图像分类结果后处理方法介绍
CT图像后处理技术主要包括哪些
CT图像后处理技术主要包括哪些随着社会的进步和发展，医疗技术也在不断更新。
在现代医疗技术诊断中，影像学技术已经成为了必不可少的一项内容，通过CT检查不仅可以查出患者病变部位各个断层面上的不同图像，还能通过CT图像后处理来帮助医护人员建立一个二维、三维以及多种技术的图像，从而使患者的诊断更为准确。
一、了解CT图像后处理技术1.什么是图像后处理技术图像后处理主要是通过综合运用计算机图像处理技术，再结合医学知识，将各种数字化成像技术所得到的人体信息按照一定的需要，在计算机上表现出来，使其可以满足后续医疗诊断等一系列技术的总称。
CT图像后处理技术可以弥补影像设备的成像不足，还能为医护人员提供解剖学信息和病理生理学信息。
这种技术打破了传统的医学获取和观察方式，提供了包括三维可视化、图像分割以及病变检测和图像融合配准的高级应用。
2.图像后处理技术的功能主要包括两大功能：辅助观察和辅助诊断。
（1）辅助观察：这类功能主要是为了给医护人员提供更多的观察方式，从而让医护人员有更多的参考，有利于医生更加快速正确的根据患者的病情做出相应的诊断，帮助患者尽快恢复健康。
（2）辅助诊断：这类功能可以给医护人员提供一些诊断方面的建议，包括测量得到的数据、分割和检测的结果，以及融合配准后新图像的信息等。
二、图像后处理技术主要包括哪些1.重建技术CT机内一般都装有不同的图像重建数学演算方法软件。
医护人员应当根据患者检查部位的组织成分和密度差异选择最适当的数学算法，使图像可以达到最佳的显示。
常用的算法主要有以下三种：（1）标准算法：是最常用的图像重建算法，这种算法适用于绝大多数的CT 图像重建，可以使图像的空间分辨力和密度分辨力达到均衡，例如可以用在颅脑重建等方面。
（2）软组织算法：则适用于需要突出密度分辨力的软组织图像重建，例如腹部器官的图像重建等。
（3）骨算法：适用于需要突出空间分辨力的图像重建，例如骨质结构和内听道的图像重建等。
遥感图像分类后处理
遥感图像分类后处理一、实验目的与要求监督分类和决策树分类等分类方法得到的一般是初步结果，难于达到最终的应用目的。
因此，需要对初步的分类结果进行一些处理，才能得到满足需求的分类结果，这些处理过程就通常称为分类后处理。
常用分类后处理通常包括：更改分类颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等操作。
本课程将以几种常见的分类后处理操作为例，学习分类后处理工具。
二、实验内容与方法1.实验内容1.小斑块去除●Majority和Minority分析●聚类处理（Clump）●过滤处理（Sieve）2.分类统计3.分类叠加4.分类结果转矢量5.ENVI Classic分类后处理●浏览结果●局部修改●更改类别颜色6.精度评价1.实验方法在ENVI 5.x中，分类后处理的工具主要位于Toolbox/Classification/Post Classification/；三、实验设备与材料1.实验设备装有ENVI 5.1的计算机2.实验材料以ENVI自带数据"can_tmr.img"的分类结果"can_tmr_class.dat"为例。
数据位于"...\13数据\"。
其他数据描述：•can_tmr.img ——原始数据•can_tmr_验证.roi ——精度评价时用到的验证ROI四、实验步骤1.小斑块去除应用监督分类或者非监督分类以及决策树分类，分类结果中不可避免地会产生一些面积很小的图斑。
