差值运算常用于 同一景物不同时间图像之间的运算—动态监测
同一景物不同波段图像之间的运算—识别地物
图像的差值运算有利于目标与背景反差较小 的信息提取。 如在红光波段，植被和水体难以区 分，在红外波段，植被和土壤难以区分，通过相 减,可以有效的区分出三种地物
2、比值运算 两幅同样行、列数的图像，对应像元的亮度值相除 (除数不为0)就是比值运算，即：
真彩色合成 假彩色合成
彩色合成的原理图
①真彩色合成
红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
真彩色合成 红光波段赋成红
真彩色合成 红光波段赋成红 绿光波段赋成绿
真彩色合成 红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
②假彩色合成 假彩色合成 近红外波段赋成红 红光波段赋成绿 绿光波段赋成蓝
1 图像卷积运算
数字图像的局部
模板
z1 z2 z3
z4 z5 z6 z7 z8 z9
w1 w2 w3 w4 w5 w6 w7 w8 w9
1/9
1/9 1/9
1/9 1/9 1/9 1/9 1/9 1/9
Replace with R
= w1z1 + w2z2 + ….. +w9z9
模板按像元依次向右移动，而后换行，直到整幅图 像全部处理完为止
对于亮点噪音，用中值滤波好
带有椒盐噪声的ikonos图像
中值滤波后的图像
均值平滑后的图像
3
图像锐化
（1）图像锐化的目的是突出图像中景物的边缘、线状目 标或某些亮度变化率大的部分。 （2）边缘或轮廓通常位于灰度突变或不连续的地方，具
有一阶微分最大值和二阶微分为0的特点;
锐化的方法很多，在此只介绍常用的几种：
线性变换：直线变换和分段线性变换 非线性变换：指数变换和对数变换
(一) 线性拉伸
1 直线拉伸
255 0 0 input output
100
255
y=kx255ຫໍສະໝຸດ y=2.55xoutput 0 0
100 input
255
2 分段线形拉伸
L
gb


ga
f g G ( f ) ( f a) g a ( f b) g b
①均值平滑
是将每个像元在以其为中心的区域内取平均值来代 替该像元，以达到去除尖锐“噪声”和平滑图像的目的。 具体计算时常用3×3的模板作卷积运算，其模板为
1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/8 1/8 1/8 0 1/8 1/8 1/8 1/8 1/8
t(m,n)=
亮度值较高的部分拉伸，而 在亮度值较低的部分压缩。
对数变换
指数变换
灰度翻转
二、空间滤波（spatial filtering）
其理论基础是空间卷积，对图像进行局部检测 。
是邻域处理
目的：改善影像质量，包括去除噪声与干扰，影像边缘增强、
去模糊等。
主要方法： ☆ 图像平滑：均值平滑，中值滤波 ☆ 图像锐化（线状地物提取、边缘检测）：
43 43 12 43 210
49 50 14
48 65 9 48 199
49
54
51
51 10 51 189 ??
1/9 1/9 1/9 1/9 1/9
??
??
9
49 188
1/9
49
225
1/9
1/9
1/9
滤波器（模板）
输入数字影像
输出影像
第一个像素值： Output DN=1/9（43+49+48+43+50+65+12+14+9）=37 向右移动滤波器一个像素，做同样运算 第二个像素值： DN = 1/9*(49+48+49+50+65+54+14+9+9) = 38.6 重复， DN=1/9*(48+49+51+65+54+51+9+9+10) = 38.4
步骤 : (1)由RGB彩色空间变换到HLS彩色空间；
(2)在HLS空间中，对H,L,S分量（波段）分别增强； (3)由HLS空间变换到RGB空间中，再次按加色法合成,可 以达到好的识别效果； 原理: ①对色调Ｈ增强，使色调更多 ②对亮度L增强，使亮度“间距”加大; ③对饱和度Ｓ增强，提高色彩纯度,加大相邻 色彩差异。
t1＝ 1 t2＝
1 -1
-1
•计算出的梯度值放在左上角的像元f(i，j)的位置，成为r(i，j)。
索伯尔梯度（罗伯特梯度的改进）
-1
1 2 1
t1＝ -2
-1
1
2
1
t2＝
-1 -2 -1
使窗口由2×2扩大到3×3，使检测边界更加精确。
原始图像
罗伯特算子
索伯尔算子
方向检测：
