遥感数字图像处理_06遥感图像的辐射处理进阶
遥感图像辐射处理
（2）
图像与直方图之间是多对一的映射关系。
（3）
图像各子区的直方图之和就等于该图像全图的直方图。
(a)
(b)
(a)
(b)
(c)
2 图像反差的调整 2.1线性变换 简单线性变换是按比例拉伸原始图像灰度等 级范围，一般为了充分利用显示设备的显示范围， 使输出直方图的两端达到饱和。 由于遥感图像的复杂性，线性变换往往难以 满足要求，因此在实际应用中更多地采用分段线 性变换，可以拉伸感兴趣目标与其他目标之间的 反差。
1.5 大气校正 大气的影响是指大气对阳光和来自目标的辐射 产生吸收和散射。消除大气影响的校正过程称 为大气校正。 1 基于地面场地数据或辅助数据进行辐射校正 2 利用波段的特性进行的大气校正
1.6地面辐射校正场
1 建立地面辐射校正场符合遥感数据定量化的需要。 2 建立地面辐射校正场可以弥补星上定标的不足 3 满足多种传感器和多时相遥感资料的应用需要
1.4 太阳高度角和地形影响引起的辐射误差校正
太阳高度角引起的辐射畸变校正是将太阳光线倾斜照 射时获取的图像校正为太阳光垂直照射时获取的图像，因 此在做辐射校正时，需要知道成像时刻的太阳角度角。 由于太阳高度角的影响，在图像上会产生阴影现象， 阴影会覆盖阴坡地物，对图像的定量分析和自动识别产生 影响。一般情况下阴影是难以消除的，但对多光谱图像可 以用两个波段图像的比值产生一个新图像以消除地形的影 响。
相对定标又称为传感器探测元件归一化，是为了校正传感 器中各个探测元件响应差异而对卫星传感器测量到的原始 亮度值进行归一化处理 由于传感器各个探测元件之间存在差异，会使得传感器获 得的数据出现一些条带，相对辐射定标的目的就是降低或 消除这些影响 1.3 影像的辐射校正 影像的辐射校正有以下几种方法： （1）简化理论计算方法 （2）基于数据本身的方法 （3）借助已知地物光谱反射率的经验方法
第6章 遥感图像辐射处理
2/16
第六章 遥感图像辐射处理
§6.4 图像融合
（1）基于像素的图像融合 关键问题：几何纠正＋像素重采样 （2）基于特征的图像融合 从初始影像中提取特征，然后对特征进行匹配 优点：针对性强、数据量小、分类精度高 （3）基于决策层的图像融合 在图像理解和模式识别基础上的融合。 在特征提取的基础上，直接面向应用进行融合
0.21 0.16 0.08 0.06 0.65 0.81 0.89 0.95 5 2->5 6 6 7
确定映射对应关系 0->1 (k->t) 统计新直方图 各灰度级像素 计算新直方图
3,4->6 1023 0.25
14/17
直方图均衡化计算步骤示意图
15/17
16/17
第六章 遥感图像辐射处理 §6.2 辐射增强
3/10
第六章 遥感图像辐射处理
§6.3 图像增强
总结：中值滤波的优点和缺点 优点是去噪（特别是脉冲或椒盐噪声）同时较好地 保持了边缘，缺点是对点、细线等细节较多的图像不 大适合。 演示：基于MATLAB的中值滤波程序
4/10
第六章 遥感图像辐射处理
§6.3 图像增强
二、空间域锐化 目的：增强图像的边缘或轮廓。 图像平滑与锐化比较：模糊边缘/突出边缘 积分运算/微分运算 模板和＝1/模板和＝0 空间域锐化的方法与边缘检测方法一致！ 常用的算子有：（见本PPT的127页） Roberts算子 Prewitt/Sobel算子 Laplacian算子
