空间域图象增强的方法
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。
遥感影像处理知识
1.几何校正：几何校正是利用地面控制点和几何校正数学模型来矫正非系统因素产生的误差，同时也是将图像投影到平面上，使其符合地图投影系统的过程。
2.图像镶嵌：指在一定的数学基础控制下，把多景相邻遥感影像拼接成一个大范围、无缝的图像的过程。
3.图像裁剪：图像裁剪的目的是将研究之外的区域去除。
常用方法是按照行政区划边界或自然区划边界进行图像裁剪。
在基础数据生产中，还经常要进行标准分幅裁剪。
按照ENVI 的图像裁剪过程，可分为规则裁剪和不规则裁剪。
4.图像分类：遥感图像分类也称为遥感图像计算机信息提取技术，是通过模式识别理论，分析图像中反映同类地物的光谱、空间相似性和异类地物的差异，进而将遥感图像自动分成若干地物类别。
5.正射校正：正射校正是对图像空间和几何畸变进行校正生成多中心投影平面正射图像的处理过程。
6.面向对象图像分类技术：是集合邻近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间、纹理和光谱信息来分割和分类，以高精度的分类结果或者矢量输出。
7.DEM：数字高程模型是用一组有序数值阵列形式表示地面高程的一种实体地面模型。
8.立体像对：从两个不同位置对同一地区所摄取的一对相片。
9.遥感动态监测：从不同时间或在不同条件获取同一地区的遥感图像中，识别和量化地表变化的类型、空间分布情况和变化量，这一过程就是遥感动态监测过程。
10.高光谱分辨率遥感：是用很窄而连续的波谱通道对地物持续遥感成像的技术。
在可见光到短波红外波段，其波谱分辨率高达纳米数量级，通常具有波段多的特点，波谱通道多达数十甚至数百个，而且各波谱通道间往往是连续的，因此高光谱遥感又通常被称为"成像波谱遥感"。
11.端元波谱：端元波谱作为高光谱分类、地物识别和混合像元分解等过程中的参考波谱，与监督分类中的分类样本具有类似的作用，直接影响波谱识别与混合像元分解结果的精度。
12.可视域分析：可视域分析工具利用DEM数据，可以从一个或多个观察源来确定可见的地表范围，观测源可以是一个单点,线或多边形13.三维可视化：ENVI的三维可视化功能可以将DEM数据以网格结构、规则格网或点的形式显示出来或者将一幅图像叠加到DEM数据上。
第8章_图像增强
32
一、空间域图像增强（29）
对角线方向边缘增强示意图
33
一、空间域图像增强（30）
单方向一阶微分算子图像增强效果
34
一、空间域图像增强（31）
Roberts交叉微分算子
g x, y f x 1, y 1 f x, y f x 1, y f x, y 1
f
G x x
f
f
G
y
y
27
一、空间域图像增强（24）
一阶微分算子
单方向微分算子
（1）水平方向微分算子
Dlevel
1 2 1
0 0 0
1 2 1
g ( x, y ) [ f x 1, y 1 f x 1, y 1] 2[ f x 1, y f x 1, y ]
遥感数字图像处理
第8章
图像增强
背景知识
图像增强是通过一定手段对原图像进行变换或附加一些信息
，有选择地突出图像中感兴趣的特征或者抑制图像中某些不
需要的特征，使图像与视觉响应特性相匹配，从而加强图像
判读和识别效果，以满足某些特殊分析的需要。
目的：改善图像的视觉效果，帮助我们更好地发现或识别图
像中的某些特征。
作用：调整两幅图像的色调差异，使图像重叠区域的色调过渡柔和，改
善图像融合和图像镶嵌效果。
14
一、空间域图像增强（12）
直方图匹配的思想：
原图像中的任意一个灰度值ai 都可
以在参考图像上找到一个与之对应
的灰度值bi ，使得原图的灰度概率
空间域图像增强的操作方法
空间域图像增强的操作方法
空间域图像增强操作方法包括以下几种：
1. 线性变换：线性变换常用于图像亮度和对比度的调整。
常见的线性变换操作包括图像的亮度调整、对比度调整、伽马校正等。
