几何增强.docVIP

几何增强(spatial enhancement) 有目的地突出图像上的某些特征 各种方法比较－模版的作用，你的创见？做一个最好效果图 均值平滑 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。这时我们需要对这些噪声进行处理，而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。平滑的方法有很多种，这次实验我们是利用均值平滑的模板（取领域内平均值代替中心像元的值）来去除图像的噪声从而平滑图像。从实验结果来看，均值平滑后得到的图像边缘变得模糊，降低图像整体的清晰度。 要注意的是：在遥感领域，人们不太喜欢平滑，它可能会使某些比较突出特征变得模糊。 罗伯特梯度 罗伯特算法是梯度的相加，因此要添加两个模板，每个模板生成一幅新的图像，然后再将这两个图像相加，得到最终需要的图像。从实验结果可以观察到，经过模板一和模板二生成的新图像，都只是提取了对角线（左或右对角线）方向上的边界。再把这两幅图像相加后生成最终图像，可以观察到，这幅图像显示的不是其中某条对角线方向上的边界，而是整幅图像的边界。 索伯尔梯度 索伯尔梯度算法和罗伯特梯度算法一样，也是梯度的相加，因此要添加两个模板，每个模板生成一幅新的图像，然后再将这两个图像相加，得到最终需要的图像。从实验结果可以观察到，经过模板一和模板二生成的新图像，都只是提取了水平边界或是垂直边界。再把这两幅图像相加后生成最终图像，可以观察到，这幅图像显示的不仅是水平方向上或是垂直方向上的边界，而是整幅图像的边界。 比较： 在实验中，我们用的罗伯特梯度模板是2x2，而索伯尔梯度模板是3x3的。从实验结果来看，罗伯特梯度两个模板分别检测左右对角线上的边界，而索伯尔梯度两个模板分别检测水平方向和垂直方向上的边界。而且索伯尔梯度检测到的边界厚一些，罗伯特梯度检测到的边界细一些。 拉普拉斯算法 拉普拉斯算子是无方向信息的标量算子，它只需要一个模板就可以进行边缘检测。它是一个二阶导数算子，其零交叉位置就是边缘位置。不过二阶导数对噪声很敏感，用它进行边缘检测会出现假轮廓。从实验结果课观察到，拉普拉斯算法检测出来的边界很细，而且存在假轮廓。 要注意的是：计算变化率的变化率，突出灰度值的突变。 拉普拉斯： Sobel Roberts 5.总结出一个效果最好的处理方法来提取边界 三、频率域增强(Fourier analysis) 1.傅立叶谱的生成 2.实验低通滤波器，变换不同半径，得到不同效果的平滑图像； 3.实验高通滤波器，变换不同半径，得到不同效果的锐化图像； 4.找到一种最好半径值，得到效果最好的边界图像。