1 3 R H tan1 (v2 v1 ); 2 G 2 2 6 S v v 1 2 B 0
目前，IHS变换已成为彩色增强、特征增强、改善空间 分辨率、融合分离的数据等图像处理和分析的一种有效 方法被广泛应用。 9/16
遥感图像处理的基本步骤与技巧
遥感图像处理的基本步骤与技巧遥感技术是指利用航天器、飞机、卫星等高空平台获得的遥感图像进行信息提取和数据分析的过程。
随着科技的不断进步和应用范围的扩大，遥感图像处理已经成为许多领域中的重要工具。
本文将介绍遥感图像处理的基本步骤与技巧，以帮助读者更好地理解和应用这一技术。
一、图像预处理遥感图像预处理是遥感图像处理的第一步，旨在通过去除噪声、辐射校正和几何校正等处理，使图像质量更高，方便后续处理。
其中，去除噪声主要是采用滤波算法，如中值滤波、均值滤波等。
辐射校正主要用于将图像的辐射能量转换为表观反射率，以消除云、阴影等因素的影响。
几何校正是通过对图像进行几何变换，将其与地理坐标系统对齐，以便于后续的地理信息提取。
二、特征提取特征提取是遥感图像处理的核心环节，目的是从遥感图像中提取出具有代表性和区分度的特征信息。
常用的特征包括光谱特征、纹理特征、形状特征等。
光谱特征是指根据图像像素的光谱反射率或辐射能量，提取出不同波段的特征。
纹理特征是指从图像中提取出地物的纹理信息，包括纹理方向、纹理密度等。
形状特征是指从图像中提取出地物的形状信息，包括面积、周长等。
三、分类与识别分类与识别是遥感图像处理中的重要任务，目的是将地物按照其属性进行分类和识别。
常见的分类方法包括监督分类和无监督分类。
监督分类是指根据已知的样本类别信息，通过训练分类器将图像中的地物分到不同的类别中。
无监督分类是指根据图像像素之间的相似性将其分为一定数量的类别。
分类结果可以用于制作地图、监测资源变化等。
四、变化检测变化检测是遥感图像处理中的一项重要任务，主要应用于监测和分析地表物体的变化。
遥感图像在不同时间获取的变化信息可以帮助我们了解自然和人类活动对地表的影响。
常见的变化检测方法包括像素级变化检测和对象级变化检测。
像素级变化检测是指比较两幅图像对应像素之间的差异，以确定变化的位置和类型。
对象级变化检测是指先将图像分割成不同的对象，然后比较不同时间获取的对象之间的差异。
遥感图像辐射处理
S
• ED
散射光直接进入传感器的辐射（程
辐射亮度LP）
L
R T
E0T S
cos
R T
SED
SLP
7
大气影响的定量分析
L
R T
E0T S
cos
R T
SED
SLP
大气的影响主要是减少了图像的对比度，使原始信号和背景信 号都增加了因子。
8
第六章 遥感图像辐射处理
§6.1遥感图像的辐射处理
2、大气校正 1）基于辐射传输方程的大气校正 6S模型、LOWTRAN模型、MORTRAN模型、 ATCOR模型等；
各灰度级像素
3 计算原始直方图 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02
4 计算累计直方图T 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1
5
对(N-1)*T
1
3
566
四舍五入取整(t)
6 确定映射对应关系 0->1 1->3 2->5 3,4->6
频率高的部分被增强了,频率低的部分被压缩。
29
效果：增强了峰值处的对比度，两端（最亮和最 暗）的对比度减弱了