2. 直方图均衡化：直方图均衡化是一种用于增强图像对比度的方法。
它通过调整图像的灰度级分布，使得图像在整个灰度范围内的灰度级分布均匀，从而显著改善了图像的视觉效果。
3. 滤波操作：滤波操作可以用于对图像进行平滑处理、边缘增强、噪声去除等。
常见的滤波方法包括均值滤波、中值滤波、高斯滤波等。
4. 锐化操作：锐化操作可以增强图像的边缘和细节信息。
常见的锐化方法包括拉普拉斯锐化、Sobel算子、Prewitt算子等。
5. 图像增强算法：除了上述基本操作外，还有一些图像增强算法可以进一步提高图像质量，如小波变换、Retinex算法、非局部均值去噪方法等。
需要根据具体图像的特点和需求选择合适的增强方法，并通过实验和调整参数来得到最佳的增强效果。
数字图像处理冈萨雷斯空间域图像增强(共104张PPT)
例如每个象素点的灰度值用8bit表示，假设某像素点的灰度值为00100010,分解处理 如下 :
00100010
00000000(0) 00000010(2)
00000000(0)
00000000(0) 00000000(0)
001000(0302) 00000000(0)
这样这个位置的像素，就分解 成了8局部，各局部的值转成
1时 ， 该 变 换 将
低 灰 度 值 （ 暗 值 ） 进 行 拉 伸
例 ： 0.4时 ， 该 变 换 将 动 态 范 围
从 [0,L5]扩 展 到 [0,L2]
1时 ， 该 变 换 将
L5
高 灰 度 值 （ 亮 值 ） 进 行 拉 伸
3.2 根本灰度变换
幂次变换应用 (伽马)校正 s cr
00000000(0)
十进制就是该点在该位平面上
的灰度值。
④分段线性变换函数
3.2 根本灰度变换
位图切割
位图切割例如
位图切割在图像压缩和重建中的应用
重建：
①第n个bit平面的每个像素 2 n1 ；
②所有bit平面相加；
MATLAB 例子:线性变换
I=imread('pout.tif');
pout=double(I);
随机变量:不一定是均匀分布的
根据该方程可以由原图像的各像素灰度值直接得到直方图 均衡化后各灰度级所占的百分比
➢直方图均衡化处理的计算步骤如下：
(1)统计原始图象的直方图
是rk 输入图象灰度级； (2)计算直方图累积分布曲线
pr
rk
nk n
3.3 直方图处理
sk T(rk)j k0pr(rj)j k0nnj
医学影像处理中的图像增强技术研究探讨
医学影像处理中的图像增强技术研究探讨医学影像在现代医疗诊断中扮演着至关重要的角色，它能够帮助医生直观地观察人体内部的结构和病变情况。
然而，由于各种因素的影响，原始的医学影像可能存在清晰度不高、对比度不足等问题，这就需要运用图像增强技术来改善影像质量，以便更准确地进行诊断和治疗。
图像增强技术的目的是通过一系列的处理方法，突出影像中的有用信息，抑制无用信息，从而提高图像的可读性和可理解性。
在医学影像处理中，常用的图像增强技术包括灰度变换、直方图均衡化、空间滤波、频率滤波等。
灰度变换是一种简单而有效的图像增强方法。
它通过改变图像中像素的灰度值来调整图像的对比度。
例如，线性灰度变换可以将灰度范围拉伸或压缩，从而增强图像的对比度。
而非线性灰度变换，如对数变换和指数变换，则可以根据图像的特点对不同灰度区域进行有针对性的调整，使得原本较暗或较亮的区域能够更清晰地显示出来。
直方图均衡化是另一种常见的图像增强技术。
它通过重新分布图像的灰度值，使得直方图更加均匀，从而增强图像的对比度。
直方图均衡化的优点是计算简单，效果明显，但有时可能会导致图像的细节丢失。
为了克服这一缺点，人们提出了局部直方图均衡化方法，它只对图像的局部区域进行直方图均衡化处理，从而更好地保留图像的细节。
空间滤波是基于像素及其邻域的运算。
常见的空间滤波器有平滑滤波器和锐化滤波器。
平滑滤波器可以去除图像中的噪声，使图像变得更加平滑。
均值滤波器和中值滤波器是两种常用的平滑滤波器。
均值滤波器通过计算邻域像素的平均值来替代中心像素的值，从而减少噪声的影响。
