- 3
- 0
- 约4.09千字
- 约 8页
- 2016-09-21 发布于重庆
- 举报
envy图像增强
第五章 图像增强
对图像数据采用各种图形增强算法,提高图像的目视效果,方便人工目视解译、图像分类中的样本选取等。图像增强的主要目的是增强图像,以便处理结果比原图像更适合于特定的应用要求。
5.1 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。这种增强方式往往是有目的的,如增强图像中的线状物体细部部分或主干部分等。
5.1.1 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。根据图像类型(低频、中频和高频)可分为低通滤波、带通滤波和高通滤波。
具体操作如下:
打开自带图像文件can_tmr.img
在主菜单中,选择Filter-Convolutions and Morphology
在Filter-Convolutions and Morphology中,选择Convolutions-滤波类型
不同的滤波类型对应不同的参数
卷积增强图像中的单个波段
单击Quick Apply 按钮。第一次点击此按钮时会提示选择增强的波段,增强后的波段在Display中显示。如果要更改卷积增强波段,选择Options-Quick-Apply Input Band
选择File-Save Quick Result to File,可以将增强结果保存
卷积增强图像文件
单击Apply To File按钮,在Convolution Input File对话框中选择图像文件
选择输出路径及文件名
Convolutions and Morphology Tool
5.1.2数学形态学滤波
ENVI中的数学形态学滤波包括以下类型:膨胀、腐蚀、开启、闭合。
数学形态学滤波的操作和卷积滤波基本一样,具体操作如下:
(1)在主菜单中,选择Filter-Convolutions and Morphology
(2)在Filter-Convolutions and Morphology中,选择Morphology-滤波类型
5.1.3纹理分析
使用Texture选项可以应用基于概率统计或二阶概率统计的纹理滤波。许多图像包含的区域以亮度变化为特征,而不仅仅局限于亮度值。纹理是指图像色调作为等级函数在空间上的变化。ENVI支持基于概率统计或二阶概率统计的纹理滤波。
基于概率统计的滤波(Occurrence measures)
使用Occurrence measures选项可以应用5个不同的基于概率统计的纹理滤波。概率统计可以利用的是数据范围、平均值、方差、信息熵和偏斜。操作过程如下:
在主菜单中,选择Filters-Texture- Occurrence measures。在Texture Input File对话框中选择图像文件。
在Occurrence measures Parameter对话框中,通过“Textures to Computer”部分纹理类型的复选框,选择要创建的纹理图像。
在Rows和Cols文本框中键入处理窗口的大小。
选择输出路径及文件名。点击OK按钮,开始处理。
基于二阶概率统计的滤波(Co-Occurrence measures)
使用Co-Occurrence measures选项可以应用8个不同的基于概率统计的纹理滤波。概率统计可以利用的是平均值、方差、协同性、对比度、相异性、信息熵、二阶矩和相关性。操作过程如下:
(1)在主菜单中,选择Filters-Texture- Co-Occurrence measures。在Texture Input File对话框中选择图像文件。
(2)在Occurrence measures Parameter对话框中,通过“Textures to Computer”部分纹理类型的复选框,选择要创建的纹理图像。
在Rows和Cols文本框中键入处理窗口的大小。
键入X、Y变换值,用于计算二阶概率矩阵。
选择灰度量化级别。
选择输出路径及文件名。点击OK按钮,开始处理。
5.2 辐射增强处理
辐射增强处理是通过对单个像元的灰度值进行变换来增强处理,如直方图匹配、直方图拉伸、去条带噪声处理等。
5.2.1交互式直方图拉伸
(1)打开一个多光谱图像并在中显示,在主图像窗口中,选择Enhance-Interactive stretching,打开交互式直方图拉伸操作对话框。
(2)要流览像元DN值和指定DN值的像元个数、百分比以及累积百分比,可以在直方图内按住鼠标左键并拖动随之产生的白色十字交叉指针,在状态栏中显示信息
(3)在交互式直方图拉伸操作对话框中,选择Stretch_Type-(拉伸方法。
(4)选择File-Export Stretch,选择输入路径及文件名,数据类型,单击OK按钮输出拉伸结果。
5.2.2直方图
原创力文档

文档评论(0)