遥感数字图像处理-第8章 图像增强
遥感数字图像增强处理
3
0.16
2
0.20
3
0.27
4
0.35
6
0.47
5
0.57
5
0.67
4
0.76
3
0.82
3
0.88
2
0.92
.
2
0.96
对应参考累积 新灰度级 新像元统计
像元值G(yc) yc
值hd(xd)
0
0
0
0.06
9/16
5
0.06
0.06
0.18
10/16 5
0.18
0.33
11/16
7
0.33
0.51
12/16 11
0.51
0.67
13/16 5
0.82
14/16 7
0.82
0.92
15/16 5
0.92 1.00
14
1
4
灰度 9/16 10/16 11/16 12/16 13/16 14/16 15/16 1 级yc
像元 3
6
7
9
8
7
5
4
统计
值
hc(xc)
累积 0.06 0.18 0.33 0.51 0.67 0.82 0.92 1.00 像元 统计 值
.
8
原灰度级xa
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
像元统计值
0 2 2 1 3 2 3 4 6 5 5 4 3 3 2 2
累积像元统 计值
0
2
4
5
8
10
13
17
23
28
第8章_图像增强
32
一、空间域图像增强（29）
对角线方向边缘增强示意图
33
一、空间域图像增强（30）
单方向一阶微分算子图像增强效果
34
一、空间域图像增强（31）
Roberts交叉微分算子
g x, y f x 1, y 1 f x, y f x 1, y f x, y 1
f
G x x
f
f
G
y
y
27
一、空间域图像增强（24）
一阶微分算子
单方向微分算子
（1）水平方向微分算子
Dlevel
1 2 1
0 0 0
1 2 1
g ( x, y ) [ f x 1, y 1 f x 1, y 1] 2[ f x 1, y f x 1, y ]
遥感数字图像处理
第8章
图像增强
背景知识
图像增强是通过一定手段对原图像进行变换或附加一些信息
，有选择地突出图像中感兴趣的特征或者抑制图像中某些不
需要的特征，使图像与视觉响应特性相匹配，从而加强图像
判读和识别效果，以满足某些特殊分析的需要。
目的：改善图像的视觉效果，帮助我们更好地发现或识别图
像中的某些特征。
作用：调整两幅图像的色调差异，使图像重叠区域的色调过渡柔和，改
善图像融合和图像镶嵌效果。
14
一、空间域图像增强（12）
直方图匹配的思想：
原图像中的任意一个灰度值ai 都可
以在参考图像上找到一个与之对应
的灰度值bi ，使得原图的灰度概率
遥感图像及其增强课件
图像增强: 点运算增强
• 灰度级变换的应用( 2)
– 局部提高、局部降低对比度
– 大于45度提高；小于45度降低
255
255
216
线性
142
非线性
23
0
48
0 196 255
128
255 37
图像增强: 点运算增强
• 灰度级变换的应用( 3)
– 灰度级切片(密度分割，彩色编码(伪彩 色))
255
7
图像及其直方图示例
8
直方图定义(2)
一个灰度级别在范围[0 ，L-1]的 数字图像的直方图是一个离散函数
• p(rk)= nk
• 由于rk 的增量是1，直方数可表示为： • p(k)= nk
• 即，图像中不同灰度级像素出现的次数
9
• 两种图像直方图定义的比较
• p(rk)= nk/n (第一种定义) • p(rk)= nk (第二种定义)
255
255
216
142
23
0
0
32
图像增强: 点运算增强
• 获取变换函数的方法( 2)
– 交互样点插值
• 用过点的三次样条插值曲线，获得变换函数
Photoshop软件调整图 像
33
图像增强: 点运算增强
• 灰度级变换的应用(1)
– 亮度调整——加亮、减暗图像
255
255
218
加 亮
32
128
128
排列 2 、BIL (Band Interleaved by line)格式 按波段顺序相间的排列各行像元数据。 3 、BIP (Band Interleaved by Pixel)格式 按波段顺序相间的排列各列像元数据
遥感图像增强处理(免费)
(c) 偏 亮
(d) 亮度过于集中
感影像的三个波段，分别赋予红、绿、蓝三
种原色，然后将这三个波段叠加，构成彩色
合成图像。 • 步骤：配准 合成
二、空间域增强
