205_彪_图像滤波研讨.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 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 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 Image 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 Low Pass:低通Median：中通Gaussian Low Pass：高斯低通这几个为平滑处理 选择Low Pass1。用#2显示原始AA图像1与2，比较平滑后的图像差异如图 图 图中值滤波和高斯低通滤波2和3，#1为原始影像如图 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2图像明显变得平滑了 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 图 使用平滑去除标准噪声 关闭所有窗口重新打开envi 打开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 图 图 指定图像为 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 图使用平滑去除遥感图像中的噪声 打开3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 图中值滤波 图.6说明卷积核为用1显示2、#3、#4分别显示其RG、B波段1、#2、#3、#4。比较噪声在不同波段的分布特点，如图5.7 图 图像局部噪声的分布 图 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 图练习_gau和IKNOS 如图 图 图1和2为IKNOS原始图像和平滑后的图像3和4为_gau原始图像和平滑后的图像 图像锐化 打开1显示彩色合成 由于envi没用2的卷积核我们用3的卷积来 菜单ConvolutionsUser Defined 。 基本梯度为 -1 0 H1 = 1 -1 0 0 H2 = 卷积核如图10 图 应用后的图像如图5.11所示，应用于b波段 图 图5.12 H2卷积核对B波段进行处理结果如图 图罗伯特梯度 卷积核设定为L1和L2 1 0 0 0 -1 0 0 0 0 L2 = 0 -1 0 1 0 0 0 0 0 L2 = 对图像b通道处理结果如图 图 将卷积核设置为L1L2，处理结果如图 图 Sobel梯度 卷积核设定为K1K2 -1 -2 -1 0 0 0 1 2 1 K1 = -1 0 1 -2 0 2 -1 0 1 K2 = 处理结果如图5.16 图1和K2卷积核处理结果 将卷积核设定为K1K2，处理结果如图 图5.17 K1+K2卷积核处理结果 问题为了锐化水平垂直倾斜线条应分别使用哪些梯度算子答H2、倾斜线条可以选择L1和L2。 拉普拉斯锐化 直接使用sobel进行锐化打开图像_sobel la.bmp”,卷积核为3*3，使用sobel进行锐化然后将原始图像和锐化后的图像作为最后的结果 Convolutions sobel 。点击 to File”,选择EE_sobel la.bmp，保存到内存中如图.18，#1为原始图像2为梯度图像3为合并后的图像 图 图.18说明：将原始图像和梯度图像合并后的图像与原始图像相比较，羽毛处更显得立体，且纹理效果比较好，但在眼睛处，合成的效果并没有原图真实好看。 使用拉普拉斯直接计算梯度并将梯度结果和原始图像加和作为锐化结果其中拉普拉斯算子和应用效果如图图9 拉普拉斯算子及其处理效果图 结果图像如图图 图像合并结果图 对图像进行高斯低通滤波对滤波结果进行拉普拉斯处理将原始图像和梯度图像加和作为锐化结果如图 图将 图22 波段相减得到的图像 关闭envi再次用envi打开AA图像主菜单FilterConvolutions and Morpholog