遥感图像频率域增强处理实验报告
遥感图像增强实验报告
遥感图像增强实验报告1. 实验目的和内容实验目的：（1）遥感图像的空间域增强：通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像，是图像增强技术的基本组成部分，包括点运算和邻域运算。
（2）遥感图像的频率域增强：通过对频率域的调整对遥感图像进行平滑和锐化，平滑主要是保留图像的低频部分抑制高频部分，锐化则保留图像的高频部分而削弱低频部分。
（3）遥感图像的彩色增强：将黑白图像转换成彩色图像，使地物的差别易于分辨，突出图像的有用信息，从而提高对图像的解译和分析能力。
实验内容：（1）遥感图像的空间域增强：点运算—直方图均衡化、灰度拉伸、任意拉伸，邻域运算—图像平滑、图像锐化。
（2）遥感图像的频率域增强：定义FFT，反向FFT，再进行对比。
（3）遥感图像的彩色增强：多波段影像—彩色合成、单波段影像—伪彩色增强、色彩空间变换、遥感数据融合。
2. 图像处理方法和流程A.遥感图像的空间域增强1.直方图均衡化(1)在主窗口中打开can_tmr.img文件。
(2)以gray形式显示一个波段。
(3)Display窗口>enhance>equalization2.灰度拉伸(1)Display窗口>enhance>interactive stretching(2)弹出的对话框>stretch_type>linear(3)在STRETCH对应的两个文本框中输入需要拉伸的范围，然后单击对话框上的APPLY按钮，图像显示为线性拉伸后的效果。
3.任意拉伸（1）弹出的对话框>stretch_type>Arbitary，在output histogram中单击绘制直方图，右键结束（2）点击apply，结果如图所示4.图像平滑（1）均值平滑，在主窗口中打开can_tmr.img文件。
主窗口>enhance>filter>smooth[3*3]。
结果如图所示（2）中值平滑，在主窗口中打开can_tmr.img文件。
遥感图像处理实验报告
遥感图像处理实验报告《遥感图像处理实验报告》摘要：本实验利用遥感技术获取了一幅卫星图像，通过图像处理技术对图像进行了处理和分析。
实验结果表明，遥感图像处理技术在地理信息系统、环境监测、城市规划等领域具有重要的应用价值。
引言：遥感图像处理是利用遥感技术获取的图像进行数字化处理和分析，以获取有用的地理信息和环境数据的过程。
本实验旨在通过对遥感图像的处理和分析，探讨遥感图像处理技术在实际应用中的作用和意义。
实验方法：1. 获取卫星图像：选择一幅特定区域的卫星图像作为实验对象，确保图像质量和分辨率满足处理要求。
2. 图像预处理：对原始图像进行预处理，包括去噪、增强、几何校正等操作，以提高图像质量和准确性。
3. 图像分析：利用遥感图像处理软件对图像进行分类、特征提取、变化检测等分析，获取地理信息和环境数据。
4. 结果展示：将处理后的图像结果进行展示和分析，对图像处理技术的应用效果进行评估。
实验结果：经过处理和分析，得到了一幅清晰的遥感图像，并从中提取了有用的地理信息和环境数据。
通过图像分类和特征提取，可以准确地识别出不同地物类型，如建筑物、植被、水体等；通过变化检测，可以发现地表的变化情况，如城市扩张、土地利用变化等。
这些信息对于地理信息系统、环境监测、城市规划等领域具有重要的应用价值。
结论：遥感图像处理技术在地理信息系统、环境监测、城市规划等领域具有重要的应用价值，通过对遥感图像的处理和分析，可以获取丰富的地理信息和环境数据，为相关领域的决策和规划提供重要的支持。
在未来的研究中，可以进一步探讨遥感图像处理技术的改进和应用，以满足不同领域的需求。
03 遥感图像增强
实验三遥感图像增强一、背景知识在获取图像的过程中，由于多种因素的影响，导致图像质量多少会有所退化。
图像增强的目的在于：(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分析处理的形式。
通过处理设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。
增强的方法往往具有针对性，增强的结果只是靠人的主观感觉加以评价。
因此，图像增强方法只能有选择地使用。