在图像处理中，空间域指图像平面所在的二
维空间，描述图像的灰度分布。空间域增强， 就是应用某种数学模型，通过改变图像的灰度 成分，实现图像质量改善的图像处理方法。
方式：
对比度变换增强
Fourier/Analysis/ Fourier Transform，打开Fourier Transform对话框 ，确定要进行傅立叶变换的图像， 及变换后的傅立叶图名称。
（2）修改频率成分
在ERDAS图标面板菜单条单击Main/Image Interpreter命令，或在ERDAS图标面板工具条单击
从物理效果来看，傅立叶变换就是将图像从空 间域转换成频率域，其逆变换是将图像从频率域转 换到空间域。
2. 频域增强处理的方法
频域滤波增强 高通滤波
低通滤波
带阻滤波
带通滤波
高通滤波，采用“低阻滤波器”，抑制图像 频谱的低频信号而保留高频信号的一种模型。
效果：突出物体的边缘，锐化图像
立叶图像，及变换后的图像名称。
平滑
锐化
五、主成分变换
将图像所有波段的数据量集中到前几个波 段上，以实现数据压缩和图像增强。
以对TM1～5和TM7，6个波段数据的主成分变换为例
步骤：叠加TM的这6个波段，使之合成为一幅图像
主成分变换
合成
类似于彩色合成的操作。在ERDAS图标面
板菜单条单击Main/Image Interpreter命令，或 在ERDAS图标面板工具条单击图标 在Image Interpreter 下拉菜单中单击 Utilities/Layers Stack，打开Layer Selection and Stacking对话框 ，减TM1～5和TM7的6个波段 全部叠加。 ，
遥感图像处理_图像增强
sk舍入 1/7 3/7 5/7 6/7 6/7 1 1 1
直方图均衡化
3. 重新命名sk，归并相同灰度级的象素数。
rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
© 中国科学院遥感应用研究所
nk 790 1023 850 656 329 245 122 81
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
直方图均衡化 灰度动态范围扩展
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
直方图匹配
修改一幅图象的直方图，使得它与另一幅图象的 直方图匹配或具有一种预先规定的函数形状。
非线性亮度变换 指数效应
© 中国科学院遥感应用研究所
直方图调整法-直方图
直方图:表示数字图象中的每一灰度级与其出现的频率(该灰 度级的象素数目)间的统计关系,用横坐标表示灰度 级, 纵坐标表示频数(也可用概率表示)。
© 中国科学院遥感应用研究所
直方图
© 中国科学院遥感应用研究所
直方图
© 中国科学院遥感应用研究所
rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
© 中国科学院遥感应用研究所
nk 790 1023 850 656 329 245 122 81
p(rk) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02
sk计算 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00
遥感图像解译中的图像增强和分类技术介绍
遥感图像解译中的图像增强和分类技术介绍概述：遥感图像解译是指通过对遥感数据进行处理和解析，来获取地理信息的过程。
在这一过程中，图像增强和分类技术是至关重要的工具，可以提高图像质量和准确度。
本文将介绍遥感图像解译中的图像增强和分类技术的原理和应用。
一、图像增强技术图像增强技术是指通过对原始遥感图像进行处理，改善图像质量的方法。
1. 直方图均衡化直方图均衡化是通过变换图像的灰度级分布，增强图像的对比度和亮度。
该方法适用于单一场景中的图像。
通过对原始图像中每个像素的像素值进行统计，可以得到图像的灰度级分布。
根据统计分布，可以将原始图像中的灰度级重新映射，使得图像的灰度级分布更均匀。
这样可以增强图像的对比度，使得图像中的目标更加清晰可见。
2. 滤波技术滤波技术通过对图像进行空域或频域的滤波处理，来改善图像的质量。
常用的滤波方法包括线性滤波和非线性滤波。
线性滤波方法包括均值滤波、中值滤波等，主要用于降噪和平滑图像。
