改进后的同态滤波图像处理技术中的应用

合集下载

基于小波的同态滤波器用于图像对比度增强

%
电
子
学
报
%$$’ 年
解级数； % ) 反映了相应的分辨率； ,’ 称为截止系数； *+ 和 *% 分别称为水平权系数和垂直权系数，对于 "!) ， *+ # $， *% # ’；对于 !!) ，对于 ""( ，对于 !") ， *+ # ’， *% # $； *+ # ’， *% # ’； *+ ， ) # ’， …， # $， *% # $（ %， (） # 这种改进符合各级小波分解系数的频域倍频程特性，同时保持了传统高通滤波器中滤波特性与滤波器参数间的对应关系 #
"% #
从频谱分析的角度讲，小波变换的结果是原始信号在一系列倍频程划分的频带上的多个高频带数据和一个低频带数据 # 设图像经过 ( 级小波分解，得 "!) 、（ …， !") 、 !! %， ) ) # ’，和 ""( ，其中 ""( 反映了图像各主要空域范围的亮度分布 (）使光照和基本面貌 # 可以根据图像大小和特性选择适合的 ( ，不均匀引起的缓变信息主要体现在 ""( 区域的小波系数中 # 对不同分辨率下的小波分解系数进行类似的高通滤波处理，可以衰减低频信息，增强高频信息，而且小波变换的空频特性在一定程度上保证了图像整体面貌 #
!
引言
［!］传统的同态增晰是一种基于特征的对比度增强方法，
［-， R］一些图像对比度增强中得到应用 : 本文把一种基于小波
的空频分析方法应用到图像的同态增晰中（图 #） : 处理后的图像具有明显的局部对比度增强效果，同时较好地保持了图像的原始面貌 :

Matlab中的数字图像处理与同态滤波技术详解

Matlab中的数字图像处理与同态滤波技术详解数字图像处理在现代科技领域发挥着重要的作用，它可以对图像进行增强、恢复、分析和理解。

Matlab是一种功能强大的工具，被广泛应用于数字图像处理领域。

同态滤波是数字图像处理中常用的技术之一，它能够有效地改善图像的质量和对比度，并提高图像的功能性。

一. 数字图像处理概述在数字图像处理中，我们通过对图像使用数字计算机算法来改善其质量和表达。

数字图像处理技术可以应用于各个领域，如医学图像处理、安全监控、图像识别等。

Matlab作为一种强大的工具，在数字图像处理中具有举足轻重的地位。

数字图像处理的基本步骤包括图像获取、预处理、增强、分割和表示。

其中，预处理环节是非常重要的。

预处理可以包括图像去噪、平滑、锐化和增强对比度等操作。

Matlab提供了各种强大的函数和工具箱，使得数字图像预处理变得更加简单和高效。

二. 同态滤波原理同态滤波是一种有效的图像增强技术，可以改善图像的对比度和亮度分布。

同态滤波技术能够在去除图像退化的同时，保持图像的细节信息，提高图像的可视性。

同态滤波的原理是对图像进行频率域分解，然后对低频部分和高频部分进行分别处理，最后再将两者合并得到增强后的图像。

同态滤波的核心思想是对数变换，通过对数变换可以将乘法运算转化为加法运算，从而简化计算过程。

三. Matlab中的同态滤波函数Matlab提供了许多用于数字图像处理的函数和工具箱，其中包括同态滤波函数。

下面介绍几个常用的同态滤波函数及其使用方法。

1. imadjust函数imadjust函数是Matlab中用于图像增强的函数之一。

它可以通过调整图像的亮度和对比度来改善图像的视觉效果。

imadjust函数的语法如下：J = imadjust(I,[low_in high_in],[low_out high_out]);其中，I是输入图像，J是输出图像。

