第五篇 遥感数字图像增强处理定稿.pptVIP

* 第五章 遥感数字图像增强处理 * 5.2 空间增强 以突出图像上的某些特征为目的（如突出边缘或线性地物，也可去处某些特征如抑制图像上在获取和传输过程中所产生的各种噪声），通过像元与周围相邻像元的关系，采取空间域中的邻域处理的方法，在被处理像元周围的像元参与下进行运算处理，也叫“空间滤波”。 * 5.2.1 平滑 图像在获取或传输过程中，受传感器和大气等因素的影响会存在噪声。在图像上，这些噪声表现为一些亮点或亮度过大的区域，为了抑制噪声，改善图像质量所做的处理称为图像平滑 * 噪声是各种影响人的视觉器官对图像信息理解或分析的因素，一般噪声是不可预测的随机信号，它只能用概率统计的方法去认识，由于噪声影响图像的输入、采集、处理的各个环节以及输出的全过程，尤其是图像输入、采集的噪声必然影响处理全过程以及最终结果，因此抑制噪声已成为图像处理中的极重要的步骤。 * 噪声特征 单波段图像可看作是二维亮度分布，噪声可看作是对亮度的干扰，噪声是随机性的，需用随机过程描述，即要知道其分布函数或密度函数，但在许多情况下这些函数很难测出或描述，甚至不可能得到，常用统计特征来描述噪声，如均值、方差、总功率等。 * 均值平滑 是将每个像元在以其为中心的区域内取平均值来代替该像元值，以达到去掉尖锐“噪声”和平滑影像目的的。区域范围取作M×N时，求均值公式为 具体计算时常用3×3的模板作卷积运算，其模板为 M=N时 * 为了避免中心像元值过高影响平均值升高，在运算时可不取中心值，用周围4个或8个像元进行计算。 * 均值平滑算法简单，计算速度快，但在去掉尖锐噪声的同时造成图像模糊，特别是对图像的边缘和细节削弱很多。而且随着邻域范围的扩大，在去噪能力增强的同时模糊程度严重。 5x5 模板 * 9x9 模板 * 为了保留图像的边缘和细节信息，可对该算法进行改进，引入阈值T，将原图像灰度值f(i,j)和平均值g(i,j)之差的绝对值与选定的阈值进行比较，根据比较结果决定像元（i,j）的最后灰度值g(i,j)。当差小于阈值时取原值；差大于阈值时取均值。其表达式为： * 中值滤波 是将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，以达到去尖锐“噪声”和平滑影像目的的。具体计算方法与模板卷积方法类似，仍采用活动窗口的扫描方法。取值时，将窗口内所有像元按亮度值的大小排列，取中间值作为中间像元的值。所以M×N取奇数为好。 * 如3X3窗口： 从小到大排列，取中间值 * 4 2 7 6 3 2 1 0 5 2 3 3 4 1 7 5 6 10 4 3 2 4 12 6 7 4 4 6 6 3 4 1 1 2 2 3 3 3 4 7 5 6 6 4 3 2 4 6 7 7 　　采用1X3的模板对其做中值滤波，令最左和最右两列保持原值。从中值滤波的结果可以看出，在噪声点10和12被去除的同时，图像中间部分的灰度变化趋势保守。 * 例如：3x3的模板，第5大的是中值， 5x5的模板，第13大的是中值， 7x7的模板，第25大的是中值， 9x9的模板，第41大的是中值。 对于同值象素，连续排列。 如（10,15,20,20,20,20,20,25,100） * 一维中值滤波的几个例子，取1×5的模板 也可推广到二维，二维中值滤波效果比一维更好。 窗口的形状可以线状、方形、十字形、菱形等。 * 　　中值滤波与均值平滑的目的都是为了去除图像上的尖锐“噪声”，平滑处理图像，但两者之间又有区别，选用哪一种方法要根据图像特点和处理目的来决定。 * 原图 椒盐噪声 中值（3*3） 平均（3*3） 自适应（3*3） 高斯噪声 中值（3*3） 平均（3*3） 自适应（3*3） 斑点噪声 中值（3*3） 平均（3*3） 自适应（3*3） * 椒盐噪声 原图 中值（3*3） 中值（5*5） 中值（7*7）