非线性滤波方法包括边缘增强滤波、退化滤波等，主要用于增强图像的边缘信息。
3. 多尺度分析多尺度分析是一种基于图像的不同尺度表示，来提取图像不同层次特征的方法。
常用的多尺度分析方法包括小波变换、尺度空间分析等。
通过对不同尺度下的图像进行处理和分析，可以获得更全面的图像信息。
这些信息可以用于图像分类和目标检测等应用。
二、图像分类技术图像分类技术是将遥感图像中的像素点或图像区域划分为不同的类别的过程。
图像分类是遥感图像解译的关键步骤，它可以帮助我们理解和分析图像中的地物信息。
1. 监督分类监督分类是一种通过人工标签指定不同类别的样本进行训练的分类方法。
在监督分类过程中，我们首先需要选择一种合适的分类算法，如支持向量机（SVM）、决策树、人工神经网络等。
然后，根据已标注的样本，使用分类算法进行训练和分类预测。
监督分类方法适用于有充足样本且具有明显特征的图像。
2. 无监督分类无监督分类是一种不依赖于人工标签的分类方法。
遥感图像的增强处理
遥感图像的增强处理一、实验目的通过上机操作，了解空间增强、辐射增强、光谱增强几种遥感图像增强处理的过程和方法，加深对图像增强处理的理解。
二、实验内容对下图进行卷积增强处理；直方图均衡化；主成分变换；色彩变换三、实验过程ERDAS IMAGE图像解译模块主要包括了图像的空间增强、辐射增强、光谱增强、高光谱工具、傅立叶变换、地形分析以及其他实用功能。
1、卷积增强（Convolution）空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。
卷积增强（Convolution）是空间增强的一种方法。
卷积增强（Convolution）时将整个像元分块进行平均处理，用于改变图像的空间频率特征。
卷积增强（Convolution）处理的关键是卷积算子——系数矩阵的选择。
该系数矩阵又称卷积核（Kernal）。
ERDAS IMAGINE将常用的卷积算子放在一个名为default.klb的文件中，分为3*3，5*5，7*7三组，每组又包括“Edge Detect/Low Pass/Horizontal/Vertical”等七种不同的处理方式。
具体执行过程如下：ERDAS图标面板菜单条：Main→Image Interpreter→Spatial enhancement→convolution→convolution对话框。
图3-1 Convolution对话框几个重要参数的设置：边缘处理方法：（Handle Edges by）：Reflection卷积归一化处理：Normalize the KernelKernel：3*3EdgeDetcetInput File(*.hdr): C\data\nj.hdr type:ENVI*.hdrOutput File(*.img): C\11.imgOutput: Unsigned 8 bit2、直方图均衡化（Histogram Equalization）直方图均衡化实质上是对图像进行非线性拉伸，重新分配图像像元值，是一定灰度范围内的像元数量大致相同。
遥感数字图像处理基础 知识点
第一章数字图像处理根底1数字图像处理：将图像转换成一个数字矩阵存放在图像存储器中，然后利用计算机对图像信息进行数字运算和处理，以提高图像质量或者提取所需要的信息2数字图像获取：把客观场景发射或者发射的电磁波信息首先利用光学成像系统生成一副模拟图像，然后通过模数转换将模拟图像转换为计算机可以存储的离散化数字图像。
3采样：即图像空间坐标或位置的离散化，也就是把模拟图像划分为假设干图像元素，兵赋予它们唯一的地址。
；离散化的小区域就是数字图像的根本单元，称为像元也称像素。
量化：即电磁辐射能量的离散化，也就是把像元内的连续辐射亮度中离散的数字值来表示，这些离散的数字值也称灰度值，，因为它们代表了图像上不同的亮暗水平。
4遥感数字图像获取特征参数质量特征：⑴空间分辨率：数字图像上能被详细区分的最小单元的尺寸或大小⑵辐射分辨率传感器探测原件在接受光谱信号时，所能分辨的最小辐射度差信息量特征：⑴光谱分辨率：传感器探测元件在接收目标地物辐射能量时所用的波段数目⑵时间分辨率：对同一区域进行重复观测的最小时间间隔。
5模拟图像：在图像处理中通过某种物理量的强弱变化来记录图像亮度信息的图像6数字图像：把连续的模拟图像离散化成规那么网格并用计算机以数字的模式记录图像上各网格点亮度信息的图像7数字图像特性：①空间分布特性：1空间位置：数字图像以二维矩阵的结构的数据来描述物体，矩阵按照行列的顺序定位数据，所以物体的位置也是用行列号表示。
