11第四章遥感图像增强处理.pptVIP

低通与高通滤波器示意图 低通滤波使图像变得模糊；而高通滤波使图像边缘得到增强，但同时也使图像变暗，这可以对滤波器函数增加一个常数来修正。 返回 * 4. 频率域图像增强原理 边、噪音、变化陡峭部分 变化平缓部分 u v * 边、噪音、变化陡峭部分 变化平缓部分 u v 4. 频率域图像增强原理 5. 空间域滤波与频率域滤波之间的对应关系 卷积：将图像的模板在图像中逐像素移动，并对每个像素进行指定数量的计算过程。 大小为M×N的两个函数f(x,y)和h(x,y)的离散卷积表示为f(x,y)*h(x,y)，并定义如下： 卷积实现： 关于原点翻转函数h(x,y) 通过改变(x,y)的值相对于一个函数移动另一个函数 对每一个(x,y)的位移值 ，计算所有m和n值乘积的和。 (x,y)位移以整数增加，当函数不再重叠时停止。 5. 空间域滤波与频率域滤波之间的对应关系 用 和 分别表示 和 的傅里叶变换，卷积定理的一部分可表达为 表示左边表达式（空间域卷积）可以通过对右边表达式（频率域 和 的乘积）进行反傅里叶变换获得；相反，右边表达式可以通过对左边表达式进行正向傅里叶变换获得。 卷积定理的另一部分可表达为 频率域的卷积被简化为空间域的乘法。 卷积处理过程为两个函数逐元素相乘的乘法。 5. 空间域滤波与频率域滤波之间的对应关系 5. 空间域滤波与频率域滤波之间的对应关系 (a)和(c)表明,在空间域通过使用带正系数的模板可以实现低通滤波；频率域滤波器越窄，滤除的低频成分就越多，使得图像模糊，而在空间域就意味着滤波器就越宽，模板越大。 低通滤波 高通滤波 4.2.3 频率域平滑滤波 边缘和其它尖锐变化（如噪声）在图像的灰度级中主要处于傅里叶变换的高频部分，因此，平滑可以通过衰减指定图像傅里叶变换中的高频成分的范围来实现。 有三种滤波器可以实现平滑：理想滤波器、Butterworth滤波器和高斯滤波器。这三种滤波器涵盖了从非常尖锐（理想滤波器）到非常平坦（高斯滤波器）范围的滤波函数。巴特沃思滤波器有一个参数，称为滤波器“阶数”。当此参数的值较高时，巴特沃思滤波器接近理想滤波器，它可以看作是两种“极端”滤波器的过渡。 4.2.3 频率域平滑滤波 （A）理想低通滤波器 距原点不同距离的图像功率 原始影像 5, 15, 30, 80, 230 n级Butterworth低通滤波器的传递函数定义为： （B）Butterworth低通滤波器 Butterworth低通滤波 理想低通滤波 （C）高斯低通滤波器 高斯低通滤波效果 Butterworth低通滤波 高斯低通滤波效果 原图像 D0=100 D0=80 4.2.4 频率域锐化滤波 频率域滤波器的空间表达： 用(-1)u+v乘以H(u,v)中心化； 计算反DFT； 将反DFT变换的实部乘以(-1)x+y 频率域锐化滤波器空间域表示 4.2.4 频率域锐化滤波 （A）理想高通滤波器（IHPF） （B） Butterworth高通滤波器（BHPF） 4.2.4 频率域锐化滤波 （C）高斯高通滤波器（GHPF） 4.2.4 频率域锐化滤波 （D）频率域Laplacian微分算子 回顾：空间域Laplacian微分算子 由于： 由此可得到频率域的Laplacian算子： H(u,v)中心化后变为： Laplacian算子构成的傅里叶变换对为： 4.2.4 频率域锐化滤波 频率域Laplacian算子三维图 二维图 将(b)进行反傅里叶变换后空间域Laplacian图 灰度剖面图 图像(d)：在原始图像中减去Laplacian算子部分，形成含有背景信息的增强图像 4.2.5 同态滤波 (Homomorphic filtering) 同态滤波是指在频率域中同时对图像灰度范围进行压缩和对图像对比度进行增强的方法。 要点：消除不均匀照度的影响, 增强图象细节。 若物体受到照度明暗不匀的时候，图象上对应照度暗的部分，其细节就较难辨别。 同态滤波的目的：消除不均匀照度的影响而又不损失图象细节。 4.2.5 同态滤波 (Homomorphic filtering) 4.2.5 同态滤波 依据： 图象的灰度由照射分量和反射分量合成。反射分量反映图象内容，随图象细节不同在空间上作快速变化。照射分量在空间上通常均具有缓慢变化的性质。 照射分量的频谱落在空间低频区域，反射分量的频谱落在空间高频区域。 4.2.5 同态滤波 一幅图像f(x, y)可以用辐照度 i(x, y)和反射率r(x, y)来模拟 i(x, y)