使用ERDAS对img图像进行批量重投影
ARCGIS 批量添加投影信息ERDAS img转格式为tif 调色后，失去了投影信息！可以用arcgis 中的toolboxs 工具箱里的sample-> define Project，工具批量添加投影信息。
ERDAS 批量裁剪影像：条件：N多幅影像按照标准图框裁剪
1、mosaic tools ，添加所有影像；
2、用most nadir cutline 生成图幅形状裁剪线，
3、在output Image options 里，method：polygon vector file 使用标准分幅图框(shp文件），output multiple polygon to: multiple files 。
条件：一副影像裁剪成多幅标准图幅。只要在上面去掉第二步不要裁剪线即可。
使用ERDAS对img图像进行批量重投影
最近要对1000多张图像进行批量的重投影，网上搜呀搜的，也没有找到，后来看着erdas的帮助文档，结合党安荣老师编的《ERDAS IMAGINE遥感图像处理方法》，终于解决了！哈哈……为了庆祝一下，特留文纪念！以下是操作步骤：1. 启动erdas，点击DataPrep模块 Reproject Images…如图1、图2所示
图1
图2 重投影界面2. 在图2界面上设置好参数，如图3所示.
图3 参数设置界面
4、图3参数设置完成，注意，千万不要点击OK，否则前功尽弃。点击图中的Batch，出现如图4所示的界面，选中中间的那个Modify commands manually，然后点击Next
图4
5.在下图中选中红色所示的部分
结果如下图所示，左下角的下拉框出现Input，再点击Next
出现下图所示红色标示的部分，添加所有的影像。，
随后点击Finish,出现下图所示：
此进度条完成时，就是你成功之日！
来自：https://www.360docs.net/doc/ad9026141.html,/shidagis/blog/item/ded3b3f4a8ce8ad4f3d3856e.html
用图像的投影数据进行重建程序
用图像的投影数据进行重建程序 宋利国赵向阳王春蔡国宝 摘要 本文通过引入Radon 变换来应用于CT图像重建问题，并且给出 Radon 变换在图像重建中的具体形式，并对滤波（卷积）逆投影法作了详细的研究，介绍其重建的基本思想和算法原理将问题转化为求解函数积分的形式。最后本文设计了一个人体脑部图像重建例子，通过matlab仿真说明如何投影才能重建准确的图像。 关键词：CT；图像重建；Radon变换；滤波逆投影法；matlab
1.问题重述 计算机断层成像技术（CT）是一种非介入式的检测技术，它极大地增强了人类观察物体内部结构的能力，在许多科学领域都得到了应用。特别在医学研究诊断中，它被用来作为一种获取人体内部信息的有效手段。我们在查阅许多资料，了解了CT成像的原理的基础上，选择采用在医学CT领域中的应用较为广泛，也是最基本最常用的图像重建算法──滤波逆投影法进行模型的仿真。 CT的工作原理就是投影重建（投影图像重建）。投影重建一般指从一个物体的多个（轴向）投影重建目标图像的过程。CT成像的基本数学原理是Radon 变换及其逆变换。目前，Radon变换及其逆变换是图像处理中的一种重要研究方法，许多图像重建便是有效地利用了这种方法，它不必知道图像内部的具体细节，仅利用图像的摄像值即可很好地反演出原图像。滤波逆投影法是当前用得较多的一种图像重建方法，在当代X 射线CT系统中几乎都用这种方法构成系统。它的特点是精度高，能快速实现。对于大量精确的投影数据来说，这是一种具有高效率的重建算法。滤波逆投影法又叫卷积逆投影法。这是因为频域上的滤波相当于空间域上的卷积运算。 我们通过引入Radon 变换来应用于CT图像重建问题，并且给出 Radon 变换在图像重建中的具体形式，对截面函数沿着特定直线进行积分就是它的 Radon 变换。滤波—逆投影法图像重建就是将截面函数沿若干个不同的角度下的特定直线进行积分产生的投影函数进行逆变换就得到了截面函数。滤波—反投影法能正确重建物体内部的吸收值图像，它把投影值按投影路线反过去赋予该路线上所有像元，使吸收值增加了该射线所经过的像元数目的倍数，经各个角度的投影反投回去与之叠加，最后能重建断面的图像。但由于反投影把投影路径的各处皆赋予该投影值，导致边缘较为模糊，所以通常把投影数值与某种校正函数卷积后再反投影，就能获得边缘清晰的图像。因为其中涉及到滤波函数的选取，也称为滤波反投影法。该重建方法兼顾了重建时间和重建质量两个方面，是医学上应用的最广泛的一种图像重建算法。 CT是X线照相术与复杂的计算机信号处理方法结合的产物，无论在医学放射诊断方面，还是在工业领域中均有着广泛的应用。采用滤波逆投影法成像技术，主要是因为医用CT可以采集到大量密集的投影数据，利用滤波逆投影法成像技术可以快速地得到具有一定质量的重建图像。 2.问题分析 2.1内容的选取 滤波逆投影法图像重建技术在医用CT 应用中的基本原理是由测量到的穿过人体横截面沿着许多直线的X 射线减的数据,重建出人体横截面的图像，是一种获取人体内部信息的有效手段，极大地增强了人类观察物体内部结构的能力，在医学成像方面发挥了巨大的作用。现代CT 成像的数学原理是Radon 变换及其逆变换。该变换是由函数在直线的线积分值来确定的,其逆变换就是由函数在空间所有直线上的线积分值确定这一函数（此函数对应实际中被扫描物体的密度函数或物体对X-射线的衰函数）。相对于早期的联立方程法和投影法克服了庞大的计算量和重建图像模糊精确度低的缺点。 2.2 影响因素的选取 在许多领域中，由于受客观条件的限制，经常会遇到不完全数据重建问题。
ERDAS的操作手册
