数字图像增强
图像增强的方法有哪些
图像增强的方法有哪些图像增强是数字图像处理中的一个重要环节，它通过对图像进行处理，改善图像的质量和视觉效果，使图像更加清晰、鲜艳、易于观察和分析。
图像增强的方法有很多种，下面将介绍几种常见的图像增强方法。
首先，直方图均衡是一种常见的图像增强方法。
直方图是描述图像像素分布的统计图，直方图均衡就是通过重新分配图像像素的灰度级，使得图像的直方图均匀分布，从而增强图像的对比度。
直方图均衡的优点是简单易行，但是对于某些图像来说，可能会造成图像的过增强和噪声放大。
其次，滤波是图像增强的另一种常见方法。
滤波操作可以通过对图像进行平滑或锐化处理，来增强图像的细节和对比度。
常见的滤波方法包括均值滤波、中值滤波、高斯滤波等，它们可以有效地去除图像中的噪声，并增强图像的质量。
但是滤波方法也存在着一定的局限性，比如在平滑图像的同时可能会导致图像细节的丢失。
另外，小波变换也是一种常用的图像增强方法。
小波变换是一种多尺度分析方法，它可以将图像分解成不同尺度的频域信息，从而实现对图像的局部增强。
小波变换可以有效地增强图像的边缘和纹理特征，同时减少图像的噪声。
但是小波变换对参数的选择和计算量要求较高，需要根据具体的图像特点进行调整。
此外，增强型对比度拉伸也是一种常见的图像增强方法。
对比度拉伸通过线性或非线性的变换函数，将图像的灰度级进行重新映射，从而增强图像的对比度。
增强型对比度拉伸可以有效地增强图像的细节和纹理，使图像更加清晰。
但是对比度拉伸也存在着过增强的问题，需要根据具体的图像特点进行调整。
综上所述，图像增强的方法有很多种，每种方法都有其适用的场景和局限性。
在实际应用中，我们可以根据图像的特点和需求，选择合适的图像增强方法，从而达到最佳的增强效果。
希望本文对图像增强方法有所帮助。
图像增强的方法有哪些
图像增强的方法有哪些图像增强是指对图像进行处理，以改善其视觉质量或提取出更多的有用信息。
在数字图像处理领域，图像增强是一个重要的研究方向，它涉及到许多方法和技术。
本文将介绍几种常见的图像增强方法，包括灰度拉伸、直方图均衡化、滤波和锐化等。
这些方法可以应用于各种领域，如医学图像处理、遥感图像处理和计算机视觉等。
灰度拉伸是一种简单而有效的图像增强方法。
它通过拉伸图像的灰度范围，使得图像的对比度得到增强。
具体而言，灰度拉伸会将图像的最小灰度值映射到0，最大灰度值映射到255，中间的灰度值按比例进行映射。
这样可以使得图像的整体对比度得到提高，从而更容易观察和分析图像中的细节。
另一种常见的图像增强方法是直方图均衡化。
直方图均衡化通过重新分布图像的灰度级别，以使得图像的直方图更加均匀。
这样可以增强图像的对比度，使得图像中的细节更加清晰。
直方图均衡化在医学图像处理中得到了广泛的应用，可以帮助医生更准确地诊断疾病。
滤波是图像处理中常用的一种技术，它可以用来增强图像的特定特征或去除图像中的噪声。
常见的滤波方法包括均值滤波、中值滤波和高斯滤波等。
这些滤波方法可以根据图像的特点和需要进行选择，从而达到增强图像质量的目的。
除了滤波之外，锐化也是一种常见的图像增强方法。
锐化可以使图像中的边缘和细节更加清晰，从而提高图像的视觉质量。
常见的锐化方法包括拉普拉斯算子和Sobel算子等。
这些方法可以通过增强图像中的高频信息来使图像更加清晰。
综上所述，图像增强是图像处理中的一个重要环节，它可以帮助我们改善图像的质量，提取出更多的有用信息。
本文介绍了几种常见的图像增强方法，包括灰度拉伸、直方图均衡化、滤波和锐化等。
这些方法可以根据图像的特点和需求进行选择，从而达到增强图像质量的目的。
在实际应用中，我们可以根据具体的情况选择合适的图像增强方法，从而得到更加优质的图像结果。
图像处理增强ppt课件
4.1 光学原理与光学处理 4.2 数字图像概念 4.3 数字图像的校正 4.4 数字图像增强 4.5 多元信息复合 4.6 遥感图像计算机分类
ppt课件.
