第四章-遥感图像处理课件
合集下载
第四章 遥感图像处理-PPT课件
样和量化。通常是以像元的亮度值表示。 数字 量和模拟量的本质区别：连续变量，离散变量。
3.
4. 数字图像直方图：以每个像元为单位，表示图像中
各亮度值或亮度值区间像元出现的频率的分布图。
5. 直方图的作用：直观地了解图像的亮度值分布范围、
峰值的位置、均值以及亮度值分布的离散程度。直方图的曲 线可以反映图像的质量差异。
对于遥感影像而言，将黑白单波段影像赋上彩色 总是有一定目的的，如果分层方案与地物光谱差异 对应得好，可以区分出地物的类别。例如在红外波 段，水体的吸收很强，在图像上表现为接近黑色， 这时若取低亮度值为分割点并以某种颜色表现则可 以分离出水体；砂地反射率高，取较高亮度为分割 点，可以从亮区以彩色分离出砂地。因此，只要掌 握地物光谱的特点，就可以获得较好的地物类别图 像。当地物光谱的规律性在某一影像上表现不太明 显时，也可以简单地对每一层亮度值赋色，以得到 色彩影像，也会较一般黑白影像的目视效果好。
（2）孟赛尔颜色立体：中轴代表无色彩的明度
等级；在颜色立体的水平剖面上是色调；颜色历代中 央轴的水平距离代表饱和度的变化。
二、加色法与减色法
1. 颜色相加原理
① 三原色：若三种颜色，其中的任一种都不能由
其余二种颜色混合相加产生，这三种颜色按一 定比例混合，可以形成各种色调的颜色，则称 之为三原色。红、绿、蓝。 ② 互补色：若两种颜色混合产生白色或灰色，这 两种颜色就称为互补色。黄和蓝、红和青、绿 和品红。 ③ 色度图：可以直观地表现颜色相加的原理,更 准确地表现颜色混合的规律.
计算机图像处理的优点在于速度快、操作简单、效
率高等优点，有逐步取代光学方法的趋势。
三、光学增强处理
1. 彩色合成 加色法彩色合成 减色法彩色合成 2. 光学增强处理 3. 光学信息的处理 图像的相加和相减 遥感黑白影象的假彩色编码
【学习课件】第四章遥感图像处理
• The 'drift' was different for each of the six detectors, causing the same brightness to be represented differently by each detector.
• The corrective process made a relative correction among the six sensors to bring their apparent values in line with each other
实际测量时，受到传感器本身、大气辐射等其 他因素的影响而发生改变。这种改变称为辐射 畸变。
2. 影响辐射畸变的因素
➢ 传感器本身的影响：导致图像不均匀，产生 条纹和噪音。
➢ 大气对辐射的影响
完整版ppt
28
• Striping was common in early Landsat MSS data due to variations and drift in the response over time of the six MSS detectors.
完整版ppt
4
完整版ppt
5
完整版ppt
6
完整版ppt
7
3、颜色立体
（1）颜色立体：中间垂直轴代表明度 ；中间水平
面的圆周代表色调；圆周上的半径大小代表饱和度。
（2）孟赛尔颜色立体：中轴代表无色彩的明度
等级；在颜色立体的水平剖面上是色调；颜色历代中 央轴的水平距离代表饱和度的变化。
完整版ppt
③ 色度图：可以直观地表现颜色相加的原理,更 准确地表现颜色混合的规律.
完整版ppt
• The corrective process made a relative correction among the six sensors to bring their apparent values in line with each other
实际测量时，受到传感器本身、大气辐射等其 他因素的影响而发生改变。这种改变称为辐射 畸变。
2. 影响辐射畸变的因素
➢ 传感器本身的影响：导致图像不均匀，产生 条纹和噪音。
➢ 大气对辐射的影响
完整版ppt
28
• Striping was common in early Landsat MSS data due to variations and drift in the response over time of the six MSS detectors.
完整版ppt
4
完整版ppt
5
完整版ppt
6
完整版ppt
7
3、颜色立体
（1）颜色立体：中间垂直轴代表明度 ；中间水平
面的圆周代表色调；圆周上的半径大小代表饱和度。
（2）孟赛尔颜色立体：中轴代表无色彩的明度
等级；在颜色立体的水平剖面上是色调；颜色历代中 央轴的水平距离代表饱和度的变化。
完整版ppt
③ 色度图：可以直观地表现颜色相加的原理,更 准确地表现颜色混合的规律.