[low_in high_in]表示输入图像中要拉伸的亮度范围，[low_out high_out]表示输出图像中的目标亮度范围。

同态滤波在红外图像增强中的应用

影响校正的结果。本文提出一种改进的同态滤波方法消除红外图像中
的噪声场，有效突出人形目标，同时去除了滤波带来的边缘伪迹。
２同态滤波方法
２．１同态滤波原理
图像的同态滤波技术的依据是图像获取过程中的照明反射成像原
理。它属于频域处理，作用是对图像灰度范围进行调整，通过消除图像
上照明不均的问题，增强图像细节。首先建立在光照下获得景物图像的
１引言为了有效的充分利用整个企业的人力、资金、物资等资源，达到人尽其才、物尽其用的目的，更好地为海尔供货，海威电子公司于２００７年决定为企业量身定做一套新的ＥＲＰ（ＥｎｔｅｒｐｒｉｓｅＲｅｓｏｕｒｃｅｓＰｌａｎｎｉｎｇ企业资源计划）系统。新版ＥＲＰ系统包括了从定单销售到车间生产、运输、容器管理、人力资源管理、材料管理、采购管理等除财务之外的全套ＥＲＰ模块，而且能满足多个子公司同时运行的要求［１］。２系统流程及功能模型２．１采购管理流程各部门根据生产实际需要材料填报材料采购申请单，然后经部门领导进行审批，采购科对经过审批的采购单按材料进行汇总，分不同的供应商生成对应的采购单，此张采购单需通过总经理批准，最后进行采购。图１为采购管理的流程图。
基金项目：本文系企业ＥＲＰ横向项目（３Ｒ１０８７４０４５３７），福建省青年人才项目（２００８Ｆ３０６５），华侨大学科研基金资助项目（０８ＢＳ５０９）。作者简介：姜立君（１９７８－），男，工程硕士，助教，主要从事软件管理系统的开发研究。
参考文献［１］徐军，向健华，粱昌洪．最大化背景模型用于检测红外图像中的弱小目标．光子学报，２００２，３１（１２）：１４８４－１４８６．［２］ＷａｌｌｉｓＲ．Ａｎａｐｐｒｏａｃｈｔｏｔｈｅｓｐａｃｅｖａｒｉａｎｔ（下转第３５９页）

2008_数字图像处理论文-同态滤波在图像增强中的应用

计算机科学系2008级通信工程专业数字图像处理课程论文1同态滤波在图像增强中的应用一、摘要：摘自：在频域中利用同态滤波增强图像对比度 --- 【期刊】微计算机信息 2007年摘要内容：在介绍基于照明反射模型的同态滤波模型原理、实现过程和特点的基础上,在频域内通过对高斯高通滤波器、巴特沃斯高通滤波器、指数高通滤波器的改进后得出三种同态滤波器,并对三种同态滤波器通过实验结果给出适用的滤波模型和表达式参数。

由对同一幅照明不良会使图像亮度不足和细节模糊,而且图像信噪比很低,图像对比度明显变差的图像处理结果表明,巴特沃斯同态滤波函数优于其它两种同态滤波函数,对光照不足的图像进行灰度动态范围压缩和对比度增强效果显著。

关键词：同态滤波; 图像对比度增强; 动态范围;二、引言我们人眼能分别得出图像的灰度不仅仅是由于光照函数（照射分量）决定，而且还与反射函数（反射分量）有关，反射函数反映出图像的具体内容。

光照强度一般具有一致性，在空间上通常会有缓慢变化的性质，在傅立叶变换下变现为低频分量，然而不一样的材料的反射率差异较大，经常会引起反射光的急剧变化，从而使图像的灰度值发生变化，这种变化与高低频分量有关。

为了消除不均匀照度的影响，增强图像的高频部分的细节，可以采用建立在频域的同态滤波器对光照不足或者有光照变化的图像进行处理，可以尽量减少因光照不足引起的图像质量下降，并对感兴趣的景物进行有效增强，这样就在很大程度上做到了原图像的图像增强。