无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除或重新分类，目前常用的方法有Majority/Minority分析、聚类处理（clump）和过滤处理（Sieve）。
1)Majority和Minority分析Majority/Minority分析采用类似于卷积滤波的方法将较大类别中的虚假像元归到该类中，定义一个变换核尺寸，主要分析（Majority Analysis）用变换核中占主要地位（像元数最多）的像元类别代替中心像元的类别。
第五节、图像后处理技术
2、重组方法
目前的MSCT提供的重组方法有很多，如二维、 三维图像重组等，它们的主要不同是：二维的多
平面重组图像的CT值属性不变，即在多平面重组
的图像上仍可采用CT值测量；而三维图像的CT值
属性已改变，不能做CT值测量。常用的重组技术
有：
①多平面重组；
②曲面重组；
③多层面容积再现；
④容积再现技术；
⑤表面遮盖显示；
⑥CT仿真内窥镜；
⑦CT血流灌注。
（1）多平面重组（MPR）：MPR实际上是属于三维 图像处理但显示方式仍为二维图像。
方法是将一组横断面图像的数据通过后处理 使体素重新排列，使其在显示屏上能够满足诊断 的需要，显示为任意方向的二维断面图像。它的 显示形式有矢状面、冠状面、斜面等。
河南省洛阳正骨医院 河南省骨科医院 影像中心
CT图像是由一系列像素组成的数字化图像， 计算机数据采集后，尤其是螺旋CT的容积数 据采集后，还可以利用丰富的软件对其进行 一系列图像后处理。包括图像重建技术和图 像重组技术。
重建技术（reconstruction）：是指使用原始数据 （raw data）经计算机采用各种特定的重建算法处 理得到横断面影像的一种技术。
另外，对于运动器官的扫描，如冠脉扫描，大 范围胸腹部扫描等，还要求提高扫描的时间分辨力。 这需要在扫描前参数设置时充分考虑。
ቤተ መጻሕፍቲ ባይዱ
1、扫描参数设置
①单层螺旋CT参数设置：常用的扫描参数为 管电压120KV、管电流200—240mA，检查床移动速 度2—6mm/s，层厚1—3mm，扫描范围50—240mm， 根据扫描范围选择螺距1—2，扫描时间25—40秒。
达到各向同性后，Z轴空间分辨力与横断层
面图像空间分辨力接近，后处理图像质量与横断
专题四：分类后处理
聚类处理（Clumping） 运用形态学算子将临近的类似区域聚类并合并，分 类区域中斑点或洞的存在，缺少空间连续性。 扩大操作，制定变换核进行侵蚀操作
过滤处理（Sieve） 分类中的孤岛问题 斑点分组，判断是否同组，删除的归为未分类
遥感图像分类精度分析通常把分类图与标准数据 （true image,图件或地面实测调查）进行比较，然后 用正确分类的百分比来表示分类精度。
训练区（ROI &AOI）：抽样调查 ROI类型 点 线 面 ROI选择 具有代表性和光谱特征比较均一的地段，实地调查
计算机分类得到的是初步结果，一般难于达到 最终目的，因此，对获取的分类结果需要再进行一 些处理，才能达到最终理想的分类结果，这些过程 通常称为分类后处理。
ENVI 有许多 post 分类选项，包括一个规则图像分 类器，计算分类统计，和混淆矩阵，clumping、 筛选和合成分类，在一幅图像上将类叠置，输出类 到矢量层。 分类后处理的内容并无严格限定，视专业需要而定。
评价指标 运行误差（Commission） :又称错分误差，是图像上某一 类地物被错分到其它地物的百分比。 (E+F)/G 用户精度（ User Accuracy ）:用户精度是指假定分类器将 像元归到A类，则相应的地表真实类别是 A 的可能性。 A/G 结果误差:又称漏分误差，是指实际的某一类被错误分到其 他类的百分比。 (B+C)/D 生产者精度（制图精度）: 表示实际任意一个随机样本与分 类图上同一点的分类结果相一致的条件概率。 A/D=100%-结果误差