图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。
空间域增强是直接对图像像素灰度进行操作；频率域增强是对图像经傅立叶变换后的频谱成分进行操作，然后经傅立叶逆变换获得所需结果。
图像增强所包含的主要内容如下图。
二、实验目的：掌握遥感图像增强的基本方法，理解不同处理方法的适用类型。
能根据需要对遥感图像进行综合处理。
三、实验内容：∙辐射增强处理✧直方图均衡化✧直方图匹配∙空间增强处理✧卷积增强处理✧自适应滤波✧锐化增强处理✧分辩率融合光谱增强处理✧主成份变换（PC变换/K-L变换）✧去相关拉伸✧缨帽变换（K-T变换）✧指数计算✧自然色彩变换四、实验准备1.软件ERDAS IMAGINE8.5版本以上；2.实验用相关数据五、实验步骤：(一)、辐射增强处理(Radiometric Enhancement)1.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，使一定灰度范围内像元的数量大致相等；这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方图，如果输出数据分段值较小的话，会产生粗略分类的视觉效果。
打开方法：（以文件Lanier.img为例）(1).ERDAS图标面板菜单条：Main - Image Interpreter Radiometric Enhancement -Histogram Equalization，打开Histogram Equalization对话框。
遥感图像处理实验报告
遥感图像处理实验报告遥感图像处理实验报告引言：遥感图像处理是一门应用广泛的技术，它通过获取、分析和解释地球表面的图像数据，为地质勘探、环境监测、农业发展等领域提供了重要的支持。
本实验旨在探索遥感图像处理的基本方法和技术，以及其在实际应用中的价值和意义。
一、图像预处理图像预处理是遥感图像处理的第一步，它主要包括图像的去噪、增强和几何校正等操作。
在本实验中，我们使用了一张卫星图像作为样本，首先对图像进行了去噪处理，采用了中值滤波算法，有效地去除了图像中的椒盐噪声。
接着，我们对图像进行了增强处理，采用了直方图均衡化算法，使得图像的对比度得到了显著提高。
最后，我们进行了几何校正，通过对图像进行旋转和缩放，使得图像的几何形状与实际地理位置相符合。
二、图像分类图像分类是遥感图像处理的关键步骤之一，它通过对图像中的像素进行分类，将其划分为不同的地物类型。
在本实验中，我们使用了监督分类方法，首先选择了一些具有代表性的样本像素，然后通过训练分类器，将这些样本像素与不同的地物类型进行关联。
接着，我们对整个图像进行分类，将图像中的每个像素都划分为相应的地物类型。
最后，我们对分类结果进行了验证，通过与实地调查结果进行对比，验证了分类的准确性和可靠性。
三、图像融合图像融合是遥感图像处理的一项重要技术，它可以将多个不同波段或分辨率的图像融合成一幅高质量的图像。
在本实验中，我们选择了两幅具有不同波段的卫星图像，通过波段归一化和加权平均的方法，将这两幅图像融合在一起。
融合后的图像不仅保留了原始图像的颜色信息，还具有更高的空间分辨率和光谱分辨率，可以提供更全面和准确的地物信息。
四、图像变化检测图像变化检测是遥感图像处理的一项关键任务，它可以通过对多幅图像进行比较，检测出地表发生的变化情况。
在本实验中，我们选择了两幅具有不同时间的卫星图像，通过差异图像法和指数变化检测法，对这两幅图像进行了变化检测。
通过对比差异图像和变化指数图，我们可以清晰地看到地表发生的变化，如城市扩张、植被变化等，为城市规划和环境监测提供了重要的参考依据。
遥感图像的频率域增强
遥感图象的频率增强与多光谱增强一、实验目的：学习并掌握遥感图象频率域增强的原理与方法，理解频率域增强的意义。
学习和掌握主成分变换，缨帽变换和色彩变换的基本原理与方法，理解三种变换方法处理的效果及意义二、实验内容：频率域平滑频率域锐化主成分变换缨帽变换色彩变换三、实验原理与方法：频率域增强的方法的基本过程：将空间域图象通过傅立叶变换为频率域图象，然后选择合适的滤波器频谱成分进行增强，再经过傅立叶逆变换变回空间域，得到增强后的图象。
