Erdas6-图像增强处理试卷.ppt

4.1低通滤波 4.1.2滤波器编辑 打开刚才经过傅立叶变换后保存的文件 打开滤波器 选择低通滤波（Low Pass） 圆形滤波半径为80 将滤波结果保存 4.1低通滤波 4.1.3傅立叶逆变换 打开刚刚经过滤波器编辑后保存的文件； 选择要输出的文件； 进行傅立叶逆变换，有频率域转成空间域。 4.2高通滤波 只是将4.1.2中的滤波器进行修改，其余两个步骤与低通滤波相同 1.选择高通滤波 2.选择余弦滤波器 3.设定滤波半径 4.OK 5.地形分析 5.2 坡向分析 实验影像：DEMmerge_sub.img ERDAS基本操作（六） —— 图像增强处理 提纲 图像空间增强 图像辐射增强 图像光谱增强 傅立叶变换 地形分析 1.图像空间增强 图像空间增强是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像的目的 Convolution(卷积增强) Non-directional Edge(非定向边缘增强) Focal Analysis(聚焦分析) Texture(纹理分析) Adaptive Filter(自适应滤波) Statistical Filter(统计滤波) Resolution Merge(分辨率融合) Crisp(锐化处理) 1.1卷积增强处理 将整个图像按照像元分块进行平均处理，用于改变图像的空间频率特征。 1.1卷积增强处理 卷积增强处理的关键是卷积算子——系数矩阵（Kernal）的选择，系统提供了3×3， 5×5， 7×7等大小不同的矩阵，并且预置了不同系数以便应用于不同目的的图像处理，诸如： 边缘检测（Edge Detect） 边缘增强（Edge Enhance） 低通滤波（Low Pass） 高通滤波（High Pass） 水平增强（Horizontal） 垂直增强（Vertical） 水平边缘检测（Horizontal Edge Detection） 垂直边缘检测（ Vertical Edge Detection ） 交叉边缘检测（ Cross Edge Detection ） 1.1卷积增强处理 1.确定输入文件 2.确定输出文件 3.选择卷积算子 4.选择研究区（可选） 5.OK 实验影像：lanier.img 1.1卷积增强处理 1.2非定向边缘增强 应用两个比较通用的滤波器（Sobel, Prewitt），首先通过两个正交卷积算子分别对图像进行边缘检测，然后将两个正交结果进行平均化处理。 1.2非定向边缘增强 1.确定输入文件 2.确定输出文件 3.选择卷积算子 4.OK 实验影像：lanier.img 1.3纹理分析 通过在一定的窗口内进行二次变异分析（2nd-order Variance）或三次变异分析（3rd-order Variance），使图像的纹理结构得到增强 1.3纹理分析 1.确定输入文件 2.确定输出文件 3.选择卷积算子 4.OK 实验影像：lanier.img 2.图像辐射增强 对单个像元的灰度值进行变换达到图像增强的目的。 LUT Stretch(查找表查询) Histogram Equalization(直方图均衡化) Histogram Match(直方图匹配) Brightness Inverse(亮度反转) Haze Reduction(去霾处理) Noise Reduction(降噪处理) Destripe TM Data(去条带处理) 2.1直方图均衡化 对图像进行非线性拉伸，重新分配图像像元值，是一定灰度范围内像元的数量大致相等 2.1直方图均衡化 1.确定输入文件 2.确定输出文件 3.ok 浏览Equalization空间模型 实验影像：lanier.img 2.2亮度反转处理 对图像亮度范围进行线性或非线性取反，产生一幅与输入图像亮度相反的图像。 2.2亮度反转处理 1.确定输入文件 2.确定输出文件 3.ok 浏览Equalization空间模型 实验影像：loplakebedsig357.img 3.图像光谱增强 基于多波段数据对每个像元的灰度值进行变换，达到图像增强的目的。 Principal Components(主成份变换) Inverse PC(主成份逆变换) Decorrelation Stretch(去相关拉伸) Tasseled cap(缨帽变换) RGB to IHS(色彩变换) IHS to RGB(色彩逆变换) Indices(指数计算) Natural Color(自然色彩变换) 3.1主成份变换 将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，是图像数据更易于解译 3.1主成份分析 1.确定输入文件 2.确定输出文件 特征矩阵输出设置（如需逆变换必须输出）