遥感图像处理平滑与锐化方法.pptVIP

4.3 数字图像增强;数字图像增强处理方法;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;灰度增强是一种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。 一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。亮度直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，需要调整该直方图到正态分布，以改善图像的质量。 主要通过改变图像灰度分布态势，扩展灰度分布区间，达到增强反差的目的。 它可分为比例线性变换、分段线性变换和非线性灰度变换。;图像直方图; 每一幅图像都可以求出其像元亮度值的直方图，观察直方图的形态，可以粗略略地分析图像的质量。;1.比例线性变换;;;2.分段线性变换;;对比度拉伸的效果;3.非线性变换;;4.直方???均衡化;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;原始的直方图;直方图均衡化实例;直方图均衡化实例;直方图均衡化实例;;直方图均衡化;5.直方图规定化;直方图匹配：条件（运用两幅图象）;ERMAPPER中的反差增强功能;;;;;;;4.3.2 空间增强（空间滤波或邻域增强 ）;1.图像卷积运算;图像的卷积运算： ;2.平滑;;例1：右图为数字图像，亮度普遍在10以下，只有两个像元出现15的高亮度(噪声)。用均值平滑模板求出新的图像。;像元(0,0)的新值= (4+4+3+4+4+3+2+2+15)/9= 41/9 = 5;4 3 7 6 8;3＊3圆滑;;1X5模板下，一维中值滤波的几个例子;;中值滤波;3.锐化;索伯尔梯度锐化模板， 两个模板同时使用：;拉普拉斯模板;;拉普拉斯 图象更加突出了亮度值突变的位置;例2：右图为数字图像，分别用索伯尔方法和拉普拉斯方法提取边缘。;用索伯尔t2得;定向边缘检测模板;t (m,n)=;;空间频率域的滤波(补充);;Sobel 空间滤波(1)—梯度(差分);Sobel 空间滤波(2)—梯度(差分);Prewitt 空间滤波(1)—梯度(差分);;Prewitt 空间滤波(1)、（2）对比;Prewitt 空间滤波(1)、（2）对比（局部）;平滑化;拉普拉斯算子—微分;低通滤波(1) --均值滤波;低通滤波(2) –均值滤波;低通滤波(3) –均值滤波;高通滤波（1）--边缘增强;高通滤波--边缘增强（局部）;高通滤波--边缘增强（局部对比）;高通滤波（2）--边缘增强;高通滤波（3）--边缘增强;高通滤波（4）--边缘增强;中值滤波（1）--噪声消除;中值滤波（2）--噪声消除;中值滤波（3）--马赛克效果;自适应中值滤波--噪声消除;高斯滤波（1）;高斯滤波（2）;高斯滤波（3）