数字图像的纠正过程
第四章数字图像的校正
10
图像处理系统
11
二、辐射校正
• 由于传感器响应特性和大气的吸收、散 射及其它随机因素影响，导致图像模糊 失真，造成图像分辨率和对比度相对下 降，称为辐射畸变。这些畸变都需要通 过辐射校正复原。 • 引起辐射畸变原因：传感器本身产生的 误差（生产单位进行校正）；大气对辐 射的影响（用户自行校正）。
f (1,1) f (2,1) f ( x, y ) f( M ,1)
f (1,2) f (2,2)
f ( M ,2)
f (1, N ) f( 2, N) f ( M , N )
数字矩阵可以在计算机里进行存储和运算。
8
图像的数字化内容：
22
不同反差特征的图像
23
① 直方图校正方法
前提（假设）：深海水体处（或山的阴影）等物体 的亮度值为0，大气散射导致图像上这些物体的灰度 值不为0（辐射偏置量）。 从图像像元亮度值中减去一个辐射偏置量（LP）， 辐射偏置量等于图像直方图中最小的辐射亮度值。
暗物体法（Dark-object method）
（1）图像空间位置的数字化，即图像的空间取样。
（2）图像灰度的数字化，即指从图像灰度的连 续变化中进行离散的采样，目前经常使用的灰度量度 有2级，64级，128级，256级。
除光学图像可以数字化为数字图像外，更多的遥 感图像源于传感器获得后直接的数字产品，如 MSS,TM,ETM等航天遥感器。
遥感数字图像的正射纠正与图像镶嵌
(2) 距离加权法
地理编码影像的自动镶嵌处理流程
Step3: 根据相交区内图像色彩差异进行图像色彩均衡， 使输出图像色彩连续，色调统一。
没有经过色调均衡的镶嵌图像
经过色调均衡的镶嵌图像
例1：基于地理坐标的图像镶嵌
PCI—OrthoEngine模块
（1）新建工程并定义投影
（2）输入图像
（3）图像镶嵌
基于影像重叠区像素匹配的人机交互的图像镶嵌
例2：基于像元的图像镶嵌实例
准备工作：
1）要参加拚接的图像必须具有统一的坐标系，
即首先进行图像的几何纠正。
2）图像灰度的调整
对于彩色图像，需要从红绿蓝三个波段分别进行灰度的调整； 对于多波段的图像文件，进行一一对应的多个波段的灰度调整。 灰度调整的方法：进行交互式的图像拉伸，进行图像直方图的
A
L
B
为此可取一长度为d的一维窗口，让窗口在一行内逐点 滑动，计算出每一点处A和B两幅图像在窗口内各个对应像 元点的亮度值绝对差的和，最小的即为接缝线在这一行的 位置，其计算公式为：
g i, j
j 0 A
d 1
o
j g B i, j0 j
B 0
j0
1,2,...,L d 1
CUT LINE的定义步骤为：
1) 打 开 IMAGE 窗 口 上 的 菜 单 命 令 Fuctions—Overlays— Annotation，则打开Annotation窗口；
2)
3) 4)
选择要在那个图像窗口上画ANN, IMAGE? SCROLL? ZOOM?