1
4.4 数字图像增强
（Image Enhancement ）
一. 对比度变换（contrast conve1
， 1
1 0
0 1
1 1 0 0 1 1
1 1 2 1 2 1 2 1 1
2 1 1 1 2 1 1 1 2
ppt课件.
29
彩色合成TM432图
ppt课件.
30
地物边界形状信息
ppt课件.
31
水平线性地物信息
ppt课件.
32
t (m,
n)
1 8
1 1 1
1 0 1
1 1 1
ppt课件.
17
均值滤波
ppt课件.
18
均值滤波
ppt课件.
19
均值滤波前 均值滤波后
中值滤波
卷积运算法则：取窗口内所有像元亮度 值的中值为中间像元的亮度值。
1×3 模板
ppt课件.
21
均值滤波与中值滤波
图象亮度阶梯状变化时——均值平滑 图象中有突出亮点噪声——中值平滑
或
1 0 1
1 2 1 1 2 1 1 2 1
ppt课件.
27
二. 空间滤波
3.定向检测：
检测水平边界
1 t(m,n) 0
1 0
1 0
或
1 1 1
1 1 1 2 2 2 1 1 1
ppt课件.
28
二. 空间滤波
3.定向检测：
如何进行高效的图像增强和降噪
如何进行高效的图像增强和降噪图像增强和降噪是数字图像处理中的重要任务之一。
它们的目的是改善图像的视觉质量和可视化细节，并消除图像中的不必要的噪声。
在本文中，我将介绍一些常用的图像增强和降噪技术，以及一些实现这些技术的高效算法。
一、图像增强技术1.灰度变换：灰度变换是一种调整图像亮度和对比度的常用技术。
它可以通过改变灰度级来增加图像的对比度和动态范围，提高图像的视觉效果。
2.直方图均衡化：直方图均衡化是通过重新分配图像灰度级来增加图像对比度的一种方法。
它通过改变图像的直方图来增强图像的细节和对比度。
3.双边滤波：双边滤波是一种能够保留图像边缘信息，同时消除噪声的滤波技术。
它能够通过平滑图像来改善图像的质量，同时保持图像的细节。
4.锐化增强：锐化增强是一种通过增加图像的高频分量来提高图像的清晰度和细节感的方法。
它可以通过增加图像的边缘强度来突出图像的边缘。
5.多尺度增强：多尺度增强是一种通过在多个尺度上对图像进行增强来提高图像视觉质量的方法。
它可以通过提取图像的不同频率分量来增强图像的细节和对比度。
二、图像降噪技术1.均值滤波：均值滤波是一种常见的降噪方法，它通过将像素值替换为其周围像素的均值来减少噪声。
然而，它可能会导致图像的模糊，特别是在对边缘等细节进行处理时。
2.中值滤波：中值滤波是一种基于排序统计理论的降噪方法，它通过将像素值替换为其周围像素的中值来消除噪声。
相比于均值滤波，中值滤波能够在去除噪声的同时保留图像的边缘细节。
3.小波降噪：小波降噪是一种利用小波变换的降噪方法，它在时频域上对图像进行分析和处理。
它能够通过消除噪声的高频分量来降低图像的噪声水平。
4.非局部均值降噪：非局部均值降噪是一种通过将像素值替换为与其相似的像素均值来减少噪声的方法。
它能够通过比较像素的相似性来区分图像中的噪声和细节，并有选择地进行降噪。
三、高效实现图像增强和降噪的算法1.并行计算：利用并行计算技术，如GPU加速、多线程等，在处理图像增强和降噪算法时，可以提高计算效率和算法的实时性。
数字图像增强方法的对比与分析
数字图像增强方法的对比与分析专业：______________ 班级： ________________ 学号：_______________ 姓名： _______________指导教师： _________完成日期：2012年06月16日摘要：近年来，随着电子计算机技术的进步，计算机图像处理得到了飞跃的发展，己经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。
它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。
对图像进行处理时，经常运用图像增强技术以改基图像的质量增强对某种信息的辨识能力，以更好的应用于现代各种科技领域，图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用, 我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用。
