一RGB模型與HIS模型之間的轉(zhuǎn)換

1、一 RGB模型與 HIS 模型之間的轉(zhuǎn)換RGB模型到 HIS 模型設(shè)任何 3 個 R、G、B 在0 ，1 之間，其對應(yīng) HIS 的 I 、H、S 分量可以按如下公式計算：其中， H值在 0 o，180 o 之間，對應(yīng) GB 的情況，在 G<B時，H>180 o, 可令 H=360 o-H，將 H 轉(zhuǎn)化到 186 o， 360 o 之間。采用 H=H/360 o將 H 轉(zhuǎn)化到0 ，1 之間。若 S=0對應(yīng)無色的中心的， H 無意義，定義為 0。當(dāng) I=0 時， S 也無意義。HIS 模型到 RGB模型設(shè) S、 I 在 0,1 ，R、 G、B 也在 0,1則轉(zhuǎn)換公式為：當(dāng) H 在0 o

2、,120 o時：當(dāng) H 在120 o,240 o時：當(dāng) H 在240 o,360 o時：彩色圖像灰度化圖像由彩色轉(zhuǎn)化為灰度的過程叫灰度化，也叫去色。彩色圖像灰度化的原理很簡單， 就是按某種計算方法將圖像各像素的 R、G、 B 分量取成同樣的值即可。計算方法為將 R、G、B 分量值都賦為（ 0.3R + 0.59G + 0.11B）。二、鑲嵌A、提取重疊區(qū)對于已經(jīng)進(jìn)行幾何糾正的待鑲嵌圖像，在鑲嵌之前首先就要找出它們的重疊區(qū)，為后續(xù)處理打下基礎(chǔ)。B、搜索最佳鑲嵌邊最佳鑲嵌邊，也就是兩張圖像上亮度值最接近的連線，相對左右圖像有Il -I r = I min在重疊區(qū)內(nèi)，確定一維模板，自左至右移動模板進(jìn)

3、行搜索，按一定的算法計算相關(guān)系數(shù)，確定該行的鑲嵌點，逐行進(jìn)行搜索即可得到鑲嵌邊，并將鑲嵌點的列號賦給數(shù)組 avalue 。本文論述的兩種方法的本質(zhì)區(qū)別是采用的模板不同。 差分法差分法是直接計算兩張圖像的亮度差值，取其最小為鑲嵌點。具體算法是分別計算各個模板元素對應(yīng)的像素在兩張圖像上的 R、G、B三分量的差值之和，然后將它們相加得到 m，取每一行 m值最大的模板的中心元素對應(yīng)的像素為該行的鑲嵌點。以長度為 9的模板為例，計算過程如下（ l 表示第一張圖像， r 表示第二張圖像， R、G、B表示三顏色分量）：I k=|Rl- Rr |+|G l- Gr |+|B l- Br |;/ 計算各個模板元

4、素對應(yīng)的像素在兩張圖像上的 R、G、B三分量的差值之和m=I 1+I 2+ + I 9；/ 將各模板元素的 I k相加 相關(guān)系數(shù)法相關(guān)系數(shù)法是依據(jù)相關(guān)系數(shù)測度的公式，計算模板對應(yīng)的兩張圖像中的部分的相關(guān)系數(shù) ，然后取每一行 最大的模板的中心元素對應(yīng)的像素為該行的鑲嵌點。相關(guān)系數(shù)測度公式如下：m m (f i,j -f i,j )(g i+r,j+c-g r,c )i=1 j=1=m m22 1/2( (f i,j -f i,j ) (g i+r,j+c-g r,c )以長度為 9的模板為例計算過程如下：Ikl =（Rl +Gl +Bl ）/3 ；/ 計算各個模板元素在第一張圖像中對應(yīng)像素的 R

5、、G、B三分量的均值I k2=（Rl +Gl +Bl ）/3 ；/ 計算各個模板元素在第一張圖像中對應(yīng)像素的 R、G、B三分量的均值sub1k= （ Ik 1 -Ik 1）/3 ；sub2k=（Ik2 - Ik2）/3 ；result=sub1k * sub2k;/計算相關(guān)系數(shù)的分子result1=sub1k * sub1k ；result2=sub2k * sub2k ；1/2result0= (result1 * result2)；/ 計算相關(guān)系數(shù)的分母= result/ result0 C亮度和反差調(diào)整； /計算相關(guān)系數(shù)由于兩張圖像不是同一時間， 甚至不是同一傳感器獲取， 二者的亮度必然