ERDAS的操作手册 纠正，融合，镶嵌是遥感处理中比较常见的三种处理方法。对于初学遥感的人来说，掌握这三种方法是十分必要的。下面，我们通过一些实例，在ERDAS 中的操作，来分别介绍这三种处理方法。 1、纠正 纠正又叫几何校正，就是将图像数据投影到平面上，使其符合地图投影系统的过程；而将地图坐标赋予图像数据的过程，称为地理参考（Geo-referencing）由于所有地图投影系统都遵从于一定的地图坐标系统，所以几何校正包含了地图参考。 （1）启动 在ERDAS中启动几何校正有三种方法： A、菜单方式 B、图标方式 C、窗口栅格操作 窗口启动这种方法比较常用，启动之前在窗口中打开需要纠正的图像，然后在栅格操作菜单中启动几何校正模块。建议使用这种启动方法，更直观简便。
（2）设置几何校正模型 常用模型：功能 Affine 图像仿射变换（不做投影变换） Camera 航空影像正射校正 Landsat Landsat卫星影像正射校正 Polynomial 多项式变换（同时做投影变换） Rubber Sheeting 非线性、非均匀变换 Spot Spot卫星图像正射校正 其中，多项式变换（Polynomial）在卫星图像校正过程中应用较多，在调用多项式模型时，需要确定多项式的次方数（Order），通常整景图象选择3次方。次方数与所需的最少控制点数是相关的，最少控制点数计算公式为（（t+1）*（t+2））/2，公式中t为次方数，即1次方最少需要3个控制点，2次方需要6个控制点，3次方需要10个控制点，依此类推。
（3）几何校正采点模式 A、Viewer to Viewer 已经拥有需要校正图像区域的数字地图、或经过校正的图像，就可以采用Viewer to Viewer的模式。 B、File to Viewer 事先已经通过GPS测量、或摄影测量、或其它途径获得了控制点坐标，并保存为ERDAS IMAGINE的控制点格式或ASCII数据文件，就可以采用File to Viewer模式，直接在数据文件中读取控制点坐标。 C、Map to Viewer 只有印制地图或坐标纸，则只好采用Map to Viewer的模式，在地图上选点并量算坐标，然后通过键盘输入坐标数据。 最常用的是第一种模式，视图对视图的窗口采点模式。
遥感数字图像处理
遥感数字图像处理-要点 1．概论 遥感、遥感过程 遥感图像、遥感数字图像、遥感图像的数据量 遥感图像的数字化、采样和量化 通用遥感数据格式（BSQ、BIL、BIP） 遥感图像的模型：多光谱空间 遥感图像的信息内容： 遥感数字图像处理、遥感数字图像处理的内容 遥感图像的获取方式主要有哪几种? 如何估计一幅遥感图像的存储空间大小? 遥感图像的信息内容包括哪几个方面？ 多光谱空间中，像元点的坐标值的含义是什么？ 与通用图像处理技术比较，遥感数字图像处理有何特点？ 遥感数字图像处理包括那几个环节？各环节的处理目的是什么？ 2.遥感图像的统计特征 2.1图像空间的统计量 灰度直方图：概念、类型、性质、应用 最大值、最小值、均值、方差的意义 2.2多光谱空间的统计特征 均值向量、协方差矩阵、相关系数、相关矩阵的概念及意义波段散点图概念及分析 主要遥感图像的统计特征量的意义 两个重要的图像分析工具：直方图、散点图 3.遥感数字图像增强处理 图像增强：概念、方法 空间域增强、频率域增强 3.1辐射增强：概念、实现原理 直方图修正，线性变换、分段线性变换算法原理 直方图均衡化、直方图匹配的应用 3.2空间增强 邻域、邻域运算、模板、模板运算 空间增强的概念 平滑（均值滤波、中值滤波）原理、特点、应用 锐化、边缘增强概念
方向模板、罗伯特算子、索伯尔算子、拉普拉斯算子的算法和特点? 计算图像经过下列操作后，其中心象元的值： – 3×3中值滤波 –采用3×3平滑图像的减平滑边缘增强 –域值为2的3×1平滑模板 – Sobel边缘检测 – Roberts边缘检测 –模板 3.3频率域处理 高频和低频的意义 图像的傅里叶频谱 频率域增强的一般过程 频率域低通滤波 频率域高通滤波 同态滤波的应用 3.4彩色增强 彩色影像的类型：真彩色、假彩色、伪彩色
ERDAS遥感图像处理教程,绝对给力
《遥感数字图象处理实验指导书》 实习须知 实验室资源： 1 硬件设备： 局域网系统； 高级PC 计算机（每人一台，在规定时间使用）； 2 软件系统 Windows 2000 或Windows XP ERDAS IMAGINE 8.6 ArcToolbox ArcMap Microsoft Word Microsoft Excel Zip program 3 数据资源 数据源： ERDAS IMAGINE 8.6软件附带的examples； XX地区TM、ETM、Spot遥感数据 XX区部分矿山企业基础数据
实习目的与内容 1 实习目的 本实习为已具有RS的基本概念和理论基础的学生设计，目的是帮助学生在了解RS基本组成与数据结构模型的基础上，重点学习使用ERDAS IMAGINE8.6软件进行视窗操作、数据数据预处理、图像解译、图像分类和矢量功能；了解地图投影系统的使用；学习多种数据输入的方法，不同数据格式转换，数据库模式的定义等多种前后期处理工作；掌握遥感图像前后处理和解译、分类地理的技术流程和方法，数据库建设以及地理数据的编辑和管理；配合具体实例运用GIS空间分析工具。通过系列实习过程，重点培养学习者掌握RS提取信息的基本过程和技巧，并可初步用来解决运用遥感提取信息的问题。 2 实习内容 实习1：ERDAS IMAGINE 8.6系统简介与入门；包括：软件概述，视窗操作中的菜单工具条的介绍，数据的输入输出。 实习2：数据预处理；包括：图像分幅剪裁，图像几何校正，图像拼接处理，图像投影变换； 实习3：图像解译；包括功能简介，辐射增强处理（去霾处理）、常用的光谱增强处理（假彩色合成与指数计算）、空间增强处理（分辨率融合）。 实习4：图像分类；包括；非监督分类和监督分类，专家分类器（在高级练习中学习） 实习5：地理信息系统分析和矢量功能介绍，综合运用GIS工具解决实例提出的问题。 实习6：专题制图输出全过程学习。 3 本书有关约定 实习所用原始数据存放在%sampledata目录下；
