数字图像处理第六章
合集下载
数字图像处理第六章
彩色图像锐化（拉普拉斯微分）
RGB图像的 拉普拉斯变换 HSI图像的亮度I分量 图像的拉普拉斯变换 a图像和b图像的
差别图像
图a
图bLeabharlann 图c图c的原因：图a像素的锐化是不同彩色的锐化，而图b仅仅是亮度的 锐化，原彩色分量（色调H和饱和度S）保持不变
（把一幅图像分成多个区域）
基于彩色的图像分割
例： 多 R 光 谱 图 像 B 彩 色 编 码 R
G B 合 成
华盛顿特区的光谱卫星图像 G
近 红 外 近 红 外 代 替 R
木星卫星的伪彩色图像
在复杂图像中对感 兴趣的事物进行可 视化处理
活火山最 近喷出的 物质
第六章 彩色图像处理
彩色图像基础知识 彩色空间 伪彩色图像处理
全彩色图像处理
彩色变换
彩色图像平滑和尖锐化
全彩色图像处理
全彩色图像处理研究分为两大类：
分别处理每一分量图像，然后，合成彩色图像
直接对彩色像素处理：3个颜色分量表示像素
向量。令c代表RGB彩色空间中的任意向量
全彩色图像处理
彩色分量是坐标（x,y)的函数，有MN个这样的向量
对大小为 M N 的图像
彩色变换
彩色变换的简单形式
si Ti r1 , r2 ,..., rn
ri 和 si 是 f x , y 和
变量
g x, y
i 1,2,..., n
在任何点处彩色分量的
T1 , T2 ,...Tn 是一个对
射函数集
ri 操作产生 s i 的变换或彩色映
选择的彩色空间决定n的值，如RGB彩色空间，n=3,
数字图像处理第6章1
提高对比度举例
第6章 图像增强
灰度动态范围较窄 观察直方图分布
第6章 图像增强
对比度拉伸 灰度动态范围变宽
第6章 图像增强
灰度动态范围变宽 观察直方图分布
第6章 图像增强
第6章 图像增强
255 216
23
0
48
196 255
第6章 图像增强
非线性拉伸：是在整个灰度值范围内按照统一的 变换函数来实现对不同灰度值区间的扩展与压缩。 常用的有按对数函数扩展和按指数函数扩展。
（1）在0≤r≤1中，T(r)是单调递增函数， 且0≤T(r)≤1；
（2）反变换r=T-1(s),T-1(s)也为单调递增函 数，0≤s≤1。
第6章 图像增直强方图均衡化变换公式推导图示
sj+s sj
rj rj+r
第6章 图像增强
考虑到灰度变换不影响像素的位置分 布，也不会增减像素数目。所以有
1. 改善图像的视觉效果。 2. 突出图像的特征，便于计算机处理。
返回
第6章 图像增强
图像增强的技术方法
主要有空域处理法和频域处理法
（1）空域处理法：直接在图像所在的二 维空间进行处理，即直接对每一像元的灰 度值进行处理。 （2）频域处理法：将图像从空间域变换 到频率域对图像进行处理。
第6章 图像增强
S k舍入 S k 1/7 s0 3/7 s1 5/7 s2
6/7 6/7 s3
1 1 s4
1
nsk P (s k ) 790 0.19 1023 0.25 850 0.21
985 0.24
448 0.11
第6章 图像增强
例 均衡化前后直方图比较
直方图均衡化
第6章 图像增强
第6章 图像增强
灰度动态范围较窄 观察直方图分布
第6章 图像增强
对比度拉伸 灰度动态范围变宽
第6章 图像增强
灰度动态范围变宽 观察直方图分布
第6章 图像增强
第6章 图像增强
255 216
23
0
48
196 255
第6章 图像增强
非线性拉伸：是在整个灰度值范围内按照统一的 变换函数来实现对不同灰度值区间的扩展与压缩。 常用的有按对数函数扩展和按指数函数扩展。
（1）在0≤r≤1中，T(r)是单调递增函数， 且0≤T(r)≤1；
（2）反变换r=T-1(s),T-1(s)也为单调递增函 数，0≤s≤1。
第6章 图像增直强方图均衡化变换公式推导图示
sj+s sj
rj rj+r
第6章 图像增强
考虑到灰度变换不影响像素的位置分 布，也不会增减像素数目。所以有
1. 改善图像的视觉效果。 2. 突出图像的特征，便于计算机处理。
返回
第6章 图像增强
图像增强的技术方法
主要有空域处理法和频域处理法
（1）空域处理法：直接在图像所在的二 维空间进行处理，即直接对每一像元的灰 度值进行处理。 （2）频域处理法：将图像从空间域变换 到频率域对图像进行处理。
第6章 图像增强
S k舍入 S k 1/7 s0 3/7 s1 5/7 s2
6/7 6/7 s3
1 1 s4