在窗口上，选择菜单命令Object—Polyline； 使用鼠标画线，按右键后画线停止，出现一个 handle ， 鼠标在 handle 上时候，按下左键可以拖动 Ployline ，按下 鼠标中键则删除该Ployline。画线的过程中，按下中键则删 除上一个节点。再点击右键则确定所画的线。 注意：确保所画的线跨越图像的边缘。
摄影测量与遥感：数字微分纠正
ijx3 ]
y(i,
j)
1 n2
[(n
i)(n
j) y1
i(n
j) y2
(n
i)
jy4
ijy3 ]
正射影像精度的检查与质量控制
精度控制 1、野外检测 2、与线化图套合目视检查 3、立体正射影像对制作，量测同名点的视差。
影像质量
主要考虑其反差和色调
Y' y
Y'
( X0 ,Y0 )
X ' 纠正图像
y X'
p
x
x 原始图像
直接法数字微分纠正是从原始图像出发，将原始图像上的每一个像元素 用正解公式求得纠正后的像点坐标。
这种方法存在着很大的缺点，在纠正后的图像上，所得的像点是不规则 排列的，有的像元素内可能出现空白，而有的像元素内可能出现多个像 点，因此很难实现灰度内插并获得规则排列的数字影像。
数字微分纠正
数字微分纠正
按被纠正的最小单元，对纠正分类： 1、点元素纠正 2、线元素纠正 3、面元素纠正
多数光学微分纠正属线元素微分纠正，即以很窄的缝隙作为纠正 的最小单元。 因数字影像是由像元素排列组成，原理上最适合点元素微分纠正。
一、数字微分纠正的基本原理
数字微分纠正的基本任务是实现两个二维图象之间的几何变换，因 此，在数字微分纠正的过程中，必须首先确定原始图像与纠正后图 像之间的几何关系。
四、数字纠正实际解法
数字纠正的实际解法，从原理上来说，是属于点元素纠正，但在实际的 软件系统中，均是以“面元素”作为纠正单元的，一般以正方形作为纠正 单元。利用反算公式计算该单元４个“角点”的像点坐标，再沿X 和Ｙ方 向，在“面元素”内线性内插求得纠正单元的坐标，求得像点坐标后，再 内插其灰度。其实质仍为线元素纠正。
遥感数字图像处理影像校正ppt课件
-1-
大气影响辐射纠正
精确的校正公式需要找出每个波段像元亮度值 与地物反射率的关系。为此需得到卫星飞行时 的大气参数，以求出透过率Tθ、Tφ等因子。如 果不通过特别的观测，一般很难得到这些数据， 所以，常常采用一些简化的处理方法，只去掉 主要的大气影响，使影像质量满足基本要求。
-1-
第二讲 影像校正
1 数字影像的性质和特点 2 影像校正
-1-
1 数字影像的性质与特点
1.1模拟影像与数字影像 1.2 数字影像的特点 1.3 多波段数字影像的数据格式
-1-
1 数字影像的性质与特点
1.1模拟影像与数字影像 – 模拟影像：普通像片那样的灰度级及颜色连续变化 的影像 – 数字影像：把模拟影像分割成同样形状的小单元， 以各个小单元的平均亮度值或中心部分的亮度值作 为该单元的亮度值进行数字化的影像。
-1-
2.2 大气校正
进入大气的太阳辐射会发生反射、折射、吸收、散 射和透射。其中对传感器接收影响较大的是吸收和散射。 为消除由大气的吸收、散射等引起失真的辐射校正，称 作大气校正。
-1-
2.2.1 影响遥感影像辐射失真的大气因素
（1）大气的消光（吸收和散射） （2）天空光（大气散射）照射 （3）路径辐射
-1-
大气影响的回归分析法纠正
假定某红外波段，存在程辐射为主的大气影响，且亮 度增值最小，接近于零，设为波段a。现需要找到其他 波段相应的最小值，这个值一定比a波段的最小值大一 些，设为波段b，分别以a，b波段的像元亮度值为坐标， 作二维光谱空间，两个波段中对应像元在坐标系内用 一个点表示。由于波段之间的相关性，通过回归分析 在众多点中一定能找到一条直线与波段b的亮度Lb轴相 交，且
《数字图像的校正》课件
校正可以提高图像的质量，使得图像更清晰、更逼真，给观众带来更好的视觉体验。
2 信息准确传达