CT图像重建
昆明理工大学信息工程与自动化学院学生实验报告 （ 2009—2010学年 第 一 学期 ） 课程名称：医学成像系统与放射治疗装置 开课实验室： 3208 2008 年 12 月24 日 一、实验目的与意义 医学成像技术是生物医学工程专业的一门重要的专业课程,课程主要涉及X 光仪器，CT 仪器，MRI 仪器和核医学仪器的工作原理及成像方法。其中CT 算法的出现又为后来数字化医学成像技术的发展提供了基础。该门课程为生物医学工程专业的专业基础课。 CT 技术是医学成像系统中的一种重要手段。它通过特定的算法，利用计算机的高速运算功能，可以在短时间内快速呈现人体断层图像。让学生练习CT 图像的重建有助于学生理解CT 算法的内容，熟悉数字图像重建的过程。同时也能培养学生的团队精神和解决实际问题的能力。 二、实验算法原理 1、MATLAB 处理数字图像的基本函数； 2、X-CT 三维图像重建的基本算法。 CT 图象重建有四种基本的算法:矩阵法,迭代法,傅立叶算法,反投影算法.我们采用的方法为卷积反投影. 卷积反投影有:平行光束投影的卷积反投影算法, 等角扇形光来投影的重建算法. 1）.平行光束投影的卷积反投影算法 从投影重建三维物体的图像，就是重建一个个横断面。这样三堆图像的重建就归结为二维图象的重建。二维图像的重建问题可以从数学上描述如下。 假定),(y x g 表示一个二维的未知函数，通过),(y x g 的直线称为光钱(见图2．1)。沿光线),(y x g 的积分称作光线积分。沿相同方向的一组光线积分，就构成一个投影。图2．1中垂直于直线' CC (与X 轴夹角为 )的光线所形成。
基于erdas的图像增强处理
图像增强处理 ●实习目的：掌握常用的图像增强处理的方法 ●容：空间、辐射、光谱增强处理的主要方法 ·空间增强：包括卷积增强处理、纹理分析 ·辐射增强：LUT拉伸处理、直方图均衡化处理 ·光谱增强：主成份变换、缨穗变换、色彩变换 图像增强处理包括空间、辐射、光谱增强处理，本练习做几种常用的增强处理方法，在实际运用中，不是所有的图象增强处理方法都要用到，具体采用哪种图象增强处理方法，视具体的研究区域，研究容和对象而定。 一、图像解译功能简介 利用ERDAS IMAGINE进行图像增强主要采用ERADS IMAGINE的图像解译器（Image Interpreter）模块，该模块包含了50多个用于遥感图像处理的功能模块，这些功能模块在执行过程中都需要通过各种按键或对话框定义参数，多数功能都借助模型生成器（Model Maker）建立了图形模型算法，容易调用或编辑。 图像解译器(Image Interpreter或Interpreter)，可以通过两种途径启动： ERDAS图标面板菜单条： Main/Image Interpreter----Image Interpreter菜单（图1.1） ERDAS图标面板工具条：点击Interpreter图标----Image Interpreter菜单（图1.1） 图1.1 Image Interpreter菜单 从上图可以看出，ERDAS图像解译模块包含了8个方面的功能，依次是遥感图像的空间增强（Spatial Enhancement）、辐射增强（Radiometric Enhancement）、光谱增强(SpectralEnhancement)、高光谱工具（Hyper Spectral Tools）、傅立叶交换（Fourier Analysis ）、地形分析（Topographic Analysis）。地理信息系统分析（GlS Analysis）、以及其它实用功能（Utilities）。每一项功能菜单中又包含若干具体的遥感图像处理功能。
ERDAS基本操作入门
ERDAS基本操作入门 1、图像导入 在erdas的Import/Export模块中，分别导入TM图像的第1、2、3、4、5、7波段，具体操作步骤为 ① 点击import模块，打开对话框 ②选择type类型为TIFF ③ media为file； ④ 然后选择输入、输出文件名路径和文件名 ⑤ 分别对123457波段进行导入； ⑥在此之前可以选择session－>preference，选择输入、输出主目录。 2、图像波段合成 在erdas的interpreter模块中将单波段影像进行合成，生成多波段文件，具体操作步骤为： interpreter－>utilities－>layer stack， ① 在出现的对话框中import框中依次选择需要合成的波段，每选择输入一个波段用Add添加一次； ② output file选择导出文件路径及命名文件。 ③ Data type 设为 Unsigned 8 bit； ④Output option 设置为Union ，选中 ignore zero stats； ⑤进行操作。 3、用shape文件进行图像切割 3.1 Shape文件制作AOI文件： ①在ERDAS中点击Import图标，出现Import/Export对话框 ②选中Imput，Type栏选择Shapefile，Media栏选择File，在Input File （*.shp）中确定要转换的shape文件，在Output File（*.arcinfo）中确定输
