遥感图像处理_第3讲图像增强

1、像或资料更适于应用。
它包括对原始图像复原的恢复处理；为使图像更加清晰，目标地物更为突出明显，便于信息提取和识别的图像增强处理；以及进行自动识别和信息提取的分类处理。
从处理方法上，主要有光学处理和计算机数字图像处理。
,4,第一节 遥感图像处理概述,一、遥感数据1、模拟图像产品：有两个来源，其一是由遥感数据经激光扫描输出；其二是在空间遥感平台利用光学遥感系统获取的产品。
它是目前经常使用的一种遥感数据。
2、数字图像产品：将遥感传感器获取的地面光谱图像信息以数字的方式记录在计算机兼容磁带或其它介质上。
利用遥感图象处理软件，可对数据进行增强、几何校正、地理编码、分类，也可与其它数据匹配、比较、融合。
,5,第一节 遥感图像处理概述,遥感信息地学评价的三个基本标准： （1）空间分辨率：确定了遥感系统获取地面源信息的离散化程度，反映了遥感的概括程度随着地面分辨率的降低而增大，是选择信息源的重要标准之一。
空间分辨率的提高，使得遥感地学分析的微观程度和精度增加，提高和拓展了应用价值。
,6,第一节 遥感图像处理概述,（2）时间分辨率：进行动态监测与预报，自然历史变迁和动力学分析，可以利用时间差提高遥感的。

2、级映射； 步骤 将块的中心移至临近像素，重复上述操作。
,减少计算量：,当对某区域进行逐像素转移时，由于只有邻域中新的一行或一列改变，所以在每一步移动中，以新数据更新前一个位置获得的直方图。
当使用非重叠区域转移时可以减少计算量，但是处理后的图像会出现棋盘效应（checkerboard effect）。
,局部增强,在DIP 中使用局部均值和方差进行图像增强的重要特点：开发简单；功能强；灵活性；基于可预测的，且与图像外观相近的统计 度量。
,局部增强方法,方法一其中A(x,y)是局部增强因子，和标准差成反比方法二E, k0, k1, k2特定参数，MG全局平均灰度值，DG全局方差。
,利用均值和方差，分辨点的亮与暗，同时只增强暗部分。
暗亮的判断：判断一个点亮暗的方法是把局部平均灰度和图像的全局平均灰度进行对比，若 ，则此像素可作候选处理对象。
对比度的判断：用标准方差检测区域对比度，是否需要增强. 方法是：若 ，则是候选点。
最后还需要限制能够接收的对比度最低值，否则该过程甚至可能增强标准差为0 的恒定区域，故 满足上述局部增强所有条件的像素f(x。

3、变得模糊了。
积分既然使图像细节变模糊，那么，微分就会产生相反的效应。
因此，微分法是图像尖锐化方法之一。
,微分尖锐化的处理方法最常用的是梯度法。
如果给定一个函数 ，在坐标 上的梯度可定义为一个矢量,(443),由梯度的定义可知它有两个特点： （）矢量 是指向 最大增加率的方向； （）如果 用来表示 的幅度，那么,(444),这就是说 等于在 的方向上每单位距离 的最大增加率。
显然，式(444)是一个标量函数，并且 永远是正值。
由于我们经常用到的是式(444)，因此，在后续讨论中将笼统地称“梯度的模”为梯度。
,在数字图像处理中，仍然要采用离散形式，为此用差分运算代替微分运算。
式(444)可用下面的差分公式来近似,(445),(446),在用计算机计算梯度时，通常用绝对值运算代替式(444)，所以，有式(445)所示的近似公式,图440示出了式(446)中像素间的关系。
应该注意到，对一幅 个像素的图像计算梯度时，对图像的最后一行，或者最后一。

4、噪声后，才能进行锐化处理。
,3,图像的锐化,微分法,高通滤波,拉普拉斯运算,4,5.4.1 微分法,5,微分法,图像模糊的实质就是图像受到平均或积分运算，为实现图像的锐化，必须用它的反运算“微分”，微分运算是求信号的变化率，有加强高频分量的作用，从而使图像轮廓清晰。
,为了把图像中向任何方向伸展的边缘和轮廓的模糊变得清晰，希望对图像的某种导数运算是各向同性的，可以证明偏导数的平方和运算是各向同性的，梯度和拉普拉斯运算也是符合上述条件的。
,6,微分法,微分法：,梯度法,Sobel算子,7,梯度法,对于图像f(x,y)，它在点(x,y)处的梯度是一个矢量，定义为：,梯度法,梯度的两个重要性质是：,(1) 梯度的方向在函数f(x,y)最大变换率的方向上；,(2) 梯度的幅度用Gf(x,y)表示，并由下式算出：,梯度的数值就是f(x,y)在其最大变化率方向上的单位距离所增加的量。
,8,梯度法,对数字图像而言，可以近似为：,也可以简化为：,各像素的位置如右图所示，这种梯度法又称为水平垂直差分法。
,9,梯度法,以上两种梯度近似算法在图像的最后一行和最后一列的各像素的梯度无法求得，一般就用前一行和。