中值滤波器则是将邻域像素的值进行排序，取中间值作为中心像素的值，对于去除椒盐噪声等效果显著。
锐化滤波器则用于增强图像的边缘和细节，常用的有拉普拉斯算子和索贝尔算子。
频率滤波是基于傅里叶变换的图像增强方法。
通过将图像从空间域转换到频率域，对不同频率成分进行处理，然后再转换回空间域，实现图像增强的目的。
低通滤波器可以去除高频噪声，使图像变得更加平滑；高通滤波器则可以增强图像的边缘和细节。
图像增强及其在医学图像诊断中的应用研究
图像增强及其在医学图像诊断中的应用研究图像增强是一种数字图像处理技术，可以通过对图像进行滤波、增强、去噪等操作，使图像在视觉上更加清晰、明亮、有利于图像的理解和分析。
在医学图像诊断方面，图像增强技术得到了广泛的应用。
一、图像增强技术的分类图像增强技术可以分为直方图增强技术、空间滤波技术和小波变换技术。
1.直方图增强技术直方图是图像中像素强度的分布情况，直方图增强技术将像素的灰度级转换成更有意义的视觉效果。
这种技术通常是通过直方图均衡化、自适应直方图均衡化和伽马变换等实现的。
直方图均衡化是指将直方图映射到一个均匀分布上，从而使图像更加清晰明亮。
但是，在某些情况下，直方图均衡化会使图像出现噪声和失真，自适应直方图均衡化和伽马变换等技术可以解决这些问题。
2.空间滤波技术空间滤波技术是一种在空间域进行的图像增强技术，通过和模板卷积来实现像素的局部增强和滤波。
空间滤波技术可以通过卷积核大小和参数调整来处理图像，常见的空间滤波技术有中值滤波、高斯滤波和锐化滤波等。
3.小波变换技术小波变换技术是指通过小波函数对图像进行分解和重构，实现对图像的局部增强和处理。
小波变换技术可以实现对图像高频信息和低频信息的不同处理，通常使用小波快速变换算法实现。
小波变换技术在医学图像诊断中得到广泛的应用。
二、医学图像增强技术的应用医学图像是指通过现代医学设备对人体进行的影像学检查，包括X射线、CT、MRI等，然后通过数字图像处理技术来改善图像质量。
医学图像增强技术的应用包括以下几方面。
1.增强缩放图像缩放图像是指将高分辨率医学图像转换为低分辨率、小尺寸的图像，用于便携式移动设备等。
图像增强技术可以用于增强缩放图像的质量，可以通过直方图均衡化、锐化滤波和小波变换等技术实现。
2.增强X光片图像X光片图像是一种重要的医学图像，通过增强X光片图像的质量可以有效提高诊断准确性。
通常，可以通过去噪、对比度增强和直方图均衡化等技术实现。
3.增强MRI图像MRI图像是一种高分辨率的医学图像，但是由于图像质量不高，会导致医生难以进行准确的诊断。
图像增强的方法有哪些
图像增强的方法有哪些图像增强是指通过一系列的处理方法，改善图像的质量和视觉效果，使得图像更加清晰、鲜艳、易于理解和分析。
图像增强技术在计算机视觉、医学影像、遥感图像等领域有着广泛的应用。
本文将介绍图像增强的几种常见方法，包括灰度拉伸、直方图均衡化、滤波和增强、空间域增强、频域增强等。
首先，灰度拉伸是一种简单而有效的图像增强方法。
它通过扩展图像的灰度动态范围，将原本灰暗的区域拉伸到整个灰度范围内，从而增强了图像的对比度和细节。
灰度拉伸通常适用于灰度动态范围较窄的图像，比如受到光照影响的图像或者拍摄条件不佳的图像。
其次，直方图均衡化是一种常用的图像增强方法。
它通过重新分布图像的灰度级，使得图像的直方图在整个灰度范围内均匀分布，从而增强了图像的对比度和视觉效果。
直方图均衡化适用于灰度动态范围较窄或者灰度分布不均匀的图像，能够有效地改善图像的质量。
另外，滤波和增强也是常见的图像增强方法。
滤波可以去除图像中的噪声和干扰，增强图像的清晰度和细节。
常用的滤波方法包括均值滤波、中值滤波、高斯滤波等。
在滤波的基础上，可以对图像进行锐化、边缘增强等操作，从而进一步改善图像的质量。
此外，空间域增强和频域增强也是图像增强的重要方法。
空间域增强是指直接对图像的像素进行操作，比如对比度调整、颜色增强、锐化等。
而频域增强则是通过对图像的频谱进行操作，比如傅里叶变换、滤波等。