校正可以消除图像中的噪点、失真、色差等问题，确保被拍摄对象的信息被准确传达。
3 数据分析和处理
校正后的图像可以更好地用于数据分析、图像处理和计算机视觉等领域的研究和应用。
数字图像校正的分类
几何校正
数字图像校正实例展示
图像校正前
图像细节不清晰，颜色饱和度低。
图像校正后
图像细节清晰，颜色饱和度高。
对比
通过校正，图像质量得到显著提升。
校正后图像的评价
主观评价
通过观察图像的视觉效果，评价校正的效果。
客观评价
使用图像质量评价指标，如PSNR和SSIM，对校正后图像进行量化评估。
用户反馈
收集用户对校正后图像的使用体验和满意度的反馈。
使得色彩更真实。
3
图像采集
选择适当的采集设备和环境，确保图像的质 量。
曝光调整
根据被拍摄对象的亮度，调整相机的曝光参 数，避免过曝或欠曝。
图像校正中的偏差，需要进行色彩校正。
2 失真
镜头畸变、透视变形等因素会引起图像的失真，需要进行几何校正。
3 噪点
校正后图像的应用
• 医学影像诊断和分析 • 无人驾驶和智能交通 • 工业质检和机器视觉 • 航空航天图像处理 • 数字艺术和媒体创作
数字图像的后处理
数字图像校正是数字图像后处理的重要环节，通过校正，可以提高图像的质 量和准确性。
《数字图像的校正》PPT 课件
数字图像的校正PPT课件介绍了数字图像校正的意义、分类、常见问题以及各 种校正方法，展示了校正前的准备工作和校正后图像的评价和应用。
数字图像的退化与复原
数字图像的退化与复原1. 实验目的(1) 掌握数字图像的存取与显示方法。
(2) 理解数字图像运动模糊、高斯模糊以及其他噪声引起模糊（图像降质现象）的物理本质。
(3)掌握matlab的开发环境。
(4)掌握降质图像的逆滤波复原和维纳滤波复原方法。
2. 实验原理此实验是对数字图像处理课程的一个高级操作。
在深入理解与掌握数字图像退化的基础理论上，利用逆滤波与维纳滤波方法对数字图像进行复原。
(1) 图像的退化数字图像在获取过程中，由于光学系统的像差、光学成像衍射、成像系统的非线性畸变、成像过程的相对运动、环境随机噪声等原因，图像会产生一定程度的退化。
(2) 图像的复原图像复原是利用图像退化现象的某种先验知识，建立退化现象的数学模型，再根据模型进行反向的推演运算，以恢复原来的景物图像。
因而图像复原可以理解为图像降质过程的反向过程。
(3) 图像降质的数学模型图像复原处理的关键问题在于建立退化模型。
输入图像f(x,y)经过某个退化系统后输出的是一幅退化的图像。
为了讨论方便，把噪声引起的退化即噪声对图像的影响一般作为加性噪声考虑。
原始图像f(x,y)经过一个退化算子或退化系统H(x,y)的作用，再和噪声n(x,y)进行叠加，形成退化后的图像g(x,y)。
图1表示退化过程的输入和输出关系，其中H(x,y)概括了退化系统的物理过程，就是要寻找的退化数学模型。
图1 图像的退化模型数字图像的图像恢复问题可以看作是：根据退化图像g(x,y)和退化算子H(x,y)的形式，沿着反向过程去求解原始图像f(x,y)。
图像退化的过程可以用数学表达式写成如下形式：g(x,y)=H[f(x,y)]+n(x,y) (1)在这里，n(x,y)是一种统计性质的信息。
在实际应用中，往往假设噪声是白噪声，即它的频谱密度为常熟，并且与图像不相关。
在对退化系统进行了线性系统和空间不变系统的近似之后，连续函数的退化模型在空域中可以写成：g(x,y)=f(x,y)*h(x,y)+n(x,y) (2)在频域中可以写成：G(u,v)=F(u,v)H(u,v)+N(u,v) (3)其中，G(u,v)、F(u,v)、N(u,v)分别是退化图像g(x,y)、原图像f(x,y)、噪声信号n(x,y)的傅立叶变换；H(u,v)是系统的点冲击响应函数h(x,y)的傅立叶变换，称为系统在频率域上的传递函数。
遥感数字图像处理一
STEP2
STEP3
STEP4
图像校正：包括辐射校正、几何校正。