Minimum
Distance,(最小距离) Mahalanobis Distance, Maximum Likelihood, (最大似然法) Spectral Angle Mapper, Binary
在Arcgis后处理的操作过程1
在Arcgis后处理的操作过程：
1.首先分类后的图像变成shapefile。
分类后
的图像
2.在Arcgis打开我们得到的shapefile 。
3.进行Eliminate:
消除的面值（eliminate）
Eliminate以后得到的
shapefile
4.分错的有些地物用MERAGE方法来处理。
5.计算转移矩阵过程：
首先我们要进行计算的两幅图像的各地物类型用同样的符号来表示：比如,林地=“1”，耕地=“2”，草地“3”。
即：在每一个图像的属性窗口上加一个新的Field。
（addfield）
输入统一化中用的
符号“1”
把两幅图像的各地物名统一化后进行计算转移矩阵：
选择要计算矩阵两
个shapefile
新得到的shapefile的属性窗口上加一个新field然后：
输入的是两个图像的各地物类名统一化中用的新建field
语法：图一fieldname&“—”&图二。
CT图像后处理技术
曲面重建 (Curved plane reconstruction, CPR)
三维图像后处理
最大密度投影 (Maximum intensity projection, MIP)
最小密度投影 (Minimum intensity projection, MinIP)
表面重建（surface shaded display, SSD）
23
浅谈CT图像后处理技术
2021/5/27
1
概念：
影像检查产生的数字化图像，经计算机技术对其进行再加 工并从定性到定量对图像进行分析的过程称为医学图像后 处理技术。
基础
• 容积采集 • 数据各向同性
任何图像后处理技术都会丢失信息
2021/5/27
2
常用CT图像后处理技术
二位图像后处理
多平面重建 (Multiplanar reconstruction, MPR)
优点：无创、显示空腔脏器、气道、血管内表面结构 缺点：适用范围有限；检查前准备，
伪影多、不能活检等 应用：仿真结肠镜、胃镜、气管镜
2021/5/27
21
2021/5/27
22
总结
各种CT图像后处理方法的应用及优缺点 辅助日常工作，满足临床需求
原始轴位图像是一切后处理图像的根本
2021/5/27
应用：骨骼和血管、气道、胆囊等中空器 官的显示。
优点：显示立体结构
缺点：1）成像过程仅利用表面数据，故丢 失信息较多；2）成像过程中如域值设置不 当会造成一定的假象
2021/5/27
15
容积重建（ VR）
对全部容积数据进行遮盖成像 VR是目前多层螺旋CT三维图像后处理中最
常用的技术之一 优点：显示立体结构；美观；应用广泛 缺点：信息丢失量大；受阈值影响；不适
如何进行遥感图像的分类与解译
如何进行遥感图像的分类与解译遥感图像是指通过遥感技术获取的地球表面的图像数据。
遥感图像可以包含丰富的地理信息，因此，对遥感图像进行分类与解译是十分重要的，可以帮助我们了解地表覆盖类型、监测环境变化、进行资源调查等。
本文将为读者介绍如何进行遥感图像的分类与解译的基本方法和技巧。
一、遥感图像分类的基本原理遥感图像分类是将图像像素按照其地物类型进行分组，划分为不同的类别。
其基本原理是利用图像的光谱、空间和纹理信息来识别不同的地物类型。
常用的方法包括：像元级分类、目标级分类和语义级分类。
