1、第一讲：空域图像增强与滤波 第二讲：频域图像增强与滤波 第三讲：图像融合,空域图像增强与滤波,1. 定义,图像增强是指对图像的某些特征，如边缘、轮廓、对比度进行强调或尖锐化，以便于显示、观察或进一步地分析与处理。 图像增强不增加图像数据中的相关信息，但它将增加所选择特征的动态范围，从而使这些特征检测或识别更加容易。,2. 主要内容,点运算 对比度展宽、噪声限幅、窗切片等 空间运算 噪声平滑、图像锐化、中值滤波等 变换域运算 通带滤波、同态滤波等 彩色增强 假彩色变换、伪彩色变换,3. 点运算,3.1 对比度展宽和窗切片又称灰度比例尺变换。属于一点对一点的逐点变换。属于一对一或一对多的映射变换。
2、,典型变换式：,几种特殊形式：,对比度的展宽和窗切片可以用Photoshop中的Image/adjust/curves来实现 可以通过LUT(Lookup Table)来实现,对数变换,指数变换,灰度翻转,3.2 噪声限幅主要用于抑制暗或亮区的噪声,3.3 灰度级修正主要用于去除非均匀曝光现象。例如：照片上的“晕映”，靠近光轴的光比远离光轴的光衰减少。,理想灰度值,使理想图象发生畸变的比例因子,实际灰度值,3.4 动态范围调整解决动态范围过大的图像的显示问题（如通常在教科书上看到的图像的傅立叶变换后的频谱图）,零点漂移,原始图像,零点漂移图像的功率谱,v=N v=N/2 v=0,3.5 图像减
3、影变化检测利用图像相减的方法，突出图像中的变化部分,3.6 直方图模型化,直方图：表示该图像中各种不同的灰度级像素出现的相对频率。 Photoshop/Image/Histogram功能,3.6.1 直方图均衡直方图均衡就是把一已知灰度概率分布的图像，经过一种变换，使之演变成一幅具有均匀灰度概率分布的新图像。,灰度变换所具有的性质：,（1）是单调增加的单值函数 （2）,根据概率论的结论：当变换 为被变换图像的概率分布函数时，所得到的新图像的灰度概率分布密度必然是归一化均匀分布的。,直方图修正 直方图规定化,4. 空间运算,平均值滤波,(1/9)*,掩模,掩模的频域特性,4.1噪声平滑,均值滤波
4、器,Mean 5x5,原始图象,Mean 11x11,结论：当所用的平滑模板尺寸增大时，对噪声的消除有所增强。不过同时所得到的图像越模糊，细节的锐化程度逐步减弱。（可以返回到频域考虑一下带宽问题）,离散卷积表达式,(1) 掩模(mask) (2) 可以用Photoshop/filter/other/custom 来实现 (3) 常见的掩模算子,(4) 掩模的取法不同，中心点或邻域的重要程度也不相同。 (5) 必须保证全部权系数之和为单位值。多幅图像的平均（针对加性高斯噪声）图像平均值不变 图像方差为原来的1/N 方向平均,中值滤波器,在邻域平均法中，是将nn局部区域中的灰度的平均值作为区域中央
5、象元的灰度值。而在中值滤波中，是把局部区域中灰度的中央值作为区域中央象元的值。如，在33区域内进行中值滤波，是将区域内9个灰度值按由小到大排列，从小的一方开始的第5个值即为中央象元的值。用这种非线性的滤波，比邻域平均法可以在很大的程度上防止边缘的模糊。,4.2 图像锐化(1) 图像锐化的目的是增强图像中景物的边缘或轮廓。 边缘或轮廓通常位于灰度突变或不连续的地方，具有一阶微分最大值和二阶微分为0的特点; 边缘检测算子具有各向同性（对于各向异性的算子，与检测算子方向相同的边缘或轮廓不能被检测）,矢量微分-梯度二元函数f(x,y)在坐标点(x,y)处的梯度向量的定义：,梯度的幅度：,梯度的幅角：,
6、连续域的微分-离散域的差分,沿与x轴成任意夹角方向的差分，相应地可表示为：,数字梯度向量为：,数字梯度向量的幅度：,公式的简化：以1为模（对应城区距离）：以 为模（对应棋盘距离）：,或者以交叉的差分表示梯度.,常见的梯度算子模板,Roberts,Prewitt,Sobel,水平、垂直梯度,从上面可知，Sobel算子、 Prewitt算子不像普通梯度算子那样用两个像素之差值，而用两列或两行加权和之差值，其优点为： 由于引入了平均因素，因而对图像中的随机噪声有一定的平滑作用 由于它是相隔两行或两列的差分，故边缘两侧的象元得到了增强，边缘显得粗而亮。,水平、垂直梯度,Roberts梯度,Sobel梯