1
nsk P (s k ) 790 0.19 1023 0.25 850 0.21
985 0.24
448 0.11
第6章 图像增强
例 均衡化前后直方图比较
直方图均衡化
第6章 图像增强
数字图像处理第六章色彩模型与彩色处理课件
Chapter 6 Color Image Processing
6.1 彩色基础
在颜料或着色剂中 ，原色的定义是这样 的：
白：减去一种原色 ， 反射或传输另两种 原色。故其原色是： 深红、青、黄。而二 次色是R、G、B。如 图6.4所示。
Chapter 6 Color Image Processing
Chapter 6 Color Image Processing
6.2 彩色模型
6.2.1 RGB彩色模型
下面介绍所谓 全RGB彩色子集。
Chapter 6
Color Image Processing
6.2 彩色模型
Chapter 6 Color Image Processing
6.2 彩色模型
6.3 伪彩色处理
6.3 伪彩色处理 给特定的灰度值赋以彩色。伪彩色的 目的是为了人眼观察和解释图像中的目标。
Chapter 6 Color Image Processing
6.3 伪彩色处理
6.3.1 强度分层
参见图6.18，图像被看成三维函数。
Chapter 6 Color Image Processing
6.3.2 灰度级到 彩色转换
例6.5是一突出 装在行李内的爆炸物 的伪彩色应用。
Chapter 6 Color Image Processing
6.3 伪彩色处理
6.3.2 灰度级到彩 色转换
例6.5是一突出装 在行李内的爆炸物的伪彩 色应用。
Chapter 6 Color Image Processing
6.3 伪彩色处理
Chapter 6 Color Image Processing
6.3 伪彩色处理
数字图像处理06章04与07章
u
边、噪音、变化陡峭部分
变化平缓部分
v
第6章 图像增强
第6章 图像增强
第6章 图像增强
➢ 低通滤波器 ➢ 高通滤波器 ➢ 带通、带阻滤波器
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
常见的图像中的信息冗余
视觉冗余： 一些信息在一般视觉处理中比其它信
息的相对重要程度要小，这种信息就被称为 视觉冗余。
第6章 图像增强
空间冗余（像素冗余）：
由于任何给定的像素值，原理上都可以 通过它的邻居预测到，单个像素携带的信息 相对是小的。
对于一个图像，很多单个像素对视觉的 贡献是冗余的。这是建立在对邻居值预测的 基础上。
原始图像越有规则，各像素之间的相关 性越强，它可能压缩的数据就越多。
时间冗余：
以视频图像为代表，视频图像序列中存在 的关联性产生的信息冗余。
第6章 图像增强
信息熵冗余（编码冗余）： 如果一个图像的灰度级编码，使
用了多于实际需要的编码符号，就称该图 像包含了编码冗余。
例：如果用8位表示该图像的像素，我们就说 该图像存在着编码冗余，因为该图像的像素 只有两个灰度，用一位即可表示。
第6章 图像增强
图像编码的分类
图像压缩技术
无损压缩
哈夫曼编码 行程编码 算术编码
有损压缩
有损预测编码 变换编码 其他编码
第6章 图像增强
※ 无损压缩算法中删除的仅仅是图像数据中冗 余的信息，因此在解压缩时能精确恢复原图像。常 用于要求高的场合。
边、噪音、变化陡峭部分
变化平缓部分
v
第6章 图像增强
第6章 图像增强
第6章 图像增强
➢ 低通滤波器 ➢ 高通滤波器 ➢ 带通、带阻滤波器
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
常见的图像中的信息冗余
视觉冗余： 一些信息在一般视觉处理中比其它信
息的相对重要程度要小，这种信息就被称为 视觉冗余。
第6章 图像增强
空间冗余（像素冗余）：
由于任何给定的像素值，原理上都可以 通过它的邻居预测到，单个像素携带的信息 相对是小的。
对于一个图像，很多单个像素对视觉的 贡献是冗余的。这是建立在对邻居值预测的 基础上。
原始图像越有规则，各像素之间的相关 性越强，它可能压缩的数据就越多。
时间冗余：
以视频图像为代表，视频图像序列中存在 的关联性产生的信息冗余。
第6章 图像增强
信息熵冗余（编码冗余）： 如果一个图像的灰度级编码，使
用了多于实际需要的编码符号，就称该图 像包含了编码冗余。