K-L变换是离散（Karhunen-Loeve）变换的简称，又被称作主成分变换。
它是对某一多光谱图像X，利用K-L变换矩阵A进行线性组合，而产生一组新的多光谱图像Y，表达式为Y=AX对图像中每一个像元矢量逐个乘以矩阵A，便得到新图像中每一个像元矢量。
A的作用是给多波段的像元亮度加权系数，实现线性变换。
由于变换前各波段之间有很强的相关性，经过K-L变换组合，输出图像Y的各分量yi之间将具有最小的相关性，这就是变换矩阵A 的作用K-T变换是Kauth-Thomas变换的简称，也称缨帽变换。
这种变换也是一种线性组合变换，其变换公式为：Y＝BX彩色变换实际上就是根据人眼对色彩的分辨力远远大于对灰度的分辨力，将RGB色彩系统和IHS色彩系统相互转化来提高图像被人眼感知的效果四、实验步骤：（省略）实验原图：傅立叶变换图Butterworth滤波器处理Butterworth 高通滤波器Butterworth 低通滤波器Ideal滤波器Ideal 低通滤波器Ideal 高通滤波器Ideal 低通滤波器处理Ideal 高通滤波器处理Butterworth 高通滤波器处理Butterworth低通滤波器处理实验原图主成分正变换后图像实验原主成分处理后再经逆变换处理后图像实验原图缨帽变换后图像原RGB图像HIS图像五、结果分析和讨论：1．比较滤波处理前后的图像，分析低通滤波和高通滤波处理的效果1)经过高通滤波器处理后的图像，图像被锐化，边缘出现抖动现象，2)经过低通滤波处理后的图像，可以有效的消除噪声，由于高频部分含有大量边缘信息，导致边缘损失，图像边缘模糊。
遥感图像增强处理
实验编号：02四川师大实验报告2017年4月2日地理与资源资源学院2014级3班实验名称：遥感图像的增强处理姓名：羊少超成绩：学号：2014100339指导教师：林先成老师一．实验目的：1.通过上机操作，掌握图像增强与拉伸、图像去噪、复列变换，边缘提取及主成分变化等几种遥感图像增强处理的过程和方法，加深对遥感图像增强处理的理解。
2.提升实践与动手能力，提升自身专业素养。
二．实验内容：图像的增强与拉伸、去噪与边缘提取、复列变换和主成分变换。
三．实验数据及设备：遥感图像、实验设备电脑、EARDS IMAGINE8.5软件。
四．实验步骤：首先打开ERDAS IMAGINE8.51.影像的增强处理与直方图的均衡化：灰度反转：①在工具面板中选择Image Interpreter 下的Radiometric Enhancement(辐射增强）,在选择Brightness Inversion（亮度反转）。
②输入图片（input file）Tm_1.img，定义输出文件名为0111.img，其余为默认值，点击OK，保存图片到指定位置。
（对比结果图如图1）直方图的均衡化：①在工具面板中打开Viewer#1,打开图片Viewer#1。
②在Viewer#1下选择Raster 中的contrast （对比），在选择HistogramEqualize（直方图均衡化）。
打开Viewer#2，打开图片Viewer#1，进行图片对比。
（对比图如图2）③接着之前Viewer#1中完成的图像，选择Raster 中的contrast （对比），在选择Breakpoint Editor For lannir.img(断点编辑图像，如图3）从而对图像选择进行拉伸变换。
2.图像去噪与边缘提取：去除Noise：①打开画图软件，用画笔在图纸上点一些黑点作为噪声原件，保存文件到指定为主，定义文件名为noise.tif，格式为.tif②采用中值滤波器，在控制面板中选择Image Interpreter 中的SpatialEnhancement(光间增强），再选择Focal Analysis(聚焦分析），输入图片（input file）noise.tif,定义输出文件名为noise-1.img,在Function 中图1（灰度反转）图2（直方图均衡化）图3（拉伸变换）选择Median,其余为默认值，点击OK,完成去噪。
遥感图像的增强处理
目的：通过上机操作，掌握彩色变换增强，空间域增强，频率域增强，多光谱变换增强等几种遥感图像增强处理的过程和方法，加深对遥感图像增强处理的理解。
实验内容：彩色合成；对比度变换增强；空间滤波增强；频率域增强；图像运算；主成分变换。