出路径及名称，单击OK按钮，出现Import Shapefile对话框，单击Import Shapefile Now。 ③注意此步骤中输出路径及输出名称均为英文字母 ④建立拓扑多边形 ⑤在Arcgis中打开ArcToolbox，Data Management Tools—>Topology—>Build，双击Build，出现Build对话框，在Input 中填入*.arcinfo文件的路径，Feature选择Poly ⑥单击OK按钮。 ⑦在ERDAS中打开一个viewer窗口，打开arc coverage文件，新建一个aoi层（New—>AOI Layer） ⑧ View—>Arrange Layers Viewer打开Arrange Layers Viewer对话框，在Vector图层上单击右键，选择Show Properties，打开Properties对话框，选中Polygon，点击Apply按钮。 ⑨在View窗口中打开AOI工具栏，先选中内部区域，再点击，产生aoi，选中该aoi，单击File—>Save—AOI Layer as，保存为aoi文件。 3.2 用AOI文件进行对遥感图像切割 在ERDAS图标面板工具条中单击Data Prep图标，Subset，打开Subset对话框。在Subset对话框中需要设置下列参数： ⑩输入文件名称（Input File） ? 输出文件名称（Output File） ? 单击AOI按钮确定裁剪范围 ? 打开Choose AOI对话框 ? 在Choose AOI对话框中确定AOI的来源为File（或Viewer） ? 如果选择了文件（File），刚进一步确定AOI文件；否则，直接进入下一步 ? 输出数据类型（Output Data Type）为Unsigned 8 Bit，输出文件类型（Output Layer Type）为Themetic ? 输出象元波段（Select Layers）为1 ：6（表示选择1-6六个波段） ? 输出统计忽略零值，选中Ignore Zero In Output Stats复选框
CT图像重建资料讲解
C T图像重建
昆明理工大学信息工程与自动化学院学生实验报告 （ 2009—2010学年第一学期） 一、实验目的与意义 医学成像技术是生物医学工程专业的一门重要的专业课程,课程主要涉及X光仪器，CT 仪器，MRI仪器和核医学仪器的工作原理及成像方法。其中CT算法的出现又为后来数字化医学成像技术的发展提供了基础。该门课程为生物医学工程专业的专业基础课。 CT技术是医学成像系统中的一种重要手段。它通过特定的算法，利用计算机的高速运算功能，可以在短时间内快速呈现人体断层图像。让学生练习CT图像的重建有助于学生理解CT算法的内容，熟悉数字图像重建的过程。同时也能培养学生的团队精神和解决实际问题的能力。 二、实验算法原理 1、MATLAB处理数字图像的基本函数； 2、X-CT三维图像重建的基本算法。 CT图象重建有四种基本的算法:矩阵法,迭代法,傅立叶算法,反投影算法.我们采用的方法为卷积反投影. 卷积反投影有:平行光束投影的卷积反投影算法, 等角扇形光来投影的重建算法. 1）.平行光束投影的卷积反投影算法 仅供学习与交流，如有侵权请联系网站删除谢谢2
仅供学习与交流，如有侵权请联系网站删除 谢谢3 从投影重建三维物体的图像，就是重建一个个横断面。这样三堆图像的重建就归结为二维图象的重建。二维图像的重建问题可以从数学上描述如下。 假定),(y x g 表示一个二维的未知函数，通过),(y x g 的直线称为光钱(见图2．1)。沿光线),(y x g 的积分称作光线积分。沿相同方向的一组光线积分，就构成一个投影。图2．1中垂直于直线'CC (与X 轴夹角为θ)的光线所形成。 图2.1 ),(y x g 在θ方向的投影)(t P θ 的投影)(t P θ，称之为),(y x g 在θ方向的投影。光线积分和投影在数学上可以定义如下： 在图2.1中直线AB 的方程为： 1sin cos t Y X =+θθ (2.1) 其中1t 是AB 到原点的距离，),(y x g 沿AB 的积分为： dxdy t y x y x g ds y x g t P AB )sin cos (),(),()(11-+==??+∞ ∞-θθδθ (2.2) 对于给定的θ，),(y x g 在θ方向的投影)(t P θ是t 的函数。如果),(y x g 在各个方向的投影已知，),(y x g 就可以唯一确定。下面就讨论卷积反投影重建算法。
ERDAS详细操作
目录 1. 影像阅读 2. 遥感影像分幅裁剪与拼接处理 3. 影像几何校正及正射影像制作 4. 影像增强
1. 影像阅读 1.1 设置erdas的各种默认参数 1)在ERDAS IMAGINE的主菜单栏上找到sessio n→Preferences,单击出现Preferences editor对话框。 2)通过拖动Category的滚动条，可以看到右方对应出现的各个参数，同时也可以在文本编辑处修改这些参数。 3)在Category下选择Viewer,拖动滚动条查看它的各种参数。 4)查看Category的帮助信息。点击右下方的“help”和“Category Help”，则出现以下的界面，如果有不懂的地方我们就可以通过这个帮助信息寻求答案。 1.2 显示图像 1)在ERDAS主菜单上点击图标，新建一个经典窗口，如下图： 2)在Viewer界面上点击File→Open →Raster Layer，在默认路径中打开lanier.im g。
3)点击Raster Options栏设置图层的红绿蓝三个波段的分配。将原来的4 3 2 改 为4 5 3后，图象的色调明显变化了。 1.3 查询像素信息 1)使用查询功能 选择Utility→Inquire Cursor出现下图中的对话框,通过左下方的四个三角形的符号来分别调整查询指针的上下左右的位置,圆圈表示使查询指针回到中心处,指针的移动,其中的 X和Y坐标的数值也会跟着作相应的变化。指针所指的像素的信息被显示在单元格里。
