图像处理(增强)

红色---植被指数减少 青色---植被指数上升
灰色、黑色---植被指数不变
三. 彩色变换
3.HLS变换：hue，lightness，saturation
HLS变换：将RGB模式转换为HLS模式。 H：0°—360°红、黄、绿、青、蓝、品 L： 0——1 黑 —— 白 S： 0——1 极不纯—— 纯 S=0时，H无定义，为黑或灰或白 S=1时，L=0.5
一. 对比度变换
1. 线性变换
xb
b2
xb
b3 b2
b1
a1 a2
xa
b1 b0
a0 a1 a2
a3
xa
线性变换
分段线性变换
一. 对比度变换
2.非线性变换
变换函数为非线性函数，即对暗区与亮 区不同比例地扩展，常用的有： 指数变换——指数函数 对数变换——对数函数 查表法
1. 对比度变换

均值滤波 卷积运算公式：
1 r (i, j ) MN
(m, n)
m 1 n 1
M
N
二. 空间滤波
模板（3×3）：
或
1 1 t ( m, n ) 1 9 1 1 1 t ( m, n ) 1 8 1
1 1 1 1 0 1
1 1 1 1 1 1
或
或 =60(4+(HR-HG) /△H （当HB=HBmax ） 品 —青 式中： △H =（ H max - H min ）
4.4 数字图像增强
四. 图像运算（Arithmetic Operations）
利用两幅或多幅已经完成空间配准的不同 波段的影像，进行加、减、乘、除四则混 合运算，达到提取或去掉某些信息的目的。
DEM数字高程图像
伪彩色坡度分割图
伪彩色高度分割图
三. 彩色变换
2.多波段彩色变换：彩色合成 RGB
Color Composite
真彩色合成（natural color composite. ）： TM 321 假彩色合成（false color composite ）：

标准假彩色合成：TM
K-L变换（ 主成分分析）
经变换后，新向量的各分量之间具有 最小相关性。第一主成分集中了最大的信 息量，前三个主成分集中了原向量的大部 分的信息量，可以用前几个主成分向量代 替原向量，从而实现了降维处理。当特征 值λi>>λi+1，便可舍去yi+1特征。
K-T变换（缨帽变换）
K-T变换，也称缨帽变换。也是一种线性 变换。主要针对MSS、TM图像数据进行，其 变换公式为： Y = B· X 式中:X—原图像像元的光谱矢量； Y—变换后主分量空间的光谱矢量； B—变换矩阵。 对于MSS变换矩阵为4×4， TM变换矩阵为6×6。
4.4 数字图像增强
二. 空间滤波（邻区法处理）
空间滤波：通过处理像元与其周围相邻像 元的关系，突出图像上某些特征的图像处 理方法。 图像卷积运算：选定一“模板”（即滤波 器）作为卷积函数，将模板对应像元内的 灰度值与模板像元亮度值对应相乘后相加， 然后将计算结果作为窗口中心的像元的灰 度值。

三. 彩色变换
对于RGB：三种颜色混合相加。 其亮度分别为LR，LG，LB. 设： Lmax=max（ LR，LG，LB） Lmin=min（ LR，LG，LB）
三. 彩色变换
对于HLSFra Baidu bibliotek 明度L=（ Lmax + Lmin ）/2
当Lmax= Lmin 时，即LR=LG=LB， 色调为灰色，H无定义，S=0
卷积运算
二. 空间滤波（Spatial filtering ）
空间滤波处理：对数字图像中各行或各列所构成 的复式波形曲线，通过滤波算子将其分解成不同频率 的简单波形曲线，根据需要选择适宜的频率波形曲线， 重新构成新的图像。
高通滤波
亮 度 值
滤波器 低通滤波 像元
二. 空间滤波
1.平滑（低通滤波）：消除变化过大 的区域，使亮度平缓或去掉不必要的 “噪声”点。
四. 图像运算