一、彩色合成
根据加色法彩色合成原理，选择遥感图像的三个波段，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。
锐化：interpreter—spatical enhancement—convolution（索伯尔）以T1为例。 New为自己新定义一个模板，在Xsize与Ysize中定义，以默认的3为例，在窗口中的行列中输入T1（突出线状地物，为水平方向线性地物）点file中的librarian中的name中命名“suoboer”点save后close，发现自定义的suoboer已出现 在convolution窗口中的kernel下，点击suoboer，再在output file中命名。
（1）索伯尔梯度
1 2 1 -1 0 1
T1= 0 0 0 T2= -2 0 2
-1-2-1 -1 0 1
（2）拉普拉斯算法（有利于提取边缘信息）
0 1 0
T（m，n）=1-4 1（同时突出横、纵向，但边界是断断续续
标准假彩色合成：
TM2(绿波段)赋予蓝
TM3（红波段）赋予绿
TM4（近红外波段）赋予红；
步骤：配准--------合成
空间位置上配准（通过几何校正进行配准）
做一标准假彩色合成（选影像tm2、3、4）
首先将tm2、3、4打开看是否能直接合成（投影坐标是否一样，若不一样则需配准后才能合成）
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。
遥感图像增强实验报告
遥感图像增强实验报告引言遥感技术在地球科学和环境科学领域有着广泛的应用，其中图像增强是遥感图像处理的重要环节之一。
图像增强旨在改善遥感图像的视觉效果，使得图像的细节更加清晰、对比度更加鲜明，以便更好地进行地表特征的识别和分析。
在本次实验中，我们将探讨常用的图像增强方法，并且使用实际遥感图像进行增强实验。
实验目的1. 了解遥感图像增强的基本概念和方法。
2. 掌握常见的图像增强方法的实施过程。
3. 分析和比较不同图像增强方法的效果，选择最适合的增强方法。
实验步骤1. 数据准备：选择一张遥感图像作为实验数据，确保图像分辨率适中、含有一定的地表特征。
2. 灰度拉伸：使用灰度拉伸方法增强图像的对比度。
首先计算图像的最小灰度值（Min）和最大灰度值（Max），然后通过线性变换将灰度值映射到0-255的范围内。
3. 直方图均衡化：利用直方图均衡化方法增强图像的细节。
首先计算图像的灰度直方图，然后按照直方图均衡化的公式对每个灰度值进行调整。
4. 自适应直方图均衡化：对比直方图均衡化方法，自适应直方图均衡化能够避免对整个图像进行均衡化，而是通过使用局部领域内的信息来进行均衡化。
5. 对比度增强：使用对比度增强方法增强图像的对比度。
可以通过调整图像的亮度、对比度和饱和度来实现。
6. 结果分析：根据实验结果分析不同图像增强方法的效果，选择最佳的增强方法。
实验结果与分析经过实验，我们得到了经过不同图像增强方法处理后的图像。
通过对比实验前后的图像，我们可以得出以下结论：1. 灰度拉伸方法能够有效增强图像的对比度，使得图像的亮度范围更广，细节更加清晰。
2. 直方图均衡化方法能够增强图像的细节，特别是在暗部和亮部细节的表现上有显著提升。
3. 自适应直方图均衡化方法相比于普通直方图均衡化方法在处理具有大范围对比度差异的遥感图像时效果更好，避免了过度增强和信息损失。
4. 对比度增强方法可以通过调整图像的亮度、对比度和饱和度来增强图像的视觉效果，但对于某些场景可能会导致图像过度增强或过度饱和。
遥感实验作业--图像增强与变换
《遥感原理与应用》课程上机ENVI初步学习和影像增强处理一. 实验目的学习ENVI软件的基本操作，能够将图像进行相应变换和增强处理，在此操作中加深对理论知识的理解和掌握二.数据介绍介绍实验数据为软件自带数据，实习前应将实验数据所用图像改为本人姓名拼音原始图像三. 实验过程（一）空间域增强点运算1.线性对比度拉伸Linear Contrast Stretch）线性变换所用的变换函数是线性的或分段线性的，是将像元值的变动范围按线性关系扩展到指定范围，变换函数y=a*x+b.目的是为了改善图像的对比度，改变图像像元的灰度值。
线性对比度拉伸是系统默认的交互式拉伸。
