205_彪_图像滤波摘要.docVIP

杭州师范大学 遥感数字图像处理方法 实验报告 实验名称： 图像滤波 姓 名： 文 学 号： 425 班 级： 地信141 老 师： 成 绩： 2016年4月30号 实验五 图像滤波 实验目的 熟悉图像滤波，特别是图像的平缓和锐化的基本方法，理解典型卷积核的作用。 实验要求 能根据地物的特征，有针对地进行平滑和锐化操作。 能够正确地选择卷积核进行计算。 实验内容 图像平滑 图像锐化 卷积核大小对图像平滑和锐化的影响 单色图像与彩色图像的平滑与锐化 实验步骤 概述：在envi中平滑和锐化的区别在于卷积核的选择。图像的锐化也可以通过不同空间分辨率的图像的融合来实现（主菜单：transformsImage sharpening） 图像平滑 低通滤波 数据：AA 主菜单：FilterConvolutions and Morphology(卷积与形态学方法) 在出现的窗口菜单里单击Convolutions（卷积方法）。 Low Pass:低通。Median：中通。Gaussian Low Pass：高斯低通。这几个为平滑处理。其余的方法为锐化。 选择Low Pass。选择默认的窗口大小。点击应用于文件，选择AA。将结果保存在内存里。并显示出来#1。用#2显示原始AA图像。并链接#1与#2，比较平滑后的图像差异。如图5.1所示。 图5.1 低通平滑后的图像对比 图5.1说明：利用低通滤波对AA平滑处理后，地物突变处减少了很多，图像显得十分平滑。 中值滤波和高斯低通滤波 分别使用中值滤波的高斯低通滤波处理图像AA（卷积窗口均为默认3），使用相同的彩色合成显示，窗口分别是#2和#3，#1为原始影像。如图5.2。 图5.2 中值滤波和高斯滤波效果比较图 图5.2说明：利用高斯低通滤波对AA图像进行处理后的#3与原始图像#1相比较，可以发现，图像并没有太多的变化，而利用中值滤波处理后的#2图像，明显变得平滑了。而且与图5.1中的低通滤波效果相比，中值滤波的效果对AA图像平滑处理的效果最好。 以第四波段为例，显示X-Y散点图，其中X为原始图像第四波段，Y为过滤后图像的第四波段。散点图如下图5.3所示。 图5.3 不同平滑结果比较 图5.3说明：高斯低通滤波与原始图像的线性关系最好，但同时也是对AA图像进行图像平滑效果最差。该线性关系在一定程度上反映了平滑效果：与原始图像的线性关系越好，平滑效果越差。 使用平滑去除标准噪声 关闭所有窗口，重新打开envi 打开“高斯噪声.bmp”“椒盐噪声.bmp”。用灰阶方式显示两幅图，分别为#1和#2。 选择低通滤波，核大小为3，点击“Quick Apply”,指定输入的波段为高斯噪声的B波段，处理结果显示在#3中。 选择中值滤波，操作同上。选择高斯低通滤波，操作同上。结果如图5.4 图5.4 高斯噪声的平滑 图5.4的说明：与原始图像相比，中值滤波还是有一点的效果的，而高斯低通滤波几乎没有什么效果，低通滤波反而使噪声变得更加严重。 指定图像为“椒盐噪声”（optionsChange Quick Apply Input Band）核的大小为3。重复以上操作。比较不同的结果，如图5.5 图5.5 椒盐噪声的平滑处理 图5.5说明：高斯低通滤波效果最差，低通滤波虽然有效果，但噪声点也会变大。中值滤波的效果最好。 使用平滑去除遥感图像中的噪声 打开“TM3图像中的噪声.bmp”、“去除图像中的噪声.bmp”。可以根据现有的知识判断两幅图像都属于椒盐噪声。 使用中值滤波，快速应用于TM3图像。核大小为3、5、7；比较处理结果如图5.6 图5.6 中值滤波 图5.6说明：卷积核为3时，噪声几乎内有去除；但当卷积核为5时，噪声被明显去除了；卷积核为7时，图像开始变得模糊，并没有卷积核为5时对原始图像的保留效果好。 用#1显示中巴卫星1图像（RGB合成显示）0，#2、#3、#4分别显示其R、G、B波段（灰阶方式），连接#1、#2、#3、#4。比较噪声在不同波段的分布特点，如图5.7 图5.7 图像局部噪声的分布 图5.7说明：彩色图像的噪声是分布在不同的波段上的。 使用中值滤波，快速应用方式，分别平滑RGB，确定卷积核大小，发现当卷积核为5时，三个通道的去噪效果最好。利用卷积核为5，对图像进行平滑。如图5.8 图5.8 卷积核为5，去除的效果 练习1： 处理IKNOS_gau和IKNOS_SALT遥感图像中的噪声 如图5.9 图5.9 噪声去除练习 图5.9说明：两幅图像都采用中值滤波方式。#1和#2为IKNOS_SALT原始图像