增强处理：增强图像中的有用信息，利于识别分析。 包括彩色增强、直方图增强、图像运算、邻域增强、频率域增强、信息融合等。
图像变换：消除干扰和滤掉噪声，提高图像质量。
信息提取：图像分类（监督分类、非监督分类、神经网络分类、模糊分类）、空间信息提取、光谱信息提取。
方法：黑白扫描/彩色扫描
扫描时需注意： 扫描的空间分辨率
一般300dpi（像片）/ 600dpi（负片）可满足要求 灰度级：0-255（黑白）/ RGB（彩色）
航空像片的数字化
如何设置分辨率
过程: （1）空间采样 （2）属性量化
分辨率设置
例：将一张1:50000的航空图像扫描成分辨率是2米的数字化图(1pix=2m) 。 50000 lcm=500m 1cm内要有250个pix pix边长=1cm/250pix=0.004cm=0.001575inch (1cm=0.3937inch) 635pix/inch
辅助数据：数字图像尺寸等各种参数
多波段数字图像存储与分发的常用数据格式：
遥感数字图像的表示方法
BSQ(Band sequential)数据格式：按波段顺序依次排列， 1个文件，文件内划分1-K段，第n段数据为第n波段的图像数据[M行][N列]。 多式（Band interleaved by pixel），1个文件，[M行][N列]格式，每个单元顺序记录K个波段的相应数据。 多波段数字图像存储与分发的常用数据格式（2）
BIL数据格式（Band interleaved by line）， 1个文件，逐行按波段次序排列。第1波段的第1行、第2波段的第1行、…、第K波段的第1行；第1波段的第2行、第2波段的第2行、…、第K波段的第2行；…… 多波段数字图像存储与分发的常用数据格式（3）
数字图像纠正的原理和方法
１ 数字 图像纠正的基本原理
图像 的几何 变形 主 要是 由于 图像 中的像 素 点 发 生位
移而产 生 的 ， 其 典 型 表 现 为 图像 中 的物 体 扭 曲。 图像 纠 正就是 将发 生 位 移 的像 素 点 重 新 放 到正 确 的位 置上 ， 修 正 图像 的几 何 变 形 ， 从 而 产 生一 幅符 合 某 种 地 图投 影 或 图像 表 达要 求 的新 图像 。从 本 质 上 看 ， 图像 的 几 何 纠 正 是 采用 一种 数 学 模 型 ， 选 择一 定 数 量 的 已知 理 论 坐 标 值
Ｏ 引 言
随着计 算 机 技 术 的发 展 ， 在城市规 划、 工 程 建 设 和 Ｇ Ｉ Ｓ建库 等工 作 中 ， 常 常需要 将 现有 的纸 质线 划地 形 图数 字化， 使其 成 为 计 算 机 能 够 识 别 和 处 理 的数 字 地 形 图 。 但 是 由于 图纸 在 存 储 过程 中 易受 温 度 及 湿 度 的影 响 ， 从 而 产生 收缩 、 扭曲、 皱 褶 等变 形 。另 外 由于 扫 描过 程 是 逐 行逐 块进 行 的 ， 因而 行 与 行 、 块与块之间有拼接误差 ； 扫 描仪 不 稳定 误 差 、 光 学误 差 、 扫描 方 向与 方 向不 垂直 引 起 的误 差等 。对 于这些 变 形 都会 不 同程度 地 降低 数 字 地形 图 的精 度 ， 因此 在数 字化 之 前 ， 我 们 首先 要研 究 对栅 格 影 像 的纠 正技术 。
ＺＨＡＮＧ Ｈｏ ｎ ｇ—ｌ ｉ ｎ ｇ
（ Ｂ ａ ｓ ｉ ｓ ｏ ｆ Ｓ ｕ ｒ ｖ ｅ ｙ ｉ ｎ ｇ ａ ｎ ｄ Ｍａ ｐ ｐ ｉ ｎ ｇ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆ Ｌ ｉ ａ ｏ ｎ ｉ ｎ ｇ Ｐ ｒ ｏ ｖ ｉ ｎ ｃ ｅ ， Ｊ ｉ ｎ ｚ ｈ ｏ ｕ １ ２ １ ０ ０ ３， Ｃ ｈ ｉ ｎ ａ ）
如何校正数字照片的透视变形
在执行裁切命令后，我们发觉在画面旳右
上角
还留有白边，这时可继续使用“裁切工具” 。
4、使用“裁切工具”全选画面，并在工具栏中勾选 “透