1. 像元级分类像元级分类是将每个像元按照其光谱反射率或辐射率的数值来进行分类。
通过分析图像的光谱特征，将每个像元划分到预定义的类别中。
常用的方法有最大似然分类法、支持向量机和人工神经网络等。
像元级分类主要适用于地物类型相对单一的图像。
2. 目标级分类目标级分类是将图像中的连续像元聚合成具有一定空间形态和特征的地物对象。
通过分析图像的空间关系和纹理特征，将相邻的像元组合为目标，并进行分类。
常用的方法有阈值分割法、区域生长法和聚类法等。
目标级分类适用于地物类型复杂、边界模糊的图像。
3. 语义级分类语义级分类是将图像中的地物类型与具体的语义信息关联起来进行分类。
通过结合地理数据和专业知识，将图像中的地物类型与现实世界中的物体和场景相匹配。
常用的方法有基于规则的分类和知识驱动的分类等。
语义级分类适用于需要更精细、更准确的地物分类任务。
二、遥感图像分类与解译的步骤进行遥感图像分类与解译时，一般需要以下步骤：1. 数据准备首先需要获得高质量的遥感图像数据。
可以通过卫星、航空摄影等方式获取高空分辨率的图像。
同时，还需进行辐射校正、几何校正等数据预处理，以保证数据的质量和准确性。
2. 特征提取根据特定的分类任务，选择合适的特征提取方法。
可以利用图像的光谱、纹理、形态学等特征来描述地物类型。
常用的特征提取方法有主成分分析、小波变换和纹理特征提取等。
CT图像后处理技术
04
详细描述
通过后处理技术对心脏CT图像进行分 析，可以评估心脏的收缩和舒张功能， 以及心肌灌注情况，为临床提供重要 参考。
详细描述
在心血管介入手术中，后处理技术可以生成三 维血管重建图像，辅助手术导航，提高手术成 功率。
案例三
总结词
全面观察关节结构
详细描述
通过CT图像后处理技术，可 以全面观察关节的三维结构 ，发现关节的微小病变和早
和创新。
THANKS
感谢观看
三维重建与可视化
三维重建
通过将多个二维CT图像组合成三维数据 ，可以重建出组织和器官的三维结构。
VS
可易于理 解的图像，如表面渲染、体渲染和切割面 图像等。
图像分割与测量
图像分割
图像分割可以将感兴趣的组织或病变从图像中提取出来，便于进一步的分析和处理。
测量与分析
CT图像后处理技术
• 引言 • CT图像后处理技术概述 • 常用CT图像后处理技术 • CT图像后处理技术的发展趋势 • 案例分析 • 总结与展望
01
引言
主题简介
定义
CT图像后处理技术是指对CT扫描 得到的原始数据进行一系列处理 ，以提取更多有用的医学信息的 过程。
目的
通过后处理技术，医生可以更准 确地诊断疾病、评估治疗效果和 制定治疗方案。
分类
根据处理目的和应用场景，CT图像后处理技术可分为图像增强、图像分割、三 维重建等。
基本原理与流程
基本原理
基于像素灰度值的变换，通过调整图像的对比度和亮度，突 出显示病变或感兴趣区域。
流程
原始数据采集→预处理（去噪、校正）→图像分割→三维重 建→显示输出。
03
常用CT图像后处理技术
《CT图像后处理技术》课件
汇报人：PPT
01
02
03
04
05
06
定义：CT图像后处理技术是对CT图像进行加工和处理，以提高图像质量和诊断准确性 的技术。
作用：提高图像质量，增强图像对比度，降低噪声，提高诊断准确性。
应用：广泛应用于医学影像诊断、科研和教学等领域。
质。
骨骼系统疾病诊 断：通过CT图像 后处理技术，可 以更准确地诊断 骨骼系统疾病的 位置、大小和性
质。
术前规划：通过CT 图像后处理技术， 医生可以更准确地 了解患者的解剖结 构和病变情况，为 手术制定更精确的 计划。
