遥感图像处理第3讲图像增强.ppt

数字图像增强 数字图象增强目的 增强目视效果 提高图像质量和突出所需信息， 有利于分析判读或作进一步的处理 数字图象增强 对比度变换 空间滤波 图像运算 多光谱变换 对比度变换 是一种通过改变图像像元的亮度值来改变图像像元对比度，从而改善图像质量的图像处理方法。因为亮度值是辐射强度的反映，所以也称之为辐射增强。常用的方法有对比度线性变换和非线性变换。 对比度变换 线性变换 为了改善图像的对比度，必须改变图像像元的亮度值，并且这种改变需符合一定的数学规律，即在运算过程中有一个变换函数。如果变换函数是线性的或分段线性的，这种变换就是线性变换。线性变换是图像增强处理最常用的方法。 线性变换 将亮度值为0～15图像拉伸为0～30，要设计一个线性变换函数，横坐标xa为变换前的亮度值，纵坐标xb为变换后的亮度值。当亮度值xa从0～15变换成xb从0～30，变换函数在图中是一条直线OO’，方程式为 线性变换 一般情况下，当线性变换时，变换前图像的亮度范围xa为a1～a2，变换后图像的亮度范围xb为b1～b2，变换关系是直线，则变换方程为 线性变换 通过调整参数a1，a2，b1，b2，即改变变换直线的形态，可以产生不同的变换效果。若a2-a1b2-b1，则亮度范围扩大，图像被拉伸，若a2-a1b2-b1，亮度范围缩小，图像被压缩。对于a2与a1 ，是取在图像亮度值的全部或部分，偏亮或偏暗处，均可根据对图像显示效果的需要而人为地设定。 线性变换 有时为了更好地调节图像的对比度，需要在一些亮度段拉伸，而在另一些亮度段压缩，这种变换称为分段线性变换。分段线性变换时，变换函数不同，在变换坐标系中成为拆线，拆线间断点的位置根据需要决定。从图中可以看出，第一、三段为压缩，第二段为拉伸，每一段的变换方程为： 非线性变换 当变换函数是非线性时，即为非线性变换。非线性变换的函数很多，常用的有指数变换和对数变换。 非线性变换 指数变换 其意义是在亮度值较高的部分xa 扩大亮度间隔，属于拉伸，而在亮度值较低的部分xb缩小亮度间隔，属于压缩，其数学表达式为 非线性变换 对数变换 与指数变换相反，它的意义是在亮度值较低的部分拉伸，而在亮度值较高的部分压缩，其数学表达式为 空间滤波 对比度扩展的辐射增强是通过单个像元的运算从整体上改善图像的质量。而空间滤波则是以重点突出图像上的某些特征为目的的，如突出边线或纹理等，因此通过像元与其周围相邻像元的关系，采用空间域中的邻域处理方法。它仍属于一种几何增强处理，主要包括平滑和锐化。 空间滤波 图像卷积运算 是在空间域上对图像作局部检测的运算，以实现平滑和锐化的目的。具体作法是选定一卷积函数，又称“模板”，实际上是一个M×N图像。二维的卷积运算是在图像中使用模板来实现运算的。 空间滤波 从图像左上角开始开一与模板同样大小的活动窗口，图像窗口与模板像元的亮度值对应相乘再相加。假定模板大小为M*N，窗口为Φ(m,n)，模板为t(m，n)，则模板运算为: 空间滤波 平滑 图像中出现某些亮度变化过大的区域，或出现不该有的亮点（“噪声”）时，采用平滑的方法可以减小变化，使亮度平缓或去掉不必要的“噪声”点。具体方法有： 均值平滑 中值滤波 空间滤波 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值，以达到去掉尖锐“噪声”和平滑图像目的的。区域范围取作M×N时，求均值公式为 具体计算时常用3×3的模板作卷积运算，其模板为 空间滤波 中值平滑 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，以达到去尖锐“噪声”和平滑图像目的的。具体计算方法与模板卷积方法类似，仍采用活动窗口的扫描方法。取值时，将窗口内所有像元按亮度值的大小排列，取中间值作为中间像元的值。所以M×N取奇数为好。 一般来说，图像亮度为阶梯状变化时，取均值平滑比取中值滤波要明显得多，而对于突出亮点的“噪声”干扰，从去“噪声”后对原图的保留程度看取中值要优于取均值。 锐化 为了突出图像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。有时可通过锐化，直接提取出需要的信息。锐化后的图像已不再具有原遥感图像的特征而成为边缘图像。锐化的方法很多，在此只介绍常用的几种： 罗伯特梯度 索伯尔梯度 拉普拉斯算法 走向检测 梯度的概念 反映了相邻像元的亮度变化率，也就是说，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。对于亮度值较平滑的部分，亮度梯度值较小。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。 锐化 罗伯特梯度 可以近似地用模板计算，其