选择Utility→Inquire Color,选择为黄色，则查询指针的十字框的颜色由白色变为了黄色。 选择Utility→Inquire Shape,呈现的滚动条列表中选择circle.cursor， 再点击Use Cursor button, 然后点击Apply。 4)量测 通过这个工具可以实现在所在图层中的点，线，面，矩形，椭圆形的长度（周长） 和面积。
03 遥感图像增强
实验三遥感图像增强 一、背景知识 在获取图像的过程中，由于多种因素的影响，导致图像质量多少会有所退化。图像增强的目的在于：(1)采用一系列技术改善图像的视觉效果，提高图像的清晰度；(2)将图像转换成一种更适合于人或机器进行分析处理的形式。通过处理设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。 增强的方法往往具有针对性，增强的结果只是靠人的主观感觉加以评价。因此，图像增强方法只能有选择地使用。 图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。 空间域增强是直接对图像像素灰度进行操作；频率域增强是对图像经傅立叶变换后的频谱成分进行操作，然后经傅立叶逆变换获得所需结果。 图像增强所包含的主要内容如下图。 二、实验目的： 掌握遥感图像增强的基本方法，理解不同处理方法的适用类型。能根据需要对遥感图像进行综合处理。 三、实验内容： ?辐射增强处理 ?直方图均衡化 ?直方图匹配 ?空间增强处理 ?卷积增强处理 ?自适应滤波
?锐化增强处理 ?分辩率融合 光谱增强处理 ?主成份变换（PC变换/K-L变换） ?去相关拉伸 ?缨帽变换（K-T变换） ?指数计算 ?自然色彩变换 四、实验准备 1.软件ERDAS IMAGINE8.5版本以上； 2.实验用相关数据 五、实验步骤： (一)、辐射增强处理(Radiometric Enhancement) 1.直方图均衡化(Histogram Equalization) 直方图均衡化实质上是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内像元的数量大致相等；这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的 谷底部分对比度降低，输出图像的直方图是一较平的分段直方图，如果输出数据分段值较 小的话，会产生粗略分类的视觉效果。 打开方法：（以文件Lanier.img为例） (1).ERDAS图标面板菜单条：Main - Image Interpreter Radiometric Enhancement - Histogram Equalization，打开Histogram Equalization对话框。 (2).ERDAS图标面板工具条：点击Interpreter图标一Radiometric Enhancement一 Histogram Equalization，打开Histogram Equalization对话框。 2.直方图匹配（Histogram Match) 直方图匹配是对图像查找表进行数学变换，使一幅图像的直方图与另一幅图像类似。 直方图匹配经常作为相邻图像拼接或应用多时相遥感图像进行动态变化研究的预处理工 作，通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的效果差异。 操作方法
实验二、ERDAS实用菜单操作
实验二、ERDAS实用菜单操作 内容一数据输入 实习目的：掌握TM图像数据输入的主要方法。 实习内容：主要包括单波段TM图像数据输入、多波段组合文件的生成。 从地面站购买的TM图像数据或其它图像数据，不一定都是img格式，要通过数据输入输出得到img格式。 1.JPEG图像数据输入 在ERDAS图标面板工具条中，点击——打开输入输出对话框，如图2.1所示。并做如下的选择： 图2.1 import对话框 1）选择数据输入操作：Import 2）选择数据输入类型（Type）为jpeg格式：JFIF(JPEG) 3）选择数据输入媒体（Media）为文件：File 4）确定输入文件路径及文件名（Input File）：TM1.JPG 5）确定输出文件路径及文件名（Output File）：tm1.img 6）OK
图2.2 import对话框参数设置 打开Import JFIF Files对话框，如图2.3所示 图2.3 Import JFIF Files对话框 在Import JFIF Files对话框中点击OK执行输入操作，完成数据输入，如图2.4所示。
图2.4 进程状态条 重复上述过程，可依此将多波段数据全部输入，转换为.IMG文件。 2. 组合多波段数据 为了图像处理与分析，需要将上述转换的单波段IMG文件组合为一个多波段图像文件。 第一步：在ERDAS图标面板工具条中，点击Interpreter|Utilities|Layer Stack。出现波段叠加对话框，如图2.5所示。 图2.5 Layer Selection and Stacking对话框
实验六 遥感影像增强处理