6、存在一定反差， 因此需要調(diào)整亮度使色調(diào)和反差趨近， 使得視覺上兩張圖像的色調(diào)和亮度保持一致，減弱拼縫的明顯程度。亮度和反差調(diào)整的過程為：（1） 求接縫點左右圖像平均亮度值依據(jù)搜索最佳鑲嵌邊過程得到的數(shù)組 avalue，將各鑲嵌點在兩張圖像中的 R、G、B 三分量的值分別相加取平均，得到 LAVE1、LAVE2、LAVE3、 RAVE1 、RAVE2、 RAVE3 。（ L 表示第一張圖像， R 表示第二張圖像， 1、2、3 表示藍(lán)、紅、綠三顏色分量） 。（2） 對右圖像按下式改變整幅圖像基色，I k2B= I k2B+（ LAVE1- RAVE1）； / 藍(lán)色分量,I k2R= I k2R+（

7、 LAVE2- RAVE2）； / 紅色分量,I k2G= I k2G+（ LAVE3- RAVE3）； / 綠色分量（3） 求出左右圖像在拼縫邊上灰度的極值依據(jù)搜索最佳鑲嵌邊過程得到的數(shù)組 avalue，分別比較得到所有鑲嵌點在兩張圖像中各顏色分量的最大值和最小值，即lmax1,lmax2,lmax3,lmin1,lmin2,lmin3,rmax1,rmax2,rmax3,rmin1,rmin2,rmin3（l 表示第一張圖像， r 表示第二張圖像， max 表示最大值， min 表示最小值，1、2、3 表示藍(lán)、紅、綠三顏色分量） 。（4） 對整幅右圖像作反差拉伸先依據(jù)第（ 3）步得到的結(jié)果

8、分別計算出三顏色分量線性拉伸的斜率和截距，再分別對三顏色分量作線性拉伸。以藍(lán)色分量為例，其線性拉伸的斜率為：fA1=(lmax1-lmin1)/(rmax1-rmin1);截距為fB1=-fA1*rmin1+lmin1;拉伸公式為, ,I k2B = fA1*I k2B + fB1;D邊界線平滑經(jīng)過亮度和反差調(diào)整之后，拼縫仍然比較明顯，必須進(jìn)行邊界線平滑，使拼縫削弱。在鑲嵌點兩邊各選 n 個像元，這樣平滑區(qū)每一行有 s=2*n-1 個像元。按下式分別計算每一行上平滑后各像元三顏色分量的值（以藍(lán)色分量值 I k2B 為例）：I kB1j；j< i-(s-1)/2IkBj=IkB2j；j&g

9、t; i-(s-1)/2Pj1 *IkB1 + Pj2* IkB2；i-(s-1)/2ji-(s-1)/2權(quán)值 P 按下式計算：Pj1= ( ij + (s+1)/2 )/( s +1 )；Pj2= ( (s+1)/2 i + j)/( s +1 )；以上各式中，j表示行號 ,i=avaluej為第j行鑲嵌點的列號，I kB1j、I kB2j分別為第一、二張圖像的藍(lán)色分量的值。將上述結(jié)果賦給新圖像，便得到鑲嵌結(jié)果圖像。三 K 均值分類第一步： 適當(dāng)選區(qū) m個類別的初始中心 Z1(1)(1)(1)。初始中心的選擇一般有、 Z2、 Zm如下幾種方法：1）根據(jù)問題的性質(zhì)， 根據(jù)經(jīng)驗確定類別數(shù)m，從數(shù)

10、據(jù)中找出從直觀上看來比較適合的m個類別的初始中心。2）將全部數(shù)據(jù)隨機(jī)地分為m個類別，計算每類的重心，將這些重心作為m個類別的初始中心。初始中心的選擇對聚類有一定的影響，因此要根據(jù)需要選擇較為合適方法。第二步： 在 k 次迭代中， 對任一樣本 X 調(diào)整到 m個類別中的某一類別中去。對于所有的i j ， i=1 ， 2， 3， m，如果 |X-Zj(k) |<|X-Zi(k) | ，則 X Sj (k) ，其中 Sj (k) 是以 Zj (k)為中心的類。(k)(k+1)第三步： 由第二步得到Sj類新中心Sj，其表達(dá)式為：式中， Nj 為 Sj (k) 類中的樣本。 Zj (k+1) 是按照

