1、实验四 遥感图像的空间增强一、目的和要求学习和掌握空间增强的基本原理和操作过程，理解不同滤波核的处理效果。二、实验内容1. 空间平滑滤波2. 空间锐化滤波三、原理和方法空间增强技术是利用像元与其周围相邻像元的灰度值进行运算（卷积运算） ，达到增强整个图像之目的，也称为空间滤波。卷积运算（Convolution）将整个像元分块进行处理，用于改变图像的空间频率特征。卷积运算的关键是模板，又称卷积核（Kernal ）或滤波核，即系数矩阵的选择，主要用于对图像进行平滑和锐化处理。平滑是抑制噪声改善图像质量或减少变化幅度，使亮度变化平缓所做的处理，常用的方法有均值平滑和中值滤波等；锐化是为了突出边缘、轮
2、廓和线状目标信息所做的处理，常用的方法有梯度法、Roberts 梯度、Prewitt和 Sobel 梯度、Laplace 算法和定向检测等。均值平滑方法均等地对待邻域中的每个像元，对于每个像元在以它为中心的邻域内取平均值，作为该像元的新灰度值。该方法算法简单，计算速度快，但在去掉尖锐噪声的同时造成图像模糊，对图像的边缘和细节削弱很多，而且随着邻域范围的扩大，去噪能力增强的同时模糊程度严重。中值滤波以中值代替均值，起到滤波器的作用，在抑制噪声的同时能够有效地保留边缘，减少模糊。梯度法以梯度值代替像元的原灰度值生成梯度图像，在梯度图像上梯度值较大的部分就是边缘。Roberts 梯度采用交叉差分的方
3、法监测像元与其在上下之间或左右之间或斜方向间的差异，达到突出边缘的目的。Prewitt 梯度是将Roberts 梯度扩大为 33 来进行差分，Sobel 梯度在 Prewitt 的基础上采用加权方法进行差分，因而边缘检测更精确。Laplace 算法采用二阶差分进行计算，检测灰度变化率的变化率，因而不检测均匀的灰度变化，产生的图像更加突出灰度值突变部分。定向监测有目的的提取某一方向的边缘、线性目标或纹理特征。ERDAS 将常用的卷积核放在一个名为 default.klb 的文件中，分为3*3，5*5、7*7 三组，每组又包括“边缘探测 EdgeDetect/低通滤波 Low Pass/水平边缘增
4、强 Horizontal/垂直边缘增强 Vertical/求和滤波 Summary/去阴霾 Haze reduction/交叉边缘探测/Horizontal Edge Detection 水平边缘探测/Lapalce 边缘探测 Lapalcian Edge Detction/左边缘探测 Left Diagonal Edge Detction /右边缘探测Right Diagonal Edge Detction / Vertical Diagonal Edge Detction 垂直边缘探测” 几种不同的处理方式。四、实验步骤1. ERDAS 图标面板菜单条： Image Interpreter
5、Spatial EnhancementConvolutionConvolution 对话框。图 4-1 Convolution 对话框2. 分别选用 default.klb 中的滤波核对影像进行处理几个重要参数的设置：边缘处理方法：（Handle Edges by）：Reflection 对称或 Fill 填充方式Nomalize the Kernel：对滤波核进行归一化处理3. 结合课本内容，自定义滤波核对影像进行处理在 Convolution 对话框中点击 Edit 或 New 按钮，打开卷积核定义对话框自定义模板图 4-2 卷积核定义对话框五、结果分析和讨论1. 说明几种滤波方法的处理效果2. 说明不同模板大小对各种滤波处理效果的影响