这些方法能够有效地改善图像的质量和视觉效果。
总的来说，图像增强是一项重要的技术，能够改善图像的质量和视觉效果，提高图像的可读性和分析性。
在实际应用中，可以根据图像的特点和需求，选择合适的增强方法进行处理，以获得更加清晰、鲜艳、易于理解和分析的图像。
希望本文介绍的几种常见方法能够为图像增强技术的应用提供一些参考和帮助。
《数字图像处理》期末考试重点总结
《数字图像处理》期末考试重点总结work Information Technology Company.2020YEAR*数字图像处理的主要内容及特点图像获取、图像变换、图像增强、图像恢复、图像压缩、图像分析、图像识别、图像理解。
（1）处理精度高，再现性好。
（2）易于控制处理效果。
（3）处理的多样性。
（4）图像数据量庞大。
（5）图像处理技术综合性强。
*图像增强：通过某种技术有选择地突出对某一具体应用有用的信息，削弱或抑制一些无用的信息。
图像增强不存在通用理论。
图像增强的方法：空间域方法和变换域方法。
*图像反转：S=L-1-r1.与原图像视觉内容相同2.适用于增强嵌入于图像暗色区域的白色或灰色细节。
*对数变换 S=C*log（1+r）c为常数，r>=0作用与特点：对数变换将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值，同时，对输入中范围较宽的高灰度值映射为输出中较窄范围的灰度值。
对数函数的一个重要特征是可压缩像素值变化较大的图像的动态范围；*幂律（伽马）变换 s=c*(r+ɛ)ɤ伽马小于1时减小图像对比度，伽马大于1时增大对比度。
*灰度直方图：是数字图像中各灰度级与其出现的频数间的统计关系。
*直方图均衡化：直方图均衡化就是通过变换函数将原图像的直方图修正为均匀的直方图，即使各灰度级具有相同的出现频数，图象看起来更清晰。
直方图均衡化变换函数必须为严格单调递增函数。
直方图均衡化的特点：1.能自动增强图像的对比度2.得到了全局均衡化的直方图，即均匀分布3.但其效果不易控制*直方图规定化（匹配）：用于产生处理后有特殊直方图的图像的方法*空间滤波即直接对图像像素进行处理。
获得最佳滤波效果的唯一方法是使滤波掩模中心距原图像边缘的距离不小于(n-1)/2个像素。
*平滑滤波器用于模糊处理和减小噪声。
平滑线性空间滤波器的输出是：待处理图像在滤波器掩模邻域内的像素的简单平均值。
优点：减小了图像灰度的“尖锐”变化，故常用于图像降噪。
ENVI遥感图像增强处理
ENVI遥感图像增强处理任务五图像增强⽬录1.空间域增强处理 (1)1.1卷积滤波 (1)2.辐射增强处理 (2)2.1交互式直⽅图拉伸 (2)3.光谱增强处理 (4)3.1波段⽐的计算 (4)3.2⾊彩空间变换 (5)3.3NDVI计算 (6)4.傅⾥叶变换 (6)4.1快速傅⾥叶变换 (6)4.2定义FFT滤波器 (7)4.3反向FFT变换 (8)5.波段组合 (8)5.1RGB合成显⽰ (8)图像增强的主要⽬的是提⾼图像的⽬视效果，以便处理结果图像⽐原图像更适合于特定的应⽤要求，⽅便⼈⼯⽬视解译、图像分类中的样本选取等。
ENVI图像增强的内容主要包括：●空间域增强处理●辐射增强处理●光谱增强处理●傅⾥叶变换●波段组合1.空间域增强处理空间域增强处理是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。
1.1卷积滤波卷积滤波是通过消除特定的空间频率来增强图像。
它们的核⼼部分是卷积核，ENVI提供很多卷积核，包括⾼通滤波、低通滤波、拉普拉斯算⼦、⽅向滤波、⾼斯⾼通滤波、⾼斯低通滤波、中值滤波、Sobel、Roberts，还可以⾃定义卷积核。
使⽤数据：lena.jpg具体操作：通过尝试ENVI提供的各种图像增强算⼦，观察⽐较图像增强的效果。
（1）打开图像⽂件lena.jpg。
（2）在主菜单中，选择Filter→Convolutions and Morphology。