2形状：点状线状和面状3大小：线状物体的长度或面状物体的面积，表现为像元的集聚数量4空间关系：包含，相邻，相离三种拓扑关系②数值统计特性：对图像的灰度分布进行统计分析。
图像的灰度直方图：用来描述一幅数字图像的灰度分布，横坐标为灰度级，纵坐标为灰度级在图中出现8直方图的用途：1图像获取质量评价2边界阙值的选择3噪声类型的判断9遥感数字图像的输出特征参数：1输出分辨率：屏幕分辨率和打印的分辨率2灰度分辨率：指输出设备能区分的最小灰度差3颜色空间模型：RGB 模型CMYK模型HSI颜色模型10数字图像种类：1.黑白图像：二值数字图像，0表示黑色1表示白色；2.灰度图像：单波段图像每个像元的灰度值的取值范围由灰度量决定;3.伪彩色图像：把单波段图像的各灰度值按照一定规那么映射到颜色空间中某一对应颜色;4.彩色图像：由红绿蓝3个颜色通道的数字层组成的图像第二章数字图像存储1比特序：一个字节中8个比特的存储顺序称为比特序。
遥感图像增强
To be continued…
§1 遥感图像的增强处理
八、K-T变换及其应用
这种变换着眼点在于农作物生长过程而区别于其他植被 覆盖，力争抓住地面景物在多光谱空间中的特征。 覆盖，力争抓住地面景物在多光谱空间中的特征。 目前对这个变换的研究主要集中在MSS TM两种遥感 MSS与 目前对这个变换的研究主要集中在MSS与TM两种遥感 数据的应用分析方面。 数据的应用分析方面。
例如： LandsatTM的 个波段的多光谱图像( 例如：对LandsatTM的6个波段的多光谱图像(热红外波段除 进行主成分分析，然后把得到的第1 外)进行主成分分析，然后把得到的第1，2，3主分量图像进行彩 色合成，可以获得信息量非常丰富的彩色图像。 色合成，可以获得信息量非常丰富的彩色图像。
主成分分析的原理(next)。 主成分分析的原理(next)。 (next)
• 图像增强是数字图像处理的最基本的方法之 一 ，目的在于：（1）采用一系列技术改善 图像的视觉效果，提高图像的清晰度；（2 ）将图像转换成一种更适合于人或机器进行 解译和分析处理的形式。
To be continued…
§1 遥感图像的增强处理
目前常用的遥感图像增强处理主要有： 目前常用的遥感图像增强处理主要有：彩色合成 、灰度变换、直方图变换、密度分割、灰度颠倒 灰度变换、直方图变换、密度分割、 图像间运算、邻域增强处理、主成分分析、 、图像间运算、邻域增强处理、主成分分析、K 变换、信息融合。 －T变换、信息融合。
To be continued…
§1 遥感图像的增强处理
七、主成分分析 在遥感图像分类中，常常利用主成分分析算法来消除特 在遥感图像分类中， 各特征之间的相关性，并进行特征选择。 征向量中各特征之间的相关性，并进行特征选择。 主成分分析算法还可以用来进行高光谱图像(Hyper (Hyper主成分分析算法还可以用来进行高光谱图像(Hyperimages)数据的压缩和信息融合 数据的压缩和信息融合。 spectral images)数据的压缩和信息融合。
《遥感数字图像增强》课件
通过重新分布图像的像素值，增强图像的动态范围和对比度。
滤波增强技术
1
线性滤波器
使用加权求和的方式平滑图像并去除噪
非线性滤波器
2
声，但可能导致图像细节模糊。
基于像素之间的关系进行滤波，能够更
好地保留图像边缘和细节。
3
自适应滤波器
根据图像局部区域的特性进行滤波操作， 提高处理效果。
小波变换
2 基于边缘的分割
通过检测图像中的边缘和轮廓信息，实现图像的分割。
3 基于像素的分割
根据像素的灰度值或特定特征进行分割，适用于高分辨率遥感影像。
常用遥感图像处理软件介绍
EN VI
功能强大的遥感图像处理和分析 软件，支持多种遥感数据格式。
ERDA S IM A GIN E
综合性遥感和地理信息系统 （GIS ）软件，提供丰富的图像 处理和分析功能。
通过分析遥感图像的云雾特征，消除云雾对图像质量和数据解译的影响。
3
水下图像增强技术
通过消除水下散射和吸收效应，增强水下图像的清晰度和可视性。
高光图像增强技术
高光光照补偿
抑制光斑
通过调整图像的曝光度和对比度， 平衡高光区域的亮度。
使用滤波器或图像处理算法，减 少反射表面上的光斑效应。
HDR图像合成
利用多幅不同曝光的图像，合成 高动态范围（HDR）图像，保留 细节和阴影。
融合多源数据实现图像增强
1