三、同态滤波的原理同态滤波是一种在频域中进行的图像对比度增强和压缩图像亮度范围的特殊方法。

同态滤波器能够减少低频并且增加高频，从而能减少光照变化并锐化边缘细节。

图像的同态滤波技术的依据是图像获取过程中的照明反射成像原理。

它属于频域处理,作用是对图像灰度范围进行调整,通过消除图像上照明不均的问题。

非线性滤波器能够在很好地保护细节的同时, 去除信号中的噪声,同态滤波器就是一种非线性滤波器,其处理是一种基于特征的对比度增强方法,主要用于减少由于光照不均匀引起的图像降质,并对感兴趣的景物进行有效地增强。

基于小波变换的同态滤波算法在雨雾图像处理中的应用

（基于小波变换的）同态滤波算法在雨雾图像处理中的应用海博摘要：在薄雾天气的影响下，由于大气对成像光线的作用，而使所获取的图片模糊不清，对比度降低。

本文基于雨雾天气图像的特点，从时频分析的角度出发，提出了一种基于小波变换的同态滤波方法，采用快速小波变换代替传统傅里叶变换，在变换域内用改进的指数滤波器对小波系数进行处理，从而达到增强雾天降质图像的目的。

实验结果表明，本文的方法，能够有效突出雾天图像的细节，增强景物对比度，较好的改善视觉效果。

关键词：同态滤波，小波变换，去雾，图像对比度1.引言对于雨雾天气条件下，通过交通和公共场合摄像头摄取的图像，由于雨雾的影响，图像的对比度降低，而且影响了对远处景物和人物信息的观察和辨别，从而给相关人员的工作带来的一定的阻碍。

而对于图像去雾的方法，国内外学者都做过大量的研究。

常用的方法有直方图均衡，时域频域滤波和基于物理模型的方法。

直方图均衡虽然算法简单，但是由于雨雾而使图像对比度降低与景物的远近并非线性关系，所以该方法的效果并不理想，有时由于将景物的灰度值增强或减弱后反而会影响图像的信息量。

而基于物理模型的方法[1]，此方法由于缺少参数，对视频采集的要求过于苛刻，算法复杂等原因在使用中有诸多的困难。

为了避免这些不足，本文提出基于小波的同态滤波算法，小波变换在时域和频域同时具有良好的局部特性[2]，比傅里叶变换有明显的优势，从而达到去除雨雾对图像的影响。

2.经典同态滤波算法2.1同态滤波原理同态滤波是一种把频率过滤和灰度变换结合起来的图像处理方法，它把图像的照度反射模型作为频域处理的基础，通过对图像的灰度范围的调整，可以有效解决图像上照度不均匀及动态范围过大对图像产生影响的问题，在不损失亮区细节信息的同时，有效增强暗区的细节信息[3]。

一般雨雾天气的图像ƒ(x,y)由两个分量表示：(,)(,)(,)i r f x y f x y f x y = (1) 其中：0(,)i f x y <<∞；0(,)1r f x y <<i ƒ(x,y)：可称为照明函数，频谱处于低频区域，在空间上变化缓慢，描述场景的照明，与景物无关，雨雾信息包含其中。

光照不均匀图像的同态滤波改善方法

分类号：TN911.73 U D C：D10621-408-(2012)1728-0 密级：公开编号：2008031050成都信息工程学院学位论文光强不均匀图像的同态滤波改善方法研究论文作者姓名：田晓振申请学位专业：电子科学与技术申请学位类别：工学学士指导教师姓名（职称）：苏礼坤（副教授）论文提交日期：2012年06月01日光强不均匀图像的同态滤波改善方法研究摘要在图像采集过程中,由于实际环境中成像条件的限制,造成图像的背景光照不均匀，当照度不均匀时,图像上对应照度暗的部分,其细节就较难分辨。

为了消除数字图像中的照度不均匀性,本文对现有数字图像的照度不均匀校正技术进行了归类和讨论,分析了这些方法在计算误差上的内在原因,并在此基础上研究了基于同态滤波的数字图像照度不均匀校正技术。

