5遥感数字图像处理-第五章
☞ 邻域处理
针对一个像元点周围一个小邻域的所有像元而进行,输出 值大小除与像元点在原图像中的灰度值大小有关,还决定于它 邻近像元点灰度值大小。如卷积运算、中值滤波、滑动平均等。
②
图像增强的分类
点处理
点处理
邻域处理
邻域处理
2. 遥感图像的对比度增强
对比度增强的基本原理
人眼对图像的识别主要是基于图像中不同像元的亮度(灰度、
差别为有选择的滑动平均是一种带门限值的滑 动平均处理。
④
有选择的局部平均法
有选择的局部平均法实现步骤:
1. 2. 3. 4. 给定一个判定阈值T 计算模板窗口内像元DN值的均值X 计算窗口中心目标像元的DN值与X的绝对差值D 比较D与T的大小
如D>T,则窗口中心像元输出DN值等于X
如D<T,则窗口中心像元DN值保持不变 优点:边缘信息损失减少,减轻输出图像的模糊效应。
中值滤波是一种非线性变换。其优势在于可在平滑的基 础上较大程度地防止边缘模糊。
③
中值滤波
中值滤波窗口可选用模板的不同形式:
○ ○ ○ ○ ○ ○ ○ ○ ○ 方形窗口:对线性噪声抑制效果好
○ ○ ○ ○ ○ 十字形窗口:对点性噪声抑制效果好
④
有选择的局部平均法
有选择的局部平均法—其实质为一种滑动平均平滑法。与滑动平均法的
其中,x—原始图像的亮度值
X—线性扩展增强后的亮度值
②
非线性扩展
Ⅱ 对数变换法
X d
c a b x
②
非线性扩展
Ⅲ 三角函数扩展
假定原始图像的灰度范围是(a,b),将原始图像灰度范围扩展为 (c,d),其中c < a,d > b,其正切函数计算公式为:
其中,x—原始图像的亮度值 X—线性扩展增强后的亮度值
遥感教研室 蒋立军
课程基本内容
绪 论 第一章 数字图像处理基础 第二章 遥感数字图像处理原理 第三章 遥感数字图像预处理 第四章 遥感数字图像变换处理 第五章 遥感数字图像增强处理 第六章 遥感数字图像分类处理 实 验
课程主要参考书目
1. 遥感信息科学概论 邢立新 等,2002,吉林大学出版社 2. 遥感数字图像处理 丰茂森 等,1992,地质出版社 3. 遥感数字图像处理 李玲 等,2010,重庆大学出版社 4. 遥感数字图像处理教程 韦玉春 等,2007,科学出版社
⑤
频率域低通滤波法
实现步骤:
1.对原始图像进行傅里叶变换(空间域→频率域) 2.在频率域中用低通滤波器对傅氏变换结果进行处理 3.对频率域处理结果进行傅里叶反变换 频率域低通滤波法的处理效果取决于滤波算子。低通滤波器包
括:理想滤波器,Butterworth滤波器,指数滤波器,梯形滤波器等。
①
线性扩展
遥感图像中像元DN值的量化级别的通用表达式为2n(n=6/7/8/ …),
如TM为256级。但实际中遥感数据DN值范围多未布满整个数据区间, 线性扩展可扩大DN值的数据范围和方差,从而加大图像对比度,提高 图像的可解译性。 线性扩展的变换函数为一元线性函数,灰度值范围可扩展到数据格
式所允许的任意范围。
其中,L—图像的亮度级数目
nk—灰度k级的像元数 ρr(rk)—灰度级为k的像元出现的频数
③
直方图均衡化处理
Ⅱ 离散函数的直方图均衡化
离散图像的变换函数公式T(r)就是原始图像中像元的累积频数,变 换后图像的灰度计算公式为:
③
直方图均衡化处理
Ⅱ 离散函数的直方图均衡化
例:原始图像图像值域为(6,14),现欲进行直方图均衡化处理并 使扩展后的DN值为(0,15)。
课程主要参考书目
5. 数字图像处理 霍宏涛 等,2002,北京理工大学出版社 6. 遥感图像处理与应用 宁书年,1995,地震出版社 7. 遥感原理与应用 孙家炳,2003,武汉大学出版社 8. 遥感原理与应用 杜培军,2006,中国矿业大学出版社
第五章
遥感数字图像增强处理
主 要 内 容
1. 图像增强的基本概念
①
线性扩展
Ⅰ 一般线性扩展
假定原始图像的灰度范围是(a,b),将原始图像灰度范围扩展为 (c,d),其中c < a,d > b,其计算公式为:
其中,x—原始图像的亮度值
X—线性扩展增强后的亮度值
①
线性扩展
Ⅰ 一般线性扩展
X d
c a b x
①
线性扩展
Ⅱ 去头去尾线性扩展
如只对图像整个灰度范围中的一部分(a,b)进行线性扩展,这种 扩展方法称为“去头去尾”线性扩展:
6 9 9 10 7 9 10 11 8 8 11 10 8 10 9 13 9 11 10 12 原 始 图 像
12
14
11
12
11
③