线性拉伸的最小和最大值分别设置为 0 和 255，两者之间的所有其它值设置为中间的线性输出值具体做法如下所示：Enhance->interactive stretching,从 Interactive Contrast Stretching 对话框内，选择Stretch_Type > Linear Contrast Stretch，要限定最小和最大输入值，点击“Apply” ，把拉伸应用于显示的数据。
如图2分段线性对比度拉伸（Piecewise Linear Contrast Stretch）分段线性变换就是在一些灰度段拉伸，另一些灰度段压缩分段线性对比度拉伸可以通过使用鼠标在输入直方图中放置几个点进行交互地限定。
当在点之间提供线性拉伸时，线段在点处连接起来。
具体做法如下所示：选择Stretch_Type > Piecewise Linear.，要限定最小和最大输入值，点击“Apply” ，把拉伸应用于显示的数据。
如图3高斯对比度拉伸（Gaussian Contrast Stretch）系统默认的 Gaussian 拉伸是围绕DN平均值127的三个标准差的数据分布（centered at a mean DN of 127 with the data distributed over a range of 3 standard deviations）。
遥感图像增强实习报告
长 安 大 学
《遥感技术应用》 实习报告
指导教师：王爱萍 实习名称：遥感图像增强 姓 名： 学 号：201226040124 2015 年 4 月 20 日
课程名称：遥感技术应用 班 级：2012260401
实验名称：遥感图像增强 学员姓名：白正伟
实习时间：2015.4.20 一、目的与要求 通过上机操作，了解空间增强、辐射增强等几种遥感图象 增强处理的过程和方法，加深对图象增强处理的理解。
或利用 AOI 定义子区） 5) 6) 7) 8) 9) 输出数据类型为 Float Single 输出数据统计时忽略零值 特征矩阵文件名（Output Text File）为 lanier.mtx 特征数据文件名为 lanier.tbl 需要的主成分数量（Number of Components Desired）为 3
把每种增强方法都做几遍，进行比较，体会一下各种方法的不同效果，要求掌握 General Contrast Tools 常用直方图处理工具和 General Convolution 通用卷积滤波处理，其它的可以自己研究。
（二）利用 Image Interpreter 模块 ERDAS 图像解译模块包含了 8 个方面的功能，依次是遥感图像的空间增强、辐射增强、光谱增强、高 光谱工具、傅立叶变换、地形分析和地理信息系统分析及其它实用工具。本次实习主要是用到 Spatial Enhancement（空间增强）和 Spectral Enhancement（光谱增强） 1． 图像空间增强：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， 主要空间增强处理功能如下：卷积增强、非定向边缘增强、聚焦分析、纹理分析、自适应滤波、统计滤 波、分辨率融合、锐化处理
histogram equalization
遥感数字图像处理实验报告(四)
遥感数字图像处理实验报告（四）姓名：学号：班级：指导老师：1）项目名称：遥感图像频域增强处理2）实验目的：进一步了解ERDAS软件的使用，掌握对图像进行傅立叶变换的方法步骤，学会使用低通、高通及其它滤波器对遥感图像进行频率域的增强处理，尝试改变滤波器窗口大小，看滤波后的图像差异。
3）实验原理：傅里叶变换首先是将图像有空间域转换为频率域，把RGB图像转变为一系列不同频率的二维正弦波傅里叶图像，然后在频率域图像中对傅里叶图像进行滤波、掩膜等各种编辑，减少或滤除部分或全部高频或低频成分，最后再把频率域图像转换为RGB彩色空间域，得到经过处理的彩色图像。
傅里叶变换主要用于消除周期性噪声，此外，还可以消除由于传感器异常而引起的规则性错误。
同时这种处理技术还以模式识别的形式用于多波段图像处理。
4）数据来源及数据基本信息：（下载源、波段数、对应的波长、分辨率、投影、地区）图像数据来自国际科学数据服务平台，Landsat5 2010年9月18日的图像，是经裁剪后的图像。