（3）在Convolutions and Morphology Tool中，选择Convolutions→滤波类型。
（4）不同的滤波类型对应不同的参数，主要包括三项参数：●Kernel Size（卷积核的⼤⼩）卷积核的⼤⼩，以奇数来表⽰，如3×3、5×5等，有些卷积核不能改变⼤⼩，包括Sobel和Roberts。
●Image Add Back（输⼊加回值）将原始图像中的⼀部分“加回”到卷积滤波结果图像上，有助于保持图像的空间连续性。
图像增强实验报告
图像增强实验报告篇一：图像处理实验报告——图像增强实验报告学生姓名：刘德涛学号:2010051060021指导老师：彭真明日期：2013年3月31日一、实验室名称：光电楼329、老计算机楼309机房二、实验项目名称：图像增强三、实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。
图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。
空间域的增强主要有：灰度变换和图像的空间滤波。
1.灰度变换灰度变换主要有线性拉伸、非线性拉伸等。
灰度图像的线性拉伸是将输入图像的灰度值的动态范围按线性关系公式拉伸到指定范围或整个动态范围。
令原图像f(x,y)的灰度变化范围为[a,b]，线性变换后图像g(x,y)的范围为[a',b']，线性拉伸的公式为：b'?a'g(x,y)?a?[f(x,y)?a] b?a灰度图像的非线性拉伸采用的数学函数是非线性的。
非线性拉伸不是对图像的灰度值进行扩展，而是有选择地对某一灰度范围进行扩展，其他范围的灰度值则可能被压缩。
常用的非线性变换：对数变换和指数变换。
对数变换的一般形式：g(x,y)?a?ln[f(x,y)?1] blnc指数变换的一般形式：g(x,y)?bc[f(x,y)?a]?1（a,b,c用于调整曲线的位置和形状的参数。
）2.图像的空间滤波图像的空间滤波主要有图像的空域平滑和锐化。
图像的平滑是一种消除噪声的重要手段。
图像平滑的低频分量进行增强，同时抑制高频噪声，空域中主要的方法有领域平均、中值滤波、多帧相加平均等方法。
图像锐化能使图像的边缘、轮廓处的灰度具有突变特性。
图像的锐化主要有微分运算的锐化，包括梯度法和拉普拉斯法算子。
四、实验目的：1．熟悉和掌握利用Matlab工具进行数字图像的读、写、显示等数字图像处理基本步骤。
对Lena图像的若干增强处理
前言对于一个图像处理系统来说，可以将流程分为三个阶段，在获取原始图像后，首先是图像预处理阶段、第二是特征抽取阶段、第三是识别分析阶段。
图像预处理阶段尤为重要，如果这阶段处理不好，后面的工作根本无法展开。
在实际应用中，我们的系统获取的原始图像不是完美的，例如对于系统获取的原始图像，由于噪声、光照等原因，图像的质量不高，所以需要进行预处理，以有利于提取我们感兴趣的信息。
图像的预处理包括图像增强、平滑滤波、锐化等内容。
图像的预处理既可以在空间域实现，也可以在频域内实现，我们主要介绍在空间域内对图像进行点运算，它是一种既简单又重要的图像处理技术，它能让用户改变图像上像素点的灰度值，这样通过点运算处理将产生一幅新图像。
下面我们开始介绍与图像点运算的相关知识。
一、图像的直方图图像直方图是图像处理中一种十分重要的图像分析工具，它描述了一幅图像的灰度级内容，任何一幅图像的直方图都包含了丰富的信息，它主要用在图象分割，图像灰度变换等处理过程中。
从数学上来说图像直方图是图像各灰度值统计特性与图像灰度值的函数，它统计一幅图像中各个灰度级出现的次数或概率；从图形上来说，它是一个二维图，横坐标表示图像中各个像素点的灰度级，纵坐标为各个灰度级上图像各个像素点出现的次数或概率。
如果不特别说明，本讲座中的直方图的纵坐标都对应着该灰度级在图像中出现的概率。