多光谱图像融合
将多个波段的光谱信息融合，提高图像的分类和识别能力。
2
多角度图像融合
结合不同视角下的图像，增强目标形状和表面特征的可视性。
3
多分辨率图像融合
将多个分辨率图像进行融合，获得更全面的信息并提高图像质量。
《遥感图像增强》课件
为什么需要图像增强
遥感图像的质量受到多种因素的影响，如云层、天气、光照等，往往存在低对比度、噪点等问题，因此需要进 行增强处理以获得更好的视觉效果和更准确的信息。
遥感图像增强的概念和步骤
遥感图像增强是通过数学、物理方法对遥感图像进行预处理或后处理，以提高遥感图像的质量和增强图像的特 征，使人眼或计算机能够更好地识别和理解图像。
遥感图像的分类
红外遥感图像
雷达遥感图像
通过探测红外波长范围的电磁辐 射来观测目标的状态、形态和活 动，用于环境监测、天气预测等。
利用雷达波束与地面物体反射、 散射、回波等特性，获得地面物 体的空间分布及形态等信息，可 用于海洋、军事、交通等领域。
可见光遥感图像
利用生活中看到的阳光和灯光直 接产生的可见光来获取目标信息， 被广泛应用于资源调查、城市管 理等领域。
通过增大亮度值之间的差异程度，使图像变得更加鲜明。
3
直方图均衡化
通过对图像灰度值的分布均衡化，使对比度的细节得以显现。
空间滤波增强
空间滤波通过对图像上采样、下采样、去噪等方法处理图像来使其增强。它可以改变图像的像素值来突出其中 的信息特征，便于对目标进行检测和识别。
平均滤波
使用相邻像素的平均值替换当前像素，从而达 到去噪的目的。
局部对比度增强
局部对比度增强是指针对图像中某些区域进行对比度增强处理，以突出某些特定的信息，增加图像的可 读性和可理解性。
1
经验方法
基于图像的边缘特征进行增强，通过对局部区域进行梯度检测和直方图分析，增强图像 中的细节和纹理。
2
基于局部方向的方法
通过在某些区域进行基于方向的滤波，提高特定方向的信噪比，增加图像的特征和清晰 度。
遥感图像增强
对图像进行非线性拉伸，重新分布图像像元值使 一定灰度范围内像元的数量大致相等
对图像查找表进行数学变换，使一幅图像的直方 图与另一幅图像类似，常用于图像拼接处理 对图像亮度范围进行线性及非线性取反值处理
降低多波段图像及全色图像模糊度的处理方法
利用自适应滤波方法去除图像噪声 对Landsat TM图像进行三次卷积处理去除条带
遥感图像增强的目的
改善图像的质量，提高图像目视效果，突出所需 要的信息，为进一步遥感目视判读做预处理工作 例如：图像对比度不够，图像有噪声、图像 边界模糊等
具体讲：改善图像的灰度等级，提高图像的对比 度，平滑滤波消除噪声，突出地物对象边缘等
主要内容
辐射增强
也叫对比度变换，是通过直接改变图像中像元的灰度 值来改变图像的对比度，从而改变图像的视觉效果。
空间增强
与辐射增强不同，是利用像元自身及其周围像元的 灰度值进行运算，采用空间域中的邻域处理方法，有目的 的突出图像上的某些特征。如突出边缘或线状地物；也可 以去除某些特征，如抑制在图像获取或传输过程中产生的 各种噪声。
光谱增强
是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。
辐射增强
查找表拉伸处理
是通过修改图像查找表，使输出图像值发 生变化。 可以根据对查找表的定义，实现线性拉伸、 分段线性拉伸、非线性拉伸等处理。
• 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
48218 2550128255
• 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
(数字图像处理)第八章图像形态学运算
缺点
对参数敏感
形态学运算的效果很大程度上取决于所选择的参 数，如结构元素的大小、形状和方向等，参数选 择不当可能导致处理效果不佳。
对大图像处理效率较低
对于大规模的图像，形态学运算可能需要较长时 间来计算，影响处理效率。
可能改变原始信息
形态学运算可能会改变图像中的原始信息，如细 小的细节或纹理，这在使用形态学运算进行图像 增强时需要注意。
击中击不中变换
总结词
击中击不中变换是一种基于形态学运算的逻辑运算，通过判断结构元素是否能够 击中或击不中图像中的对象来确定输出结果。
详细描述
击中击不中变换通过比较结构元素与图像中的对象是否匹配来确定输出结果。如果 结构元素能够击中图像中的对象，则输出为1，否则输出为0。击中击不中变换在检 测图像中的边缘、识别特定形状等方面具有广泛应用。