图像共7个波段，波段1-5和波段7的空间分辨率为30米，6波段（热红外波段）的空间分辨率为120米。
对应的波段、波长、分辨率、主要作用如表：图像采用的投影为WGS 84投影，条带号为122，行编号为36，覆盖豫东、皖北、苏北、鲁西四省交界地区。
裁剪后的图像范围为河南省永城市东西城区及周边。
5）实验过程：具体步骤如下：1.傅里叶变换：——弹出对话框，选择要进行变换的图像，开始变换；2.傅里叶变换编辑，打开：——打开经傅里叶变换后的.fft文件layer1，如图1，对其进行编辑：a.低通滤波：低通滤波的目的是消弱图像的高频组分，从而让低频组份通过，使得图像更加平滑、柔和。
b.高通滤波：与低通滤波的作用相反，高通滤波是消弱图像的低频组份，而让高频组份通过，低频组保留，可以使图像锐化和边缘增强。
如图2，傅里叶逆变换，——，打开，如图3；原图像傅里叶变换后低通滤波编辑逆变换后图像高通滤波编辑1 逆变换后图像1高通滤波编辑2 逆变换后图像26）实验结果与分析：应用低通滤波时，通低频，阻高频，应用后图像平滑柔和，进行傅里叶编辑时选择的编辑范围越大则阻止的越少，反之越多，图像差异也很大；应用高通滤波时，通高频，阻低频，图像锐化，边缘突出，进行傅里叶编辑的范围越大则阻止的越少，反之越多。
实验4 遥感图像的增强处理
实验4 遥感图像的增强处理1 实验的目的和任务1）理解遥感图像的增强处理的方法和原理；2）理解遥感图像彩色合成的原理，掌握遥感图像彩色合成的方法；3）掌握遥感图像的增强处理，包括对比度变换（直方图）、空间滤波、HLS变换、多光谱变换（K-L变换，即主成分分析，PCA；K-T变换，即缨帽变换）。
2实验设备与数据：设备：遥感图像处理系统ENVI数据：焦作2004年3-7和4-8数据或者用软件自带数据3 实验内容与步骤：1）图像的彩色合成：真彩色是用3、2、1波段进行叠加合成，除真彩色之外都是假彩色，其中4、3、2波段合成标准假彩色。
真彩色：3、2、1波段合成假彩色：除真彩色之外都是假彩色，这里用3、4、5波段，可以发现，真彩色的遥感影像和实际地物地貌相一致，假彩色的图像和实际地物地貌不相一致。
因为传感器的获取的影像种类远多于人眼视觉，所以使用假彩色使人类看到看不见的辐射、或者突出某种特征，假彩色种类很多很灵活。
标准假彩色4、3、2真彩色和假彩色对比图2）直方图均衡化打开主影像窗口的enhance，如下图，用鼠标调整不同的波段范围，点击应用，可以更改颜色的表现方式可以看到，直方图均衡化后图像清晰度上升3）利用ENVI主菜单的transform菜单下的color transform进行彩色变换练习打开ENVI主菜单的transform菜单下的color transform，选择RGB to HSV，之后进行下图样式操作：选择文件保存路径后，得到一个影像文件，打开，如下图。
此外，还可以选择不同的色彩改善方式如下图，选择其他的方式，效果不同，当然选择打开的波段顺序不同，彩色合成的效果就不一样3）利用ENVI主菜单的transform菜单下的利用principal component进行主成分分析练习选择Transform>principal components>Forward PC Rotation>Compute New Statistics and Rotate，打开3-7，点击OK。
【报告】遥感图像处理实验报告
【关键字】报告遥感图像处理实验报告篇一：遥感数字图像处理实验报告设计重庆交通大学遥感数字图像处理实验报告实验课程：数字图像处理实验名称：设计所有遥感数字图像处理的实验班级：实验一：遥感图像合成和显示增强一、目的和要求1. 目的掌握图像合成和显示增强的基本方法，理解存储的图像数据与显示的图像数据之间的差异。
2. 要求熟练根据图像中的地物特征进行合成显示、拉伸、图像均衡化等显示增强操作。
理解直方图的含义，能熟练利用直方图进行多波段的图像显示拉伸增强处理。
2、实验内容1. 图像的彩色合成显示2. 图像的基本拉伸方法3. 图像均衡化方法4. 图像规定化三、实验步骤四、实验体会实验二：遥感图像的几何精纠正一、目的和要求1.目的使用多项式方法对TM遥感图像进行几何精纠正。