我们的例子是在一个对话框中显示一个图像的直方图，为实现该目的，我们定义了一个名为"ZFT"的对话框类用来显示图像的直方图，具体实现代码和效果图如下（关于代码实现部分可以参考笔者2001年在天极网上发表的一篇VC实现数字图像处理的文章）：//////////////////////////////////直方图对话框构造函数；ZFT::ZFT(CWnd* pParent /*=NULL*/): CDialog(ZFT::IDD, pParent)//ZFT为定义的用来显示直方图的对话框类；{Width=Height=0;//对话框初始化阶段设置图像的宽和高为"0"；}////////////////////////对话框重画函数；void ZFT::OnPaint(){CRect rect;//矩形区域对象；CWnd *pWnd;//得到图片框的窗口指针；pWnd=GetDlgItem(IDC_Graphic);//得到ZFT对话框内的"Frame"控件的指针；file://（IDC_Graphic为放置在对话框上的一个"Picture"控件，并讲类型设置为"Frame"）。
三种不同灰度图像增强算法对比
三种不同灰度图像增强算法对比一、摘要本文主要是运用直方图均衡化、平滑、锐化三种常见的图像增强算法对图像进行处理,并在此基础上分别用这 3 种算法处理的灰度图像进行比较，比对它们对图像的处理效果, 分析 3 种方法在图像增强处理能力的优劣之处。
结果发现,直方图均衡化可以均衡图像的灰度等级, 经过直方图的均衡化，图像的细节更加清楚了，但是由于直方图均衡化没有考虑图像的内容，只是简单的将图像进行直方图均衡，提高图像的对比度,使图像看起来亮度过高，使图像细节受到损失;图像平滑的目的是减少或消除图像的噪声, 图像平滑可以使图像突兀的地方变得不明显, 但是会使图像模糊，这也是图像平滑后不可避免的后果，只能尽量减轻，尽量的平滑掉图像的噪声又尽量保持图像细节，这也是图像平滑研究的主要问题;图像锐化使图像的边缘、轮廓变得清晰，并使其细节清晰,常对图像进行微分处理，但是图像的信噪比有所下降。
关键词: 图像增强 灰度图 直方图 平滑 锐化二、三种图像增强算法图像预处理是相对图像识别、图像理解而言的一种前期处理，主要是指按需要进行适当的变换突出某些有用的信息，去除或削弱无用的信息，在对图像进行分析之前, 通常要对图像质量进行改善,改善的目的就是要使处理后的图像比原始图像更适合特定的应用。
影响图像清晰度的因素很多,主要有光照不足、线路传输收到干扰等。
现存的图像增强技术主要分为空间域法和频率域法两类,其中的增强方法主要有直方图的修正、灰度变换、图像平滑、图像锐化、伪彩色和假彩色处理等。
下面主要采用直方图均衡化、图像平滑、图像线性锐化对图像进行增强处理, 对比他们的处理效果,分析 3 种方法的在图像增强处理方面的优劣。
1、直方图均衡化直方图均衡化也称为直方图均匀化，是一种常见的灰度增强算法，是将原图像的直方图经过变换函数修整为均匀直方图，然后按均衡后的直方图修整原图像。
为方便研究，先将直方图归一化，然后图像增强变换函数需要满足2个条件。
数字图象处理：三 空间域图像增强
●两幅图像 f (x, y) 和 h(x, y) 相减，表示为：
g ( x , y ) f ( x , y ) h ( x , y )
( 3 . 4 . 1 )
3.4.1 图像相减运算实例
●血管造影：
●图b是相减图像
3.4.2 图像平均处理(加法处理)
●利用多幅图像相加，然后取平均的办法，其目的主要是为了降低图像的噪声。
简单平均
加权平均
●平滑线性滤波器 实例1：
n=5
n = 15
n=器实例2
平滑线性滤波器实例3
不连续到连续
3.6.2 统计排序滤波器
中值滤波法
取3X3窗口
212 200 198 206 202 201 208 205 207
212 200 198 206 205 201 208 205 207
s cr ●对于不同的γ，其曲线形式不同。
◆当γ<1时，其曲线形式和对数曲线相似。 ◆当γ>1时，作用相反 ● γ(伽马)校正：
用幂次变换进行对比度增强的效果(γ<1):
核磁共 振图像