该技术兼顾了数字图像的频域和空域,使得采用本方法校正后的图像既消除了不足照度的影响而又不损失图像的细节。

结果表明:经处理后的图像,局部对比度增强效果明显,较好地保持了图像的原始面貌,取得了预期的理想滤波效果。

该方法能有效恢复不均匀光照背景,为实际图像处理应用提供了有效的前期处理。

关键词：光照不均匀；图像增强；同态滤波The research of homomorphic filteringto improve light intensity and uneven imageAbstractThe limitation of imaging condition in actual environment causes sometimes the non-uniform back ground light on the images. Aimed at the elimination of uneven illumination in digital images, existing techniques for the correction of unevenness of illumination are classified and discussed, and the basis of its algorithmic error analyzed. A new for the correction of unevenness elimination technique based on homomorphic filtering is proposed. By giving attention both to the frequency domain and space domain of the image, this technique results in better quality, less error in the resulting image,and the time spent is also relatively small. It is shown that the method performs well in enhancing the local contrast of an image while maintaining its global appearance, and the expected filter effect is achieved. Experimental results show that the proposed method can recover the non-uniform lighting background robustly, and is a useful preprocessing step in practical image processing applications.Key words:Non-uniform lighting; Image enhancement; homomorphic filtering目录论文总页数：20页1 引言 (1)1.1课题背景 (1)1.2研究现状及发展趋势 (2)1.3研究方法 (2)2光照不均匀图像目前改善方法 (3)2.1以直方图均衡化法为代表的灰度变换法 (3)2.2基于感知理论（Retinex理论）的增强方法 (4)2.3梯度域图像增强方法 (6)2.4背景拟合法恢复光照不均匀图像 (7)2.5基于小波变换的照度不均匀改善技术 (7)3同态滤波的原理 (8)3.1基本概念 (8)3.2同态信号处理 (8)3.2.1相乘信号的同态滤波处理 (9)3.2.2卷积信号的同态滤波处理 (10)4 用同态滤波技术改善光照不均匀图像 (11)4.1简单的图像形成模型和特性 (11)4.2同态滤波改善图像的数学模型 (12)4.3同态滤波函数的确定 (13)4.4计算机仿真 (14)结论 (18)参考文献 (18)致谢 (20)声明 (21)1引言1.1 课题背景图像是人类获取和交换信息的主要来源，是视觉的基础，而视觉又是人类重要的感知手段，所以，图像成为心理学、生理学、计算机科学等诸多方面学者研究示图感知的有效工具。