完整版ppt
遥感图像分析与处理ppt课件
19
仪器所引起 的条带噪声
• 引起辐射畸变的原因：是由于探测器的不正常功能 或不同敏感度、地形因素和大气因素等造成的。
20
二、大气引起的辐射预处理
大气引起的辐射变化
21
大气引起的辐射预处理方法
• 1、物理模型法 ：
• 根据辐射通过大气层时的物理原理进行建模。 • 优点：具有严密、准确和适用广。 • 缺点：模型复杂，而且需要大量难以获得的参数，所以可
较大区域或整幅影像 较小区域或局部影像
28
§3 几何校正
• 原始遥感图像上常存在各种像元位置误差，使图像表现出旋 转、中心偏离、偏扭、梯形变化、纵横向比例尺不一致、边 缘与中心比例尺不一致等变形，因此需要进行几何校正。
数学变换
29
简述引起遥感影像几何变形的原因？
30
一、导致几何畸变的原因：
• 遥感平台姿态变化、地球自转和球面弯曲、大气折 射、地形起伏等外部因素综合作用导致几何变形。
x=fx(u,v) y=fy(u,v)
上述数学关系常表示为二元多项式（一次、二次、三次或更高 次）表达，其中二元二次多项式可以表示为：
x a00 a10u a01v a11uv a20u2 a02v2
y
b00
b10u
a01v
b11uv
b20u 2
b02v 2
• 1、地面控制点的选取方法
• 控制点分布均匀，边界、四角要有，以避免图像校正不能满 幅，地形起伏大的区域要多选；所选点在图像上要易辨认且 目标较小，如道路的交叉点、河流的分叉处或弯曲处、飞机 场等，而且这些特征在研究时间范围内没有变化。
道路交叉口
仪器所引起 的条带噪声
• 引起辐射畸变的原因：是由于探测器的不正常功能 或不同敏感度、地形因素和大气因素等造成的。
20
二、大气引起的辐射预处理
大气引起的辐射变化
21
大气引起的辐射预处理方法
• 1、物理模型法 ：
• 根据辐射通过大气层时的物理原理进行建模。 • 优点：具有严密、准确和适用广。 • 缺点：模型复杂，而且需要大量难以获得的参数，所以可
较大区域或整幅影像 较小区域或局部影像
28
§3 几何校正
• 原始遥感图像上常存在各种像元位置误差，使图像表现出旋 转、中心偏离、偏扭、梯形变化、纵横向比例尺不一致、边 缘与中心比例尺不一致等变形，因此需要进行几何校正。
数学变换
29
简述引起遥感影像几何变形的原因？
30
一、导致几何畸变的原因：
• 遥感平台姿态变化、地球自转和球面弯曲、大气折 射、地形起伏等外部因素综合作用导致几何变形。
x=fx(u,v) y=fy(u,v)
上述数学关系常表示为二元多项式（一次、二次、三次或更高 次）表达，其中二元二次多项式可以表示为：
x a00 a10u a01v a11uv a20u2 a02v2
y
b00
b10u
a01v
b11uv
b20u 2
b02v 2
• 1、地面控制点的选取方法
• 控制点分布均匀，边界、四角要有，以避免图像校正不能满 幅，地形起伏大的区域要多选；所选点在图像上要易辨认且 目标较小，如道路的交叉点、河流的分叉处或弯曲处、飞机 场等，而且这些特征在研究时间范围内没有变化。
道路交叉口
遥感图像处理ppt课件
02
人工智能在遥感图像处理中可以应用 于地物分类、目标检测、变化检测等 方面。通过训练人工智能算法，使其 能够自动识别和分类地物，提高遥感 数据的利用价值和精度。同时，人工 智能算法还可以对遥感数据进行自动 化分析和处理，提高数据处理效率。
03
人工智能在遥感图像处理中需要解决 的关键问题包括数据标注、模型训练 和优化等。同时，还需要考虑人工智 能算法的可解释性和可靠性，以确保 其在实际应用中的效果和安全性。随 着技术的不断发展，人工智能在遥感 图像处理中的应用将进一步提高遥感 数据的利用价值和精度。
详细描述