30
第六章 遥感图像辐射处理
§6.2遥感图像辐射增强
1 列出原始图像的 0
1
234
5
6
7
灰度级k=0,1,…7
2 统计原始直方图 790 1023 850 656 329 245 122 81
辐射（误差）校正
消除或改正遥感图像成像过程中附加在传感器输 出的辐射能量中的各种噪声的过程。
2
第六章 遥感图像辐射处理
遥感图像处理的基本步骤和技巧
遥感图像处理的基本步骤和技巧遥感图像处理是利用遥感技术获取的遥感图像数据进行分析、处理和解释的过程。
遥感图像处理技术在环境监测、资源管理、农业和城市规划等领域具有广泛的应用。
本文将介绍遥感图像处理的基本步骤和技巧。
一、图像预处理图像预处理是遥感图像处理的第一步，目的是改善图像质量，消除噪声和其他不必要的干扰。
常见的图像预处理技术包括辐射校正、大气校正和几何纠正。
辐射校正是将原始图像中的数字数值转换为辐射亮度值，以消除由于不同仪器和观测条件引起的辐射差异。
大气校正则是通过对图像进行大气光校正，消除大气吸收和散射效应，获得更准确的地物辐射亮度信息。
几何纠正是校正图像中的几何畸变，使其与实际地面特征对应。
二、图像增强图像增强是通过增加图像的对比度和清晰度，突出感兴趣的地物信息。
常见的图像增强技术包括直方图均衡化、滤波和波段变换。
直方图均衡化是通过调整图像像素的亮度分布，增强图像对比度。
滤波是通过应用各种滤波器来去除图像中的噪声和模糊。
波段变换是将图像从一种波段转换到另一种波段，以提取不同地物特征。
三、特征提取特征提取是从图像中提取与感兴趣地物相关的信息。
常见的特征提取技术包括阈值分割、边缘检测和纹理分析。
阈值分割是将图像分为不同的区域，使每个区域具有相似的亮度或颜色特征。
边缘检测是寻找图像中的边界线，以辅助划分地物边界。
纹理分析是通过提取图像的纹理特征来描述地物的空间结构。
四、分类与识别分类与识别是将特定地物进行分类和识别的过程。
常见的分类与识别技术包括监督分类、无监督分类和目标检测。
监督分类是通过使用已知类别的训练样本，建立分类器对图像进行分类。
无监督分类是根据图像像素的统计特征将图像自动分为不同的类别。
目标检测是在图像中检测和识别特定的目标，例如建筑物、道路等。
五、图像解译与分析图像解译与分析是对处理后的遥感图像进行解释和分析的过程。
通过对图像分析可以获取地表特征的数量和质量信息，用于环境变化监测、资源管理和规划决策。
遥感数字图像处理教程_06遥感图像的辐射校正
四、辐射传输方程
辐射传输方程：从辐射源经过大气层到达传感器的过程 中电磁波能量变化的数学模型。 传感器接收到的电磁波谱能量包括：太阳经大气衰减后 照射地面，经地物反射后，又经大气第二次衰减进入传感器 的能量；地面物体本身辐射的能量经大气后进入传感器；大 气散射和大气辐射的能量等。
太阳天顶角 地物光谱反 射率 Z1到Z2区段大气层的 光学厚度
a. 等概率变换
理论基础：两幅图像重叠部分灰度分布应相同。
设F、G两幅影像，以影像F为标准进行变换。在重叠部分，G影像上灰
度值小于gi的像元百分数为P，对应在F影像上占有同样百分数P的像 元灰度值为fi,这样就找到了gi应变换成fi，找出重叠部分影像G上所有 灰度值应变换成的值g’,列出变换表，根据该表将影像G各像元的灰 度值进行变换。 简单、但存在位置配准误差。
b. 线性灰度变换