改进同态滤波的矿井监控视频图像增强算法

改进同态滤波的矿井监控视频图像增强算法改进同态滤波的矿井监控视频图像增强算法1. 引言矿井监控旨在确保矿井内工作人员的安全以及监测矿井运行状态的合理性。

而视频图像质量的增强对于提高监控系统的效果具有重要意义。

同态滤波算法作为一种有效的图像增强方法，在矿井监控领域也得到了广泛应用。

本文针对同态滤波算法在矿井监控视频图像增强中存在的问题进行研究，提出改进的同态滤波算法以进一步提升图像质量。

2. 同态滤波算法原理同态滤波算法是一种基于频域的滤波方法，通过将图像的灰度值分解为光照分量和反射分量，然后对两个分量进行滤波处理后再重组得到增强的图像。

同态滤波能够有效增强图像的对比度和清晰度，但在矿井监控视频图像增强中依然存在局限性。

3. 矿井监控视频图像增强问题分析在矿井监控场景中，由于灰尘、烟雾等原因，图像往往出现低对比度、模糊、噪声等问题。

这些问题给矿井监控视频图像增强带来了挑战。

同态滤波算法虽然能够增强图像的对比度，但对于图像的细节以及噪声的抑制效果并不理想。

因此，需要对同态滤波算法进行改进以解决这些问题。

4. 改进的同态滤波算法4.1 基于小波域的同态滤波算法传统的同态滤波算法只考虑图像的灰度值，而对于图像的细节并未进行充分利用。

因此，本文提出了一种基于小波域的同态滤波算法。

该算法首先对矿井监控视频图像进行小波变换，利用小波变换的频域特性对图像进行分析。

然后，在小波域中根据图像的能量分布特点对图像进行增强处理，以提高图像的细节信息。

4.2 基于自适应权重的同态滤波算法同态滤波算法的一个问题是对图像噪声抑制的效果不佳。

因此，本文采用了基于自适应权重的同态滤波算法。

该算法通过对图像的统计分析，获取图像中的噪声分布情况。

然后，根据噪声的统计特征，自适应调整滤波算法中的权重，以达到更好的噪声抑制效果。

5. 实验结果分析本文通过对矿井监控视频图像进行实验，对比了传统的同态滤波算法和改进的同态滤波算法的增强效果。

图像处理之同态滤波

图像处理之同态滤波借别⼈的代码，出处，忘记了，好像是⼀个毕业设计：这个滤波器设计的好像过了！double D0=180;void ILPF(CvMat* src, const double D0){int i, j;int state = -1;double tempD;long width, height;width = src->width;height = src->height;long x, y;x = width / 2;y = height / 2;CvMat* H_mat;H_mat = cvCreateMat(src->height,src->width, CV_64FC2);for(i = 0; i < height; i++){for(j = 0; j < width; j++){if(i > y && j > x){state = 3;}else if(i > y){state = 1;}else if(j > x){state = 2;}else{state = 0;}switch(state){case 0:tempD = (double) (i * i + j * j);tempD = sqrt(tempD);break;case 1:tempD = (double) ((height - i) * (height - i) + j * j);tempD = sqrt(tempD);break;case 2:tempD = (double) (i * i + (width - j) * (width - j));tempD = sqrt(tempD);break;case 3:tempD = (double) ((height - i) * (height - i) + (width - j) * (width - j));tempD = sqrt(tempD);break; default:break;}//⼆维⾼斯⾼通滤波器tempD = 1 - exp(-0.5 * pow(tempD / D0, 2));((double*)(H_mat->data.ptr + H_mat->step * i))[j * 2] = tempD;((double*)(H_mat->data.ptr + H_mat->step * i))[j * 2 + 1] = 0.0;//////⼆维理想⾼通滤波器//if(tempD <= D0)//{// ((double*)(H_mat->data.ptr + H_mat->step * i))[j * 2] = 0.0;// ((double*)(H_mat->data.ptr + H_mat->step * i))[j * 2 + 1] = 0.0;//}//else//{// ((double*)(H_mat->data.ptr + H_mat->step * i))[j * 2] = 1.0;// ((double*)(H_mat->data.ptr + H_mat->step * i))[j * 2 + 1] = 0.0;//}// //2阶巴特沃思⾼通滤波器// tempD = 1 / (1 + pow(D0 / tempD, 2 * 2));// ((double*)(H_mat->data.ptr + H_mat->step * i))[j * 2] = tempD;// ((double*)(H_mat->data.ptr + H_mat->step * i))[j * 2 + 1] = 0.0;// //增长率为2⼆维指数⾼通滤波器// tempD = exp(-pow(D0 / tempD, 2));// ((double*)(H_mat->data.ptr + H_mat->step * i))[j * 2] = tempD;// ((double*)(H_mat->data.ptr + H_mat->step * i))[j * 2 + 1] = 0.0;}}cvMulSpectrums(src, H_mat, src, CV_DXT_ROWS); cvReleaseMat(&H_mat);}void CMipImagePro::TongTai_Filter(IplImage* pCelGrayImg){unsigned int i;CString str;IplImage* im = pCelGrayImg;IplImage * realInput;IplImage * imaginaryInput;IplImage * complexInput;int dft_M, dft_N;CvMat* dft_A, tmp, *dft_B;IplImage * image_Re;IplImage * image_Im;double m, M;realInput = cvCreateImage( cvGetSize(im), IPL_DEPTH_64F, 1); imaginaryInput = cvCreateImage( cvGetSize(im), IPL_DEPTH_64F, 1); complexInput = cvCreateImage( cvGetSize(im), IPL_DEPTH_64F, 2); cvScale(im, realInput, 1.0, 0.0);cvZero(imaginaryInput);cvMerge(realInput, imaginaryInput, NULL, NULL, complexInput);dft_M = cvGetOptimalDFTSize( im->height - 1 );dft_N = cvGetOptimalDFTSize( im->width - 1 );dft_B = cvCreateMat( dft_M, dft_N, CV_64FC2 );dft_A = cvCreateMat( dft_M, dft_N, CV_64FC2 );cvZero(dft_A);cvZero(dft_B);image_Re = cvCreateImage( cvSize(dft_N, dft_M), IPL_DEPTH_64F, 1); image_Im = cvCreateImage( cvSize(dft_N, dft_M), IPL_DEPTH_64F, 1);cvGetSubRect( dft_A,&tmp, cvRect(0,0, im->width, im->height)); cvCopy( complexInput, &tmp, NULL );cvDFT( dft_A, dft_A, CV_DXT_FORWARD, complexInput->height ); ILPF(dft_A, D0);cvDFT( dft_A, dft_A, CV_DXT_INVERSE , complexInput->height );cvNamedWindow("win", 0);cvNamedWindow("magnitude", 0);cvShowImage("win", im);cvSplit( dft_A, image_Re, image_Im, 0, 0 );cvMinMaxLoc(image_Re, &m, &M, NULL, NULL, NULL);cvScale(image_Re, image_Re, 1.0/(M-m), 1.0*(-m)/(M-m));//cvGetSubRect( dft_A,&tmp, cvRect(0,0, im->width, im->height));//cvCopy( image_Re, &pCelGrayImg, NULL );cvShowImage("magnitude", image_Re);}。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