遥感图像存储与处理是遥感技术应用的核心环节之一。 在这个过程中，原始数据会经过一系列的预处理、增强 和分类等操作，以提高图像质量和提取更多有用的信息 。例如，辐射定标、大气校正、几何校正等预处理操作 可以提高图像的精度和可靠性；图像增强技术如对比度 拉伸、滤波等可以提高图像的可视化效果和特征提取能 力；分类和目标检测等技术则可以对图像进行语义化表 达和信息提取，以满足不同应用的需求。
遥感图像处理涉及的技术包括辐 射校正、几何校正、图像增强、 信息提取等。
遥感图像处理的重要性
遥感图像处理是遥感技术应用的关键 环节，能够提高遥感数据的精度和可 靠性，为各领域提供更准确、更全面 的信息。
通过遥感图像处理，可以提取出更多 有用的信息，为决策提供科学依据， 促进各行业的智能化发展。
遥感图像处理的应用领域
图像预处理技术
01
02
03
04
去噪
消除图像中的噪声，提高图像 的清晰度。
校正
纠正图像的几何畸变和辐射畸 变，使图像更接近真实场景。
配准
将不同来源的图像进行坐标对 齐，以便于后续的图像分析和
第四章遥感图像处理二北京大学.ppt
Nhomakorabeaf
(m i, n
j)
iZ jZ
(m,n-1) (m,n) (m,n+1)
(m+1,n- (m+1,n) (m+1,n+1) 1)
1 9
R f (i) 9 i1
1 11 1 1 1 1 9 1 11
均值平滑滤波 (a) 原始图像； (b)滤波后的结果
(a)原图像 (c)3×3模板
(b) 添加噪声的图像 (d) 5×5模板
例如，采用3×3的模板对图像进行均值平滑滤波，对于像素 （m,n)，其邻域像素如下：
(-1,-1) (-1,0) (-1,1)
1 11
(0,-1) (0,0) (0,1)
1 11
(1,-1) (1,0) (1,1)
1 11
(m-1,n-1) (m-1,n) (m-1,n+1)
则有：
g(m, n)
1 9
g ra d( x,
y)
f
' x
f
' y
f f
(x,y) x (x,y) y
梯度是一个矢量，其大小和方向为
grad(x,y)
f
'2 x
f
' y
2
( ) ( ) f (x,y) 2 x
f ( x, y) 2 y
arctan(
f
' y
/
f
' x
)
arctan(
f
(x, y
y
)
/
) f (x, y) x
课堂练习：平滑处理
1 11 1 11 1 11
54321 12345 33223 44552 15141
(m i, n
j)
iZ jZ
(m,n-1) (m,n) (m,n+1)
(m+1,n- (m+1,n) (m+1,n+1) 1)
1 9
R f (i) 9 i1
1 11 1 1 1 1 9 1 11
均值平滑滤波 (a) 原始图像； (b)滤波后的结果
(a)原图像 (c)3×3模板
(b) 添加噪声的图像 (d) 5×5模板
例如，采用3×3的模板对图像进行均值平滑滤波，对于像素 （m,n)，其邻域像素如下：
(-1,-1) (-1,0) (-1,1)
1 11
(0,-1) (0,0) (0,1)
1 11
(1,-1) (1,0) (1,1)
1 11
(m-1,n-1) (m-1,n) (m-1,n+1)
则有：
g(m, n)
1 9
g ra d( x,
y)
f
' x
f
' y
f f
(x,y) x (x,y) y
梯度是一个矢量，其大小和方向为
grad(x,y)
f
'2 x
f
' y
2
( ) ( ) f (x,y) 2 x
f ( x, y) 2 y
arctan(
f
' y
/
f
' x
)
arctan(
f
(x, y
y
)
/
) f (x, y) x
课堂练习：平滑处理
1 11 1 11 1 11
54321 12345 33223 44552 15141
第四章 遥感图像处理――几何校正PPT课件
22
三种内插方法比较
方法 1
优点 简单易用，计算量小
缺点
处理后的影像亮度具有不连 续性，影响精确度
精度明显提高，特别是对亮度 计算量增加，且对影像起到
2
不连续现象或线状特征的块状 平滑作用，从而使对比度明