实验六遥感影像增强处理 实习目的：掌握常用的遥感影像增强处理的方法。 实习内容：遥感影像空间、辐射、光谱增强处理的主要方法 空间增强：包括卷积增强处理、纹理分析、自适应滤波等 辐射增强：LUT拉伸处理、直方图均衡化处理、直方图匹配、亮度反转处理等 光谱增强：主成份变换、缨帽变换、色彩变换、指数计算等 图像增强是改善图像质量、增加图像信息量、加强图像判读和识别效果的图像处理方法。图像增强的目的是针对给定图像的不同应用，强调图像的整体或局部特性，将原来不清晰的图像变得清晰或增强某些感兴趣区域的特征，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。图像增强的途径是通过一定的手段对原图像附加一些信息或变换数据，有选择的突出图像中感兴趣区域的特征或抑制图像中某些不需要的特征。图像增强的方法包括空间域增强和频率域增强两类。空间域增强包括空间增强、辐射增强和光谱增强。在实际运用中，不是所有的图象增强处理方法都要用到，具体采用哪种图象增强处理方法，视具体的研究区域，研究内容和对象而定。 1．图像解译功能简介（Introduction of Image Interpreter） 利用ERADS IMAGINE 进行图像增强主要采用ERADS IMAGINE的图像解译器（Image Interpreter）模块，该模块包含了50多个用于遥感图像处理的功能模块，这些功能模块在执行过程中都需要通过各种按键或对话框定义参数，多数功能都借助模型生成器（Model Maker）建立了图形模型算法，容易调用或编辑。 图像解译器(Image Interpreter或Interpreter)，可以通过两种途径启动：ERDAS图标面板菜单条： Main/Image Interpreter--Image Interpreter 菜单 ERDAS图标面板工具条：点击Interpreter图标一Image Interpreter菜单
ERDAS IMAGINE遥感图像处理教程要点
《ERDAS IMAGINE遥感图像处理教程》根据作者多年遥感应用研究和ERDAS IMAGINE软件应用经验编著而成，系统地介绍了ERDAS IMAGINE 9.3的软件功能及遥感图像处理方法。全书分基础篇和扩展篇两部分，共25章。基础篇涵盖了视窗操作、数据转换、几何校正、图像拼接、图像增强、图像解译、图像分类、子像元分类、矢量功能、雷达图像、虚拟GIS、空间建模、命令工具、批处理工具、图像库管理、专题制图等ERDAS IMAGINE Professional级的所有功能，以及扩展模块Subpixel、Vector、OrthoRadar、VirtualGIS等；扩展篇则主要针对ERDAS IMAGINE 9.3的新增扩展模块进行介绍，包括图像大气校正（ATCOR）、图像自动配准（AutoSync）、高级图像镶嵌（MosaicPro）、数字摄影测量（LPS）、三维立体分析（Stereo Analyst）、自动地形提取（Automatic Terrain Extraction）、面向对象信息提取（Objective）、智能变化检测（DeltaCue）、智能矢量化（Easytrace）、二次开发（EML）等十个扩展模块的功能。 《ERDAS IMAGINE遥感图像处理教程》将遥感图像处理的理论和方法与ERDAS IMAGINE软件功能融为一体，可以作为ERDAS IMAGINE软件用户的使用教程，对其他从事遥感技术应用研究的科技人员和高校师生也有参考价值。 目录 基础篇 第1章概述2 1.1 遥感技术基础2
1.1.1 遥感的基本概念2 1.1.2 遥感的主要特点2 1.1.3 遥感的常用分类3 1.1.4 遥感的物理基础3 1.2 ERDAS IMAGINE软件系统6 1. 2.1 ERDAS IMAGINE概述6 1.2.2 ERDAS IMAGINE安装7 1.3 ERDAS IMAGINE图标面板11 1. 3.1 菜单命令及其功能11 1.3.2 工具图标及其功能14 1.4 ERDAS IMAGINE功能体系14 第2章视窗操作16 2.1 视窗功能概述16 2.1.1 视窗菜单功能17 2.1.2 视窗工具功能17 2.1.3 快捷菜单功能18 2.1.4 常用热键功能18 2.2 文件菜单操作19 2.2.1 图像显示操作20 2.2.2 图形显示操作22 2.3 实用菜单操作23
ERDAS影像融合操作流程
影象融合流程 影像融合在影象解译模块和雷达影象处理模块中都有，但是雷达模块中的处理效果要相对好一些，下面就两个不同模块中的融合处理流程进行分别介绍。 一、影象解译模块（Interpreter） 1）单击，在弹出的Interpreter菜单中选则Spatial Enhancement （空间增强）弹出Spatial Enhancement菜单，再选择Resolution Merge（分辨率融合）选项。 弹出对话框如下
在Resolution Merge对话框中需要设置下列参数 （1）确定高分辨率输入文件（high Resolution input file）； （2）选择影象波段； （3）确定多光谱输入文件（multispectral input file）； （4）定义输出文件； （5）选择融合方法。在分辨率变换中，erdas提供了三种融合方法Principal Component(主成分变换法)、Multipalcative(乘积变换)、Brovey transform(比值变换)。其图象分别如下： Principal Component(主成分变换法)
Multipalcative(乘积变换) Brovey transform(比值变换) （6）选择重采样方法。系统提供了两种重采样方法Nearest Neighbor（邻近像元法）、Bilinbear Interpolation（二次线形内插）和Cubic Convolution（立方卷积）。其中 以Cubic Convolution方法最为平滑。 （7）确定Output Options输出图象选项。选择Lgnore Zero Stats，可以忽略像素值为
遥感原理与应用-图像增强