2.比值运算：
TM1/TM2,可以消除地形的影响。
亮度值 阳坡砂岩 阴坡砂岩
TM1 28 22
TM2 43 34
TM1/TM2 0.65 0.65
1998年南宁NDVI
2006年南宁NDVI
0.1-0.2 0.2-0.3 0.3-0.4 0.4-0.5 >0.5
<-0.1
-0.1-0.1
也称为辐射增强，或直方图拉伸 对比度变换：通过改变图像像元的亮度值来 改变对比度，从而改善图像质量的图像处理 方法。 直方图：以横坐标代表像元的亮度值，纵坐 标代表某一亮度或亮度间隔的像元数的统计 图。从直方图的形态可以判断图像的质量。
一. 对比度变换
一. 对比度变换
1. 线性变换
线性变换：按比例扩大原始亮度值的范围。 将过于集中的像元分布区域扩展开来，增加 图像表现的层次性。 [a1 ，a2] [b1，b2] 变换函数为直线方程： b 2 b1 xb ( xa a1) b1 a 2 a1
或
1 2 1 1 2 1 1 2 1
二. 空间滤波
3.定向检测：

检测水平边界
1 1 1 t (m, n) 0 0 0 或 1 1 1
1 1 1 2 2 2 1 1 1
（Tasseled Cap Analysis ）
K-L变换（ 主成分分析）
K-L变换，也称主成分变换。它是对多光 谱图像X进行K-L变换，得到矩阵A，而后进 行线性组合，产生新的光谱图像Y，公式为： Y = A· X
式中:X—原图像像元的光谱矢量； Y—变换后主分量空间的光谱矢量； A—变换矩阵
四. 图像运算

1.差值运算: fD(x,y)=f1(x,y)－ f2(x,y)
红外波段－红光波段:突出植被信息
， 事件发生前后相减:动态监测 错行(列)后相减:边缘增强
四. 图像运算

2.比值运算： fR(x,y)=f1(x,y) / f2(x,y)
植被指数：近红外/红
或 (近红外-红) /(近红外+红) 用于突出植被特征,提取植物类别或估 算生物量。
432 其他：TM 453，TM742
彩色合成TM321图
钦 州 市
彩色合成TM432图
钦 州 市
彩色合成TM742图
钦 州 市
TM1
TM4
TM7
754
423
TM2
TM5
321
543
645
TM3
TM6
432
742
643
R:1998NDVI
G:2006NDVI B:2006NDVI
南宁NDVI 2000与2006年 两时相假彩色合成图
x1
K-L变换（ 主成分分析）
x2 y1
y2
x1
K-L变换（ 主成分分析）
对n维的原始图像向量X，作如下的线性变 换:
Y＝A· X A－n × n正交矩阵 Y－n维新的图像特征向量 其中: Y中n′（≤n）个特征为“有效特征”，剩余 的n-n′ 个为“噪声特征”。 A的确定：通过计算X的协方差矩阵的特征值λ和特 征向量求得。
2.非线性变换
xb
b2
xb
b2 b1
b1
a1 a2
xa
a1
a2
xa
指数变换
（突出亮区，压制暗区）
对数变换
（突出暗区，压制亮区）
一. 对比度变换
1. 对比度变换
3. 直方图变换 A.直方图均衡（Histogram equalization）
1. 对比度变换
1. 对比度变换
3. 直方图变换 A.直方图标准化（Histogram normalization ）
三. 彩色变换
饱和度S=（Smax-Smin）/（Smax+Smin）
或 （L≤0.5） =（Smax-Smin）/(（1-Smax)+(1-Smin）) （L＞0.5）
三. 彩色变换
色调H
=60(HG-HB) /△H
（当HR=HRrmax） 黄—品 =60(2+(HB-HR) /△H ) （当HG=HGrmax ） 青—黄
K-T变换（缨帽变换）
B的确定：经长期研究，由专家提出。 对于TM数据： B=
0.30 -0.28 0.15 -0.82 -0.33 0.11
TM1
0.28 0.47 0.56 0.51 0.19 -0.24 -0.54 0.72 0.08 -0.18 0.20 0.33 0.34 -0.71 -0.46 -0.08 0.44 -0.06 0.20 -0.28 -0.05 0.11 0.19 -0.44 0.81 -0.90 0.41 0.06 -0.03 0.02
彩色合成TM432图
地物边界形状信息
水平线性地物信息
垂直线性地物信息
4.4 数字图像增强
三. 彩色变换
人眼对色彩有较强的识别力，因此往往将 黑白影像处理后赋予各种颜色。
三. 彩色变换
三. 彩色变换
1.单波段彩色变换：彩色密度分割

