圖像處理(增強(qiáng))

第4章遙感圖像處理4.1光學(xué)原理與光學(xué)處理4.2數(shù)字圖像概念4.3數(shù)字圖像的校正4.4數(shù)字圖像增強(qiáng)4.5多元信息復(fù)合4.6遙感圖像計(jì)算機(jī)分類4.4數(shù)字圖像增強(qiáng)

（ImageEnhancement）一.對(duì)比度變換（contrastconversion

）也稱為輻射增強(qiáng)，或直方圖拉伸對(duì)比度變換：通過改變圖像像元的亮度值來改變對(duì)比度，從而改善圖像質(zhì)量的圖像處理方法。直方圖：以橫坐標(biāo)代表像元的亮度值，縱坐標(biāo)代表某一亮度或亮度間隔的像元數(shù)的統(tǒng)計(jì)圖。從直方圖的形態(tài)可以判斷圖像的質(zhì)量。一.對(duì)比度變換一.對(duì)比度變換1.線性變換線性變換：按比例擴(kuò)大原始亮度值的范圍。將過于集中的像元分布區(qū)域擴(kuò)展開來，增加圖像表現(xiàn)的層次性。[a1，a2][b1，b2]變換函數(shù)為直線方程：一.對(duì)比度變換1.線性變換xbb2線性變換分段線性變換xbxaxab1a1a2b0b1b2b3a0a1a2a3一.對(duì)比度變換2.非線性變換

變換函數(shù)為非線性函數(shù)，即對(duì)暗區(qū)與亮區(qū)不同比例地?cái)U(kuò)展，常用的有：指數(shù)變換——指數(shù)函數(shù)對(duì)數(shù)變換——對(duì)數(shù)函數(shù)查表法1.對(duì)比度變換2.非線性變換指數(shù)變換（突出亮區(qū)，壓制暗區(qū)）對(duì)數(shù)變換（突出暗區(qū)，壓制亮區(qū)）xbb2xab1a1a2xbb2xab1a1a2一.對(duì)比度變換1.對(duì)比度變換3.直方圖變換A.直方圖均衡（Histogramequalization）

1.對(duì)比度變換1.對(duì)比度變換3.直方圖變換A.直方圖標(biāo)準(zhǔn)化（Histogramnormalization

）4.4數(shù)字圖像增強(qiáng)二.空間濾波（鄰區(qū)法處理）空間濾波：通過處理像元與其周圍相鄰像元的關(guān)系，突出圖像上某些特征的圖像處理方法。圖像卷積運(yùn)算：選定一“模板”（即濾波器）作為卷積函數(shù)，將模板對(duì)應(yīng)像元內(nèi)的灰度值與模板像元亮度值對(duì)應(yīng)相乘后相加，然后將計(jì)算結(jié)果作為窗口中心的像元的灰度值。

卷積運(yùn)算空間濾波處理：對(duì)數(shù)字圖像中各行或各列所構(gòu)成的復(fù)式波形曲線，通過濾波算子將其分解成不同頻率的簡單波形曲線，根據(jù)需要選擇適宜的頻率波形曲線，重新構(gòu)成新的圖像。亮度值像元濾波器高通濾波低通濾波

二.空間濾波（Spatialfiltering

）二.空間濾波1.平滑（低通濾波）：消除變化過大的區(qū)域，使亮度平緩或去掉不必要的“噪聲”點(diǎn)。均值濾波卷積運(yùn)算公式：二.空間濾波模板（3×3）：或均值濾波均值濾波均值濾波前均值濾波后中值濾波卷積運(yùn)算法則：取窗口內(nèi)所有像元亮度值的中值為中間像元的亮度值。1×3模板均值濾波與中值濾波圖象亮度階梯狀變化時(shí)——均值平滑圖象中有突出亮點(diǎn)噪聲——中值平滑二.空間濾波2.銳化（高通濾波）：突出圖像中亮度變化大的細(xì)節(jié)。如突出邊緣和線性地物等。經(jīng)銳化后，原遙感圖像只保留邊緣的信息。二.空間濾波羅伯特梯度：=│t1│+│t2│二.空間濾波索伯爾梯度：=│t1│+│t2│二.空間濾波拉普拉斯算法二.空間濾波3.定向檢測：檢測垂直邊界或二.空間濾波3.定向檢測：檢測水平邊界或二.空間濾波3.定向檢測：檢測對(duì)角線邊界t（m，n）=，

彩色合成TM432圖地物邊界形狀信息水平線性地物信息垂直線性地物信息4.4數(shù)字圖像增強(qiáng)三.彩色變換人眼對(duì)色彩有較強(qiáng)的識(shí)別力，因此往往將黑白影像處理后賦予各種顏色。三.彩色變換三.彩色變換1.單波段彩色變換：彩色密度分割將一幅圖像的亮度值分成若干個(gè)等級(jí)，每個(gè)等級(jí)以不同的顏色來表示。

DEM數(shù)字高程圖像偽彩色坡度分割圖偽彩色高度分割圖三.彩色變換2.多波段彩色變換：彩色合成RGBColorComposite

真彩色合成（naturalcolorcomposite.）：TM321假彩色合成（falsecolorcomposite）：標(biāo)準(zhǔn)假彩色合成：TM432其他：TM453，TM742

彩色合成TM321圖欽州市

彩色合成TM432圖欽州市

彩色合成TM742圖欽州市TM1TM4TM7754TM2TM5321543645TM3TM6432742643423南寧NDVI2000與2006年兩時(shí)相假彩色合成圖紅色---植被指數(shù)減少青色---植被指數(shù)上升灰色、黑色---植被指數(shù)不變R:1998NDVIG:2006NDVIB:2006NDVI三.彩色變換3.HLS變換：hue，lightness，saturationHLS變換：將RGB模式轉(zhuǎn)換為HLS模式。H：0°—360°紅、黃、綠、青、藍(lán)、品L：0——1黑——白S：0——1極不純——純S=0時(shí)，H無定義，為黑或灰或白

S=1時(shí)，L=0.5

三.彩色變換對(duì)于RGB：三種顏色混合相加。其亮度分別為LR，LG，LB.