应用前景
医学影像分析
形态学运算在医学影像分析中 具有广泛应用，如病灶检测、 组织分割等。
遥感图像处理
在遥感图像处理中，形态学运 算可用于提取地形地貌特征、 监测土地利用变化等。
计算机视觉
在计算机视觉领域，形态学运 算可用于目标检测、跟踪和识 别等任务。
THANK YOU
感谢聆听
02
03
04
简化图像处理流程
形态学运算能够直接对图像进 行操作，无需进行复杂的预处 理或后处理，简化了图像处理 的流程。
增强图像特征
形态学运算能够突出图像中的 形状、边缘和纹理等特征，有 助于后续的特征提取和识别。
抑制噪声
形态学运算能够有效地去除图 像中的噪声，提高图像的清晰 度和质量。
实现简单
形态学运算算法相对简单，易 于实现，降低了计算复杂度和 时间成本。
遥感数字图像增强ppt课件
2、锐化—突出图像的边缘、线性目标或某些
亮度变化率大的部分。
① 罗伯特梯度：找到了梯度较大的位置，也
就找到了边缘，用不同的梯度值代替边缘处 像元的值，也就突出了边缘。
② 索伯尔梯度 ③ 拉普拉斯算法 ④ 定向检测
27
Edge Enhancement
edge enhancement mathematically manipulates an image to provide a new image in which edges are made to stand out.
14
This graphic illustrates the increase in contrast in an image before (left) and after (right) a linear contrast stretch.
15
If the input range is not uniformly distributed. In this case, a histogram-equalised stretch may be better. This stretch assigns more display values (range) to the frequently occurring portions of the histoห้องสมุดไป่ตู้ram. In this way, the detail in these areas will be better enhanced relative to those areas of the original histogram where values occur less frequently
- 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)。
（1）伪彩色处理：对灰度图像的每一个灰度值都赋予一种独立的颜色。 （2）密度分割：将图像的灰度值进行分层（或分段），每一层包含了一 定的灰度值范围，分别给每个层赋予不同的颜色。
18
四、图像融合
图像融合：把那些在时间或空间中存在冗余或者互补的多
源数据按照一定的法则进行运算，从而获得比任何单一数据 都更为精确、信息更为丰富的合成图像。
y f x
式中，f 是一个变换函数，常见的变换函数如线性变换、分段线性变换和 非线性变换等。
5
一、空间域图像增强
邻域运算
邻域运算的卷积滤波器分为平滑和锐化两种类型。 在图像增强中主要是指利用锐化滤波器对图像作锐化处理，将图像中灰 度值缓慢变化的区域滤去，使图像反差增加，突显边缘。 图像锐化的应用： (1)增强图像边缘，使模糊的图像更加清晰，一般是将图像锐化结果与原 图像相加以突出原图像的细节信息。 (2)用于目标物的边缘提取，并可进一步利用这些提取的边缘信息对图像 进行分割、目标区域识别、区域形状提取等，从而为进一步的图像理解 与分析奠定基础。
9
二、变换域图像增强（补充知识）
带通滤波
仅保留某个固定范围内的频率信息而屏蔽掉其它的频率信息
（1）理想带通滤波器
0 H (u, v) 1 0
D(u,
v)＜D0
w 2
D0
w 2
D(u,
v)
D0
w 2
D(u,
v)＞D0
+
w 2
式中，D0是理想带通滤波器频带的中心频率；w为频带的宽度；D(u, v)是 从频率平面的中心原点到点(u, v)的距离，即D(u,v)= (u2+ v2)1/2。
常用的图像变换算法： • 傅里叶变换 • 小波变换 • 颜色空间变换
8
二、变换域图像增强