在两张影像的重叠部分各取出相对应的n个点，建立线性回归方程； 然后运用最小二乘法求线性方程系数。以其中一幅影像为标准，对另 一幅影像进行变换，从而达到灰度一致化。 特点：简单易行，n足够大时有一定的精度。
5.3.2 遥感器端的辐射校正
背景：20世纪70年代末到80年代初，航天定量遥感技术的 迅速发展，遥感应用日趋定量化，进一步改进卫星定量遥感 精度的要求迫切。 80年代初，以美国Arizona大学光学中心的P.N.Slater教授为 代表提出了辐射校正场技术--利用地球表面大面积均匀的地 物为目标，当卫星过顶时实施同步地面观测，以实现对在轨 道上运行的卫星传感器做辐射校正。
传感器端的辐射校正（内部误差）
大气校正（外部误差）
地表辐射校正（外部误差）
5.1 大气层对电磁波传输过程的影响
5.2 辐射误差
遥感影像的辐射校正与处理技术
遥感影像的辐射校正与处理技术在当今科技飞速发展的时代，遥感技术作为一种获取地球表面信息的重要手段，发挥着越来越关键的作用。
而遥感影像的辐射校正与处理技术，则是确保遥感数据质量和可用性的重要环节。
遥感影像本质上是通过传感器接收到的地物反射或发射的电磁波能量所形成的图像。
然而，在获取影像的过程中，由于多种因素的影响，影像的辐射值可能会出现偏差或失真，这就需要进行辐射校正。
辐射校正的目的是消除或减少这些影响，使得影像能够准确反映地物的真实辐射特性。
造成遥感影像辐射误差的原因众多。
首先，传感器自身的性能差异会导致响应不一致。
不同的传感器对相同的地物可能会产生不同的测量值。
其次，大气对电磁波的散射和吸收也会改变影像的辐射特性。
比如，大气中的水汽、尘埃等会使得光线散射，导致影像模糊和亮度变化。
再者，太阳高度角、观测角度等几何因素也会影响地物的辐射接收。
此外，地形的起伏会导致光照不均匀，从而影响影像的辐射值。
辐射校正主要包括两种类型：辐射定标和辐射校正。
辐射定标是将传感器测量的数字量化值（DN 值）转换为具有物理意义的辐射亮度或反射率值。
这通常需要借助传感器的定标参数，如增益、偏移等。
通过定标，可以建立起影像数据与实际辐射量之间的定量关系。
而辐射校正则是消除或减少由大气、地形等因素引起的辐射误差。
常见的辐射校正方法有基于物理模型的校正和基于经验模型的校正。
基于物理模型的校正方法需要详细了解大气的成分、物理特性以及太阳辐射等信息，通过建立复杂的数学模型来计算大气对辐射的影响，并进行校正。
这种方法理论上较为精确，但需要大量的先验知识和参数输入，计算量较大。
基于经验模型的校正方法则是通过对大量已知辐射特性的地面控制点或均匀地物区域的观测，建立影像辐射值与实际辐射值之间的经验关系，然后应用这种关系对整个影像进行校正。
这种方法相对简单，但精度可能受到控制点选取和分布的影响。
在进行辐射校正之后，还需要对遥感影像进行进一步的处理，以提高影像的质量和可用性。
遥感影像处理具体操作步骤
遥感影像处理具体操作步骤遥感影像处理是利用遥感技术获取的遥感影像数据进行分析和处理的过程。
下面是遥感影像处理的具体操作步骤：1. 数据预处理：- 影像获取：通过卫星、航空器或者无人机等获取遥感影像数据。
- 影像校正：对获取的遥感影像进行几何校正和辐射校正，以消除影像中的几何畸变和辐射差异。
- 影像配准：将多个遥感影像进行配准，使其在同一坐标系下对齐，以便进行后续的分析。
- 影像切割：根据需要，将遥感影像切割成小块，方便后续处理。