11、使 J 最小的原則確定的，J 的表達(dá)式為：(k+1)2J= |X-Zj|第四步： 對于所有的i=1 ， 2， m，如果Zi (k+1) =Zi (k) , 則迭代結(jié)束，否則轉(zhuǎn)到第二步繼續(xù)進(jìn)行迭代。流程圖：四、圖像的腐蝕運算原理及編程算法腐蝕運算的原理腐蝕的運算原理是：將 B 在 A 的坐標(biāo)系下進(jìn)行移動，如果 B 包含于 A ，就記下這個點(結(jié)構(gòu)元素原點)a，那么有滿足上述條件的a 點組成的集合稱作A 被 B 腐蝕的結(jié)果。腐蝕運算是圖像集合A 用結(jié)構(gòu)元素B 來腐蝕如下圖（腐蝕運算示意圖）效果：圖像集合A結(jié)構(gòu)元素 B腐蝕后的圖像 （矩形區(qū)域黑白兩部分）腐蝕運算示意圖這種腐蝕的方法是，對二值圖像，拿

12、 B 的原點和 A 上的點（黑點一個一個比較）如果 B 上的所有（黑點）都在 A 的范圍（黑點）內(nèi)，則該點保留，否則刪去。腐蝕的結(jié)果是腐蝕后的圖像集合 A的黑色部分都在原來 A 的黑色部分的范圍內(nèi)， 只是比原來的黑點少了一圈，因此稱之為腐蝕。腐蝕的編程實現(xiàn)算法思想結(jié)構(gòu)元素的選取算法思想：對于水平、垂直和全方向的結(jié)構(gòu)元素都是可以看成是矩形結(jié)構(gòu)，因此在編程算法上可以用類似 1X3 ， 3X1 ， 3X3 的模板進(jìn)行實現(xiàn)，選取不同類型的結(jié)構(gòu)元素只需要對模板的寬、高取不同的值即可實現(xiàn)。這樣就把不同方向的結(jié)構(gòu)元素的算法統(tǒng)一起來了。圖像集合 A 數(shù)據(jù)的獲?。横槍?bmp 圖像的數(shù)據(jù)特點， 可以用指針及指針

13、的平移實現(xiàn)對圖像集合A 的數(shù)據(jù)的獲取，對灰度圖像一個像素只需要一個指針來獲取像素的灰度級，對彩色圖像一個像素需要三個指針來保存該像素的BGR 三種顏色的對應(yīng)灰度級。腐蝕實現(xiàn)的算法思想：結(jié)構(gòu)元素的原點在圖像集合中按一定順序移動，對于圖像集合A 中的黑點部分，當(dāng)結(jié)構(gòu)元素移動到黑色部分的邊緣的時候，用指針依次中讀取在結(jié)構(gòu)元素范圍內(nèi)的圖像集合A 的灰度級，當(dāng)發(fā)現(xiàn)其中有一個是白點時，即灰度級為255，則把圖像集合A 對應(yīng)于結(jié)構(gòu)元素原點的那個像素設(shè)成白點，即灰度級由原來的0 賦值為255；當(dāng)結(jié)構(gòu)元素中的對應(yīng)圖像集合的點全為黑點或者全為白點時，不對圖像集合做任何改正。對彩色圖像同灰度圖像理，唯一的區(qū)別是必須

14、保存三種顏色的灰度級值，即使他們在二值化后都是一樣的值，判斷黑白點是可以只拿出一種顏色來判斷即可。五、植被指數(shù)比值植被指數(shù)：RVI=IR/RED歸一化差異指數(shù)：ND= （ IR-RED ）/（IR+RED ）垂直植被指數(shù)：PVI=(S R-VR)2+(SNIR-VNIR)2)1/2差值 環(huán)境植被指數(shù)：DVI=IR-RED調(diào)整土壤亮度植被指數(shù)：SAVI=(NIR-R)/(NIR+R+L)(1+L)變化檢測基于像素光譜的變化檢測、基于分類的變化檢測六 幾何糾正遙感圖像多項式糾正的一般過程為：(1) 明確糾正次數(shù)，確定糾正公式。(2) 根據(jù)地面控制點和對應(yīng)像點坐標(biāo)進(jìn)行平差計算變換參數(shù)，評定精度。(3