傅里叶变换
傅里叶变换图像增强的基本原理： 图像的细节信息对应于频率域的高频部分，因此可以在
频率域中先对高频部分进行增强（如乘以一个大于1的数值） 再反变换到空间域，或者仅提取高频部分对应的信息（如频 率域高通滤波）叠加到原图像。
14
二、变换域图像增强
颜色空间变换
颜色空间变换图像增强的基本思想：将图像从一个颜色空间变换到另外 一个颜色空间进行处理，然后再反变换到原来的颜色空间，达到图像增 强的目的。
(a) 原图
(b) 亮度增强效果
(c) 饱和度增强效果
15
二、变换域图像增强
主成分变换
主成分变换图像增强的方法包括两方面： （1）多波段主成分变换结果本身就是图像增强的一种方式。 （2）对主成分变换后的某一分量进行对比度拉伸处理，然后再进行主成 分逆变换，从而达到图像增强的目的。
类型：
抽
数据级融合（像元级融合）
象
特征级融合
程
度
决策级融合
19
四、图像融合
像元级图像融合的基本思想：
把高空间分辨率的灰度图像与低空间分辨率的多光谱图像进行融合，从而得 到一幅高空间分辨率的彩色合成影像。
图像融合条件：
（1）图像空间信息匹配（空间位置、图像行列数一致） （2）图像光谱信息匹配（同名像元点的灰度值具有较好的相关性）
第8章
图像增强
图像增强
一、空间域图像增强 二、变换域图像增强 三、伪彩色处理 四、图像融合
难点：直方图匹配原理 重点：常见图像增强算法原理
2
一、空间域图像增强
空间域图像增强指对图像的灰度值直接进行处理以达到改善 图像视觉效果的目的。
空间域图像增强方法类型：
（根据决定输出图像像元灰度值的不同可分为三类）
10
二、变换域图像增强（补充知识）
（2）巴特沃斯带通滤波器
H u,v 1－
1
Du,v w 2n
1
D2
u,
v
-D02
式中， D0是滤波器频带的中心频率；w为频带的宽度；D(u, v)是从频率平 面的中心原点到点(u, v)的距离，即D(u,v)= (u2+ v2)1/2；n为滤波器的阶数
（3）高斯带通滤波器
1
D2
(u
,v
)
D02
2
H (u, v) e 2 D(u,v)w
式中， D0是滤波器频带的中心频率；w为频带的宽度；D(u, v)是从频率平 面的中心原点到点(u, v)的距离，即D(u,v)= (u2+ v2)1/2
11
二、变换域图像增强（补充知识）
12
二、变换域图像增强（补充知识）
注意：带通滤波器滤波后的信息量非常少，结果为周期性纹理。对于自 然地物来说，地物组合多是不规则和无规律的，这种周期性纹理往往不 能表达地物信息，对图像增强的意义不大，故一般对一幅图像不直接执 行带通滤波。
6
一、空间域图像增强
灰度形态学梯度运算
对于图像A以及结构元素B，常用的形态学梯度有以下几种定义方法： （1）膨胀腐蚀型梯度，即膨胀图像与腐蚀图像之间的算术差： （2）腐蚀型梯度，即原始图像与腐蚀图像之间的算术差： （3）膨胀型梯度，即膨胀图像与原始图像之间的算术差：
7
二、变换域图像增强
变换域图像增强是指在图像的某个变换域内对图像的变换系 数进行某种修改，然后再反变换到空间域以达到图像增强的 目的。
13
二、变换域图像增强
小波变换
小波变换图像增强的基本思想： 小波变换可将图像在多级尺度上分解为低频分量、水平次高频分量、垂 直次高频分量和对角高频分量四个部分。其中，图像的概貌主要体现在 低频部分，细节部分体现在高频部分。在实际应用中，为了达到图像增 强的目的，常对高频分量进行增强（如乘以一个大于1的系数），然后再 进行小波逆变换以达到图像锐化的效果。
16
三、伪彩色图像处理
为什么要进行伪彩色处理？
人眼对灰度的敏感度小于彩色，常借助色彩来处理图像以提高人眼对图 像特征的识别能力。
伪彩色处理
在图像显示时，将灰度图像中各像元的灰度值按照一定的规则赋给他们 不同的颜色，使之成为一幅彩色图像，这种把灰度转换成色彩的映射处 理被称为伪彩色处理。
17
三、伪彩色图像处理
点运算
灰度变换 直方图调整
空间域图像 增强方法
邻域运算
反锐化掩膜 微分算子
一阶微分算子 二阶微分算子
灰度形态学梯度运算
3
一、空间域图像增强
点运算
包括灰度变换和直方图调整
g=T(r)
r
g
(a) 灰度变换
变换
原始
变换后
(b) 直方图调整
4
一、空间域图像增强
灰度变换
基本原理：根据某种目标条件按照一定变换关系逐像元改变像元灰度值的 方法，如果设原图像的像元灰度值为x，处理后图像的像元灰度值为y，则 灰度变换可表示为：