2. 影像增强：- 直方图均衡化：通过调整影像的像素灰度分布，增强影像的对照度和细节。
- 滤波处理：利用滤波算法对影像进行平滑或者锐化处理，以去除噪声或者增强细节。
- 波段合成：将多个波段的影像合成为一幅彩色影像，以显示不同特征或者信息。
3. 影像分类：- 监督分类：根据已知样本进行训练，利用分类算法将遥感影像中的像素分为不同的类别。
- 无监督分类：根据像素的相似性进行聚类，将遥感影像中的像素分为不同的类别，不需要事先提供训练样本。
4. 特征提取：- 纹理特征：通过计算影像中像素的纹理统计量，提取纹理特征，用于地物分类和识别。
- 形状特征：通过计算影像中像素的形状参数，如面积、周长、圆度等，提取形状特征，用于地物分类和识别。
- 光谱特征：利用遥感影像中不同波段的反射率或者辐射值，提取光谱特征，用于地物分类和识别。
5. 地物提取：- 目标检测：利用目标检测算法，自动提取遥感影像中的目标物体，如建造物、道路等。
- 变化检测：通过比较不同时间的遥感影像，检测地物的变化情况，如城市扩张、土地利用变化等。
6. 结果评估：- 精度评估：通过对照遥感影像处理结果与实地调查数据或者高分辨率影像进行对照，评估处理结果的准确性和精度。
- 一致性检验：对处理结果进行一致性检验，确保处理结果的逻辑和合理性。
以上是遥感影像处理的具体操作步骤。
不同的任务和目标可能需要不同的处理方法和算法，具体操作步骤可能会有所不同。
- 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)。
三 多源遥感图像信息融合的关键 (1)充分认识研究对象的地学规律 (2)充分考虑不同遥感数据之间的波谱信息 的相关性引起的有用信息的增加和噪声 误差的增加,对多源遥感数据作出合理的 选择 (3)解决遥感影像的几何畸变问题,使各种遥 感影像在空间位置上能精确配准起来 (4)选择或设计合理的融合算法,最大限度的 利用多种遥感数据中的有用信息
3决策级融合 决策级融合是高水平的融合。其按照应 用的要求首先对图像进行分类,确定各个类 别中的特征影像,然后进行融合处理。
SPOT与TM347波段配准、融合结果
10米分辨率SPOT与TM融合卫星影像
SPOT 5 黑白与多光谱融合
ETM数据与SPOT数据融合图
中巴卫星数据与SPOT数据融合图
例NDVI=(MSS7-MSS5)/(MSS7+MSS5)
也称为生物量指标变化，可使植被从水和 土中分离出来。 (MSS6-MSS5)/(MSS6+MSS5)以消除部分大 气影响
6多光谱图像变换
一 K-L变换(Karhunen-Loeve)(主分量变换)
K-L变换:它是对某一多光谱图像X.利用K-L变换矩 阵A进行线性组合,而产生一组新的多光谱图像Y. Y=AX 特点:变换后的主分量空间与变换前的多光谱空间 坐标系相比旋转了一个角度。新坐标系的坐标轴 一定指向数据量较大的方向。
有: 3 1 V11 V=4 11 1 3 V21 V21 V11= V21 当λ 2=1/8时,同理: δ11 δ12 V12 δ21 δ22 V22 V12=-V22 V12 =λ2 V22
1 -1 1 1 Y=AX
A=
二 K-T变换
是kauth-Thomas变换的简称，也称穗帽变换.是 一种坐标空间发生旋转的线性变换，旋转后的坐 标轴指向与地面景物有密切关系的方向 主要针对TM图像数据和MSS数据.