1 0 1 h1 1 0 1 检测垂直边界： 1 0 1
1 2 1 1 2 1 h 或 2 1 2 1
1 1 1 h4 2 2 2 1 1 1
1 1 1 h3 0 0 0 或 检测水平边界： 1 1 1
HLS变换
原始图像，3,2,1彩色合成
使用HLS进行饱和度拉伸后的结果
四、图像运算
两幅或多幅单波段影像，完成空间配准后， 通过一系列运算，可以实现图像增强，达到 提取某些信息或去掉某些不必要信息的目的。
1、差值运算
两幅同样行、列数的图像，对应像元的亮度值相减就 是差值运算，即：
f D ( x, y) f1 ( x, y) f 2 ( x, y)
RGB彩色空间 HLS彩色空间
（3） 多波段彩色变换：
RGB彩色空间
HLS彩色空间
L
J.D Foley etl,1990
S
Lmax Lmin
2
S max S min S max S min L 0.5 时 L 0.5 时
S
S max S min 1－Smax ＋1－Smin
如：一幅黑白图像，灰度值范围为0~250，若想变为有50种颜色的彩色图 像，可以以灰度值密度差5进行密度分隔。即0~4为一种颜色，5~9为另一 种颜色……
原始图像
伪彩色密度分割图像
（2）多波段色彩变换 选择遥感影像的某三个波段，分别赋予红、绿、蓝三种
原色，根据加色法进行彩色合成，称为彩色合成。
原始图像
水平检测
垂直检测
三、彩色空间变换
单波段彩色变换 多波段色彩变换 HLS变换
（1）单波段彩色变换（伪彩色密度分割） 伪彩色密度分割：单波段黑白遥感图像按亮度值分层，
对每层赋予不同的色彩，使之成为一幅彩色图像的方法。
图像密度分割原理可以按如下步骤进行： （1）求图像的极大值dmax和极小值dmin； （2）求图像的密度区间ΔD = dmax-dmin + 1； （3）求分割层的密度差Δd =ΔD／n ，其中n为需分割的层数； （4）求各层的密度区间； （5）定出各密度层灰度值或颜色。
48 65 9
49 54 9 49 188
51 51 10 51 189 ??
12
43 210
3×3中值滤波
48
199

??=median(49,48,49,50,65,54,14,9,9)=49. 9,9,14,48,49,49,50,54,65，取中
从大到小排列，
间值为49。
一般来说，
图像亮度为阶梯状变化时，用均值平滑好。
假彩色增强
TM标准假彩色合成图像 TM4(R)、3(G)、2(B)
TM7(R)、4(G)、2(B)
假彩色增强
TM3(R)、2(G)、1(B)
TM4(R)、5(G)、3(B)
（3） HLS变换 彩色是以红绿蓝三色的比例来表示的，对于图像上某
个目标的彩色特性的描述，直接用红、绿、蓝分量并 不直观，比较确切的是分别用色调、明度和饱和度来 表示。
假彩色合成 近红外波段赋成红 红光波段赋成绿 绿光波段赋成蓝
问题：为什么在上述假彩色合成方案中，植被呈现红色？ 问题：图像中显示为绿色的物体说明该地物有什么样的光谱特征？
③彩色合成波段选择 （1）合成后信息量最大
（2）波段之间的信息相关性最小 （3）合成后影像中地物区分程度最高 例如，TM的4，5，3波段依次被赋予红、绿、蓝色进行 合成，可以突出较丰富的信息，包括水体、城区、山区、 平原及线性特征等，有时这一合成方案甚至优于标准的4， 3，2波段的假彩色合成
第五章 遥感图像处理Ⅱ
本章内容
（1）数字图像增强 对比度增强、空间滤波、彩色变换 图像运算、多光谱变换
（2）多源信息复合 遥感信息的复合 遥感与非遥感信息的复合
图像变换处理的算法可以归纳为两个常用的类型。
点处理，即为产生一个变换的像元输出值，只输入一 个像元点的数值，这种对像元值的变换又称为映射。
或t(m,n)=
未平滑影像
运行3×3模板后
运行5×5模板后
②中值滤波
中值滤波，是将每个像元在以其为中心的邻域内取中
间亮度值来代替该像元值，以达到去除尖锐“噪声”和 平滑图像的目的。
g ( x, y) median(of ( x, y))
与均值平滑相比可防止边缘的模糊。
43
43
49 50 14 49 225
罗伯特梯度 索伯尔梯度 方向检测
梯度—反映相邻像元的亮度变化率
如果图像中如果存在边缘，如湖泊、河流的 边界，山脉和道路等，则边缘处有较大的梯度值。 因此，找到梯度较大的位置，也就找到边缘， 然后再用不同的梯度计算值代替边缘处像元的值， 也就突出了边缘，实现了图像的锐化。