5、图像组合叠置，以彩色图像显示出来，大大提高了图像的显示质量，为信息提取和识别提供了便利,图像增强-彩色合成(续),一、彩色合成原理 对于人眼来说，单一波长的光对应着单一的一种色彩。
如眼睛对于0.620.76m 的光， 感觉为红色；对于0.500.56m 的光感觉为绿色。
然而，眼睛在感觉判别色彩时亦有局限性。
若把波长0.7m 的红光与0.54m 的绿光按一定比例混合叠加，眼睛的感觉将如同0.57m 的黄光感觉为黄色。
分不出哪一种是“单色”的黄光（0.57m），哪一种是红光与绿光混合而成的黄光。
这就说明，对于眼睛色觉来说，光对于色虽然有着单一的一一对应关系， 而色对光并不存在单一的对应关系。
因此，一些色彩可以由不同波长的光按一定比例叠加混合而成，亦即可以用少数几种色光合成出众多的色彩来彩色合成就是依照眼睛的这一色觉现象，通常利用三种基本色光（称为基色）按一定比例混合叠加而成各种色彩，称为三基色 合成。
,图像增强-彩色合成(续),所谓基色就是在三种基色光中的任何一种色光（或颜色） 都不能由这三种基色中的另外两种色光（或颜色）混合而成。
三基色彩色合成通常采用红、绿、蓝三色。
用。

6、强(工)对比度变化-线性变换,对比度大，反映图像的亮度值变化范围大，目标地物被识别的可能性就大；反之，目标与背景难以区别，识别的可能性就小。
进行对比度扩展的主要方法有线性变换或非线性变换、直方图调整等。
线性变换是图像增强最常用的方法。
指变换函数为线性关系，如：式中，a，b为待定的系数。
,1.遥感图像增强(工)对比度变化 线性变换,由于判读目标与背景的关系比较复杂，常将函数考虑为将原图像的亮度值动态范围扩展至指定的范围或最大动态范围。
方法如下： 变换前图像的亮度范围xa为a1至a2，变换后图像的亮度范围xb为b1至b变换方程可写为：则,1.遥感图像增强(工)对比度变化1 线性变换,通过方程式可以把图像中需要变换的任一xa，变换成xb。
达到改善图像动态范围，提高质量的目的。
调整a1a2b1b2四个参数，即改变变换直线的形态，可以产生不同的变换效果。
若a2-a1b2b1，亮度范围缩小，图像被压缩。
当扩展范围为(0，255)时，是一种常规的处理方法，即线性拉伸(自动拉伸)。
,1.遥感图像增强(工)对比度变化1 非线性变换,非线性变换指采用非线性函数。

7、为了改善图像的对比度，必须改变图像像元的亮度值，并且这种改变需符合一定的数学规律，即在运算过程中有一个变换函数。
如果变换函数是线性的或分段线性的，这种变换就是线性变换。
线性变换是图像增强处理最常用的方法。
,直方图,数字图像,最小值,最大值,线性变换,将亮度值为015图像拉伸为030，要设计一个线性变换函数，横坐标xa为变换前的亮度值，纵坐标xb为变换后的亮度值。
当亮度值xa从015变换成xb从030，变换函数在图中是一条直线OO，方程式为,变换前后直方图对比,变换后图像,线性变换,一般情况下，当线性变换时，变换前图像的亮度范围xa为a1a2，变换后图像的亮度范围xb为b1b2，变换关系是直线，则变换方程为,线性变换,通过调整参数a1，a2，b1，b2，即改变变换直线的形态，可以产生不同的变换效果。
若a2-a1b2-b1，亮度范围缩小，图像被压缩。
对于a2与a1 ，是取在图像亮度值的全部或部分，偏亮或偏暗处，均可根据对图像显示效果的需要而人为地设定。
,线性变换,有时为了更好地调节图像的对比度，需要在一些亮度段拉伸，而在另一些亮度段压缩，这种变换称为分段线。