视“选项，如左下图，启用透视裁剪。将鼠标移至裁 切
框旳右上顶角，并向左移动裁切框，使裁切框一边
与倾斜边重叠，单击回车键，确认该操作环节完
成，即可取得右下图旳画面效果。
要校正数字照片出现旳这个问题，其实只需要用 PS 稍作处理，即可取得理想旳画面效果。
以图1为例进行实际操作
1、打开素材照片，双击背景图层，将弹出左下角旳对 话框，按 “确认”按钮，即可将背景图层转换为右下
角
一般图层（注意观察图层面板旳变化，这时原来旳背景
图层变成了图层0）。
2、执行【编辑/自由切换】命令，画面将出现锚点框 。 再将鼠标置于画面内，单击右键，选择“扭曲”命令， 用鼠标拉动锚点进行透视变形旳调整，直至符合要求 即可按回车键或者双击画面内，确认该命令。
怎样校正数字照Βιβλιοθήκη 旳透视变形常遇到用数字相机拍摄旳照片出现透视变形旳 情况，如下图1。
图1
对摄影知之不多者则以为是自己旳拍摄水平和照 相机旳档次不够高，所以造成这么旳变形。
其实不然！
虽然是专业旳单反摄影机，只要不是使用移轴镜 头进行拍摄，拍摄旳画面出现这么旳透视变形是很正 常旳现象。这么旳变形与拍摄者旳摄影水平和摄影机 旳档次没有直接旳关系，究其原因，其实是摄影机镜 头本身引起旳透视变形。
为了免过分调 整，能够事先 调处标尺工具 （Ctrl+ R） 作为参照。
执行环节2后，得到了左下图旳效果（画面旳 透视变形得到了有效旳调整）。仔细观察画面， 发觉照片旳背景严重影响视觉效果。这时还需要 对画面进行再构图。
数字化图像清晰度处理和校正.doc
数字化图像清晰度处理和校正一、数字化图像清晰度的处理原理清晰度是图像细节边缘变化的敏锐程度。
在图像细节的边缘处，光学密度或亮度随位置的变化越敏锐（变化快）、越剧烈（反差大），则细节的边缘就越清晰，可辨程度越高。
在图像信息的传递过程中，细节本身及其清晰度都会有所损失。
以印刷复制为例，假设原稿为彩色反转片，其细节分辨力（解像力）可以达到甚至超过100线对/毫米，但按照采样定理，只有超过200线对/毫米(5080ppi)的扫描分辨力才能将细节全部分辨出来。
可见，在通常使用的扫描分辨力下，较多的图像细节信息会丢失。
彩色图像加网后所形成的玫瑰斑也会对细节的再现产生干扰，使其难以辨别。
影响印刷图像复制清晰度的因素还有图像反差压缩、制版及印刷套准精度等。
为了保证图像细节及其清晰度的再现，有必要进行图像清晰度增强处理，使尚未丢失的细节得到良好的再现。
图像的细节往往具有较为明显的边界光学密度跳跃。
人眼视觉系统具备对图像密度突变的边界区域进行增强的特性。
古老的照相制版技术则采用了虚光蒙版(Unsharp Mask)技术来提高密度跃变边缘的反差，以达到强调清晰度的效果。
在图像数字化采集、处理的今天，清晰度增强也同样以数字化的形式进行处理。
原稿图像经过扫描被数字化成不连续的像素，像素具有不同灰度值。
在图像细节的密度突变边缘处，数字图像信号灰度值也有明显的差异。
数字式虚光蒙版技术大量用于图像扫描仪和图像处理软件中。
其基本原理是：在对某个像素进行处理时，取该像素周围的若干个像素，计算这些周围像素灰度的平均值U平均。
随后，用中心像素的灰度值U中心减去周围像素的灰度平均值U平均，得到虚光蒙版信号U虚光蒙版。
将此虚光蒙版信号与中心像素的灰度值相加，就可以使图像细节边缘的反差发生变化，即：边缘的暗侧更暗而亮侧更亮。
拉大细节边缘的反差可以达到提高目视清晰度的作用。
针对不同的图像清晰度处理要求，可以取不同强度的虚光蒙版信号进行处理（幅度值k），还可以改变取周围像素选取的范围大小（半径值）。
数字图像的纠正过程
数字图像的纠正过程数字图像几何纠正：通过计算机对离散结构的数字图像中的每一个像元逐个进行纠正处理的方法。
基本原理：利用图像坐标和地面坐标（另一图像坐标、地面坐标等）之间的数学关系，即输入图像和输出图像间的坐标转换关系实现。
纠正函数纠正的函数有多种：多项式方法、共线方程方法、随机场内插方法等。