化现象有明显的改善。
显的分界线变得模糊。
3
更好的影像质量，细节表现更 为清楚。
工作量很大。
23
18
像元灰度值重采样
校正前后图像的分辨率变化、像元点位置相对变化引 起输出图像阵列中的同名点灰度值变化。
x X
P(X,Y) Y
纠正后影像
p(x,y) y
纠正前影像
19
最近邻法
—以距内插点最近的观测点的像元值为所求的像元值。
影像中两相邻点的距离为1，即 行间距△x＝1，列间距△y=1，取与 所计算点(x,y)周围相邻的4个点，比 较它们与被计算点的距离，哪个点距 离最近，就取哪个的亮度值作为 （x,y）点的亮度值f（x，y）。设该 最近邻点的坐标为（k,l）,则
一是指平台在运行过程中，由于姿态、地球曲 率、地形起伏、地球旋转、大气折射、以及传 感器自身性能所引起的几何位置偏差。
二是指图像上像元的坐标与地图坐标系统中相 应坐标之间的差异。
3
引起遥感图像几何变形的因素
一、遥感平台位置和运动状态变化的影响
旁向位移的影响 速度变化即航向位移的影响
高度变化的影响—地面分辨率不均匀 俯仰变化的影响
21
三次卷积内插法
取与计算点（x，y）周 围 相 邻 的 16 个 点 ， 与 双 向 线 性内插类似，可先在某一方 向上内插，每4个值依次内插 4次，求出f（x，j-1），f(x， j ） ， f(x,j+1) ， f(x,j+2) ， 再根据这四个计算结果在另 一 方 向 上 内 插 ， 得 到 f(x ， y）。
三种内插方法比较
方法 1
优点 简单易用，计算量小
缺点
处理后的影像亮度具有不连 续性，影响精确度
精度明显提高，特别是对亮度 计算量增加，且对影像起到
2
不连续现象或线状特征的块状 平滑作用，从而使对比度明
化现象有明显的改善。
显的分界线变得模糊。
3
更好的影像质量，细节表现更 为清楚。
工作量很大。
23
18
像元灰度值重采样
校正前后图像的分辨率变化、像元点位置相对变化引 起输出图像阵列中的同名点灰度值变化。
x X
P(X,Y) Y
纠正后影像
p(x,y) y
纠正前影像
19
最近邻法
—以距内插点最近的观测点的像元值为所求的像元值。
影像中两相邻点的距离为1，即 行间距△x＝1，列间距△y=1，取与 所计算点(x,y)周围相邻的4个点，比 较它们与被计算点的距离，哪个点距 离最近，就取哪个的亮度值作为 （x,y）点的亮度值f（x，y）。设该 最近邻点的坐标为（k,l）,则
一是指平台在运行过程中，由于姿态、地球曲 率、地形起伏、地球旋转、大气折射、以及传 感器自身性能所引起的几何位置偏差。
二是指图像上像元的坐标与地图坐标系统中相 应坐标之间的差异。
3
引起遥感图像几何变形的因素
一、遥感平台位置和运动状态变化的影响
旁向位移的影响 速度变化即航向位移的影响
高度变化的影响—地面分辨率不均匀 俯仰变化的影响
21
三次卷积内插法
取与计算点（x，y）周 围 相 邻 的 16 个 点 ， 与 双 向 线 性内插类似，可先在某一方 向上内插，每4个值依次内插 4次，求出f（x，j-1），f(x， j ） ， f(x,j+1) ， f(x,j+2) ， 再根据这四个计算结果在另 一 方 向 上 内 插 ， 得 到 f(x ， y）。
- 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)。
第四章-遥感图像处理
效果：增强了峰值处的对比度，两端（最亮和最 暗）的对比度减弱了
第四章-遥感图像处理
原始的直方图
均衡化后的直方图
第四章-遥感图像处理
直方图均衡化第实四章例-遥感图像处理
直方图均衡化实例
第四章-遥感图像处理
直方图均衡化实例
第四章-遥感图像处理
第四章-遥感图像处理
直方图均衡化
第四章-遥感图像处理
4.3.1 对比度变增强（灰度增强）
对比度变换的同义词：对比度增强（拉伸，stretch）、反差增 强、直方图变换、辐射增强、点增强