在图像处理过程中，图像增强是十分重要的一个环节。
本文简要介绍图像增强的概念和图像增强算法的分类对比和分析，从图像的直方图均衡化处埋方法，直方图规定化处理方法和图像平滑处理方法三方面对图像增强算法进行讨论和研究，并说明了图像增强技术的应用。
关键词：图像增强直方图均衡化直方图规定化平滑处理1.图像增强概念及现实应用1.1图像增强技术图像增强是数字图像处理的基本内容之一。
图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息。
这类处理是为了某种应用目的去改善图像质量，处理的结果更适合于人的视觉特性或机器识別系统，图像增强处理并不能增加原始图像的信息，而只能增强对某种信息的辨识能力，使处理后的图像对某些特定的应用比原来的图像更加有效。
1.图像增强算法图像增强方法从增强的作用域岀发，可分为空间域增强和频率域增强两种。
本文重点介绍空间域的图像加强算法，空间域方法直接对图像像素的灰度进行处理。
频率域方法在图像的某个频率域中对变换系数进行处理，然后通过逆变换获得增强图像。
在空间域内对图像进行点运算，它是一种既简单又重要的图像处理技术，它能让用户改变图像上像素点的灰度值，这样通过点运算处理将产生一幅新图像2.1灰度变换灰度变换可调整图像的灰度动态范用或图像对比度，是图像增强的重要手段之一。
数字图像处理 -习题2增强-噪声-几何变换-频域变换
第三章图像增强一.填空题1. 我们将照相机拍摄到的某个瞬间场景中的亮度变化范围，即一幅图像中所描述的从最暗到最亮的变化范围称为____动态范围__。
2.所谓动态范围调整，就是利用动态范围对人类视觉的影响的特性，将动态范围进行__压缩____，将所关心部分的灰度级的变化范围扩大，由此达到改善画面效果的目的。
3. 动态范围调整分为线性动态范围调整和__非线性调整___两种。
4. 直方图均衡化把原始图的直方图变换为分布均匀的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。
基本思想是：对图像中像素个数多的灰度值进行__展宽_____，而对像素个数少的灰度值进行归并，从而达到清晰图像的目的。
5. 数字图像处理包含很多方面的研究内容。
其中，__图像增强_的目的是将一幅图像中有用的信息进行增强，同时将无用的信息进行抑制，提高图像的可观察性。
6. 灰级窗，是只将灰度值落在一定范围内的目标进行__对比度增强___，就好像开窗观察只落在视野内的目标内容一样。
二.选择题1. 下面说法正确的是：（B ）A、基于像素的图像增强方法是一种线性灰度变换；B、基于像素的图像增强方法是基于空间域的图像增强方法的一种；C、基于频域的图像增强方法由于常用到傅里叶变换和傅里叶反变换，所以总比基于图像域的方法计算复杂较高；D、基于频域的图像增强方法比基于空域的图像增强方法的增强效果好。
2. 指出下面正确的说法：（D ）A、基于像素的图像增强方法是一种非线性灰度变换。
B、基于像素的图像增强方法是基于频域的图像增强方法的一种。
C、基于频域的图像增强方法由于常用到傅里叶变换和傅里叶反变换，所以总比基于图像域的方法计算复杂较高。
D、基于频域的图像增强方法可以获得和基于空域的图像增强方法同样的图像增强效果。
3.指出下面正确的说法：（D ）①基于像素的图像增强方法是一种非线性灰度变换。
②基于像素的图像增强方法是基于空域的图像增强方法的一种。
利用Matlab进行图像去噪和图像增强
利用Matlab进行图像去噪和图像增强随着数字图像处理技术的不断发展和成熟，图像去噪和图像增强在各个领域都有广泛的应用。
而在数字图像处理的工具中，Matlab凭借其强大的功能和易于使用的特点，成为了许多研究者和工程师首选的软件之一。
本文将介绍如何利用Matlab进行图像去噪和图像增强的方法和技巧。
一、图像去噪图像去噪是指通过一系列算法和技术，将图像中的噪声信号去除或减弱，提高图像的质量和清晰度。
Matlab提供了多种去噪方法，其中最常用的方法之一是利用小波变换进行去噪。
1. 小波变换去噪小波变换是一种多尺度分析方法，能够对信号进行时频分析，通过将信号分解到不同的尺度上，实现对图像的去噪。
在Matlab中，可以使用"dwt"函数进行小波变换，将图像分解为低频和高频子带，然后通过对高频子带进行阈值处理，将噪声信号滤除。