实验三：遥感图像的增强处理 (3机时) 实验目的：通过上机操作，了解空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解。 实验内容：卷积增强处理；锐化增强处理；直方图均衡化；色彩变换。 ERDAS IMAGE图像解译模块主要包括了图像的空间增强、辐射增强、光谱增强、高光谱工具、傅立叶变换、地形分析以及其他实用功能。 实验数据：wx98tm543.img（待校正图像）与wx98spot_pan.img（参考图像）校正的结果 wx98tm543_warp.img；ERDAS安装目录中的若干样例图像数据文件。 1、卷积增强（Convolution） 空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。卷积增强（Convolution）是空间增强的一种方法。 卷积增强（Convolution）时将整个像元分块进行平均处理，用于改变图像的空间频率特征。卷积增强（Convolution）处理的关键是卷计算子----系数矩阵的选择。该系数矩阵又称卷积核（Kernal）。ERDAS IMAGINE将常用的卷计算子放在一个名为default.klb的文件中，分为3*3，5*5、7*7三组，每组又包括“EdgeDetect/Low Pass/Horizontal/Vertical/Summary”等七种不同的处理方式。具体执行过程如下： ERDAS图标面板菜单条：Main→Image Interpreter→Spatial enhancement →convolution→convolution对话框。
图3-1 Convolution对话框 几个重要参数的设置： 边缘处理方法：（Handle Edges by）：Reflection 卷积归一化处理：Normalize the Kernel 2、直方图均衡化（Histogram Equalization） 直方图均衡化实质上是对图像进行非线性拉伸，重新分配图像像元值，是一定灰度范围内的像元数量大致相同。这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方图。注意：认真对比直方图均衡化前后图像差别，仔细观察直方图均衡化的效果。 图3-2直方图均衡化 3、主成分变换 主成分变换（Principal Component Analysis）是一种常用的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，使图像数据更易于解译。ERDAS IMAGE提供的主成分变换功能最多等对256个波段的图象进行转换压缩。 ERDAS 图标面板菜单条：Main →Image Interporeter→Spectral Enhancement →Principial Comp →Pincipal Components对话框。（图3-3）
由投影重建图像
4-5 由投影重建图像 一、 实验目的 了解反投影重建算法的方法. 二、 实验内容 1.利用radon 和iradon 函数实现平行束投影和反投影重建算法 2. 利用fanbeam 和ifanbeam 函数实现扇形束投影和反投影重建算法 三、 实验步骤 1.用MATLAB图像处理工具箱的phantom 生成Shep‐Logan 头模型； P=phantom(256); imshow(P); 2.用MATLAB中的radon 函数获得Shepp‐Logan 模型的投影数据： theta1=0:10:170; [R1,xp]=radon(P,theta1); %计算Shep‐Logen头模型18 个角度 theta2=0:5:175; [R2,xp]=r adon(P,theta2); %36 个角度 theta3=0:2:178;[R3,xp]=radon(P,theta3); % 90 个角度的投应 %显示投影数据： %18 个角度 figure,imagesc(theta1,xp,R1);xlabel('\theta');ylabel('x\prime');
% 36 个角度 figure,imagesc(theta2,xp,R2);xlabel('\theta');ylabel('x\prime'); % 90 个角度 figure,imagesc(theta3,xp,R3);xlabel('\theta');ylabel('x\prime');
3．用MATLAB 中的iradon 函数对获得的投影数据进行滤波反投影重建，获得Shepp‐Logan 模型的重建图像： I1=iradon(R1,10);I2=iradon(R2,5);I3=iradon(R3,2); %显示重建图像： figure,imshow(I1);
文档CT图像滤波反投影重建算法的研究
西北工业大学学位论文知识产权声明书本人完全了解学校有关保护知识产权的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于西北工业大学。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律注明作者单位为西北工业大学。保密论文待解密后适用本声明。学位论文作者签名：：《！！！塑Ｌ指导教师签名。＞况订年弓月多Ｄ日聊年岁月歹口日西北工业大学学位论文原创性声明秉承学校严谨的学风和优良的科学道德，本人郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容和致谢的地方外，本论文不包含任何其他个人或集体己经公开发表或撰写过的研究成果，不包含本人或其他已申请学位或其他用途使用过的成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式表明。本人学位论文与资料若有不实，愿意承担一切相关的法律责任。学位论文作者签名网年；月如日西北〕＝业大学硕士学位论文第一章绪论第一章绪论本章首先概述了图像重建和ＣＴ技术的基本概念及图像重建方法的分类，然后介绍了ＣＴ的发展及国内外研究现状，最后阐明了本文的研究目的与意义、主要工作和内容安排。