（a1－a2）*（exp（－c*（D＾2）／（2*（D0＾2））））＋a2，D0 主要与照射分量和反
射分量对应的频谱幅度对比度有关，在 MATLAB 下获取遥感图像的
频谱分析图，得出它的频谱主要在 130~220 之间。滤波后的图像与原
始图像相比影像清晰度有了明显的改善，道路的边界比原始图像更加
该同态滤波函数作为滤波器进行滤波后, 能够在保留低频分量 aI（u，v）
的同时，对高频项 bH（u，v）R（u，v）进行增强，从而使图像边缘的轮廓
更加清晰，有助于表现出图像中暗处的细节。最后，再对经过同态滤波
后的图像进行傅里叶反变换，得到：
-1
g（x，y）=F （Gg （u，v））＝i′（x，y）＋r′（x，y）
传统教育中教与学是脱离的，如果在项目研究过程中将一小部分专业基础较好，分析能力较强或兴趣大的学生带入进来，将项目进行分隔分配，一方面学生参与了项目的整个研究过程同时这些学生在学习过程中也能够起到带头作用和协助教师完成教学工作。
当前是技术发展的高速阶段，随着网络和微计算机技术的成熟，新的控制技术不断涌现，做为高职院校教育工作者，尽我们所能的将各种先进的技术教授给学生是我们的责任，希望通过不断的努力，逐步的在高职教学中开展现场总线技术的讲授工作并取得一定效果。科
＝［a＋bH（u，v）］［I（u，v）＋R（u，v）］
＝aI（u，v）+aR（u，v）+bH（u，v）I（u，v）+bH（u，v）R（u，v）（1-3）
由式（1-3）可知：a 是调整低频分量的系数，即调整入射分量（调
整亮度），b 是调整高频分量的系数，即调整反射分量（细节特征）[3]。利用
433
2010 年第 7 期
SCIENCE & TECHNOLOGY INFORMATION
○本刊重稿○
科技信息
学的专业学习，更不太肯呢个投入大量经费，那么科研经费的来源也成为了制约该技术教学的因素之一。
3 高职院校开展现场总线教学的方式分析
上面分析了制约高职院校开展现场总线技术教学的因素比较多，有技术本身的也有经费投入的，那么开设现场总线课程的教学到底有没有必要呢？
明显，但是由于参数选择的原因，滤波处理后的道路边界与邻域的空
地中频率值相似的地物产生了冲突，虽然较原始图像有了明显的改
善，但不能清晰地判断出道路的边界位置，使滤波后的图像价值不是
很大。
令各参数值为 a1=1.8，a2=1.4，c=0.5，D0=200，很明显比 a1=2，a2=
1.5 时图像滤波后的细节更加明显，道路可以很明显的看出边界的位
比度，暗处的细节更加清晰，影像的
视觉效果更好，还使道路边界更加
明显，内业判读也更加准确、可靠。
下面将对程序中各参数值的选
择通过实验做具体分析：
通过高斯低通同态滤波处理后
图 1 改进后的
的图像，各参数值为 a1=2，a2=1.5，
高斯型低通同态滤波器
c=0.5，D0=200，滤波器函数为 H=b*
置，周围的地物信息没有对其产生干扰，并且很好的保留了下来，达到
了预期通过 MATLAB 软件增强图像的细节即增强图像的高频部分，
同时还尽量保留低频部分的增强效果，使地物的边缘更加明显，易于
内业判断。
常数 c 被引入用来控制滤波器函数斜面的锐化，它在 a1 和 a2 之
利用 MATLAB 软件用频域率高斯低通滤波器进行滤波处理，选取低通滤波器的截止频率分别为 d0＝130 和 d0＝220。当 d0＝130 时虽然得到了较好的平滑的效果，但同时高频部分也通过滤波器滤波后被抑制了，地物的边缘没有得到增强，反而越来越模糊，尤其图像中的道路更为明显，因此，利用频域率理想低通滤波器进行滤波处理没有达到我们需要的目的，给内业解译工作没有带来更多的方便。图 2 是当截止频率 d0＝220 时，高频部分没有被滤去太多，比截止频率 d0＝130 的实验结果中图像的平滑效果好，图像的细节还比较（下转第 424 页）
● 【参考文献】
［1］唐继英 .现场总线技术 [M]. 天津 :天津大学出版社，2008．［2］赵海 .现场总线控制系统与领域自动化 [J]. 微计算机信息，1996，(1)．［3］林强 . 现场总线及其网络集成 [J]. 测控技术 ,1999，(5)．［4］夏继强 .现场总线工业控制网络技术 [J].单片机与嵌入式系统应用，2005，(6)．
在 Matlab 中，数字图像数据是以矩阵（离散）形势存放的，矩阵的每一个元素值对应着一个像素点的像素值，这样，对图像的运算就相当于对数据矩阵的运算。