用幂次变换进行对比度增强的效果(γ>1)
3.2.4 分段线性变换函数
●对比度拉伸
灰度切割
● 方法有两个：
● 教材中的位平面切割放在图像压缩时讲。
平均 8次
平均 64 次
平均 16 次
平均 128次
平均图像和真实图像的差
●不同平均次数的
的差值图像和直方 图。
平 均8 次
平均 16次
平均 64次
平均 128次
3.5 空间滤波基础
● 空间域滤波是通过模板运算实现的。
ab
g (x ,y ) w (s ,t)f(x s ,y t) (3 .5 .1 ) s a t b
数字图像处理 第四章图像增强
Pr（rk） 0.19 0.25 0.21 0.16 0.08 0.06
0.03
0.02
计算每个sk对应的像素数目 计算均衡化后的直方图
Tr
Sk并
sk
nsk Ps（sk）
0.19
1/7
0.44
3/7
S0=1/7 S1=3/7 S2=5/7
790 0.19 1023 0.25 850 0.21
0.65
✓ 校正后的原始图像 f (i, j) C g(i, j) gc(i, j)
9
灰度级校正注意问题：
对降质图像进行逐点灰度级校正所获得的图像， 其中某些像素的灰度级值有可能要超出记录器 件或显示器输入灰度级的动态范围，在输出时 还要采用其他方法来修正才能保证不失真地输 出。
降质图像在数字化时，各像素灰度级都被量化 在离散集合中的离散值上，但经校正后的图像 各像素灰度极值并不一定都在这些离散值上， 因此必须对校正后的图像进行量化。
），使得结果图像s的直方图Ps(s)为一个常数
Pr(r)
Ps(s)
直方图均衡化 T(r)
r
s
26
直方图均衡化理论基础
-1 由概率论可知，若Pr(r)和变换函数s=T(r)已知，r=T (s)是单 调增长函数，则变换后的概率密度函数Ps(s)可由Pr(r)得到：
分 布 函 数 Fs(s)sp（ s s） ds=rp（ r r） dr
✓ 计算均衡后的直方图
s k 计
T（ rk）
k
=
i 0
P（r
r
）
i
k i 0
ni n
s k并
round（ sk计 * (L L 1
1)）
j
遥感数字图像处理智慧树知到答案章节测试2023年
第一章测试1.数字图像本质上就是一个存储数字的矩阵，是你肉眼直接看不见的。
（）A:对 B:错答案:A2.在同等水平条件下，模拟图像的成像效果比数字图像更好。
（） A:错 B:对答案:B3.采样就是指电磁辐射能量的离散化。
（） A:对 B:错答案:B4.按照数字图像的光谱特性可以将图像分为彩色图像和黑白图像。
（） A:对B:错答案:B5.任何一幅图像都有自己对应的直方图，但相同的直方图可能对应于不同的图像。
（） A:对 B:错答案:A6.图像显示时的屏幕分辨率等同于图像空间分辨率。
（） A:对 B:错答案:B7.时间分辨率是指对同一区域进行重复观测的最小时间间隔，也称为重访周期。
（） A:错 B:对答案:B8.数字图像的灰度分辨率越高，可展现在屏幕上的灰度级越多，说明图像显示的灰度层次越丰富。
（） A:对 B:错答案:A9.为了使同一波段的像素保证存储在一块，从而保持了像素空间的连续性。
应该选择（）存储方式. A:BIL B:BIP C:BSQ D:TIFF 答案:C10.遥感影像灰度直方图反映的是一幅图像中各灰度级像素出现的（）。
A:频率 B:位置 C:数量 D:概率答案:A11.已知一幅数字图像的辐射量化等级是4 bit，则这幅图像所存储的灰度值范围是（）。
A:0－4 B:1－16 C:1－4 D:0－15 答案:D12.一台显示器的屏幕在水平方向显示800个像元，在垂直方向显示600个像元，则表示该显示器的分辨率为（）dpi。
A:600800 B:800800C:800600 D:600600 答案:C13.从连续图像到数字图像需要（）。
A:图像分辨率设定 B:确定图像的存储空间 C:图像灰度级设定 D:采样和量化答案:D14.下面哪些特征参数直接影响数字图像的信息含量？（） A:光谱分辨率 B:辐射分辨率 C:时间分辨率 D:空间分辨率答案:AC15.下列图像中属于单波段图像的是（）。