术中导航：在术中， 医生可以通过实时 的CT图像后处理技 术，实时了解手术 进展和病变情况， 为手术提供实时导 航。
技术特点：自动化、智能化、高效化。
CT图像后处理技术是对原始CT图 像进行一系列处理，以提高图像质 量、诊断准确性和临床应用价值。
添加标题
图像平滑可以减少图像噪声， 图像滤波可以去除图像中的
提高图像清晰度。
噪声和伪影，提高图像质量。
图像融合可以将不同模态的 图像融合在一起，提供更全
面的诊断信息。
添加标题
卷积反投影法：通过卷积和 反投影得到图像
迭代法：通过迭代求解得到 图像
滤波反投影法：通过滤波和 反投影得到图像
傅里叶变换法：通过傅里叶 变换得到图像
神经网络法：通过神经网络 得到图像
压缩感知法：通过压缩感知 得到图像
目的：将二维CT图像转换为三维模型 技术原理：利用计算机视觉和图像处理技术，对CT图像进行分割、配准和融合 应用领域：医学、考古、工业检测等领域 发展趋势：随着深度学习和人工智能技术的发展，三维重建技术将更加智能化和高效化。
CT图像后处理知识点
CT图像后处理知识点CT（Computed Tomography）即计算机断层摄影，是一种医学影像技术，通过计算机处理多个X射线截面图像，以生成人体内部的断层图像，为诊断和治疗提供重要信息。
CT图像后处理是在获得CT图像后，使用计算机软件处理和优化图像的方法和技术。
本文将介绍CT图像后处理的主要知识点。
一、图像重建算法在CT影像采集过程中，X射线透过体部被探测器接收，通过对各个角度的透射数据进行处理，实现图像的重建。
常见的CT图像重建算法有滤波反投影重建算法、迭代重建算法等。
滤波反投影重建算法是最基本的重建算法，它根据X射线透射数据获取图像信息。
迭代重建算法则是通过多次迭代求解反问题，逐渐逼近真实图像。
二、图像增强图像增强是通过各种算法和方法改善CT图像的质量，使其更加清晰和易于观察。
常见的图像增强技术包括直方图均衡化、滤波、锐化、去噪等。
直方图均衡化可以通过对图像的像素值分布进行调整，增强图像的对比度和亮度，使细节更加清晰。
滤波技术可以通过去除图像中的噪声和伪影，提高图像的质量。
锐化技术可以增强图像的边缘，使图像轮廓更加清晰。
三、三维重建CT图像通常是二维的截面图像，通过三维重建技术可以将多幅二维图像叠加并处理，生成三维图像，提供更全面的信息。
常见的三维重建技术有体绘制、体剖面重建、体表面重建等。
体绘制是将体数据映射到三维空间中，生成三维图像。
体剖面重建则是通过切割体数据，生成一系列平行的二维图像。
体表面重建可以从体绘制或体剖面数据中提取出器官的表面形状。
四、血管成像在CT图像中，可以通过血管造影技术直接或间接地显示人体内的血管结构，提供血管内部的信息。
血管成像常用的方法有最大密度投影（Maximum Intensity Projection，MIP）、多平面重建（Multi-Planar Reconstruction，MPR）、曲面重建等。
MIP是将沿某一特定方向上的最大像素值投影到一个平面上，以突出显示血管的形态。
遥感图像分类后处理3种实现方法比较
收稿日期: 2007- 08- 03 修回日期: 2007- 09- 17 作者简介: 罗开华 ( 1977- ) , 男, 云南镇雄人, 助理工程师, 从事营造林规划设计工作.
第 2期
罗开华: 遥 感图像分类后处理 3种实现方法比较
25
感图像分为桉树、水 体、森林 ( 其他 ) 、甘蔗、居民地 ( 含建筑用地 )、裸地、农地、云、云影 ( 因图像中含较 多云影 ) . 按照最大似然法对遥感图像进行分类. 对 初次分类结果进行制图综合, 去除类别噪音, 合并邻 近破碎图斑使图面简洁. 技术路线如图 1.