最后通过逆小波变换将去噪后的图像重构出来。
这种方法能够有效抑制高频噪声，保留图像的细节信息。
2. 均值滤波去噪均值滤波是一种基于平均值的线性滤波方法，通过计算像素周围邻域内像素的平均值，替代原始像素的值来去除噪声。
在Matlab中，可以使用"imfilter"函数进行均值滤波，通过设置适当的滤波模板大小和滤波器系数，实现对图像的去噪。
二、图像增强图像增强是指通过一系列算法和技术，改善图像的质量、增强图像的细节和对比度，使图像更容易被观察和理解。
Matlab提供了多种图像增强方法，以下将介绍其中的两种常用方法。
1. 直方图均衡化直方图均衡化是一种通过对图像像素值的分布进行调整，增强图像对比度的方法。
在Matlab中，可以使用"histeq"函数进行直方图均衡化处理。
该函数能够将图像的像素值分布拉伸到整个灰度级范围内，提高图像的动态范围和对比度。
2. 锐化增强锐化增强是一种通过增强图像边缘和细节来改善图像质量的方法。
在Matlab中，可以使用"imsharpen"函数进行图像的锐化增强处理。
数字图像处理的原理与方法
数字图像处理的原理与方法数字图像处理是一种将数字信号处理技术应用到数字图像上的科学技术，它的出现极大地推动了图像处理技术的发展。
数字图像处理不仅可以用于医学图像处理、卫星图像处理、工业检测等领域，还可以应用于数字影像娱乐等方面。
数字图像处理的核心内容就是图像增强、图像恢复、图像分割、图像识别等，本文将主要探讨数字图像处理的原理与方法。
一、图像增强处理图像增强处理是对原始图像进行改善的过程，也是数字图像处理中最普遍的操作类型。
通过增强处理，可以使图像局部特征更加明显，以便进行更高级的图像分析。
常见的图像增强方法包括灰度线性变换、灰度非线性变换、空域滤波增强、频域滤波增强等。
其中，空域滤波增强是最常见的一种方法。
通过对原始图像进行高斯滤波、中值滤波等操作，可以有效去除图像中的噪声。
二、图像恢复处理图像恢复处理是指从已知的图像信息中恢复出原始图像的过程，也是数字图像处理中一种重要的方法。
在数字图像处理中，图像的失真比如模糊、噪声等是不可避免的。
而图像恢复就是通过各种手段找到原始图像中所保留的信息，以恢复图像失真前的形态。
常见的图像恢复处理方法包括逆滤波、维纳滤波、约束最小二乘滤波等。
三、图像分割处理图像分割处理是将图像分割成若干具有独立意义的子区域的过程。
图像分割处理是数字图像处理中一种热门的研究领域，其主要应用于目标提取、图像分析和模式识别等方面。
常用的图像分割方法包括基于像素的算法、基于区域的算法、边缘检测算法等。
其中，基于区域的算法应用最广。
通过对相似区域进行聚类，可以将图像分割成若干子区域，从而实现目标提取等功能。
四、图像识别处理图像识别处理是指对图像进行自动识别的过程。
图像识别处理是数字图像处理中的一大领域，它的技术含量非常高。
常见的图像识别处理方法包括特征提取、模式匹配、神经网络等。
其中，特征提取是一种重要的处理方式。
通过对图像进行特征提取，可以将图像转化为数字特征，从而实现对图像的自动识别和分类。
- 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)。
数字图像增强数字图象增强目的●增强目视效果●提高图像质量和突出所需信息，有利于分析判读或作进一步的处理●对比度变换●空间滤波●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。
常用的方法有对比度线性变换和非线性变换。
每一幅图像都可以求出其像元亮度值的直方图，观察直方图的形态，可以粗略地分析图像的质量。
一般来说，一幅包含大量像元的图像，其像元亮度值应符合统计分布规律，即假定像元亮度随机分布时，直方图应是正态分布的。
实际工作中，若图像的直方图接近正态分布，则说明图像中像元的亮度接近随机分布，是一幅适合用统计方法分析的图像。
当观察直方图形态时，发现直方图的峰值偏向亮度坐标轴左侧，则说明图像偏暗。
峰值偏向坐标轴右侧，则说明图像偏亮，峰值提升过陡、过窄，说明图像的高密度值过于集中，以上情况均是图像对比度较小，图像质量较差的反映。
●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。
