sds[理学]第4章遥感图像处理5.pptVIP

* 遥感图像处理 光学图像——光学原理和光学处理方法 数字图像 数字图像校正 数字图像增强 多源信息复合 数字图像增强 什么是数字图像？ 数字图像直方图？ 1 对比度变换 2 空间滤波 3 彩色变换 数字图像增强 对比度变换 通过改变像元的亮度值来改变图像像元的对比度，从而改善图像质量的图像处理方法。 变换前的图像及直方图：偏暗 对比度变换 变换后的图像及直方图 对比度变换 对比度变换 对比度变换的同义词：对比度增强（拉伸，stretch）、反差增强、直方图变换、辐射增强、点增强 对比度变换 直方图拉伸 直方图均衡 直方图匹配 线性变换（分段线性） 非线性变换 对比度变换 对比度变换 1、直方图拉伸 （1）线性变换 增强前后灰度函数关系符合线性关系式： x’=kx+b x’增强后的灰度值, x增强前的灰度值, b常数, k斜率 Input DN Output DN b1 255 255 a1 a2 b2 对比度变换 求直线方程？ 直线形态对图像亮度值的影响？ 对图像的不同亮度值区域如何进行差异变换？ xa xb 对比度变换 1、直方图拉伸 （1）线性变换——分段线性变换 对比度变换 原始图象 变换后图象 对比度变换 对图像亮度值的影响？ 1、直方图拉伸 （2）非线性变换 2、直方图均衡化（Histogram Equalization） 非线性的增强方法； 将每个灰度区间等概率分布，代替了原来的随机分布，即增强后的每个灰度级内有大致相同的象元数；通过改变灰度区间来实现； 根据灰度值的出现频率来分配它们的亮度显示范围，频率高的部分被增强了,频率低的部分被压缩。 对比度变换（补充） 效果：增强了峰值处的对比度，两端（最亮和最暗）的对比度减弱了 直方图均衡化实例 直方图均衡化实例 直方图均衡化实例 3、直方图匹配(histogram matching) 把原图象的直方图变换为某种指定形状的直方图或某一参考图象的直方图，然后按照已知的指定形态的直方图调整原图象各象元的灰级，最后得到一个直方图匹配的图象 使用的模板有正态拉伸匹配、暗区拉伸匹配、亮区拉伸匹配 主要应用于有一幅很好的图象作为标准的情况下，对另一图象进行匹配，以改善被处理图象的质量 应用于数字镶嵌 对比度变换（补充） 直方图匹配：条件（运用两幅图象） 原始图象和参考图象 两个图象的直方图的总体形态应相似 图象中相对亮和暗的特征应相同 对某些应用，图象的分辨率应相同（但可不同） 图象中的地物类型的相对分布应相同，无论两幅图象是否覆盖同一地区。如一幅有云，另一幅没有云，应先将云去掉（覆盖），然后再进行直方图匹配 对比度变换（补充） 1 对比度变换 2 空间滤波（邻域增强） 3 彩色变换 数字图像增强 空间滤波 对比度变换：点增强，是单个像元的运算，从整体上改善图像质量； 空间滤波（邻域增强）：中心像元与周围相邻像元间的运算，用于去噪声、图像平滑、锐化和相关运算。 空间滤波 1、图像卷积运算 模板 图像窗口 空间滤波 1、图像卷积运算 空间滤波 作用 抑制噪声，增强地物的某些特征 平滑：均值、中值滤波 锐化：罗伯特梯度、索伯尔梯度、拉普拉斯 算法、定向检测等。 1、图像卷积运算 空间滤波 2、平滑 图像中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“噪声”点。 均值平滑（滤波）：每个像元在以其为中心的邻域内取平均值来代替该像元值。 中值滤波：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。 问题：该怎么样来设计模板？ 空间滤波 2、平滑 均值平滑模板 空间滤波 原始图像 均值滤波图像 2、平滑 原始图像统计信息 变换后图像统计信息 * * *