讲遥感图像处理

a
41
3、锐化
空间滤波
通过各种方法计算梯度，产生梯度图像。
a
42
空间滤波
3、锐化 （1）罗伯特(Roberts)梯度
t1
1 0
01
r(i,j)
r(i,j+1)
t2
0 1
01
r(i+1,j)
r(i+1,j+1)
g r f ( i , a j ) f ( d i 1 ,j f 1 ) f ( i 1 ,j ) f ( i ,j 1 )
均值平滑（滤波）：每个像元在以其为中心的邻域 内取平均值来代替该像元值。
中值滤波：每个像元在以其为中心的邻域内取中间 亮度值来代替该像元值。
问题：该怎么样来设计模板？
a
37
a
38
空间滤波
2、平滑
1 1 1
9
9
9
1 1 1
t(m ,n )
9
9
9
1 1 1
9
9
9
1 1 1
8
8
8
a
4
数字图像增强
1 对比度变换 2 空间滤波 3 彩色变换
a
5
对比度变换
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。
a
6百度文库
对比度变换
纠正前的图像及直方图： 偏暗
a
7
对比度变换
纠正后的图像及直方图
a
8
对比度变换
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（但可不同） • 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
意义在于用交叉的方法检测出像元与其邻域
在上下之间或左右之间或斜方向之间的差异。
a
43
3、锐化
空间滤波
（2）索伯尔(Sobel)梯度
1 2 1
t1
0
0
0
1 2 1
1 0 1
t2
2
0
2
1 0 1
a
44
3、锐化
空间滤波
（3） Laplace算法
0 1 0 t(m, n) 1 4 1
均衡化后的直方图
a
22
直方图均a 衡化实例
23
直方图均衡化实例
a
24
直方图均衡化实例
a
25
对比度变换（补充）
3、直方图匹配(histogram matching)
• 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
a
31
数字图像增强
1 对比度变换 2 空间滤波（邻
域增强） 3 彩色变换
a
32
空间滤波
对比度变换：点增强，是单个像元的运算， 从整体上改善图像质量；
空间滤波（邻域增强）：中心像元与周围相 邻像元间的运算，有目的的突出突出图像的 某些特征，如突出边缘或线性地物，用于去 噪声、图像平滑、锐化和相关运算。
• 根据灰度值的出现频率来分配它们的亮度显示范
围，频率高的部分被增强了,频率低的部分被压 缩。
a
19
对比度变换（补充）
2、直方图均衡化（Histogram Equalization） 变换函数是原图像累计直方图曲线
a
20
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
a
21
原始的直方图
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
a
9
a
10
对比度变换
a
11
对比度变换
1、直方图拉伸 （1）线性变换
增强前后灰度函数关系符合线性关系式： x’=kx+b
x’增强后的灰度值, x增强前的灰度值, b常数, k斜率
a
12
对比度变换
Output DN
255
b2
遥感图像处理
光学图像——光学原理和光学处理方法 数字图像校正
数字图像
数字图像增强
多源信息复合
a
1
遥感图像处理
光学图像——光学原理和光学处理方法
数字图像
数字图像校正 数字图像增强 多源信息复合
对比度变换 空间滤波 彩色变换 图像运算 多光谱变换
a
2
a
3
数字图像增强
什么是数字图像？ 数字图像直方图？
xb beaxa c
xbblga(ax1)c
对图像亮度值的影响？
a
17
对比度变换
a
18
对比度变换（补充）
2、直方图均衡化（Histogram Equalization）
• 非线性的增强方法；
• 将每个灰度区间等概率分布，代替了原来的随机
分布，即增强后的每个灰度级内有大致相同的象 元数；通过改变灰度区间来实现；
1
t(m ,n )
8
0
1
8
1 1 1
8
8
8
均值平滑模板
a
39
2、平滑
空间滤波
原始图像
均值滤波图像
a
40
3、锐化
空间滤波
为了突出图像的边缘、线状目标或某些亮度变化率大的 部分，可采用锐化方法。
锐化后的图像不再具有原图像的特征，成为边缘图像。
平滑通过积分使图像边缘模糊，锐化则通过微分使图像 边缘突出、清晰。
a
26
对比度变换（补充）
3、直方图匹配(histogram matching) • 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
• 应用于数字镶嵌
a
27
对比度变换（补充）
3、直方图匹配(histogram matching)
a
28
a
29
a
30
对比度变换（补充）
0 1 0
算法意义是检测亮度变化率的变化率，相当于二阶微分。
a
45
3、锐化
空间滤波
（4） 定向检测
1 0 1
1 1 1
0 1 1
t(m, n) 1
0
1
t(m,
直线形态对图像亮
度值的影响？
对图像的不同亮度
值区域如何进行差
xb
异变换？
b1
a1 xa a2
255
Input DN
a
13
对比度变换
1、直方图拉伸 （1）线性变换——线性变换
a
14
对比度变换
1、直方图拉伸 （1）线性变换——分段线性变换
a
15
对比度变换
原始图象
a
变换后图象 16
对比度变换
1、直方图拉伸 （2）非线性变换
a
33
1、图像卷积运算
空间滤波
模板 图像 窗口
MN
r(i,j)(m,n)t(m,n)
m1na1
34
1、图像卷积运算
空间滤波
a
35
1、图像卷积运算
空间滤波
作用
抑制噪声，增强地物的某些特征
•平滑：均值、中值滤波 •锐化：罗伯特梯度、索伯尔梯度、拉普拉斯
算法、定向检测等。
a
36
空间滤波
2、平滑
图像中某些亮度变化过大的区域，或出现不该 有的亮点（噪声）时，采用平滑的方法可以减小变 化，使亮度平缓或去掉“噪声”点。