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x a为变换前的亮度值，纵坐标x b为变换后的亮度值。
当亮度值x a从0～15变换成x b从0～30，变换函数在图中是一条直线OO’，方程式为一般情况下，当线性变换时，变换前图像的亮度范围x a为a1～a2，变换后图像的亮度范围x b为b1～b2，变换关系是直线，则变换方程为通过调整参数a1，a2，b1，b2，即改变变换直线的形态，可以产生不同的变换效果。
若a2-a1<b2-b1，则亮度范围扩大，图像被拉伸，若a2-a1>b2-b1，亮度范围缩小，图像被压缩。
对于a2与a1，是取在图像亮度值的全部或部分，偏亮或偏暗处，均可根据对图像显示效果的需要而人为地设定。
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拆线，拆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：非线性变换当变换函数是非线性时，即为非线性变换。
非线性变换的函数很多，常用的有指数变换和对数变换。
●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●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，其数学表达式为数字图象增强●对比度变换●空间滤波●彩色变换●图像运算●多光谱变换空间滤波对比度扩展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。
而空间滤波则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。
它仍属于一种几何增强处理，主要包括平滑和锐化。
●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图像。
二维的卷积运算是在图像中使用模板来实现运算的。
●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Ö(m,n)，模板为t(m，n)，则模板运算为:●平滑图像中出现某些亮度变化过大的区域，或出现不该有的亮点（“噪声”）时，采用平滑的方法可以减小变化，使亮度平缓或去掉不必要的“噪声”点。
具体方法有：–均值平滑–中值滤波–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–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成为边缘图像。
锐化的方法很多，在此只介绍常用的几种：–罗伯特梯度–索伯尔梯度–拉普拉斯算法–定向检测梯度的概念反映了相邻像元的亮度变化率，也就是说，图像中如果存在边缘，如湖泊、河流的边界，山脉和道路等，则边缘处有较大的梯度值。
对于亮度值较平滑的部分，亮度梯度值较小。
因此，找到梯度较大的位置，也就找到边缘，然后再用不同的梯度计算值代替边缘处像元的值，也就突出了边缘，实现了图像的锐化。
–罗伯特梯度可以近似地用模板计算，其公式表示为–索伯尔梯度是罗伯特梯度方法的改进，模板变为–拉普拉斯算法在模板卷积运算中，将模板定义为：–拉普拉斯算法有时，也用原图像的值减去模板运算结果的整倍数，即：–定向检测当有目的地检测某一方向的边、线或纹理特征时，可选择特定的模板卷积运算作定向检测。
常用的模板为：空间滤波●滤波函数有低通滤波、高通滤波和带通滤波等。
–低通滤波用于仅让低频的空间频率成分通过而消除高频成分的场合，由于图像的噪声成分多数包含在高频成分中，所以可用于噪声的消除。
–高通滤波仅让高频成分通过，可应用于目标物轮廓的增强。
–带通滤波由于仅保留一定的频率成分，所以可用于提取、消除每隔一定间隔出现的干扰条纹的噪声。
数字图象增强●对比度变换●空间滤波●彩色变换●图像运算●多光谱变换彩色变换亮度值的变化可以改善图像的质量，但就人眼对图像的观察能力而言，一般正常人眼只能分辨20级左右的亮度级，而对彩色的分辨能力则可达100多种，远远大于对黑白亮度值的分辨能力。
不同的彩色变换可大大增强图像的可读性，在此介绍常用的三种彩色变换方法。