１．１图像重建与ＣＴ技术概述由物体的二维截面或断面向该平面内的各个方向作投影，可获得一系列一维投影函数。由这些一维投影函数来重建该二维截面则称为图像重建。该技术是随着计算机技术的进步而发展起来并获得广泛应用的图像处理技术，其最典型的应用是医学上的计算机断层成像术（ｃｏｍｐｕｔｅｄＴ０ｍｏ鲫ｈｙ或ｃｃ胁ｐｕｔｅｒｉｚｅｄ．Ｉｂｍｏ肿ｐｂｙ），简称为ｃＴ技术。它用于获取人体头颅、心肺、腹部等内部器官的二维断层图像（故亦称断层摄影技术），对于ｘ射线放射诊断是一个重大突破，具有深远的实际意义，因而受到普遍的重视。１．１．１图像重建图像重建是图像处理中一个重要研究分支，是指根据对物体的探测获取的数据来重新建立图像，其重要意义在于获取被检测物体内部结构的图像而不对物体造成任何物理上的损伤。由于具备无损检测技术的显著优点，它在各个不同的应用领域中都显示出独特的重要性。例如：在医疗放射学、核医学、电子显微、无线电雷达天文学、光显微和全息成像学及理论视觉等领域都多有应用。在上述的众多领域中，图像重建在医学方面的应用最为显著。它大大丰富了对于人体内部器官进行无损检测的方法和手段，为疾病的早期正确诊断提供了科学的、准确的依据。根据原始数据获取方法及重建原理的不同可分为如下几种：发射断层重建成像（Ｅｍｊ醛ｉ∞ｃｏｍｐｕｔｃｄＴｏｍｏｇｒａｐｈｙ，Ｅｃ砷，透射断层重建成像ｆｒｆａｎｓｍｉｓｓｉｏｎｃｃ吼ｐｌＩｔｃｄＴｏｍｏ掣ａｐｈｙ，１∞，反射断层重建成像（Ｒｅｆｌｅｃｔｉ∞Ｃｃ粕ｐｕｔｅｄ劢衄ｏｇｒａｐｈｙ，ＲｃＩ）及核磁共振重建成像（Ｍａ印ｅｔｉｃＲｅｓ∞卸ｃｃｌＩＩＩａｇｉｎｇ，ＭＲｎ。西北工业大学硕士学位论文第一章绪论１．１．２ＣＴ技术在各种图像重建算法中，计算机断层成像术即ＣＴ技术占有重要的地位。ｃＴ技术的功能是将人体中某一薄层中的组织分布情况，通过射线对该薄层的扫描、检测器对透射信息的采集、计算机对数据的处理，并利用可视化技术在显示器或其他介质上显示出来。１．１．３图像重建的方法图像重建是ＣＴ技术中的一个重要问题。它的实质是按照采集后的数据，求解图像矩阵中象素，然后重新构造图像的过程；而图像矩阵的求解由计算机完成。图像重建问题的求解方法根据其特点可分为２大类。第１类是变换重建方法ｆ也叫解析法呐，其特点是先在连续域解析处理，最后离散化以利用计算机计算。其中又可分成傅里叶反变换重建法和滤波（或卷积）反投影重建法。第２类是级数展开重建法１２ｊ１３ｌ（也叫代数重建法、迭代算法、优化技术等），其特点是从开始就离散化进行分析，从而直接得到数值解。另外还有将变换法和级数展开法相结合的综合方法，如：迭代变换法、迭代重建重投影、角谐函数重建法和正交多项式展开重建。变换法的突出优点是实现简单，速度快，对足够精确的投影数据能获得很好的重建质量。因此目前实用ＣＴ系统中，尤其是医用ｃＴ系统中广泛采用变换法，特别是滤波反投影类型的算法来进行图像重建。变换法在技术上有两个主要的限制：（１）噪声特性不好。因为变换法是基于解析求反公式的闭合形式，要求投影数据是精确的。对于数据中的噪声，可以通过滤波步骤来适当解决。如果我们能在投影数据输入给变换法之前，将影响投影数据不精确性的诸多物理因素进行足够的校正，则便可以认为投影数据是相当准确的，从而得到满意的重建。（乃正因为变换法基于解析求反公式的闭合形式，所以变换法的简单与复杂强烈地依赖于数据采集扫描方
遥感图像光谱增强处理实验报告
一、实验名称 遥感图像光谱增强处理 二、实验目的 对图像进行主成分分析、主成分变换以及主成分百分比计算；观察图像在不同色彩空间之间相互转换的结果异同，对图像进行融合，用MODEL MAKER 建模方式进行图像处理。 通过以上操作初步掌握图像光谱增强处理过程，进一步理解影像光谱增强中不同增强方法的原理及其增强效果的差异。 三、实验原理 光谱增强是基于多光谱数据对波段进行变换达到图像增强处理，采用一系列技术去改善图象的视觉效果，或将图象转换成一种更适合于人或机器进行分析处理的形式。有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图象的使用价值。 主成分分析（PCA）用多波段数据的一个线性变换，变换数据到一个新的坐标系统，以使数据的差异达到最大。对于增强信息含量、隔离噪声、减少数据维数非常有用。 使用Color Transforms 工具可以将3-波段红、绿、蓝图像变换到一个特定的彩色空间，并且能从所选彩色空间变换回RGB。两次变换之间，通过对比度拉伸，可以生成一个色彩增强的彩色合成图像。 图像融合是将多幅影像组合到单一合成影像的处理过程。它一般使用高空间分辨率的全色影像或单一波段的雷达影像来增强多光谱影像的空间分辨率。 四、数据来源 本次实验所用数据来自于国际数据服务平台；landsat4-5波段30米分辨率TM第三波段影像，投影为WGS-84，影像主要为山西省大同市恒山地区，中心纬度：38.90407 中心经度：113.11840。
五、实验过程 1.主成分分析 1）打开并显示TM影像文件，从ENVI 主菜单中，选择File →Open Image File选择影像，点击Load Band 在主窗口加载影像。 2）主菜单选择Transforms—>Principal Components—>Forward PC Rotation —>Compute New Statistics and Rotate。在弹出的Principal Components Input File 对话框中，选择图像。 3)在Forward PC Rotation Parameters对话框中在输入统计系数，选择计算矩阵（选择协方差矩阵），输出统计文件及路线，统计波段数等相关参数的设置，单击Ok。