- 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)。
空间域图象增强的方法
图象增强的方法基本可分为空间域处理及频域处理两类。
空间域处理是直接对原图象的灰度级别进行数据运算，它分为两类，一类是与象素点邻域有关的局部运算，如平滑，中值滤波，锐化等；另一类是对图象做逐点运算，称为点运算如灰度对比度扩展，削波，灰度窗口变换，直方图均衡化等。
现对主要方法作简单介绍：
1、平滑
图像在生成和传输过程中会受到各种噪声源的干扰和影响，使图像质量变差。
反映在图像上，噪声使原本均匀和连续变化的灰度突然变大或变小，形成一些虚假的物体边缘或轮廓。
抑制或消除这些噪声而改善图像质量的过程称为图像的平滑。
主要有
（1）邻域平均法
在邻域平均法中，假定图像是由许多灰度恒定的小块组成，相邻像素间有很强的空间相关性，而噪声是统计独立地加到图像上的。
因此，可用像素邻域内个像素灰度值的平均来代表原来的灰度值。
（2）低通滤波法
从频谱上看，噪声特别是随机噪声是一种具有较高频率分量的信号。
平滑的目的就是通过一定的手段滤去这类信号。
一个很自然的想法就是使图像经过一个二维的低通数字滤波器，让高频信号得到较大的衰减。
在空间域上进行的这种滤波实际上就是对图像和滤波器的冲击响应函数进行卷积。
(3)中值滤波法
中值滤波的思想是对一个窗口内的所有像素的灰度值进行排序，取排序结果的中间值作为原窗口中心点处像素的灰度值。
这种平滑方法对脉冲干扰和椒盐类干扰噪声的效果较好。
中值滤波的关键在于选择合适的窗口大小和形状。
但一般很难事先确定窗口的尺寸，通常是从小到大进行多次尝试。
窗口的形状可选为正方形，也可选为十字形。
2、尖锐化
在图像判断和识别中，需要有边缘鲜明的图像。
图像尖锐化技术常用来对图像的边缘进行增强。
主要方法有：
（1）微分法
在图像的判断和识别中，边缘是由不同灰度级的相邻像素点构成的。
因此，若想增强边缘，就应该突出相邻点间的灰度级变化。
微分运算可用来求信号的变化率，具有加强高频分量的作用。
如果将其应用在图像上，可使图像的轮廓清晰。
由于常常无法事先确定轮廓的取向，因而在挑选用于轮廓增强的微分算子时，必须选择那些不具备空间方向性和具有旋转不变性的线性微分算子。
（2）高通滤波法
由于边缘是由灰度级跳变点构成的，因此，具有较高的空间频率。
所以可用高通滤波法让高频分量顺利通过，使低频分量得到抑制。
通过增强高频分量，使图像的边缘变得清晰，实现图像的尖锐化。
这一思想反应在空间域的处理中就是让图像和高通滤波器的冲击响应函数进行卷积。
所用的表达式与低通滤波法中所用的相同，只是冲击响应函数不同。
、
3、灰度变换
当图像成像时曝光不足或过度，图像记录设备的范围太窄等因素，都会产生对比不足的问题，使图像的细节分辨不清。
为此需对每一像素的灰度级进行变换，扩大图像灰度的范围，达到图像增强的目的。
设原图像中像素点(x,y)处的灰度级为f(x,y)，通过映射函数T，生成的图像的灰度级为g(x,y)，即：
g(x,y)=T[f(x,y)]
4、直方图变换
直方图表示数字图像中每一灰度级与其出现的频数（具有该灰度级的像素的数目）间的统计关系，横坐标表示灰度级，纵坐标表示频数（或相对频数=频数/总像素数）。
直方图能给出图像的概貌性描述，如图像的灰度范围、灰度级的大致分布情况等。
主要方法有：（1）直方图均衡化
把原图像的直方图变换为各灰度值频率固定的直方图称为直方图均衡化。
（2）直方图正态化
如果灰度的频率分布接近正态分布的形状，通常认为适合于人眼观察。
但如果把与正态分布形状相差较大的图像勉强进行直方图正态化时，往往会产生问题。
如当原图像的某一灰度的频率很高，而正态分布所对应的该灰度值的频率变得较低，就会造成这部分信息被压缩和丢失的情况。
因此，直方图正态化对于卫星图像那种原图像的动态范围窄，且不够鲜明的图像是非常有效。