例：如果用8位表示该图像的像素，我们就说 该图像存在着编码冗余，因为该图像的像素 只有两个灰度，用一位即可表示。
第6章 图像增强
图像编码的分类
图像压缩技术
无损压缩
哈夫曼编码 行程编码 算术编码
有损压缩
有损预测编码 变换编码 其他编码
第6章 图像增强
※ 无损压缩算法中删除的仅仅是图像数据中冗 余的信息，因此在解压缩时能精确恢复原图像。常 用于要求高的场合。
遥感数字图像处理-第6章 几何校正
3
二、几何校正原理
几何校正涉及两个过程： ➢ 一是空间位置（像元坐标）的变换 ➢ 二是像元灰度值的重新计算（重采样）
4
二、几何校正原理
坐标转换 （a）直接法；（b）间接法
5
三、几何校正步骤
几何精校正不需要空间位置变化数据，回避了成像的空间 几何过程，主要借助地面控制点实现校正。其主要校正步 骤为：
第6章
几何校正
几何校正
一、几何校正原理 二、几何校正步骤 三、几何校正类型 四、图像匹配 五、投影转换
难点：图像匹配 重点：几何校正方法
2
一、几何校正原理
几何校正和几何配准
➢ 几何配准是指将不同时间、不同波段、不同传感器系统所获得的同一 地区的图像（数据），经几何变换使同名像点在位置上和方位上完全 叠合的操作。
➢ 对畸变图像和基准图像建立统一的坐标系和地图投影。 ➢ 选择地面控制点（GCP），按照GCP选择原则，在畸变图像
和基准图像上寻找相同位置的地面控制点对。 ➢ 选择校正模型，利用选择的GCP数据求取校正模型的参数，
然后利用校正模型实现畸变图像和基准图像之间的像元坐 标变换。 ➢ 选择合适的重采样方法对畸变图像的输出图像像元进行灰 度赋值。 ➢ 几何校正的精度分析。
9
四、图像匹配
3.图像匹配方法 根据图像特征的选择，图像匹配方法一般可以分为基于灰
度的图像匹配和基于特征的图像匹配。
10
➢ 几何配准与几何校正的原理是完全相同的，即都涉及到空间位置（像 元坐标）变换和像元灰度值重采样处理两个过程。
➢ 二者的区别主要在于其侧重点不相同：几何校正注重的是数据 本身的处理，目的是为了对数据的一种真实性还原。而几何配 准注重的是图和图（数据）之间的一种几何关系，其目的是为 了和参考数据达成一致，而不考虑参考数据的坐标是否标准、 是否正确。也就是说几何校正和几何配准最本质的差异在于参 考的标准。另外，几何校正更像前期数据处理，几何配准更像 后期处理。
二、几何校正原理
几何校正涉及两个过程： ➢ 一是空间位置（像元坐标）的变换 ➢ 二是像元灰度值的重新计算（重采样）
4
二、几何校正原理
坐标转换 （a）直接法；（b）间接法
5
三、几何校正步骤
几何精校正不需要空间位置变化数据，回避了成像的空间 几何过程，主要借助地面控制点实现校正。其主要校正步 骤为：
第6章
几何校正
几何校正
一、几何校正原理 二、几何校正步骤 三、几何校正类型 四、图像匹配 五、投影转换
难点：图像匹配 重点：几何校正方法
2
一、几何校正原理
几何校正和几何配准
➢ 几何配准是指将不同时间、不同波段、不同传感器系统所获得的同一 地区的图像（数据），经几何变换使同名像点在位置上和方位上完全 叠合的操作。
➢ 对畸变图像和基准图像建立统一的坐标系和地图投影。 ➢ 选择地面控制点（GCP），按照GCP选择原则，在畸变图像
和基准图像上寻找相同位置的地面控制点对。 ➢ 选择校正模型，利用选择的GCP数据求取校正模型的参数，
然后利用校正模型实现畸变图像和基准图像之间的像元坐 标变换。 ➢ 选择合适的重采样方法对畸变图像的输出图像像元进行灰 度赋值。 ➢ 几何校正的精度分析。
9
四、图像匹配
3.图像匹配方法 根据图像特征的选择，图像匹配方法一般可以分为基于灰
度的图像匹配和基于特征的图像匹配。
10
➢ 几何配准与几何校正的原理是完全相同的，即都涉及到空间位置（像 元坐标）变换和像元灰度值重采样处理两个过程。
➢ 二者的区别主要在于其侧重点不相同：几何校正注重的是数据 本身的处理，目的是为了对数据的一种真实性还原。而几何配 准注重的是图和图（数据）之间的一种几何关系，其目的是为 了和参考数据达成一致，而不考虑参考数据的坐标是否标准、 是否正确。也就是说几何校正和几何配准最本质的差异在于参 考的标准。另外，几何校正更像前期数据处理，几何配准更像 后期处理。
数字图像处理课件第6章图像的几何变换
由点的齐次坐标(Hx, Hy, H)求点的规范化齐次坐标(x, y, 1)，可按下式进行：