15、) 確定糾正后數(shù)字圖像的邊界范圍，把原始數(shù)字圖像逐個像素變換到圖像貯存空間中去。(4) 數(shù)字圖像的灰度重采樣。IDODATA第一步：將個模式樣本 ,i=1,2,3 , , 讀入。第二步：將 N個模式樣本分給最近的聚類，假如Dj=min( x-zj ,i=1,2, ,),即 x-zj 的距離最小，則 x Sj。第三步：如果 Sj中的樣本數(shù) Nj< n,取消樣本子集。第四步：修正聚類中心值j=1,2, ,第五步：計算各聚類域Sj中諸聚類中心間的平均距離：第六步：計算全部模式樣本對其相應(yīng)聚類中心的總平均距離：第七步：判別分裂、合并及迭代運算等步驟：如迭代運算次數(shù)已達(dá)I 次，即最后一次迭代，置c

16、 = 0, 跳到第十一步，運算結(jié)束。如 K/2，即聚類中心的數(shù)目等于或不到規(guī)定值的一半，則進(jìn)入第八步，將已有的聚類分裂。如迭代運算的次數(shù)是偶次，或 2K ，不進(jìn)行分裂處理，跳到第十一步；如不符合以上兩個條件（即既不是偶次迭代，也不是2K ），則進(jìn)入第八步，進(jìn)行分裂處理。分裂處理：第八步：計算聚類樣本距離的標(biāo)準(zhǔn)差向量：第九步：求每一標(biāo)準(zhǔn)差向量 ， j=1,2, ， 中的最大分量，以 j=1,2, ， 代表。第十步：在任一最大分量集 j=1,2, ， 中，如有 > S（該值給定），同時又滿足以下二條件中之一：(a)，即 Sj 中樣本總數(shù)超過規(guī)定值一倍以上，（ b） Nc K/2 ，則將 Zj

17、 分裂為兩個新的聚類中心,且加 1。中相當(dāng)于的分量，可加上k jmax ，其中0< k 1；中相當(dāng)于的分量，可減去k jmax 。如果本步完成了分裂運算，則跳回第二步；否則，繼續(xù)。第十一步：計算全部聚類中心的距離：,i=1,2, -1j=i+1,第十二步：比較與 c 值，將<c 的值按最小距離次序遞增排列，即,式中，<<<。第十三步：如將距離為Di1j1 的兩個聚類中心zi1 和 zj1 合并，得新中心為l=1,2,，L式中，被合并的兩個聚類中心向量，分別以其聚類域內(nèi)的樣本數(shù)加權(quán)，使為真正的平均向量。第十四步：如果是最后一次迭代運算（即第I 次），算法結(jié)束。否則G

18、OTO 第一步 如果需由操作者改變輸入?yún)?shù)；或GOTO 第二步 如果輸入?yún)?shù)不變。加權(quán)融合目前，數(shù)據(jù)融合理論己廣泛應(yīng)用于狀態(tài)估計領(lǐng)域，其中加權(quán)融合算法又是較為成熟的一種，許多研究結(jié)果己經(jīng)證明該算法的最優(yōu)性、 無偏性、均方誤差最小等特性。加權(quán)融合算法的關(guān)鍵在于權(quán)系數(shù)的確定，基于像元的加權(quán)融合對兩幅圖像Ii ,Ij 按下式進(jìn)行：I'=A（ PIi+Pj*I） +B（ 1）iji*j其中： A， B 為常數(shù)； Pi， Pj 為兩個圖像的權(quán)，其值由下式?jīng)Q定：Pi=（ 1-|r ij |） 0.5Pj=1- Piri,j 為兩幅圖像的相關(guān)系數(shù)：rijij（計算公式同式（2）ij在對 SPOT 全色圖像與其多光譜圖像的融合時，由于多光譜中的綠、 紅波段與全色波段相關(guān)性較強(qiáng)， 而與紅外波段相關(guān)性較小， 可以采用全色波段圖像與多光譜波段圖像的相關(guān)系數(shù)來融合。其過程如下：分別計算全色波段與多光譜波段圖像的相關(guān)系數(shù)；m n_j( PKLP )(SKLiS j )r jk 1 L 1（2）p jmnmn_1 / 2(