多项式方法应用最普遍。
多项式纠正的基本思想：图像的变形规律可以看做是平移、缩放、旋转、仿射、偏扭、弯曲等形变的合成。
直接纠正方法：从原始图像阵列出发，按行列的顺序依次对每个原始图像像元点位用变换函数 F （）（正解变换公式）求得它在新图像中的位置，并将该像元灰度值移置到新图像的对应位置上。
⋯⋯++++++==25243210),(i i i i i i i i x i y c x c y x c y c x c c y x F X ⋯⋯++++++==25243210),(i i i i i i i i x i y d x d y x d y d x d d y x F Y间接纠正法：从空白的新图像阵列出发，按行列的顺序依次对新图像中每个像元点位用变换函数f () （反解变换公式）反求其它在原始图像中的位置，然后把算得的原始图像点位上的灰度值赋予空白新图像相应的像元。
⋯⋯++++++==25243210),(i i i i i i i i x i Y c X c Y X c Y c X c c Y X f x ⋯⋯++++++==25243210),(i i i i i i i i x i Y d X d Y X d Y d X d d Y X f y确定新的图像的边界：纠正后图像和原始图像的形状、大小、方向都不一样。
所以在纠正过程的实施之前，必须首先确定新图像的大小范围。
求出原始图像四个角点（a,b,c,d ）在纠正后图像中的对应点(a ’,b ’,c ’,d ’)的坐标(Xa’,Ya’) (Xb’,Yb’) (Xc’,Yc’) (Xd’,Yd’)，求出x,y坐标的最大最小值。
遥感实验 数字图像几何校正.
遥感实验 3 数字图像几何校正一、实验目的学会几何纠正几种常用方法二、实验材料与方法某区域的遥感图像、ERDAS 软件。
三、实验内容及主要步骤纠正地形图用地形图纠正影像用影像纠正影像四、实验结果1986年 TM 数据和 2000年 ETM+数据。
附:实验指导书1、纠正地形图开始几何纠正:在 viewer 中打开待纠正的地形图、点击菜单 raster/geometric correction、在出现的界面中选择 polynomial 、 OK ;定义投影参数 :在出现的 polynomial model properties 中点击 projection 下add/change projection 、选择合适的投影参数、 apply 、 close ;选择坐标输入方式:在出现的界面中选择键盘输入; OK ;输入控制点及坐标:在图像中找到合适的坐标点 (方里网交叉点 , 用加入控制点工具在图中加入控制点、读出坐标并在 xref 和 yref 处输入正确坐标;至少输入 4个控制点;可在 GCP tool中点击 point#栏或配合 shift 键以选择一个或多个控制点并点击菜单 edit/set point type设置这些点的类型 (控制点或检查点 ; 输入足够数量控制点且精度满足要求后, 点击开始执行纠正;计算并保存校正好的地形图:在出现的界面中选择文件夹、输入纠正后文件名、选择重采样方法和像元大小, OK 。
2、由地形图校正影像在两个 viewer 中分别打开已纠正好的地形图和待纠正的影像,用前面的方法开始纠正影像、选择从地形图获取坐标;在有坐标的 viewer (地形图中点单左键;读到的投影和坐标信息用在图像中取点、在地形图中取坐标;输入足够数量控制点且精度满足要求后,点击开始执行纠正(过程同前。
3、由影像纠正影像方法同用地形图纠正图像,但找点要容易得多。
使用 2000年的 landsat pan波段数据。
数字图像的几何校正
实验3 数字图像的几何校正一、实习目的学会数字图像的几何校正方法，对GCP、变换算法、空间插值方法、RMS等概念有初步认识。
二、实习内容采用多项式校正法对一幅从谷歌地球上获取的太谷城区附近的遥感影像图进行几何校正。