5 讨论
( 1) 在 3种方法中, 方法 1是针对栅格图像进
第 33卷 第 2期 2008年 4月
林业 调 查 规 划 Forest Inventory and P lanning
Vo.l 33 No 2 Apr. 2008
基于 M apOb jects的县级森林资源地理信息系统的二次开发
卫俊生, 杨为民
(西南林学院资源学院, 云南 昆明 650224)
摘要: 针对部分县级森林资源管理的需要, 结合实际运用 M apO bjects(M O )与面向对象 的可视化编 程语言 V isualBas ic( V B), 进行 县级森林资源地理信息系统二次开发. 对系统要求、系统功能设计、系统结构设 计及系统 功能的实现 作了详细论述. 关键词: M apO bjects; 森林资源地理信息系统; 二 次开发; 软件系统开发 中图分类号: P 208 文献标识码: A 文章编号: 1671- 3168( 2008) 02- 0026- 04
由于分类的结果存在许多细小的图斑, 从制图 的角度和实际应用的角度都有必要将这些小图斑合 并. 选用了 3种方法进行该后处理, 发现效果并不一 致. 这 3种方法分别是:
如何处理机器学习任务中的图像分类结果
如何处理机器学习任务中的图像分类结果在机器学习任务中，图像分类是一个重要的应用领域。
随着深度学习技术的发展，图像分类性能得到了显著提高。
然而，即使在性能较好的模型中预测准确率还是会存在一定的误差。
因此，我们需要在处理图像分类结果时采取一些措施，以提高模型的效果并解释分类结果。
以下是一些方法可以用于处理机器学习任务中图像分类结果的技术。
1. 错误分析与模型调优：在机器学习任务中，错误分析是一个重要的步骤，它有助于了解模型在不同类别上的表现，并找出错误的原因。
通过分析分类错误的样本，我们可以确定模型的一些弱点，并提出改进策略。
例如，我们可以观察常被误分类的图像，并检查它们是否有共同的特征。
根据这些发现，我们可以调整模型的结构、增加训练数据或者修改目标函数。
2. 对抗样本检测：对抗样本是专门设计的具有细微扰动的输入图像，能够欺骗模型并产生错误的分类结果。
为了提高模型的鲁棒性，我们需要检测和处理对抗样本。
一种方法是通过对抗训练来使模型对对抗样本更加抵抗，这可以通过在训练中添加对抗样本生成器和对抗样本鉴别器来实现。
3. 可解释性分析：在对模型进行错误分析的同时，我们也需要考虑图像分类结果的可解释性。
一种常见的方法是使用激活热图（activation heatmap）来可视化模型在图像中关注的区域。
激活热图能够帮助我们理解模型是如何进行决策的，以及哪些区域对分类结果起到重要作用。
这可以帮助我们验证模型的有效性，并解释图像分类结果。
4. 多模态数据融合：在一些场景下，图像分类任务可能需要使用多模态数据，例如图像和文本。
在这种情况下，我们可以采用多模态数据融合的方法来进一步提高分类性能。
一种常见的方法是使用深度学习模型进行特征提取，并将不同模态的特征进行融合。
这种融合可以是简单的拼接或者更复杂的处理，例如使用注意力机制进行重要特征的选择。
5. 实时反馈与迭代：在一些应用场景中，我们需要在进行图像分类的同时进行实时的反馈和迭代。
医学图像后处理技术
1.
调窗技术的应用
在X射线检查中，以胸部X平片为例。如果感兴趣区在肺部，可缩小窗宽，调整窗位使肺纹理结构与 肺野有良好的对比度，细节显示清晰。此时纵隔结构、心影重叠结构因亮度过高而细节显示不良。反之，如感 兴趣区位于肋骨、胸椎，则可适当增大窗宽，连续调整窗位，使感兴趣部位的细节显示良好。
在CT检查中，窗宽是CT图像上显示的CT值范围。通常在CT值范围内的组织和病变均以不同的灰度显 示，CT值高于此范围的组织和病变，无论高出程度有多少，均以白影显示，无灰度差异；反之，低于此范围的 组织结构，不论低的程度有多少，均以黑影显示，无灰度差别。增大窗宽，则图像所示CT值范围加大，显示具 有不同密度的组织结构增多，但各结构之间的灰度差别减少。减小窗宽，则显示具有不同密度的组织结构减少， 然而各结构之间的灰度差别增加。
a
b
c
• 胸部X光片伪彩色图像，其中a图显示的是胸部原始图像，b图与c图为伪彩色图，增大了不同的结构间对比 度，有利于观察与诊断。
a
b
c
• 胸部CT片伪彩色图像，其中a图为CT原始图像，b图为骨骼伪彩色增强图像，c图为软组织伪彩色增强图像，d图 为肺组织伪彩色增强图像，e图为最终图像。
a
b
c
d
e
医学图像的三维可视化是指利用一系列的二维切片图像重建三维图像模型并进行定性、定量的分析，为医 生提供器官和组织的三维结构信息和分析工具并辅助医生对病变体及其它感兴趣的区域进行定性与准确的 定量分析，提高医疗诊断的准确性和正确性。
10.2.1 三维重建的过程
四个步骤：
1.
