遥感图像处理图像增强.ppt

2002-10-30 数字图像增强 对比度变换 空间变换 多波段图像处理 彩色变换 图像运算 多光谱变换 对比度变换 是一种通过改变图像像元的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。因为亮度值是辐射强度的反映，所以也称之为辐射增强。 常用的方法有灰度级阈值、密度分割、对比度线性变换和非线性变换。 灰度级阈值 将图像中的所有亮度值根据指定的亮度值（即阈值）分成高于阈值和低于阈值的两类，生成二值图像。如区分陆地和水体。 密度分割：将图像的亮度值划分成一系列用户指定的间隔，并将每一间隔范围内的不同的亮度值显示为相同的值。 对比度变换 线性变换 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。 线性变换 将亮度值为0～15图像拉伸为0～30，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0～15变换成xb从0～30，变换函数在图中是一条直线OO’，方程式为 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a1～a2，变换后图像的亮度范围xb为b1～b2，变换关系是直线，则变换方程为 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性变换。分段线性变换时，变换函数不同，在变换坐标系中成为折线，折线间断点的位置根据需要决定。从图中可以看出，第一、三段为压缩，第二段为拉伸，每一段的变换方程为： 非线性变换 指数变换 其意义是在亮度值较高的部分扩大亮度间隔，属于拉伸，而在亮度值较低的部分缩小亮度间隔，属于压缩，其数学表达式为 非线性变换 对数变换 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，其数学表达式为 直方图变换 直方图变换是使输入图像灰度值的频率分布（直方图）与所希望的直方图形状一致而变换灰度值的方法。 典型的变换有2种： 直方图均衡化（histogram equalization）：把原图像的直方图变换为各灰度值频率固定的直方图； 直方图正态化（histogram normalization）：把非正态分布的直方图变换为具有正态分布的直方图。 数字图像增强 空间变换 对比度变换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。而空间变换则侧重于图像的空间特征或频率，是以重点突出图像上的某些特征为目的的，如突出边线或纹理等，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。 空间频率 空间频率主要是指图像中色调变化的平滑或粗糙程度 高空间频率（高频）区域称为“粗糙”，即图像的亮度值在小范围内变化很大（如道路和房屋的边界等）；低空间频率（低频）区域称为“平滑”，指图像的亮度值变化相对较小，如平静的水体、大面积水田、草地等。 低通滤波主要用于加强图像中的低频成分，减弱图像中的高频成分；高通滤波则相反，即加强高频细节，减弱低频信息 空间变换有空间卷积、傅立叶变换等。 空间卷积 图像卷积运算 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（往往是奇数）图像。二维的卷积运算是在图像中使用模板来实现运算的。 空间滤波是图像卷积处理的一种特殊应用 空间滤波属于一种几何增强处理，通过选择不同的模板，实现平滑或锐化。 空间卷积 从图像左上角开始开一与模板同样大小的活动窗口，图像窗口与模板像元的亮度值对应相乘再相加。假定模板大小为M*N，窗口为Φ(m,n)，模板为t(m，n)，则模板运算为: 空间滤波 均值平滑 是将每个像元在以其为中心的区域内取平均值来代替该像元值，以达到去掉尖锐“噪声”和平滑图像目的的。区域范围取作M×N时，求均值公式为 具体计算时常用3×3的模板作卷积运算，其模板为 空间滤波 中值平滑 是将每个像元在以其为中心的邻域内取中间亮度值来代替该像元值，以达到去尖锐“噪声”和平滑图像目的的。具体计算方法与模板卷积方法类似，仍采用活动窗口的扫描方法。取值时，将窗口内所有像元按亮度值的大小排列，取中间值作为中间像元的值。所以M×N取奇数为好。 一般来说，图像亮度为阶梯状变化时，取均值平滑比取中值滤波要明显得多，而对于突出亮点的“噪声”干扰，从去“噪声”后对原图的保留程度看取中值要优于取均值。 锐化 为了突出图像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。有时可通过锐化，直接提取出需要的信息。锐化后的图像已不再具有原遥感图像的特征而