–单波段彩色变换–多波段色彩变换–HSI变换彩色变换：单波段彩色变换●单波段黑白遥感图像可按亮度分层，对每层赋予不同的色彩，使之成为一幅彩色图像。
这种方法又叫密度分割，即按图像的密度进行分层，每一层所包含的亮度值范围可以不同。
例如，亮度0～10为第一层，赋值1，11～15为第二层，赋值2，16～30为第三层，赋值3，等等，再给1，2，3等分别赋不同的颜色，于是生成一幅彩色图像。
目前计算机显示彩色的能力很强，理论上完全可以将256层的黑白亮度赋予256种彩色，因此彩色变换很有前景。
●对于遥感影像而言，将黑白单波段影像赋上彩色总是有一定目的的，如果分层方案与地物光谱差异对应得好，可以区分出地物的类别。
例如在红外波段，水体的吸收很强，在图像上表现为接近黑色，这时若取低亮度值为分割点并以某种颜色表现则可以分离出水体；同理砂地反射率高，取较高亮度为分割点，可以从亮区以彩色分离出砂地。
因此，只要掌握地物光谱的特点，就可以获得较好的地物类别图像。
当地物光谱的规律性在某一影像上表现不太明显时，也可以简单地对每一层亮度值赋色，以得到彩色影像，也会较一般黑白影像的目视效果好。
彩色变换：多波段彩色变换●根据加色法彩色合成原理，选择遥感影像的某三个波段，分别赋予红、绿、蓝三种原色，就可以合成彩色影像。
由于原色的选择与原来遥感波段所代表的真实颜色不同，因此生成的合成色不是地物真实的颜色，因此这种合成叫做假彩色合成。
●多波段影像合成时，方案的选择十分重要，它决定了彩色影像能否显示较丰富的地物信息或突出某一方面的信息。
以陆地卫星Landsat的TM影像为例，TM的7个波段中，第2波段是绿色波段（0．52～0．60ìm），第4段波段是近红外波段（0．76～0．90ìmp，当4，3，2波段被分别赋予红、绿、蓝色时，即绿波段赋蓝，红波段赋绿，红外波段赋红时，这一合成方案被称为标准假彩色合成，是一种最常用的合成方案。
●实际应用时，应根据不同的应用目的经实验、分析，寻找最佳合成方案，以达到最好的目视效果。
通常，以合成后的信息量最大和波段之间的信息相关最小作为选取合成的最佳目标，例如，TM的4，5，3波段依次被赋予红、绿、蓝色进行合成，可以突出较丰富的信息，包括水体、城区、山区、平原及线性特征等，有时这一合成方案甚至优于标准的4，3，2波段的假彩色合成彩色变换：H S I变换●HSI代表色调、饱和度和明度（hue，saturation, intensity）。
这种色彩模式可以用近似的颜色立体来定量化。
如图所示，颜色立体曲线锥形改成上下两个六面金字塔状。
环绕垂直轴的圆周代表色调（H），以红色为0o，逆时针旋转，每隔60o改变一种颜色并且数值增加 1，一周 360o刚好6种颜色，顺序为红、黄、绿、青、蓝、品红。
垂直轴代表明度（I），取黑色为0，白色为1，中间为0.5。
从垂直轴向外沿水平面的发散半径代表饱和度（S），与垂直轴相交处为0，最大饱和度为1。
根据这一定义，对于黑白色或灰色，即色调H无定义，饱和度S ＝0，当色调处于最大饱和度时S＝l，这时I＝0．5。
●从常用的红绿蓝表达方式到HSI表达方式，有专门的算法进行转换，常用的图像处理软件系统均有此项功能。
数字图象增强●对比度变换●空间滤波●彩色变换●图像运算●多光谱变换图像运算两幅或多幅单波段影像，完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某些信息或去掉某些不必要信息的目的。
●差值运算●比值运算图像运算：差值运算即两幅同样行、列数的图像，对应像元的亮度值相减。
差值运算应用于两个波段时，相减后的值反映了同一地物光谱反射率之间的差。
由于不同地物反射率差值不同，两波段亮度值相减后，差值大的被突出出来。
例如，当用红外波段减红波段时，植被的反射率差异很大，相减后的差值就大，而土壤和水在这两个波段反射率差值就很小，因此相减后的图像可以把植被信息突出出来。
如果不作相减，在红外波段上植被和土壤，在红色波段上植被和水体均难区分。
因此图像的差值运算有利于目标与背景反差较小的信息提取，如冰雪覆盖区，黄土高原区的界线特征；海岸带的潮汐线等。
图像运算：差值运算差值运算还常用于研究同一地区不同时相的动态变化。
如监测森林火灾发生前后的变化和计算过火面积；监测水灾发生前后的水域变化和计算受灾面积及损失；监测城市在不同年份的扩展情况及计算侵占农田的比例等。