遥感数字图像处理第7章 图像滤波.pptx

遥感数字图像处理第7章 图像滤波 image transform 海洋信息工程系2012.11.14;主要内容 1. 空间域滤波和频率域滤波概述 2. 图像平滑 3. 图像锐化 4. 频率域滤波 5. 同态滤波 　;图像滤波 图像滤波的目的是提取和突出图像的空间信息，压抑或去除无用的信息。 图像滤波也是图像增强的一种方法。 图像滤波的方法： 1. 空间域滤波 　通过窗口或卷积核 2. 频率域滤波 　通过傅立叶变换和逆变换;相关概念 1. 邻域、4-邻域、8-邻域 2. 卷积、窗口卷积;噪声 噪声是影响对图像信息理解或分析的成分 遥感图像中常见的噪声： 1. 高斯噪声 　在信号上附加均值为0，具有高斯概率密度的函数值 2. 椒盐噪声（脉冲噪声） 　随机改变一些像素值 3. 周期噪声 　一般由成像设备影响产生 　;图像平滑(Image Smothing) 图像平滑主要是为了抑制噪声、改善图像质量。 图像平滑的方法： 1.均值滤波 2.中值滤波 3.高斯低通滤波 4.梯度倒数加权法 5.选择式掩模平滑 　;均值滤波(Mean filtering) 均值滤波取每个领域像素值的平均作为该像素的新值。 优点：对高斯噪声比较有效 不足：会造成图像模糊，削弱边缘和细节 ;均值滤波模板 ;中值滤波(Median filtering) 中值滤波取每个领域像素值的中均作为该像素的新值。 优点：对椒盐噪声比较有效，能保留部分细节信息，减少模糊 不足：计算复杂，对随机噪声效果不好 ;高斯低通滤波(Gaussian low-pass filtering) 高斯低通滤波的模板由二维高斯分布计算得到，使用窗口卷积计算像素新值。 优点：对高斯噪声比较有效 不足：计算复杂 ;梯度倒数加权法 在离散图像内部相邻区域的变化大于区域内部的变化，在同一区域种间像素的变化大于边缘像素的变化。 优点：贡献主要来自于像元内部，图像边沿和细节不会受到明显损害 不足：计算复杂 ;图像锐化(Image Sharpening) 图像锐化提高边缘与周围像素之间的反差，用于突出图像中的地物边缘、轮廓或线状目标。 图像锐化也称为边缘增强。 锐化的过程是一种高通滤波(High-pass Filtering)，一般通过微分过程来实现。 　;梯度 梯度反映了相邻像素之间灰度的变化率，图像中的边缘部分灰度变化率大，因此梯度值较大；相应的灰度值变化小的地方，梯度值也较小。;梯度的模;梯度的近似计算： 对于离散的二维图像： ;梯度的近似计算： 梯度模板 ;罗伯特梯度 罗伯特梯度采用交叉差分的方法 梯度模板 ;Prewitt梯度 Prewitt梯度采用3×3的模板 梯度模板 ;Sobel梯度 Sobel梯度在Prewitt梯度的基础上对４-邻域进行加强 梯度模板 ;Laplace算子 Laplace算子是线性二阶微分算子 近似计算 ;定向检测 1.检测垂直线 2.检测水平线;定向检测 3.检测对角线 ;频率域滤波 1. 低通（low-pass）滤波： 　　强调低频部分，图像变得平滑 2. 高通（high-pass）滤波 　　突出图像边缘和轮廓，进行图像锐化 3.带通（band-pass）滤波 　　仅保留指定频率范围内的信息 　;常用滤波器 1. 低通（low-pass） 　　 2. 高通（high-pass） 　　 　;常用滤波器 3.带通（band-pass） 　　 4. 带阻（band-cut） 　　 　　 　;同态滤波 同态滤波（homomorphic filter)较少低频增加高频，以减少光照变化并锐化图像边缘或细节。 其中，f(x, y)是图像 　　　i(x, y)是照射分量 r(x, y)是反射分量 　　 　;同态滤波的步骤 1.取对数 2.对结果进行傅立叶变换 3.对变换结果进行滤波 　;同态滤波的步骤 4.使用傅立叶逆变换 5.对结果进行指数变换