数据获取，通过医学成像设备（CT、MRI、超声等）对人体进行扫描而得到一组二维断层图像；
• 选择屏幕上方或者左侧工具栏上“页版式”命令设置图像查看方式，即在屏幕上显示不同数量的连续CT影 像。
- 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)。
图像分类结果后处理方法介绍
应用监督分类或者非监督分类以及决策树分类，分类结果中不可避免地会产生一些面积很小的图斑。
无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除或重新分类，目前常用的方法有Majority/Minority 分析、聚类处理（clump）和过滤处理（Sieve）。
6.5.2 majority 和minority分析Majority/Minority分析采用类似于卷积滤波的方法将较大类别中的虚假像元归到该类中，定义一个变换核尺寸，用变换核中占主要地位（像元素最多）的像元类别代替中心像元的类别。
如果使用次要分析（Minority Analysis），将用变换核中占次要地位的像元的类别代替中心像元的类别。
在主菜单中，选择Classification->Post Classification->Majority/Minority Analysis。
在打开的文件选择对话框中，选择分类图像。
打开Majority/Minority Parameters对话框（图6.28），下面填写Majority/Minority Parameters对话框中的参数。
（1）选择分类类别（Select Classes）：单击Select All Items按钮，选择所有类别。
（2）选择分析方法（Analysis Method）：Majority。
（3）选择变换核（Kernel Size）：5x5。
必须是奇数且不必为正方形，变换核越大，分类图像越平滑。
（4）中心像元权重（Center Pixel Weight）：1。
在判定在变换核中哪个类别占主体地位时，中心像元权重用于设定中心像元类别将被计算多少次。
例如：如果输入的权重为1，系统仅计算1次中心像元类别；如果输入5，系统
将计算5次中心像元类别。
（5）选择输出路径及文件名，单击OK执行majority和minority分析。
图6.28 Majority/Minority Parameters对话框6.5.3 聚类处理(clump) 聚类处理（clump）是运用形态学算子将临近的类似分类区
域聚类并合并。
分类图像经常缺少空间连续性（分类区域中斑点或洞的存在）。
低通滤波虽然可以用来平滑这些图像，
但是类别信息常常会被临近类别的编码干扰，聚类处理解决了这个问题。
首先将被选的分类用一个扩大操作合并到一块，然后用参数对话框中指定了大小的变换核对分类图像进行
侵蚀操作。
在主菜单中，选择Classification->Post Classification->Clump Classes。
在Classification Input File 对话框中，选择一个分类图像，单击击OK按钮，打开Clump Parameters对话框（图6.29）。
下面填写Clump Parameters对话框中的参数。
（1）选择分类类别（Select Classes）：单击Select All Items按钮，选择所
有类别。
（2）输入形态学算子大小（Rows和Cols）：3，3。
（3）选择输出路径及文件名，单击OK执行Clump处理。
图6.29 Clump Parameters对话框6.5.4 过滤处理(Sieve)过滤处理（Sieve）解决分类图像中出
现的孤岛问题。
过滤处理使用斑点分组方法来消除这些被隔离的分类像元。
类别筛选方法通过分析周围的4个或8个像元，判定一个像元是否与周围的像元同组。
如果一类中被分析的像元数少于输入的阈值，这些像元就会被从该类中删除，删除的像元归为未分类的像元（Unclassified）。
在主菜单中，选择Classification ->Post Classification->Sieve Classes。
在Classification Input File对话框时，选择一个分类图像，点击OK按钮，打开Sieve Parameters对话框。
下面填写Sieve Parameters对话框中的参数。
（1）
选择分类类别（Select Classes）：单击Select All Items按钮，选择所有类别。
（2）输入过滤阈值（Group Min Threshold）：6。
一组中小于该数值的像元将从相应类别中
删除。
（3）确定聚类领域大小（Number of Neighbors）：8。
（4）选择输出路径及文件名，
单击OK执行Sieve处理。
图6.30 Sieve Parameters对话
框摘自《ENVI遥感图像处理方法》科学出版社2010.06。