze Reduction(去霾处理) Noise Reduction(降噪处理) Destripe TM Data(去条带处理)
4.1低通滤波
4.1.3傅立叶逆变换
打开刚刚经过滤波器编辑后保存的文 件； 选择要输出的文件； 进行傅立叶逆变换，有频率域转成空 间域。
27
写在最后
经常不断地学习,你就什么都知道。你知道得越多,你就越有力量 Study Constantly, And You Will Know Everything. The More
17
3.1主成份变换
将具有相关性的多波段数据压缩到完全独立的较 少的几个波段上，是图像数据更易于解译
18
3.1主成份分析
1.确定输入文件 2.确定输出文件
特征逆矩变阵换输必出须设输置出（1）9如需
3.输入需要的主 成份数量
4.OK
运行日志输出设置
实验影像：lanier.img
3.2指数计算
将遥感图像中不同波段的灰度值进行各种混合运算， 计算反应矿物或植被的常用比率和指数
•Fourier Transform(傅立叶变换)
•Fourier Transform Editor(傅立叶变换编辑)
•Inverse Fourier Transform(傅立叶逆变换)
•Fourier Magnitude(傅立叶显示变换)
•Periodic Noise Removal(周围噪声去除)
15
2.2亮度反转处理
1.确定输入文件 2.确定输出文件
实验影像： loplakebed1s6ig357.img
3.ok 浏览Equalization空间模型
3.图像光谱增强
基于多波段数据对每个像元的灰度值进行变 换，达到图像增强的目的。
Principal Components(主成份变换) Inverse PC(主成份逆变换) Decorrelation Stretch(去相关拉伸) Tasseled cap(缨帽变换) RGB to IHS(色彩变换) IHS to RGB(色彩逆变换) Indices(指数计算) Natural Color(自然色彩变换)
You Know, The More Powerful You Will Be
ERDAБайду номын сангаас基本操作（六）
—— 图像增强处理
1
提纲
图像空间增强 图像辐射增强 图像光谱增强 傅立叶变换 地形分析
2
1.图像空间增强
图像空间增强是利用像元自身及其周围像元 的灰度值进行运算，达到增强整个图像的目的
Convolution(卷积增强) Non-directional Edge(非定向边缘增强) Focal Analysis(聚焦分析) Texture(纹理分析) Adaptive Filter(自适应滤波) Statistical Filter(统计滤波) Resolution Merge(分辨率融合) Crisp(锐化处理)
5
1.1卷积增强处理
实验影像：6 lanier.img
1.确定输入文件
2.确定输出文件 3.选择卷积算子 4.选择研究区
（可选）
5.OK
1.1卷积增强处理
7
1.2非定向边缘增强
应用两个比较通用的滤波器（Sobel, Prewitt），首先通过两个正交卷积算子分别对 图像进行边缘检测，然后将两个正交结果进行 平均化处理。
3
1.1卷积增强处理
将整个图像按照像元分块进行平均处 理，用于改变图像的空间频率特征。
4
1.1卷积增强处理
卷积增强处理的关键是卷积算子——系数矩阵（Kernal） 的选择，系统提供了3×3， 5×5， 7×7等大小不同的矩阵， 并且预置了不同系数以便应用于不同目的的图像处理，诸如：
边缘检测（Edge Detect） 边缘增强（Edge Enhance） 低通滤波（Low Pass） 高通滤波（High Pass） 水平增强（Horizontal） 垂直增强（Vertical） 水平边缘检测（Horizontal Edge Detection） 垂直边缘检测（ Vertical Edge Detection ） 交叉边缘检测（ Cross Edge Detection ）
8
1.2非定向边缘增强
1.确定输入文件 2.确定输出文件
3.选择卷积算子
4.OK
实验影像：9 lanier.img
1.3纹理分析
通过在一定的窗口内进行二次变异分析（2nd-order Variance）或三次变异分析（3rd-order Variance），使 图像的纹理结构得到增强
10
1.3纹理分析