2 改进后的高斯型低通同态滤波器
本文采用高斯函数对同态滤波进行改进，利用改进后的同态滤波
对图像进行预处理[2]，并确位置，然而千里迢迢就为了测一条甚至几条道路，不仅
造成经济上的负担，甚至延缓了测
量工作的进度。利用遥感图像同态
滤波处理技术就能给我们在时间和
经济等方面带来利益。
图 1 中经过高斯同态滤波处理
后的图像，影像中道路的暗处的细
节纹理更加明显，内业预判的工作
也更加容易，不仅增大了影像的对
质量。通过 MATLAB 下的改进后的同态滤波处理后，首先使图像的对
比度增大，然后对图像进行反色处理，使处理后的遥感影像比原始遥
感影像整体对比度更加鲜明，并且提高了影像的清晰度，视觉效果也
更好，且道路和居民点的边界也清晰可见。
在这次土地调查中，我们做的是甘肃省的景泰县的土地调查，当
地的地理环境恶劣，实际外业工作时有些地方十分偏僻，难以到达，即
间过渡。当 a1＜1，a2＞1 则减小低频和增强高频，使得动态范围压缩和对比度增强[4]。这里通过实验认为 a2＝1．4 比较合适，滤波后的图像细
节完整，主要信息没有被滤去。只要 a2 与 a1 相比较小，低频增强的影
响就弱于高频增强的影响。
3 频率域高斯型低通滤波器
利用频率域高斯型低通滤波器同样做的低频增强的实验，目的是为了与高斯型低通同态滤波器做比较，看哪种滤波处理后的效果更好。
科研经费的投入和总线协议的获得单方面通过学校获得并不太
可行，对于教学效果的提高也并不一定具有明显成效。通过产－学－研结合，使得教师能够投入到公司的系统开发过程中，既丰富了教师技术经验，了解总线性能，有获得了对协议的掌握，这可能是最好的经费获得渠道。 3.3 通过兴趣小组或研发小组等形式将学生带入到项目研究过程中
（1-4）
对 g（x，y）进行指数运算得：
s（x，y）＝exp（g（x，y））＝i0 （x，y）＋r0 （x，y）
（1-5）
原始图像中道路和居民点的图像边缘的轮廓很模糊，影像暗处的
细节不明显，无法找到其准确的位置，公路宽度的量测也无法准确定
位，这样就会带来误差甚至可能标记错误，从而影响我们工作的总体
笔者的观点是如果在 10 年前，这项技术还没有普及，那么做为高职院校投入如此大精力进行现场总线的教学研究毕竟是不客观的。但是在 10 年后控制系统规模越来越大、分层控制管理越来越迫切的今天，网络控制已经普及，并且多数控制器开发商均在开发支持各种总线的智能设备和通信模块的情况下，开设现场总线技术的课程也就很自然的提上了日程。做为高职院校，在开设了 PLC 课程、单片机课程之后，我们发现其能够控制的系统规模已经不够，在我们的学生进入工作岗位之后也会发现，总线技术已经普及到控制领域的很多方面。
那么，对于高职院校来说，到底以什么样的形式来开展这项课程的教学呢？针对高职院校的特点，我们给出以下几点建议： 3．1 教学侧重点的选择
对市场主流总线核心技术的介绍是必须的，它在一定程度上扩展了我们学生的知识面，也能够使得学生更深刻的理解多总线局面并存的原因和各种总线技术的优缺点及应用领域。同时需要选择某项总线技术做为教学的重点，其选择主要依据各学校本身教学设备情况和科研环境。总的来说在现有设备基础上和现有教学资源优势上进行扩展，选择有一定技术基础的、投入不必太大的项目做为教学的出发点。 3．2 科研经费的投入
作者简介：刘薇（1979—），女，汉族，河北张家口人，硕士，浙江东方职业技术学院讲师，研究方向为网络控制技术、远程监控。
※浙江东方职业技术学院院级资助课题，立项编号 DF2008307。
［责任编辑：王静］
（上接第 433 页）完整，这个实验的目的同时也是为了证明在做高斯同态滤波中所选择地截止频率 D0 是合理的。
4 结论
由两个实验对比可得出结论：高斯型同态滤波器处理后的遥感图像，在压制图像的低频部分的同时也增强地物的反射分量，图像的对比度明显增大，处理后的遥感影像比原始遥感影像整体对比度更加鲜明，并且提高了影像的清晰度，视觉效果也更好。而频率域高斯型低通滤波
器却没有达到这些增强的效果，增强的效果不是很好，因此高斯型同态滤波器的图像增强方法更好。科
【关键词】同态滤波；Matlab ；图像处理
0 引言
由于电子计算机的广泛应用和发展，数据处理手段的不断改进，现代遥感技术的发展，使得人类能够从不同遥感平台获得不同空间分辨率、不同光谱特性的遥感图像。目前遥感技术已经广泛应用于资源环境、水文、气象、地质地理等领域，成为一门实用、先进的空间探测技术。