設(shè)：

Lmax=max（LR，LG，LB）Lmin=min（LR，LG，LB）三.彩色變換對(duì)于HLS：明度L=（Lmax+Lmin）/2

當(dāng)Lmax=Lmin

時(shí)，即LR=LG=LB，色調(diào)為灰色，H無定義，S=0

三.彩色變換飽和度S=（Smax-Smin）/（Smax+Smin）（L≤0.5）

或=（Smax-Smin）/(（1-Smax)+(1-Smin）)（L＞0.5）

三.彩色變換色調(diào)H

=60(HG-HB)/△H（當(dāng)HR=HRrmax）黃—品或=60(2+(HB-HR)/△H)（當(dāng)HG=HGrmax

）青—黃或=60(4+(HR-HG)/△H（當(dāng)HB=HBmax）

品—青式中：△H=（Hmax-Hmin）4.4數(shù)字圖像增強(qiáng)四.圖像運(yùn)算（ArithmeticOperations）利用兩幅或多幅已經(jīng)完成空間配準(zhǔn)的不同波段的影像，進(jìn)行加、減、乘、除四則混合運(yùn)算，達(dá)到提取或去掉某些信息的目的。四.圖像運(yùn)算1.差值運(yùn)算:

fD(x,y)=f1(x,y)－f2(x,y)紅外波段－紅光波段:突出植被信息事件發(fā)生前后相減:動(dòng)態(tài)監(jiān)測錯(cuò)行(列)后相減:邊緣增強(qiáng)，四.圖像運(yùn)算2.比值運(yùn)算：

fR(x,y)=f1(x,y)/f2(x,y)植被指數(shù)：近紅外/紅或(近紅外-紅)/(近紅外+紅)用于突出植被特征,提取植物類別或估算生物量。四.圖像運(yùn)算2.比值運(yùn)算：TM1/TM2,可以消除地形的影響。亮度值TM1TM2TM1/TM2陽坡砂巖28430.65陰坡砂巖22340.651998年南寧NDVI2006年南寧NDVI<-0.1-0.1-0.10.1-0.20.2-0.30.3-0.40.4-0.5>0.54.4數(shù)字圖像增強(qiáng)五.多光譜變換對(duì)遙感圖像實(shí)行線性變換。多光譜空間就是一個(gè)n維坐標(biāo)系，每個(gè)坐標(biāo)軸代表一個(gè)波段，每個(gè)像元點(diǎn)的位置可表示為一個(gè)n維向量X，每個(gè)分量xi為該點(diǎn)在第i個(gè)坐標(biāo)軸上的投影，即亮度值。五.多光譜變換K-L變換主成分變換（PrincipalComponentAnalysis

）K-T變換纓帽變換（TasseledCapAnalysis）

K-L變換（主成分分析）K-L變換，也稱主成分變換。它是對(duì)多光譜圖像X進(jìn)行K-L變換，得到矩陣A，而后進(jìn)行線性組合，產(chǎn)生新的光譜圖像Y，公式為： Y=A·X式中:X—原圖像像元的光譜矢量；

Y—變換后主分量空間的光譜矢量；

A—變換矩陣經(jīng)過K-L變換后，新圖像Y中的各yi之間具有最小相關(guān)性。

K-L變換（主成分分析）多光譜圖像中，各波段數(shù)據(jù)間存在相關(guān)的關(guān)系，利用主成分分析法將原圖像中所含的大部分信息用虛擬的少數(shù)波段來表示。x1x2y1在多波段數(shù)據(jù)彩色合成中，能夠同時(shí)被感知僅限于三個(gè)波段RGB，因此通常利用主成分分析法將多波段數(shù)據(jù)壓縮到三個(gè)波段。

K-L變換（主成分分析）x1x2y1y2

K-L變換（主成分分析）對(duì)n維的原始圖像向量X，作如下的線性變換:

Y＝A·X

A－n×n正交矩陣

Y－n維新的圖像特征向量其中:Y中n′（≤n）個(gè)特征為“有效特征”，剩余的n-n′個(gè)為“噪聲特征”。A的確定：通過計(jì)算X的協(xié)方差矩陣的特征值λ和特征向量求得。

K-L變換（主成分分析）經(jīng)變換后，新向量的各分量之間具有最小相關(guān)性。第一主成分集中了最大的信息量，前三個(gè)主成分集中了原向量的大部分的信息量，可以用前幾個(gè)主成分向量代替原向量，從而實(shí)現(xiàn)了降維處理。當(dāng)特征值λi>>λi+1，便可舍去yi+1特征。

K-T變換（纓帽變換）

K-T變換，也稱纓帽變換。也是一種線性變換。主要針對(duì)MSS、TM圖像數(shù)據(jù)進(jìn)行，其變換公式為： Y=B·X式中:X—原圖像像元的光譜矢量；

Y—變換后主分量空間的光譜矢量；

B—變換矩陣。對(duì)于MSS變換矩陣為4×4，TM變換矩陣為6×6。

K-T變換（纓帽變換）B的確定：經(jīng)長期研究，由專家提出。對(duì)于TM數(shù)據(jù)：B=

0.300.280.470.560.510.19-0.28-0.24-0.540.720.08-