- 1、本文档共35页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
遥感原理与应用课程设计报告
摘要:在实习中通过编程实现了图像的直方图均衡、伪彩色增强、开闭运算、变化检测以及影像融合等5个专题的内容。在此对其原理以及设计过程进行阐述并对实验结果进行分析。
关键词:图像;算法;VC;设计
原理介绍
专题1
1线性拉伸
线性拉伸就是图象中所有的点的灰度按照线性变换函数进行变换。该线性灰度变换函数f(x)是一维线性函f(x)= * x + 。灰度变换方程为式中参数为线性函数的斜率,为线性函数在y轴的截距, 表示输入图象的灰度,表示输入图象的灰度。当1时,输入图象的对于度将增大;当1时,输入图象的对于度将减小;当=1且0时,操作仅使所有象素的灰度值上移或下移,其效果是使整个图象更暗或更亮;如果0,暗区域将变亮,亮区域将暗,点运算完成了图象求补运算。
1.2直方图均衡
直方图均衡有时也称灰度均衡,目的是通过点运算使输入图像转换为在每一灰度级上都有相同的象素点数的输出图像(即输出的直方图是平的)。
针对三种不同的图像,有不同的公式,下面分别论述:
连续的,且被归一化的图像:
按照图像的概率密度函数(PDF,归一化到单位面积的直方图)的定义:
其中H(x)为直方图,A0为图像的面积。
设转换前图像的概率密度函数为pr(r),转换后图像的概率密度函数为ps(s),转换函数为s=f(r)。由概率论知识,可以得到:
这样,如果想使转换后图像的概率密度函数为1(即直方图为平和),则必须满足:
等于两边对r积分,可得:
该公式被称为图像的累积分布函数(CDF),此公式是被归一化后推到出的,
连续的,但没有归一化的图像:
对于上面的公式只要乘以最大灰度值(Dmax,对于灰度图象就是255)即可。灰度均衡的转换公式为:
3)对于离散图像
转换公式为:
式中Hi为第i级灰度的象素个数。
1.3旋转、缩放、平移
1.3.1 旋转
以矩阵形式表示旋转变换公式:
式中,坐标系是以图像的中心为原点,向右为x轴正方向,向上为y轴正方向,设为坐标系II。它和以图像左上角为原点,向右为x轴正方向,向下为y轴正方向的坐标系I之间的转换关系如下所示:
其中w、h分别为图像的宽、高。则可知,对图像进行旋转变换操作可分成3步来进行?:
将坐标系I变成II;?
将该点顺时针旋转a角;
将坐标系II变回I。
1.3.2 缩放
设(x0,y0)为原图像上的一点,假设放大因子为ratio,?对图像进行缩放的变换矩阵如下所示:
1.3.3平移
将图像中所有的点都按照指定的平移量水平、垂直移动。设(x0,y0)为原图像上的一点,图像水平平移量tx,垂直平移量为ty,则平移后点(x0,y0)的坐标变为(x1,y1)。则?(x0,y0)与(x1,y1)之间的关系为:?
专题3
3.1图像色彩空间变换
3.1.1 RGB-HIS
读取RGB图像,逐像素进行如下计算得到ISH。
3.1.2 HIS-RGB
当H在[0,120]之间
当H在[120,240]之间
当H在[240,360]之间
3.2彩色图像灰度化
1.分量法
将彩色图像中的三分量的亮度作为三个灰度图像的灰度值,可根据应用需要选取一种灰度图像。
3.3灰度图像伪彩色增强
1 灰度分割法?
一幅灰度图像可看做一个2-D的灰度函数,用一个平行于图像坐标平面去分截图像灰度函数,从而把灰度函数分成两个灰度值区间。设在灰度级L1,L2,…,Lm处定义了M个平面,让L0代表黑,Lm代表白,在0LmL的条件下,M个平面将把图像灰度值分成M+1个区间,对同一灰度值区间内的像素赋相同颜色,不同灰度值区间赋予不同颜色,形成彩色图像。
2 空间域变换法
对原始图像中用三个独立的变换来处理,那么三个变换的结果分别同时输入彩色电视屏幕的三个电子枪,这样就可得到三个变换函数变换合成的彩色图像。
专题4
4.1腐蚀与膨胀(水平、垂直、全方向)
4.1.1 腐蚀
对一个给定的目标图象X和一个结构元素S,想象一下将S在图象上移动。在每一个当前位置x,S[x]只有三种可能的状态,即:
(1)S[x]X;
(2) S[x]Xc;
(3)S[x] X与S[x] Xc 均不为空。
第一种情形说明S[x]与X相关性最大;第二种情形说明S[x]与X不相关;而第三种情形说明S[x]与X只是部分相关。因而满足(1)的点x的全体构成结构元素与图象的最大相关点集,我们称这个
文档评论(0)