三、实习步骤：（一）Image-to-Map Registration (图像-地图配准)法1在ENVI中，使用RGB模式，打开要校正的“谷歌太谷”遥感影像；（File\Open Image File）2在ENVI中，显示与“谷歌太谷”相应的矢量化并经几何经校正的道路和控制点图；（File\Open Vector File）3 比较上述栅格和矢量图的坐标范围，查看其投影方式和坐标系；（在栅格图像在打开图像时出现的Available Bands List对话框中及右击任一影像窗口出现的菜单选Cursor Location/Value，矢量图在Available Vectors List（.evf文件）或Import Vector Files Parameter（.shp文件）对话框中可见）；4 将栅格图和矢量图分别显示，查找同名点；5 通过查找GCP，编辑几何变换所需的匹配文件；（File\Open Image File\“谷歌太谷”；）（1）选择Map → Registration → Select GCPs: Image to Map；（2）出现Image to Map Registration对话框，设置相应投影坐标相关信息；\Arbitrary, Units..Meters, Map Based, X Pixel Size 4.3m, Y Pixel Size 4.3m,OK；（3）出现控制点选择对话框（Ground Control Point Selection），通过鼠标添加像元坐标和键盘输入平面（或经纬度）坐标的交互输入方式，建立并保存校正所需GCP文件；参照打开的控制点分布矢量图和影像图片，在影像窗口通过移动鼠标查找合适的控制点，最后在Zoom窗口找到控制点的精确位置并单击左键，Ground Control Point Selection对话框的Image X和Image Y自动输入该点对应的像元坐标；再在其左侧输入该点对应的高斯平面直角坐标，点Add Point标签，可见影像窗口添加一个控制点，并显示其控制点号；用Show List 标签可查看输入的控制点坐标；再将鼠标移至影像窗口下一个控制点的位置，用同样的方法输入全部的控制点坐标。
精纠正处理的流程是？
精纠正处理的流程是
遥感图像的精纠正是指消除图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像。
它包括两个环节：一是像素坐标的变换，即将图像坐标转变为地图或地面坐标；二是对坐标变换后的像素亮度值进行重采样。
数字图像纠正主要处理过程如下：
根据图像的成像方式确定影像坐标和地面坐标之间的数学模型。
2.根据所采用的数字模型确定纠正公式。
广西善图科技。
3.根据地面控制点和对应像点坐标进行平差计算变换参数，评定精度。
4.对原始影像进行几何变换计算，像素亮度值重采样。
目前的纠正方法有多项式法，共线方程法和随机场插值法等。
广西善图科技有限公司。
6-数字遥感图像处理-数字图像校正
Y a bX
X 为TM5波段的亮度值 Y 为TM1波段的亮度值
Øa、b计算如下：
b [(T5 T5 )(T1 T1 ) (T5 T5 )2
L
R
E
R
E0
cos
是地物反射率；R
是球面度（半球反射）
v 传感器接收信号时，受仪器的影响还有一个系统增益因子S ，
这时进入传感器的亮度值为：
L'
R
E0
S
cos
18
大气校正
u 有大气时：
v 在入射方向有与入射天顶角θ和波长λ有关的透过率Tθλ；在反射方向
上有与反射天顶角Φ和波长λ有关的透过率TΦλ，进入传感器的亮度值
v 该方法是在卫星飞越试验场地上空时，在若干选好的像元 内测定传感器对应波段内的地物反射率ρ，同时测出气象 参数和大气光学特征，再根据卫星过顶时太阳几何位置、 仪器视场角、传感器光谱响应函数等，通过大气辐射传输 模式正演出到达传感器入瞳处各光谱通道的辐射亮度L。
30
大气校正
u 我国卫星辐射校正场