直方图均衡化处理
例:原始图像图像值域为(6,14),现欲进行直方图均衡化处理并
Ⅱ 离散函数的直方图均衡化
使扩展后的DN值为(0,15)。
原始DN值 6 7 8 9 10 像元数 1 1 3 5 5 累积像元数 1 2 5 10 15 累积概率密度分布 0.04 0.08 0.2 0.4 0.6 扩展后DN值 1 1 3 6 9
①
滑动平均法
滑动平均法
输出图像中像元的DN值等于原始图像中以目标
像元为中心的模板窗口的平均DN值
①
滑动平均法
滑动平均法
y—输出图像的亮度值 x—原始图像的亮度值 N—模板窗口大小
①
滑动平均法
滑动平均法
邻域的大小(平滑窗口的大小)决定平滑的效果,
邻域越大平滑效果越好;但邻域过大,平滑使边缘信 息损失越大,可能造成图像模糊。
同样,变换函数s=T(r)的反函数r=T-1(s)(0 ≤ s ≤ 1)也满足上述两个条件。
③
直方图均衡化处理
Ⅰ 连续函数的直方图均衡化
可以证明,连续函数直方图均衡化处理的变换函数即为原始图像的 累积概率密度的分布函数。
③
直方图均衡化处理
Ⅱ 离散函数的直方图均衡化
对于离散图像概率密度函数可以用每个灰度级像元出现的频数来近 似,即:
2. 遥感图像的对比度增强
3. 遥感图像的平滑处理
4. 遥感图像的锐化处理 5. 多波段图像增强和彩色增强 6. 其他增强处理方法
1. 图像增强的基本概念
①
图像增强
图像增强—将原来不清晰的图像变得清晰或强调某些感兴趣的特征,抑
制不感兴趣的特征,使之改善图像质量、丰富信息量,加 强图像判读和识别效果的图像处理方法。
DN值)差异。受生理条件的限制,只有当不同像元间亮度差异达 到一定程度时才能识别图像中的不同地物。 对比度增强(反差扩展)即通过增强像元亮度值之间的差异而 突出不同地物之间的差别。
对比度增强是一种点处理方法(无边缘像元的损失)。输出结
果图像中每个像元的灰度值与原图像中相应像元点的灰度值相
对应。 对比度增强的基本方法就是利用一个变换函数T(r)把原图像 的各像元灰度值r分别转换为新的灰度值S,即S=T(r)。增强的结 果使原图像的不同区域变亮或变暗,整幅图像的对比度增大。
☞ 突出主要信息
①
图像增强
图像增强是一个相对概念,特定的图像增强处理方法往往
只强调对某些方面信息的突出,而另外一部分信息受到压抑。
图像增强方法的好坏取决于数学算法和图像的数据特征。
②
图像增强的分类
Ⅰ 按增强的信息内容分类:
☞ 波谱信息增强 主要突出灰度信息 ☞ 空间信息增强 主要对图像中的线、边缘、纹理结构特征进行增强处理
100 101 121
102 105 100
90 中值滤波 88 101 101
模板窗口的DN值排序:88,90,100,100,101,101,102,105,121
③
中值滤波
中值滤波—把局部区域中的中间亮度值作为区域中心点像元输出值。
100 101 121
102 105 100
90 中值滤波 88 101 101
至某一参考直方图形式。这种变换可对原始图像中的特定亮度范围进行 增强。
ρr(r) ρz(z)
r
原始图像直方图
参考直方图
④
直方图规定化处理
实现方法:首先对原始图像进行直方图均衡化处理,然后利用
参考直方图累计概率密度函数的反函数对原始图像直方图均衡化结 果进行变换。
其中,r—原始图像DN值数据
z—直方图规定化结果数据 T—原始图像累计概率密度函数 G—参考直方图累计概率密度函数
①
图像增强
图像增强的目的—提高图像的可解译性。通过增强处理可以突
出图像中 的有用信息,从而有利于目视解译 和计算机信息提取。
①
图像增强
图像增强的主要表现:
☞ 改变图像的灰度等级 ☞ 消除边缘和噪声 ☞ 突出边缘或线状地物 ☞ 合成彩色图像 ☞ 提高图像对比度 ☞ 平滑图像 ☞ 锐化图像 ☞ 压缩图像数据量
11
12 13 14
5
3 1 1
20
23 24 25
0.8
0.92 0.96 1
12
14 14 15
③
直方图均衡化处理
Ⅱ 离散函数的直方图均衡化
例:原始图像图像值域为(6,14),现欲进行直方图均衡化处理并 使扩展后的DN值为(0,15)。
原始图像直方图
均衡化图像直方图
④
直方图规定化处理
直方图规定化(直方图归一化)处理就是将原始图像的直方图调整
③
ρr(r)
直方图均衡化处理
S ρs(s)
r 原始概率密度函数 变换函数
r
S 新的概率密度函数
③
直方图均衡化处理
Ⅰ 连续函数的直方图均衡化