直方图拉伸
线性变换（分段线性） 非线性变换
对比度变换
直方图均衡
直方图匹配
第四章-遥感图像处理
• 灰度增强是一种通过改变像元的亮度值来改变图 像像元的对比度，从而改善图像质量的图像处理 方法。
• 一般来说，包含大量像元的图像，像元的亮度随 机分布应是正态分布。亮度直方图为非正态分布， 说明图像的亮度分布偏亮、偏暗或亮度过于集中， 图像的对比度小，需要调整该直方图到正态分布， 以改善图像的质量。
• 主要通过改变图像灰度分布态势，扩展灰度分布 区间，达到增强反差的目的。
• 它可分为比例线性变换、分段线性变换和非线性 灰度变换。
• 应用于数字镶嵌
第四章-遥感图像处理
直方图匹配：条件（运用两幅图象）
• 原始图象和参考图象 • 两个图象的直方图的总体形态应相似 • 图象中相对亮和暗的特征应相同 • 对某些应用，图象的分辨率应相同 • 图象中的地物类型的相对分布应相同，无论两幅
图象是否覆盖同一地区。如一幅有云，另一幅没 有云，应先将云去掉（覆盖），然后再进行直方 图匹配
第四章-遥感图像处理
图像直方图
用平面直角坐标系表示一幅灰度范围为0-n 的数字图像像元灰度分布状态，横轴表示灰 度级，纵轴表示某一灰度级（或范围）的像 元个数占像元总数的百分比。
通过灰度直方图可以直观地了解图像特征， 以确定图像增强方案并了解图像增强后的效 果
第四章-遥感图像处理
每一幅图像都可以求出其像元亮度值的直方图，观察 直方图的形态，可以粗略略地分析图像的质量。
第四章-遥感图像处理
➢ ERMAPPER中的反差增强功能
线性或分段线性扩展
原始数据直方图
反差扩展后的 直方图
直方图均衡扩展（中部扩展） 非
高斯均衡扩展（中部扩展） 线 性
扩
指数扩展（亮部扩展）
展
对数扩展（暗部扩展）
直方图匹配
第四章-遥感图像处理
第四章-遥感图像处理
第四章-遥感图像处理
第四章-遥感图像处理
• 分段线性变换因为不同区间的变换函数不同，变 换函数整体呈折线。折线间断点位置根据需要决 定。
第四章-遥感图像处理
第四章-遥感图像处理
对比度拉伸的效果
第四章-遥感图像处理
3.非线性变换
• 当变换函数为非线性时，即为非线性变换。 • 非线性变换函数很多，常用的有两种方法：
1. 对数变换 当希望对图像的低亮度区有较大的扩展 而对高亮度区压缩时，可采用此种变换。
2. 指数变换 此种可以对图像的高亮度区给予较大的 扩展。
第四章-遥感图像处理
xb beaxa c xbblga(ax1)c
第四章-遥感图像处理
4.直方图均衡化
• 非线性的增强方法； • 这种方法通常用来增加许多图像的局部对比度，尤其是当图像的
有用数据的对比度相当接近的时候。通过这种方法，亮度可以更 好地在直方图上分布。这样就可以用于增强局部的对比度而不影 响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实 现这种功能。 • 这种方法对于背景和前景都太亮或者太暗的图像非常有用，一个 主要优势是它是一个相当直观的技术并且是可逆操作，如果已知 均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。 这种方法的一个缺点是它对处理的数据不加选择，它可能会增加 背景噪音的对比度并且降低有用信号的对比度。 • 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的 形式，这样就增加了象素灰度值的动态范围从而可达到增强图像 整体对比度的效果。
第四章-遥感图像处理
第四章-遥感图像处理
第四章-遥感图
• 灰度增强主要是通过单个像元的运算在整体上 改善图像的质量，而空间增强则是有目的突出 图像上的某些特征，如突出边缘或线性地物， 也可以有目的去除某些特征．
• 空间增强在方法上强调了像元与其周围相邻像 元的关系，采用空间域中邻域处理方法，在被 处理像元参与下进行运算，这种方法也做叫 “空间滤波”