将一幅图像的亮度值分成若干个等级， 每个等级以不同的颜色来表示。
1 0 1 t2 2 0 2 1 0 1
二. 空间滤波
拉普拉斯算法
0 1 0 t (m, n) 1 4 1 0 1 0
二. 空间滤波
3.定向检测：

检测垂直边界
1 0 1 t ( m, n ) 1 0 1 1 0 1
K-T变换（缨帽变换）
二. 空间滤波
3.定向检测：

检测对角线边界
t（m，n）=
1 1 2 1 2 1 2 1 1 2 1 1 1 2 1 1 1 2
0 1 1 1 1 0 1 0 1 ， 1 0 1 1 1 0 0 1 1
二. 空间滤波
罗伯特梯度：=│t1│+│ t2 │
1 0 t1 0 1
0 1 t2 1 0
二. 空间滤波
索伯尔梯度：=│t1│+│ t2 │
1 2 1 t1 0 0 0 1 2 1
经过K-L变换后，新图像Y中的各yi之间具 有最小相关性。
K-L变换（ 主成分分析）
多光谱图像中，各波段数据间存在相关的 关系，利用主成分分析法将原图像中所含的 大部分信息用虚拟的少数波段来表示。
x2 y1
在多波段数据彩色合成中， 能够同时被感知仅限于三个 波段RGB，因此通常利用主 成分分析法将多波段数据压 缩到三个波段。
TM2 TM3 TM4 TM5 TM7
K-T变换（缨帽变换）
TM数据变换后矢量分量为： Y=(y1,y2 ,y3,y4,y5,y6 )T
各分量的物理意义： 其中y1为亮度分量，反映总体的亮度值； y2为绿度分量，TM4-TM3-TM2-TM1； y3为湿度分量, TM1+TM2+TM3+TM4-TM5-TM6；
第4章 遥感图像处理
4.1 光学原理与光学处理 4.2 数字图像概念 4.3 数字图像的校正 4.4 数字图像增强 4.5 多元信息复合 4.6 遥感图像计算机分类
4.4 数字图像增强
（Image Enhancement ）
一. 对比度变换（contrast conversion ）
4.4 数字图像增强
五. 多光谱变换
对遥感图像实行线性变换。 多光谱空间就是一个n维坐标系，每个坐 标轴代表一个波段，每个像元点的位置可 表示为一个n维向量 X，每个分量xi 为该点 在第i个坐标轴上的投影，即亮度值。

五. 多光谱变换
K-L变换
主成分变换 （Principal Component Analysis ） K-T变换 缨帽变换
均值滤波
均值滤波
均值滤波前
均值滤波后
中值滤波

卷积运算法则：取窗口内所有像元亮度 值的中值为中间像元的亮度值。
1×3 模板
均值滤波与中值滤波
图象亮度阶梯状变化时——均值平滑 图象中有突出亮点噪声——中值平滑
二. 空间滤波
2.锐化（高通滤波）：突出图像中亮 度变化大的细节。如突出边缘和线性地 物等。经锐化后，原遥感图像只保留边 缘的信息。