v 在国家计委、原国防科工委和原航天总公司支持下,于1993年 和1994年先后组织有关专家通过现场考察,确定甘肃省敦煌市西 部党和洪积扇区为可见光和近红外波段的绝对辐射校正场,青海 省的青海湖为热红外波段的绝对辐射校正场。
u 利用大气模型软件包
v 针对不同尺度分辨率大气传输标准码MODTRAN和LOWTRAN v 6S 模型 v 快速计算大气辐射模型ATCOR
- 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)。
数字图像的纠正过程
数字图像几何纠正：通过计算机对离散结构的数字图像中的每一个像元逐个进行纠正处理的方法。
基本原理：利用图像坐标和地面坐标（另一图像坐标、地面坐标等）之间的数学关系，即输入图像和输出图像间的坐标转换关系实现。
纠正函数
纠正的函数有多种：多项式方法、共线方程方法、随机场内插方法等。
多项式方法应用最普遍。
多项式纠正的基本思想：图像的变形规律可以看做是平移、缩放、旋转、仿射、偏扭、弯曲等形变的合成。
直接纠正方法：从原始图像阵列出发，按行列的顺序依次对每个原始图像像元点位用变换函数 F （）（正解变换公式）求得它在新图像中的位置，并将该像元灰度值移置到新图像的对应位置上。
⋯⋯++++++==25243210),(i i i i i i i i x i y c x c y x c y c x c c y x F X ⋯⋯++++++==25243210),(i i i i i i i i x i y d x d y x d y d x d d y x F Y
间接纠正法：从空白的新图像阵列出发，按行列的顺序依次对新图像中每个像元点位用变换函数f () （反解变换公式）反求其它在原始图像中的位置，然后把算得的原始图像点位上的灰度值赋予空白新图像相应的像元。
⋯⋯++++++==25243210),(i i i i i i i i x i Y c X c Y X c Y c X c c Y X f x ⋯⋯++++++==25243210),(i i i i i i i i x i Y d X d Y X d Y d X d d Y X f y
确定新的图像的边界：纠正后图像和原始图像的形状、大小、方向都不一样。
所以在纠正过程的实施之前，必须首先确定新图像的大小范围。
求出原始图像四个角点（a,b,c,d ）在纠正后图像中的对应点(a ’,b ’,c ’,d ’)
的坐标(Xa’,Ya’) (Xb’,Yb’) (Xc’,Yc’) (Xd’,Yd’)，求出x,y坐标的最大最小值。
X1=min(Xa’, Xb’, Xc’, Xd’)
X2=max(Xa’, Xb’, Xc’, Xd’)
Y1=min(Ya’, Yb’, Yc’, Yd’)
X1=max(Ya’, Yb’, Yc’, Yd’)
确定新图像的分辨率
目的是确定新图像宽度和高度；
根据精度要求，在新图像的范围内，划分网格，每个网格点就是一个像元。
新图像的行数M=（Y2-Y1）/ΔY+1;
新图像的列数N=（X2-X1）/ΔX+1;
新图像的任意一个像元的坐标由它的行列号唯一确定。
灰度重采样
纠正后新图像的每一个像元，根据变换函数，可以得到它在原始图像上的位置。
如果求得的位置为整数，则该位置处的像元灰度就是新图像的灰度值。
如果求得的位置不为整数，则有几种方法：
（1）最近邻法
距离实际位置最近的像元灰度值作为输出图像像元的灰度值(如下图)。
（2）双线性内插法
以实际位置临近的4个像元值，确定输出像元的灰度值。
公式为：
∑∑===
++++++=4
1
4
14
3214
4332211),(i i
i i
i p
g
p p p p p g p g p g p g p n m g
（3） 三次卷积法
以实际位置临近的16个像元值，确定输出像元的灰度值。
公式为：
∑∑===
16
1
16
1),(i i
i i
i p
g
p n m g。