第四章-遥感图像处理
5.直方图规定化
• 把原图象的直方图变换为某种指定形状的直方图或某 一参考图象的直方图，然后按照已知的指定形态的直 方图调整原图象各象元的灰级，最后得到一个直方图 匹配的图象
• 使用的模板有正态拉伸匹配、暗区拉伸匹配、亮区拉 伸匹配
• 主要应用于有一幅很好的图象作为标准的情况下，对 另一图象进行匹配，以改善被处理图象的质量
xb b2
b1 b1
xa a2
aa11，xa[a1,a2]，xb[b1,b2]
xb
b2 a2
b1 a1
(xa
a1)b1
调整a,b的 区间，可 以对图像 亮度进行 拉伸和压 缩
第四章-遥感图像处理
第四章-遥感图像处理
第四章-遥感图像处理
2.分段线性变换
• 为了更好地调节图像的对比度，在一些亮度区间 段进行拉伸，而在另一些区间段进行压缩，这种 变换称为分段线性变换。
正态分布
峰值偏左偏暗
峰值偏右偏亮
峰值窄/陡高密度值太集中
第四章-遥感图像处理
1.比例线性变换
比例线性变换是对单波段逐个像元进行处理的，它是将原 图象亮度值动态范围按线性关系式扩展到指定范围或整个 动态范围。
在实际运算中给定的是两个亮度区间，即要把输入图像的 某个亮度值区间【a1,a2】扩展为输出图像的亮度值区间 【b1,b2】。
4.3 数字图像增强
• 数字图像增强的目的是提高图像质量和突出所 需要信息，有利于分析判断。
• 数字图像增强处理方法主要有：对比度增强 （灰度增强）、空间滤波、彩色变换、图像运 算和多光谱变换。
第四章-遥感图像处理
数字 图像 增强 处理 方法
1 对比度变换 2 空间滤波 3 彩色变换 4 图像运算 5 多光谱变换
效果：增强了峰值处的对比度，两端（最亮和最 暗）的对比度减弱了
第四章-遥感图像处理
原始的直方图
均衡化后的直方图
第四章-遥感图像处理
直方图均衡化第实四章例-遥感图像处理
直方图均衡化实例
第四章-遥感图像处理
直方图均衡化实例
第四章-遥感图像处理
第四章-遥感图像处理
直方图均衡化
第四章-遥感图像处理
4.3.1 对比度变增强（灰度增强）
对比度变换的同义词：对比度增强（拉伸，stretch）、反差增 强、直方图变换、辐射增强、点增强
直方图拉伸
线性变换（分段线性） 非线性变换
对比度变换
直方图均衡
直方图匹配
第四章-遥感图像处理
• 灰度增强是一种通过改变像元的亮度值来改变图 像像元的对比度，从而改善图像质量的图像处理 方法。
• 一般来说，包含大量像元的图像，像元的亮度随 机分布应是正态分布。亮度直方图为非正态分布， 说明图像的亮度分布偏亮、偏暗或亮度过于集中， 图像的对比度小，需要调整该直方图到正态分布， 以改善图像的质量。
• 主要通过改变图像灰度分布态势，扩展灰度分布 区间，达到增强反差的目的。
• 它可分为比例线性变换、分段线性变换和非线性 灰度变换。
• 应用于数字镶嵌
第四章-遥感图像处理
直方图匹配：条件（运用两幅图象）
• 原始图象和参考图象 • 两个图象的直方图的总体形态应相似 • 图象中相对亮和暗的特征应相同 • 对某些应用，图象的分辨率应相同 • 图象中的地物类型的相对分布应相同，无论两幅
图象是否覆盖同一地区。如一幅有云，另一幅没 有云，应先将云去掉（覆盖），然后再进行直方 图匹配
第四章-遥感图像处理
图像直方图
用平面直角坐标系表示一幅灰度范围为0-n 的数字图像像元灰度分布状态，横轴表示灰 度级，纵轴表示某一灰度级（或范围）的像 元个数占像元总数的百分比。
通过灰度直方图可以直观地了解图像特征， 以确定图像增强方案并了解图像增强后的效 果
第四章-遥感图像处理
每一幅图像都可以求出其像元亮度值的直方图，观察 直方图的形态，可以粗略略地分析图像的质量。
第四章-遥感图像处理
➢ ERMAPPER中的反差增强功能
线性或分段线性扩展
原始数据直方图
反差扩展后的 直方图
直方图均衡扩展（中部扩展） 非
