讲义7第4章遥感图像处理办法.ppt

2) 在离散象元条件下 卫星遥感图像为二维离散函数，这时一个象元的亮度梯度应当表现在与相邻四个象元的方向上，如图11—38中△x1 ，△x2 ，△y1 ，△y2 。如果对象元g(i，j)取二阶偏微商，则： ={[g(i，j+1)- g(i，j) ]-[ g(i，j) –g(i，j-1)]} +{[g(i+1，j)- g(i，j) ]-[ g(i，j)- g(i-1，j)]} = g(i，j+1)+g(i，j-1)+g(i-1，j)+ g(i+1，j)+4 g(i，j) 此计算结果表明，像元（i，j）与四个相邻像元的总亮度差就是该像元的二阶偏微商，或者说，像元的二阶偏微商是该像元与四个相邻像元亮度变化率的和。 拉普拉斯算法模板之一 ▽2g =△x 2 g(i，j)+ △y 2 g(i，j) 4.3 数字图像增强 光学图像 一个光学图像，可以看成是一个二维的连续的光密度(或透过率)函数。 像片上的密度随坐标变化而变化，如果取一个方向的图像 ，则密度随空间而变化，是一条连续的曲线。f(x,y) 这个函数的特点，除了连续变化外，其值是非负的和有限的 。 0≤ f(x,y)＜∞ 光学图像与数字图像 数字图像 数字图像是二维的离散的密度(或亮度)函数。 它在空间坐标(x，y)和密度上都已离散化。空间坐标仅取离散值。（坐标离散化必然导致图像密度值离散化） 数字图像可用一个二维矩阵表示。实际上是由每个像元密度值排列成的一个数字矩阵。 图像的频谱表示 光学图像或数字图像还可以另一种坐标空间---频率域的形式来表示。 即在数学表达上，将上述光学和数字图像从空间域变入频率域（傅立叶变换反之，则采用傅立叶逆变换）。 傅氏变换与逆变换都可以通过光学系统实现。当然也可以在数字处理系统中进行。 光学图像又称作模拟量，数字图像又称作数字量，它们之间的转换称模/数转换，或反之，称数/模转换。 数字量与模拟量的本质区别在于模拟量是连续变量而数字量是离散变量。 4.3.1 对比度变换 通过改变图像像元亮度值来改变图像像元对比度，从而改善图像质量的图像处理方法。 数字图象增强 对比度变换 空间滤波 彩色变换 多光谱变换 图象运算 一幅原始图像及其直方图 1．线性变换 线性变换：扩大原始灰度等级范围。 简单的线性变换是按比例扩大，通常使输出图像直方图的两端达到饱和。 线性变换是通过一个线性函数进行变换，其数学表达式为： X b ＝ A X a + B 对原始图像（图4-18）线性变换结果 线性变换 图4-18图像分段线性变换的结果 分段线性变换 非线性变换 直方图均衡化 直方图正态化 指数变换 平方根变换 对数变换 指数变换 （拉伸高亮度区间） 指数变换的变换函数如图4.36所示，它的意义是在亮度值较高的部分x a 扩大亮度区间，属于拉伸，而在亮度值较低的部分x b缩小亮度间隔，属于压缩。 式中，a，b，c为可调参数，可以改变指数函数曲线的形态，从而实现不同的拉伸比例。 2、非线性变换 其数学表达式为： 对数变换 （拉伸低亮度区间） 对数变换的变换函数如图4．37所示，与指数变换相反，它的意义是在亮度值较低的部分拉伸，而在亮度值较高的部分压缩。 式中，a，b，c仍为可调参数，由使用者决定其值。 其数学表达式为： 4.3.2 空间滤波 对比度扩展的辐射增强是通过单个像元的运算从整体上改善图像的质量。 而空间滤波则是以重点突出图像上的某些特征为目的的，如突出边缘或纹理等，因此通过像元与其周围相邻像元的关系，采用空间域中的邻域处理方法，也叫做“空间滤波”。 基本思路像我们已经介绍的线性变换那样，使用一个变换函数来得到一幅图像上每个像元为新亮度值的图像。 空间域滤波属于空间域增强处理（空间域函数运算），所谓滤波，即选择一个“滤波器”，使之能强化我们感兴趣的特征信息，而把我们不需要的“噪声”滤掉或抑制。 既然是空间域增强，这里的“滤波器”就是把一个空间函数作为“滤波函数”。 数字处理--空间域处理 --频率域处理 是在空间域上对图像作局部检测的运算，以实现平滑和锐化的目的。 具体作法是选定一卷积函数，又称“模板”，实际上是一个M×N图像。 （卷积模板又称为“卷积窗口”或“卷积核”） 假定模板大小为M×N，窗口为ф (m，n)，模板为t(m，n)，则模板运算为： 运算方法如图4.38 1．图像卷积运算 亮度值对应相乘再相加。 将计算结果r(i，j)放在窗口中心的像元位置，成为新像元的灰度值。然后移动像元，依次进行，逐行扫描，直到全幅新图像生成。 0 -1 0 -1 4 -1 0 -1 0