x Hx H
y Hy H
第6章 图像的几何变换
齐次坐标的几何意义相当于点(x, y)落在3D空间H＝1
的平面上，如图6-2所示。如果将xOy平面内的三角形abc的 各顶点表示成齐次坐标(xi, yi, 1)(i=1, 2, 3)的形式，就变成H ＝1平面内的三角形a1b1c1的各顶点。
图6-2 齐次坐标的几何意义
第6章 图像的几何变换
齐次坐标在2D图像几何变换中的另一个应用是：如某 点S(60 000，40 000)在16位计算机上表示，由于大于32767 的最大坐标值，需要进行复杂的处理操作。但如果把S的坐 标形式变成(Hx, Hy, H)形式的齐次坐标，则情况就不同了。 在齐次坐标系中，设H＝1/2，则S(60 000，40 000)的齐次坐 标为(x/2，y/2，1/2)，那么所要表示的点变为(30 000， 20 000，1/2)，此点显然在16位计算机上二进制数所能表示 的范围之内。
(图像上各点的新齐次坐标)
(图像上各点的原齐次坐标)
第6章 图像的几何变换 设变换矩阵T为
a b p
T c
d
q
l m s
则上述变换可以用公式表示为
=
T
Hx1' Hy1'
Hx2' Hy2'
Hxn' Hyn'
x1 x2 xn
T
y1
y2
yn
H H H 3n
1 1 1 3n
第6章 图像的几何变换
6.4 图像镜像
6.4.1 图像镜像变换 图像的镜像(Mirror)变换不改变图像的形状。 镜像变换分为两种：一种是水平镜像，另外一种是垂直镜
x Hx H
y Hy H
第6章 图像的几何变换
齐次坐标的几何意义相当于点(x, y)落在3D空间H＝1
的平面上，如图6-2所示。如果将xOy平面内的三角形abc的 各顶点表示成齐次坐标(xi, yi, 1)(i=1, 2, 3)的形式，就变成H ＝1平面内的三角形a1b1c1的各顶点。
图6-2 齐次坐标的几何意义
第6章 图像的几何变换
齐次坐标在2D图像几何变换中的另一个应用是：如某 点S(60 000，40 000)在16位计算机上表示，由于大于32767 的最大坐标值，需要进行复杂的处理操作。但如果把S的坐 标形式变成(Hx, Hy, H)形式的齐次坐标，则情况就不同了。 在齐次坐标系中，设H＝1/2，则S(60 000，40 000)的齐次坐 标为(x/2，y/2，1/2)，那么所要表示的点变为(30 000， 20 000，1/2)，此点显然在16位计算机上二进制数所能表示 的范围之内。
(图像上各点的新齐次坐标)
(图像上各点的原齐次坐标)
第6章 图像的几何变换 设变换矩阵T为
a b p
T c
d
q
l m s
则上述变换可以用公式表示为
=
T
Hx1' Hy1'
Hx2' Hy2'
Hxn' Hyn'
x1 x2 xn
T
y1
y2
yn
H H H 3n
1 1 1 3n
第6章 图像的几何变换
6.4 图像镜像
6.4.1 图像镜像变换 图像的镜像(Mirror)变换不改变图像的形状。 镜像变换分为两种：一种是水平镜像，另外一种是垂直镜
数字图像处理6ppt课件
数字图像处理6数字图像处理数字图像处理6图像恢复61退化模型及恢复技术基础61退化模型及恢复技术基础62空间域滤波恢复62空间域滤波恢复63频率域滤波恢复63频率域滤波恢复64逆滤波64逆滤波65最小均方误差滤波器维纳滤波65最小均方误差滤波器维纳滤波数字图像处理6图像恢复和图像增强一样都是为了改善图像视觉效果以及便于后续处理
img_median=medfilt2(img_noise); %对附加有椒盐噪声的图像实行中 值滤波
figure; imshow(img_median,[]); %显示中值滤波后的图像
img_median2=medfilt2(img_median); %对中值滤波处理后的图像再次 实行中值滤波
figure; imshow(img_median2,[]); %显示再次中值滤波后的图像
erage',3));
figure; imshow(img_mean,[]); %显示逆谐波滤波后的图像
Q=1.5;
%对高斯噪声图像实行Q取正数的逆谐波滤波
img_mean=imfilter(img_noise.^(Q+1),fspecial('average',3))./imfilter(img_noise.^Q,fspecial('av
%矩阵点乘实现频域滤波