2.要求能熟练根据地图、GPS测点数据或具有投影的图像对遥感图像进行几何精纠正。
能够正确地选择几何纠正中的各种参数。
能够对纠正结果进行评估。
掌握几何精纠正的基本方法和操作要点。
能够自定义地图投影并进行图像的投影转换。
2、实验内容1. 对TM图像进行几何精纠正。
2. 自定义地图投影。
3. 转换图像的投影。
三、实验步骤四、实验体会实验三：图像变换一、目的和要求1.目的掌握图像变换的基本操作方法，对比变换前后图像差异，理解不同变换方法之间的区别。
2.要求能够根据图像的特征设定傅里叶变换的滤波器，消除图像中的条纹。
能够解释主成分变换后的图像，利用主成分变换消除图像中的噪声。
能够利用KT变换结果进行图像合成、解释地物信息。
熟练利用代数运算产生不同的波段组合。
利用彩色变换进行图像的合成和融合。
能够解释变换后的图像，并根据工作目的选择合适的图像变换方法。
2、实验内容1. SPOT图像的傅里叶变换。
2. TM图像的主成分变换。
3. TM图像的代数变换。
4. ETM 图像的彩色变换。
三、实验步骤四、实验体会篇二：遥感图像处理实验报告格式遥感图像处理班级：学号：姓名：指导教师：实验报告目录一、实验目的 (3)2、实验时间 (3)三、实验地点 (3)四、实验内容 (3)1.图像j50e023013和j50e024013的校正 (3)2.校正后图像的裁剪 (3)3.图像裁剪后的拼接 (5)4.图像pinjie校正spot图像 (7)5.校正后的spot图像校正图像etm+ (10)6.校正后图像的融合 (12)7.融合图像的分类 (13)五、实验体会 (14)一、实验目的：（1）了解遥感软件的基本结构，并能熟练地运用该软件处理遥感数据。
实验五 遥感图像的频率域增强
实验五遥感图像的频率域增强一、目的和意义学习并掌握遥感图像频率域增强的原理和方法，理解频率域增强的意义。
二、实验内容1.频率域平滑2.频率域锐化3.同态滤波三、原理和方法实质上，在图像中，像元的灰度值随位置变化的频繁程度可以用频率来表示。
对于边缘、线条、噪声等特征，在较短的像元距离内灰度值变化的频率大；而均匀分布的地物或大面积稳定结构具有较低的变化频率。
因此，空间增强复杂的空间域卷积运算可以用频率域中简单的乘法快速实现。
频率域增强方法的基本过程为：首先将空间域图像通过傅立叶变换为频率域图像，然后选择合适的滤波器对频谱成分进行增强，再经过傅立叶逆变换变回空间域，得到增强后的图像。
根据处理效果，将所采用的滤波器分为平滑和锐化两类，平滑主要是保留图像的低频部分抑制高频部分，锐化主要是保留图像的高频部分而削弱低频部分。
常用的平滑滤波器有理想低通滤波器、Butterworth低通滤波器、指数低通滤波器、梯形低通滤波器；相应的锐化滤波器有理想高通滤波器、Butterworth高通滤波器、指数高通滤波器、梯形高通滤波器。
本实验将利用ERDAS进行理想低（高）通滤波和Butterworth低（高）通滤波。
理想滤波函数采用截取频率，Butterworth则采用平滑的曲线方程，过度性较好。
同态滤波是指在频率域中同时对图像亮度范围进行压缩和对比度进行增强的方法。
四、实验步骤1.快速傅立叶变换ERDAS工具面板上Interpreter图标→Fourier Analysis→Fourier Transform→Fourier Transform对话框（图5-1）图5-1傅立叶变换对话框2.启动傅立叶变换编辑器进行傅立叶编辑①ERDAS工具面板上Interpreter图标→Fourier Analysis→Fourier TransformEditor→Fourier Editor（图5-2）②在傅立叶变换编辑器视窗菜单条上File→open→open FFT Layer对话框（图5-3）③在傅立叶编辑器视窗菜单条上Mask→Filters→Low/High Pass Filter对话框（图5-4）④在Low/High Pass Filter对话框中，设置以下参数分别进行低通和高通滤波处理→选择滤波类型→选择窗口函数：分别选择理想低/高通滤波器、Butterworth低/高通滤波器→滤波半径→定义低频增益⑤在傅立叶变换编辑器视窗菜单条上File→Save as保存编辑结果图5-2傅立叶编辑器图5-3 open FFT Layer对话框图5-4Low/High Pass Filter对话框3.傅立叶逆变换在傅立叶编辑器视窗菜单条上File→Inverse Transform→Inverse FourierTransform对话框（图5-5）图5-5Inverse Fourier Transform对话框五、结果分析和讨论1.比较滤波处理前后的图像，分析低通滤波和高通滤波处理的效果2.比较理想低（高）通滤波和Butterworth低（高）通滤波器的处理效果，说明两者有何异同。