7、度,方向算子,利用一组模板分别计算在不同方向上的差分值，取其中最大的值作为边缘强度，而将与之相对应的方向作为边缘方向。,Kirsch算子,或,检测垂直边界：,检测水平边界：,检测对角线边界：,定向检测：当有目的地检测某一方向的边、线或纹理特征时，可选择特定的模板卷积运算作定向检测。常用的模板为：,或,4.2.2 二阶微分拉普拉斯算子,拉普拉斯算子处理是常用的边缘增强处理算子，它是各向同性的二阶导数,对数字图像来讲， 的二阶偏导数可表示为：,为此，拉普拉斯算子为：,以模板形式表示为：,可见数字图像在某点的拉普拉斯算子，可以由中心像素点灰度级值和邻域像素灰度级值通过加减运算来求得。,拉普拉斯锐化：
8、用原图像的值减去模板运算结果的整倍数，即：,拉普拉 斯算子,5 彩色增强,亮度值的变化可以改善图像的质量，但就人眼对图像的观察能力而言，一般正常人眼只能分辨20级左右的亮度级，而对彩色的分辨能力则可达100多种，远远大于对黑白亮度值的分辨能力。不同的彩色变换可大大增强图像的可读性。 按形成图像彩色的物理意义，把黑白图像变换成彩色图像的处理称为伪彩色处理（Pseudo color），可以用伪彩色变换表（PCT）来实现。 把多波段图像合成彩色图像的处理，称为假彩色处理（False color）。,5.1 伪彩色增强,把黑白图像的灰度级分成若干层次，在每个层次上赋予颜色，则可得到图像的伪彩色图像。
9、据色度学原理，任何一种颜色均可由三原色（R，G，B）按适当比例合成，故伪彩色处理可描述为：,常用的变换关系式：,伪彩色增强,遥感图像处理单波段彩色增强的意义：,对于遥感影像而言，将黑白单波段影像赋上彩色总是有一定目的的，如果分层方案与地物光谱差异对应得好，可以区分出地物的类别。例如在红外波段，水体的吸收很强，在图像上表现为接近黑色，这时若取低亮度值为分割点并以某种颜色表现则可以分离出水体；同理砂地反射率高，取较高亮度为分割点，可以从亮区以彩色分离出砂地。因此，只要掌握地物光谱的特点，就可以获得较好的地物类别图像。当地物光谱的规律性在某一影像上表现不太明显时，也可以简单地对每一层亮度值赋色，以得
10、到彩色影像，也会较一般黑白影像的目视效果好。,5.2 假彩色增强,根据加色法彩色合成原理，选择遥感影像的某三个波段，分别赋予红、绿、蓝三种原色，就可以合成彩色影像。由于原色的选择与原来遥感波段所代表的真实颜色不同，因此生成的合成色不是地物真实的颜色，因此这种合成叫做假彩色合成。因多波段图像在获取时会受到大气吸收、散射等影响，一般蓝波段损失严重，在彩色合成时要由其他波段（包括非可见光波段）代替，不可能得到与自然景色相同的真彩色图像，故将其称为假彩色合成。,选定三个波段并分别按灰度级赋予相应的三原色，即作如下映射：,将R、G、B 三原色分量进行合成，即得到合成处理的假彩色图像f(x,y)，即：,假
11、彩色合成影像经常应用于后续的图像目视解译。,假彩色增强,多波段影像合成时，方案的选择十分重要，它决定了彩色影像能否显示较丰富的地物信息或突出某一方面的信息。以陆地卫星Landsat的TM影像为例，TM的7个波段中，第2波段是绿色波段（052060m），第4波段是近红外波段（076090m），当4，3，2波段被分别赋予红、绿、蓝色时，即绿波段赋蓝，红波段赋绿，红外波段赋红时，这一合成方案被称为标准假彩色合成，是一种最常用的合成方案。,实际应用时，应根据不同的应用目的经实验、分析，寻找最佳合成方案，以达到最好的目视效果。通常，以合成后的信息量最大和波段之间的信息相关最小作为选取合成的最佳目标，例如，TM的4，5，3波段依次被赋予红、绿、蓝色进行合成，可以突出较丰富的信息，包括水体、城区、山区、平原及线性特征等，有时这一合成方案甚至优于标准的4，3，2波段的假彩色合成。,假彩色增强,TM标准假彩色合成图像,TM7(R)、4(G)、2(B),假彩色增强,TM3(R)、2(G)、1(B),TM4(R)、5(G)、3(B),