out = ifftshift(out);
%原点移回左上角
out = ifft2(out);
%傅里叶逆变换
out = abs(out);
%取绝对值
out = out/max(out(:)); figure,imshow(out,[]);
%归一化 %显示滤波结果数字图像处理6
数字图像处理6
for i=1:M
img_median=medfilt2(img_noise); %对附加有椒盐噪声的图像实行中 值滤波
figure; imshow(img_median,[]); %显示中值滤波后的图像
img_median2=medfilt2(img_median); %对中值滤波处理后的图像再次 实行中值滤波
figure; imshow(img_median2,[]); %显示再次中值滤波后的图像
erage',3));
figure; imshow(img_mean,[]); %显示逆谐波滤波后的图像
Q=1.5;
%对高斯噪声图像实行Q取正数的逆谐波滤波
img_mean=imfilter(img_noise.^(Q+1),fspecial('average',3))./imfilter(img_noise.^Q,fspecial('av
%矩阵点乘实现频域滤波
out = ifftshift(out);
%原点移回左上角
out = ifft2(out);
%傅里叶逆变换
out = abs(out);
%取绝对值
out = out/max(out(:)); figure,imshow(out,[]);
%归一化 %显示滤波结果数字图像处理6
数字图像处理6
for i=1:M
数字图像处理第六章课件
HSI2RGB, page299-300
Chapter 6 Color Image Processing
H
S
I
Chapter 6 Color Image Processing
H
S
I
Chapter 6 Color Image Processing
改变HIS成分及其合成图
Chapter 6 Color Image Processing
Chapter 6 Color Image Processing
电磁波谱中可见光波长范围
不同色光之间过渡平滑
Chapter 6 Color Image Processing
在人眼视网膜上
• 两种人眼感光细胞： 锥状，彩色、昼视觉。
700万个细胞
杆状，灰色、夜视觉。
7500万~1.5亿个细胞
• 锥状细胞进一步分为3 种。 感蓝,感绿,感红
Chapter 6 Color Image Processing
CIE_xy色度图
x=X/(X+Y+Z)
y=Y/(X+Y+Z) z=Z/(X+Y+Z) =1-x-y x+y+z=1 x,y即可决定z
参考白为 X=Y=Z=1 x=y=1/3
Chapter 6 Color Image Processing
(c)
Chapter 6 Color Image Processing
利用各正弦型的相位和频率变化，可以用 彩色(分量）来增强不同灰度范围
• 图6.25表示所用的（多对一）转换。这些正弦形函数 包含峰值附近的相对不变值的区域，以及谷底附 近的变化强烈的区域。每个正弦形的相位和频率 变化可以用彩色(分量）来增强灰度的范围。 • 例如，如果所有3个变换有相同的相位和频率，输 出图像将是单色的。3个变换之间相位的小变化会 使那些灰度级对应峰值的像素产生很小的变化， 特别是正弦形低频时。对应正弦形陡峭区域的像 素灰度值被赋予更强的彩色，作为由于相位间位 移引起的3个正弦形幅值间的显著差异的效果。
数字图像处理第六章
L 1
平均码长
B
i 0
L 1
i
pi
i
是灰度值为i的编码长度
B 冗余度为 r H 1
编码效率为
H 1 B 1 r
6.3 统计编码方法
6.3.2 霍夫曼编码 Huffman编码是1952年由Huffman提出的一种编码方法。 这种编码方法是根据信源数据符号发生的概率进行编码的。 思想：在信源数据中出现概率越大的符号，编码以后相应 的码长越短；出现概率越小的符号，其码长越长，从而达 到用尽可能少的码符表示信源数据。它在无损变长编码方 法中是最佳的。下面通过实例来说明这种编码方法。 设输入编码为 X x1 , x2 , x3 , x4 , x5 , x6 ，其频率 分布分别为P(x1)=0.4 ，P(x2)=0.3，P(x3)=0.1，P(x4) =0.1，P(x5)=0.06，P(x6)=0.04。求其最佳霍夫曼编码
