图像平滑与锐化处理
1 图像平滑处理
打开Image Interpreter/Utilities/Layer Stack对话框，如图1-1
图1-1 打开Layer Stack对话框
在Input File中打开tm_striped.img，在Layer中选择1，在Output File中输入输出文件名band1.img，单击Add按钮。
忽略零值，单击OK(如图1-2所示)。
图1-2 Layer Stack对话框设置
打开Interpreter>Spatial Enhancement>Convolution对话框。
如图1-3
图1-3 打开Convolution对话框
在Input File中选择band1.img。
在Output File中选择输出的处理图像，命名为lowpass.img。
在Kernel中选择7*7Low Pass，忽略零值。
单击OK完成图像的增强处理（如图1-4所示）。
图1-4 卷积增强对话框（Convolution）
平滑后的图像去掉噪音的同时造成了图像模糊，特别是对图像的边缘和细节消弱很多。
而且随着邻域范围的扩大，在去噪能力增强的同时模糊程度越严重（如图1-5）。
图1-5 处理前后的对比
为了保留图像的边缘和细节信息，可对上述算法进行改进，引入阈值T，将原有图像灰度值f（i，j）,和平均值g（i，j）之差的绝对值与选定的阈值进行比较，根据比较结果决定像元（i，j）的最后灰度值G（i，j）。
当差小于阈值的时候取原值；差大于阈值的时候取平均值。
这里通过查询得T取4，其表达式为下：
g（i，j），当| f（i，j）-g（i，j）|>4
G（i，j）=
f（i，j），当| f（i，j）-g（i，j）|<=4
具体操作步骤：在图标控制面板工具栏中点击空间建模Modeler>Model Maker选项。
先放置对象图形，依次连接每个对象图形，然后定义对象，最后定义函数并运行模型（如图
1-6，1-7,1-8,1-9,1-10,1-11所示）。
图1-6 定义第一个对象
图1-7 定义第二个对象
图1-8 定义函数
图1-9 定义输出对象
图1-10 最终模型
图1-11 平滑处理后图像
2.图像的锐化处理
为了突出边缘和轮廓、线状目标信息可以采用锐化的方法。
锐化可使图像上的边缘与线性目标的反差提高，因此也称为边缘增强。
2.1 加载原图像
在Viewer#1中打开原图像atl_spotp_92.img（如图2-1所示）。
图2-1 打开原图像
2.2.卷积增强处理
卷积增强是将整个图像按像元分块处理，用于改变图像的空间频率特征。
卷积增强处理的关键是卷积核—系数矩阵的选取。
此处卷积核选择边缘检测（Edge detect），边缘检测又称邻值滤波，即核中所有系数和为零，可以将低频区域平滑或变成零，高频核将边界变成高亮度，而不一定将其他物体消去。
具体操作为打开Spatial Enhancement中的Convolution，在Input File中选择atl_spotp_92.img。
在Output File中选择输出的处理图像，命名为ruihua.img。
在Kernel
中选择5*5 Edge Detect，忽略零值。
单击OK完成图像的增强处理（如图2-2,2-3所示）。
图2-2 打开Convolution
图2-3 卷积增强对话框
图2-4 利用5*5 Edge Detect模板处理后的图像
2.3.设置非负阈值T
上述处理得到图像的原图像失去了原图像的面目而成为了边缘图像，为了在突出边缘信息的同时保留图像原背景，设置一个非负阈值T进行处理。
在edgedetect.img查找阈值，将
阈值设为130（如图2-5所示）。
图2-5 查找边缘灰度值，确定阈值
2.4空间建模
2.4.1 公式5.26
在图标控制面板工具栏中点击空间建模Modeler>Model Maker选项。
先放置对象图形，依次连接每个对象图形，然后定义对象，最后定义函数并运行模型（如图2-6,2-7,2-8,2-9,2-10,2-11所示）。
图2-6 定义第一个对象
图2-7定义第二个对象
适当选取T（阈值），使梯度值>=T的个点的灰度值等于该点的梯度值，其他的则保留原始灰度值，形成背景。
即由公式5.26知，当阈值大于等于T时选取锐化后的图像，其他情况选择原图像。
由2.3可知T为130。
即
| gradf（x，y）|，| gradf（x，y）|>=130
g（x，y）=
f（x，y），其它
图2-8 函数的定义
图2-9 定义输出对象
图2-10 Model结果
图2-11 所得处理图像
2.4.2 公式5.27
根据需要指定一个灰度级L G，例如，令L G=255。
以Lg表示边缘，其他保留原背景值。
由公式5.27知，当阈值大于等于T时选取灰度值为255，其他情况选择原图像。
T依旧取130。
即
L G，| gradf（x，y）|>=130
g（x，y）=
f（x，y），其它
具体操作步骤：在图标控制面板工具栏中点击空间建模Modele>Model Maker选项。
先放置对象图形，依次连接每个对象图形，然后定义对象，最后定义函数并运行模型（如图2-12，2-13所示）。
图2-12 定义函数
2-13 所得处理图像
2.4.2 公式5.28
指定一个灰度级Lb表示背景，例如，令L B=0，形成黑背景，保留边缘梯度变化。
由公式5.28知，当阈值小于T时选取灰度值为0，其他情况选择5*5 Edge Detect模板处理后的图像。
T依旧为130。
即
| gradf（x，y）|，| gradf（x，y）|>=130
g（x，y）=
L B，其他
具体操作步骤：在图标控制面板工具栏中点击空间建模Modele>Model Maker选项。
先放置对象图形，依次连接每个对象图形，然后定义对象，最后定义函数并运行模型（如图2-14，2-15所示）。
图2-14 定义函数
图2-15 所得处理图像
利用空间模型得到的处理后的图像的背景都变成黑色即灰度值为0。
无需做进一步图像辐射增强处理。
2.4.2 公式5.29
将边缘与灰度图像分别以灰度级L G和L B表示，例如，255表示边缘，0表示背景，形成二值图像。
由公式5.28知，当阈值小于T时选取灰度值为0，其他情况选择5*5 Edge Detect 模板处理后的图像。
T依旧为130。
即
L G，| gradf（x，y）|>=130
g（x，y）=
L B，其它
具体操作步骤：在图标控制面板工具栏中点击空间建模Modele>Model Maker选项。
先放置对象图形，依次连接每个对象图形，然后定义对象，最后定义函数并运行模型（如图
2-16，2-17所示）。
图2-16 定义函数
2-17 所得处理图像
利用空间模型得到的处理后的图像的背景都变成黑色即灰度值为0。
无需做进一步图像辐射增强处理。
2.5辐射增强
2.5.1 公式5.26
利用空间模型得到的处理后的图像的背景部分显示不理想，因此需要做进一步图像辐射增强处理。
打开灰度值统计表，发现背景灰度值集中在20到60之间（如图2-12所示），所以可以使用分段线性变换进行辐射增强。
具体步骤：打开Raster>Contrast>BreakPoints选项，点击按钮，打开Gray Look UpTable修改灰度值。
（如图2-18,2-19，2-20所示）
图2-18 BreakPoints Editor对话框
图2-19 修改断点灰度值
图2-20 属性表
图2-21 最终成图
2.5.2 公式5.27
利用分段线性变换进行辐射增强的步骤和公式5.26一样（如图：2-22所示）。
图2-22 辐射增强成图。