- 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)。
一、实验名称
遥感图像频率域增强处理
二、实验目的
对图像数据采用各种图形增强算法，提高图像的目视效果，方便人工目视解译、图像分类中的样本选取等，方便以后的图像解译。
学会使用ENVI软件对遥感影像进行分析增强处理，初步掌握各种图像增强方法，并对其结果进行比较，观察增强效果。
三、实验原理
FFT Filtering（Fast Fourier Transform Filtering 快速傅立叶变换滤波）可以将图像变换成为显示不同空间频率成分的合成输出图像。
正向的FFT 生成的图
像能显示水平和垂直空间上的频率成分。
图像的平均亮度值显示在变换后图像的中
心。
远离中心的像元代表图像中增加的空间频率成分。
这一滤波能被设计为消除特
殊的频率成分，并能进行逆向变换。
四、数据来源
本次实验所用数据来自于国际数据服务平台；landsat4-5波段30米分辨率TM第三
波段影像，投影为WGS-84，影像主要为山西省大同市恒山地区，中心纬度：38.90407 中心经度：113.11840。
五、实验过程
1、正向FFT滤波
加载影像，在ENVI主菜单栏中选择Filters →FFT Filtering →Forward FFT。
出现Forward FFT Input File对话框，选择要进行滤波的文件，点击ok。
在Forward FFT Parameters对话框中选择输出文件名及位置。
点击ok开始FFT计算。
2、图像平滑
1）定义FFT滤波器
在ENVI主菜单栏中选择Filters →FFT Filtering →Filter Definition。
将出现Filter Definition选择对话框。
Filter_Yype →Circular Pass。
定义相关参数。
选择输出路径，apply构建FFT滤波器。
2）反向FFT变换
选择Filter →FFT Filtering →Inverse FFT，出现Inverse FFT Input File对话框。
选择文件[Memory1]，点击ok，选择文件[Memory2] →Circular Pass Filter，点击ok，即可对图像进行反变换。
3、图像锐化
1）定义FFT滤波器，在ENVI主菜单栏中选择Filters →FFT Filtering →Filter Definition。
出现Filter Definition选择对话框。
Filter_Yype →Circular Cut。
从下列选项中选择：
选择输出路径，apply构建FFT滤波器。
2）反向FFT变换
选择Filter →FFT Filtering →Inverse FFT，出现Inverse FFT Input File 对话框。
选择文件[Memory1]，点击ok，选择文件[Memory2] →Circular Pass Filter，点击ok，即可对图像进行反变换。
六、实验结果与分析
生成结果如上图，低通滤波器可使信息源的低频通过而对高频加以抑制。
由于抑制了反映灰度骤变的边缘特征的高频信息及包含在高频中的孤立点噪声，所以低
通滤波起了平滑图像去噪声的处理作用。
高通滤波器可使信息源的高频通过而对低频加以抑制。
由于抑制了反映灰度骤变的
边缘特征的低频信息及包含在低频中的孤立点噪声，所以高通滤波起了锐化图像的
处理作用。
七、实验心得与体会
本次实验内容为图像增强部分的频率域增强，通过本次实验进一步理解了图像频率域增强的相关原理，初步掌握了envi下频率域操作的基本步骤，如FFT模板的构建以及傅里叶变换下图像的平滑及锐化处理。