图像数据的特点之一是信息量大。海量数据 需要巨大的存储空间。如多媒体中的海量图像数 据，不进行编码压缩处理，一张600M字节的光盘， 能存放20秒左右的640× 480像素的图像，没有 编码压缩多媒体信息保存有多么困难是可想而知 的。 在现代通信中，图像传输已成为重要内容之 一。采用编码压缩技术，减少传输数据量，是提 高通信速度的重要手段。 可见，没有图像编码与压缩技术的发展，大 容量图像信息的存储与传输是难以实现的，多媒 体、信息高速公路等新技术在实际中的应用会遇 到很大困难。
行程编码：4a3b2c1d5e7f (共（8+3）*6=66Bits )
Huffman编码： f=0 e=10 a=110 b=1111 c=11100 d=11101
110110110110111111111111111001110011101101010101000000 00 (共 4*3+3*4+ 2*5+1*5+5*2+7*1=56 bits) 176 66 56
数字图像处理第六章
1 H(u,v) 0
D(u,v) D0 D(u,v) D0
D0 :截止（断）频率
D(u, v) : 从频率域原点到(u点, v)的距离（以原点为中 ）心
D(u,v) (u2 v ) 数2字图12像处理第六章
a 理想低通滤波器转移函数透视图 b 对应的图象 c 滤波器转移函数剖面图
以截至频D率0为半径的圆内的频损率的无通过， 圆外频率完全被衰减。 （大于D0的频率完全衰减，D小 0的于频率全部通过） D0小：保留的低频少D0大：保留的低频多
H(u,v) eD2(u,v)/22 :表高斯曲线扩展的程度
指数高通滤波器：
H
(u , v )
1－
e
D
( u ,v ) D0
n
若
D
定义为衰减到最大值
0
结果：
（因比其衰减快，低频
无振铃效应（有平滑过
D 0 : 截止频率
1
2 处的频率
包含少） 渡带）
D (u , v ) (u 2 v 2 )1 2
指数高通滤波器：
H
(u , v )
1－
e
D
(u ,v D0
)
n
若
D
定义为衰减到最大值
0
结果：
D 0 : 截止频率 1 2 处的频率
（因比其衰减快，低频
包含少）
无振铃效应（有平滑过
渡带）
D (u ,v) (u 2 v 2 )1 2
梯形高通滤波器 形状理想及有平滑过渡
带的滤波器之间
0
H
(u , v )
D 0 D1
a 高斯低通滤波器转移函数透视图数字b 图像对处应理的第图六象章 c 不同D0的转移函数剖面图
第6章 遥感数字图像处理_图像变换(2)
NDห้องสมุดไป่ตู้I
IR R IR R
式中：IR为遥感多波段图像中的近红外 （infrared）波段；R为红波段。 利用植被指数可监测某一区域农作物长势，并 在此基础上建立农作物估产模型，从而进行大 面积的农作物估产。
南京紫金山和玄武湖的NDVI分布
LANDSAT7的ETM影像，2000.6
常用的红外（IR）与红（R）波段
其中， R、G、B ∈[0, 1]，r，g，b ∈[0, 1]，M=max[R、 G、B]，m=min[r、g、b] 注意，R、G、B中至少有一个值是0，与最大值的 颜色对应，并且至少有一个的值是1，与最小值 的颜色对应。
RGB到HSI
I M m 2
如果 M m , S 0 如果 I 0 . 5， S 如果 I 0 . 5， S M m M m M -m 2M m ， S 的取值范围是 [ 0 ,1]
例如，在地质探测中，地质学家用TM的某种组 合解译矿石类型：B3/B1突出铁氧化物，B5/B7 突出粘土矿物，B5/B4突出铁矿石，B5/B6突出 大片白陶土蚀变区域，B4/B3突出植被信息， B5/B2分离陆地和水体，等等。
波段比值方法还可以用来探测地物随季节变化 的信息。例如，如果需要监测地区植被的变化， 可以使用不同季节的第3波段的比值，新建立的 波段可能是20060810B3/20040810B3。图像的 时段可以是不同年的同一个月，或同一年的不 同月，新产生的波段将突出变化信息，变化的 像素具有较高的亮度值。没有变化的像素值较 低，在图像中比较暗。
传感器Landsat TM所对应的指数函数
函数名称
归一化植被指数（NDVI） 比值植被指数（IR/R） 差值植被指数（Veg.index） 转换植被指数（TNDVI） 氧化铁指数（IRON OXIDE）