高斯均衡扩展（中部扩展） 线 性
扩
指数扩展（亮部扩展）
展
对数扩展（暗部扩展）
直方图匹配
第四章-遥感图像处理
第四章-遥感图像处理
第四章-遥感图像处理
第四章-遥感图像处理
• 分段线性变换因为不同区间的变换函数不同，变 换函数整体呈折线。折线间断点位置根据需要决 定。
第四章-遥感图像处理
第四章-遥感图像处理
对比度拉伸的效果
第四章-遥感图像处理
3.非线性变换
• 当变换函数为非线性时，即为非线性变换。 • 非线性变换函数很多，常用的有两种方法：
1. 对数变换 当希望对图像的低亮度区有较大的扩展 而对高亮度区压缩时，可采用此种变换。
2. 指数变换 此种可以对图像的高亮度区给予较大的 扩展。
第四章-遥感图像处理
xb beaxa c xbblga(ax1)c
第四章-遥感图像处理
4.直方图均衡化
• 非线性的增强方法； • 这种方法通常用来增加许多图像的局部对比度，尤其是当图像的
有用数据的对比度相当接近的时候。通过这种方法，亮度可以更 好地在直方图上分布。这样就可以用于增强局部的对比度而不影 响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实 现这种功能。 • 这种方法对于背景和前景都太亮或者太暗的图像非常有用，一个 主要优势是它是一个相当直观的技术并且是可逆操作，如果已知 均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。 这种方法的一个缺点是它对处理的数据不加选择，它可能会增加 背景噪音的对比度并且降低有用信号的对比度。 • 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的 形式，这样就增加了象素灰度值的动态范围从而可达到增强图像 整体对比度的效果。
第四章-遥感图像处理
第四章-遥感图像处理
第四章-遥感图
• 灰度增强主要是通过单个像元的运算在整体上 改善图像的质量，而空间增强则是有目的突出 图像上的某些特征，如突出边缘或线性地物， 也可以有目的去除某些特征．
• 空间增强在方法上强调了像元与其周围相邻像 元的关系，采用空间域中邻域处理方法，在被 处理像元参与下进行运算，这种方法也做叫 “空间滤波”
第四章-遥感图像处理
5.直方图规定化
• 把原图象的直方图变换为某种指定形状的直方图或某 一参考图象的直方图，然后按照已知的指定形态的直 方图调整原图象各象元的灰级，最后得到一个直方图 匹配的图象
• 使用的模板有正态拉伸匹配、暗区拉伸匹配、亮区拉 伸匹配
• 主要应用于有一幅很好的图象作为标准的情况下，对 另一图象进行匹配，以改善被处理图象的质量
xb b2
b1 b1
xa a2
aa11，xa[a1,a2]，xb[b1,b2]
xb
b2 a2
b1 a1
(xa
a1)b1
调整a,b的 区间，可 以对图像 亮度进行 拉伸和压 缩
第四章-遥感图像处理
第四章-遥感图像处理
第四章-遥感图像处理
2.分段线性变换
• 为了更好地调节图像的对比度，在一些亮度区间 段进行拉伸，而在另一些区间段进行压缩，这种 变换称为分段线性变换。
正态分布
峰值偏左偏暗
峰值偏右偏亮
峰值窄/陡高密度值太集中
第四章-遥感图像处理
1.比例线性变换
比例线性变换是对单波段逐个像元进行处理的，它是将原 图象亮度值动态范围按线性关系式扩展到指定范围或整个 动态范围。
在实际运算中给定的是两个亮度区间，即要把输入图像的 某个亮度值区间【a1,a2】扩展为输出图像的亮度值区间 【b1,b2】。
4.3 数字图像增强
• 数字图像增强的目的是提高图像质量和突出所 需要信息，有利于分析判断。
• 数字图像增强处理方法主要有：对比度增强 （灰度增强）、空间滤波、彩色变换、图像运 算和多光谱变换。
第四章-遥感图像处理
数字 图像 增强 处理 方法
1 对比度变换 2 空间滤波 3 彩色变换 4 图像运算 5 多光谱变换