IR R IR R
式中：IR为遥感多波段图像中的近红外 （infrared）波段；R为红波段。 利用植被指数可监测某一区域农作物长势，并 在此基础上建立农作物估产模型，从而进行大 面积的农作物估产。
南京紫金山和玄武湖的NDVI分布
LANDSAT7的ETM影像，2000.6
常用的红外（IR）与红（R）波段
其中， R、G、B ∈[0, 1]，r，g，b ∈[0, 1]，M=max[R、 G、B]，m=min[r、g、b] 注意，R、G、B中至少有一个值是0，与最大值的 颜色对应，并且至少有一个的值是1，与最小值 的颜色对应。
RGB到HSI
I M m 2
如果 M m , S 0 如果 I 0 . 5， S 如果 I 0 . 5， S M m M m M -m 2M m ， S 的取值范围是 [ 0 ,1]
例如，在地质探测中，地质学家用TM的某种组 合解译矿石类型：B3/B1突出铁氧化物，B5/B7 突出粘土矿物，B5/B4突出铁矿石，B5/B6突出 大片白陶土蚀变区域，B4/B3突出植被信息， B5/B2分离陆地和水体，等等。
波段比值方法还可以用来探测地物随季节变化 的信息。例如，如果需要监测地区植被的变化， 可以使用不同季节的第3波段的比值，新建立的 波段可能是20060810B3/20040810B3。图像的 时段可以是不同年的同一个月，或同一年的不 同月，新产生的波段将突出变化信息，变化的 像素具有较高的亮度值。没有变化的像素值较 低，在图像中比较暗。
传感器Landsat TM所对应的指数函数
函数名称
归一化植被指数（NDVI） 比值植被指数（IR/R） 差值植被指数（Veg.index） 转换植被指数（TNDVI） 氧化铁指数（IRON OXIDE）
- 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)。
6.2.3 图像冗余度和编码效率
根据Shannon无干扰信息保持编码定理，若对原始 图像数据的信息进行无失真图像编码，压缩后平均码 长存在一个下限，这个下限是图像信息熵H。理论上最 佳信息保持编码的平均码长可以无限接近图像信息熵H。 但总是大于或等于图像的熵H。
H pi log2 pi
i 0
W w1 , w2 , w3 , w4 , w5 , w6
编码方法是： ①把输入符号按出现的概率从大到小排列起来,接着把概率 最小的两个符号的概率求和; ②把它（概率之和）同其余符号概率由大到小排序,然后把 两个最小概率求和; ③重复②,直到最后只剩下两个概率为止。 在上述工作完毕之后，从最后两个概率开始逐步向前 进行编码。对于概率大的消息赋予0，小的赋予1。
0
x1 x2 x3 x4 x5 x6 符号xi 元 素 x( i x ) 0.4 概率 P 0.4 0.30.3 0.10.1 0.1 0.1 0.06 0.06 0.04 i 概率 P ( x i) 编码 w 1 1 00 00 011 0110100 0100 01010 01010 01011 i 编 码wi
第六章
讲解内容
1. 图像压缩的概念、目的和意义 2. 图像的行程编码、霍夫曼编码方法 3.图像压缩的标准及发展现状
目的
1. 了解图像压缩的目的和意义，熟悉图像压 缩评价方法； 2. 掌握图像行程编码、霍夫曼编码方法 3.了解图像图像压缩的标准及发展现状
第六章 图像编码与压缩
6.1 概述 6.1.1 图像数据压缩的必要性与可能性 数据压缩的研究内容包括数据的表示、传输、 变换和编码方法，目的是减少存储数据所需的空 间和传输所用的时间。 图像编码与压缩就是对图像数据按一定的规 则进行变换和组合，达到以尽可能少的代码（符 号）来表示尽可能多的图像信息。
6.1.2图像编码压缩的分类
根据解压重建后的图像和原始图像之间是否具有误 差，图像编码压缩分为无误差（亦称无失真、无损、信 息保持）编码和有误差（有失真或有损）编码两大类。 根据编码作用域划分，图像编码为空间域编码和变 换域编码两大类。 霍夫曼编码 无损编码 行程编码 算术编码 图像压缩 有损编码 预测编码 变换编码 其它编码
行程编码：4a3b2c1d5e7f (共（8+3）*6=66Bits )
Huffman编码： f=0 e=10 a=110 b=1111 c=11100 d=11101
110110110110111111111111111001110011101101010101000000 00 (共 4*3+3*4+ 2*5+1*5+5*2+7*1=56 bits) 176 66 56
图像数据的特点之一是信息量大。海量数据 需要巨大的存储空间。如多媒体中的海量图像数 据，不进行编码压缩处理，一张600M字节的光盘， 能存放20秒左右的640× 480像素的图像，没有 编码压缩多媒体信息保存有多么困难是可想而知 的。 在现代通信中，图像传输已成为重要内容之 一。采用编码压缩技术，减少传输数据量，是提 高通信速度的重要手段。 可见，没有图像编码与压缩技术的发展，大 容量图像信息的存储与传输是难以实现的，多媒 体、信息高速公路等新技术在实际中的应用会遇 到很大困难。
aaaa bbb cc d eeeee fffffff
4 3 2 1 5 7
（共22*8=176 bits)
Hufman与行程编码混合： 41103111121110011110151070 (共：3+3+3+4+3+5+3+5+3+2+3+1=38 bits)
176
66
56
38
从信息论观点看，描述图像信源的数据由有 用数据和冗余数据两部分组成。 冗余数据有：编码冗余、像素间冗余、心理 视觉冗余3种。 如果能减少或消除其中的1种或多种冗余， 就能取得数据压缩的效果。因此图像信息的压缩 是可能的。但到底能压缩多少，除了和图像本身 存在的冗余度大小有关外，很大程度取决于对图 像质量的要求。 广播电视 压缩比3∶1 可视电话 压缩比1500∶1 目前高效图像压缩编码技术已能用硬件实现 实时处理，在广播电视、工业电视、电视会议、 可视电话、传真和互连网等多方面得到应用。
L 1
平均码长
B
i 0
L 1
i
pi
i
是灰度值为i的编码长度
B 冗余度为 r H 1
编码效率为
H 1 B 1 r
6.3 统计编码方法
6.3.2 霍夫曼编码 Huffman编码是1952年由Huffman提出的一种编码方法。 这种编码方法是根据信源数据符号发生的概率进行编码的。 思想：在信源数据中出现概率越大的符号，编码以后相应 的码长越短；出现概率越小的符号，其码长越长，从而达 到用尽可能少的码符表示信源数据。它在无损变长编码方 法中是最佳的。下面通过实例来说明这种编码方法。 设输入编码为 X x1 , x2 , x3 , x4 , x5 , x6 ，其频率 分布分别为P(x1)=0.4 ，P(x2)=0.3，P(x3)=0.1，P(x4) =0.1，P(x5)=0.06，P(x6)=0.04。求其最佳霍夫曼编码
用二叉树方法实现Huffman编码方法也较为便利。
0.6
0
1
0.3
1
0.4
0.3 0.2
0
x1
0 1 1
0.1
1
0.1
x2
0.1 0 0.04 x6
0
0 .06
x3
x4
x5
？ቤተ መጻሕፍቲ ባይዱ
计算该信源的熵、编码后的平均码长，并思考对 于同一图像采用Huffman编码，编码是否唯一？
6.3.5行程编码
基本原理：将一行中颜色值相同的相邻像素用一个计数值和 该颜色值来代替。 举例说明： aaaa bbb cc d eeeee fffffff (共22*8=176 bits) 4a 3b 2c 1d 5e 7f (共12*8=96 bits) 这种方法在处理包含大量重复信息时可以获得很好的压缩效 率. 一维行程编码只考虑了消除行内像素间的相关性.没有考虑其 它方向的相关性. 二维行程编码就是利用图像二维信息的强相关性，按照一定 的扫描路径遍历所有的像素形成一维的序列，然后对序列进行 一维行程编码的方法。
图6.3.4(a)是对图像按8×8划 分子块的常用排列方式；
图6.3.4(b)是变换编码方式 中采用的Zig-Zag排列方式， 如JPEG图像编码就采用这 种排列方式。
3.6.4 混合编码： 例：
aaaa bbb cc d eeeee fffffff （共22*8=176 bits)
4 3 2 1 5 7
6.2 图像保真度准则
描述解码图像相对原始图像偏离程度的测度一般称为 保真度。常用的保真度准则可分为两大类：客观保真度准 则和主观保真度准则。 6.2.1 客观保真度准则 最常用的客观保真度准则是原图像和解码图像之间的 均方根误差和均方根信噪比两种。 6.2.2 主观保真度准则 很多解压图最终是供人观看的，一种常用的方法是让 一组（不少于20人）观察者观察图像并给该图像评分，将 他们对该图像的评分取平均，作为这幅图像的质量。