2．加法运算 B= 通过加法运算可以加宽波段，如绿色波 段和红色时段图像相加可以得到近似全色 图像；而绿色波段，红色波段和红外波段 图像相加可以得到全色红外图像。
3．乘法运算 B=(∏Bi)1/m 乘法运算结果与加法运算结果类似
4．除法运算 Ｂ＝Ｂx／Ｂy *通过比值运算能压抑因地形坡度和方向引起的 辐射量变化，消除地形起伏的影响；
δ21 δ22 δ23 = 1/16 δ31 δ32 δ33 1/16
Σ=
-1/16 3/16
由|Σ -λ E |=0
λ 1=λ 2=0.25 λ 3=0.0625 如只有P1,P2两幅影像则:λ 1=1/4,λ 2=1/8 =11 λ 1 当λ 1=1/4,时: δ11 δ12 V11 V δ21 δ22 V11 V11
或出现不该有的亮点时，采用平滑方法可以减 小变化，使亮度平缓或去掉不必要的亮点。
均值平滑：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 像的目的。 中值滤波：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，以达到去掉尖锐“噪声”和平 滑图像的目的。 在消除噪音的同时，还能防止边缘模糊
② 拉普拉斯算法 ③ 定向检测
高通滤波
垂直边缘
水平边缘
5 多光谱图像四则运算
1．减法运算 Bm=BX－BY
其中BX、BY为两个不同波段的图像或者不同时相同一波段图像。
* 当为两个不同波段的图像时，通过减法运算 可以增加不同地物间光谱反射率以及在两个波 段上变化趋势相反时的反差。 *而当为两个不同时相同一波段图像相减时， 可以提取波段间的变化信息。
四 图像融合层次
1像素级融合 对原始图像及预处理各阶段上所产生 的信息分别进行融合处理，将各图像的 像元的物理量加权求和,该值对应为同一 坐标上新图像的像元值,其作用是增加图 像中的有用信息成分。
2特征级融合 特征级融合是在图像特征提取阶段的融合。 对于不同图像进行的特征提取,必须按照各 自图像上相同类型的特征进行融合处理,其 使得能够以高的置信度来提取有用的图像 特征。
（4）选择前几个特征值对应的几个特征向量 构造变换矩阵φn. （5）根据Ｙ＝φnX进行变换，得到的新特征 影像就是变换的结果，X为多光谱图像的一 个光谱特征矢量。 第一分量方差分布最广，集中最多信息，第 二分量次之。
例:
有三幅影像,其灰度为: P1[0 1 1 1] , P2[0 0 0 1] , P3[0 0 0 1] 其均值为: M1=(0+1+1+1)/4=3/4 M2=1/4 M3=1/4
0.433 -0.290 -0.824 0.223 0.632 -0.567 0.533 0.012 0.586 0.600 -0.050 -0.543 0.264 0.491 0.185 0.809
土壤亮度变化轴ISB为穗帽的底边，帽上 面各部分反映了植物生长变化状况，植物 株冠的绿色发展到顶点（最旺盛时在帽顶） 以后逐渐枯黄，枯黄过程是从帽顶沿着一 些称为帽穗的路径回归到土壤底线（因此 有穗帽之称）。
I阴5/I阴7=ρ5 E阴5/E阴ρ7= ρ5 /ρ7 I阳5/I阳7=ρ5 E阳5/E阳ρ7 = ρ5 /ρ7
*也可以增强某些地物之间的反差，如植物、 土壤、水在红色波段与红外波段图像上反 射率是不同的，通过比值运算可以加以区 分 因此，比值运算是自动分类的预处理方法之 一。
5．混合运算
归一化差分植被指数（NDVI） NDVI=(红外-红)/(红外+红)
•
空间滤波：以突出图像上的某些特征为目 的，通过像元与周围相邻像元的关系， 采取空间域中的邻域处理方法进行图像像窗口与 模板像元的亮度值相乘再相加，得到新 像元的灰度值。
低通滤波
4 图像锐化
锐化—突出图像的边缘、线性目标或某些亮度变化 率大的部分。 罗伯特梯度：找到了梯度较大的位置，也就找到 了边缘，用不同的梯度值代替边缘处像元的值， 也就突出了边缘。 ① 索伯尔梯度
Y=A· X Y=（ISB IGV IY IN）T X=（X4 X5 X6 X7） 其中：ISB——土壤亮度轴的像元亮度值 IGV——植物绿色指标轴的像元亮度值 IY —— 黄色轴 IN —— 噪声轴 Xi —— 地物在MSS四个波段上的亮度值
穗帽变换的变换矩阵根据经验确定。Kauth和Thomas 研究出的矩阵A具有如下形式：
该变换的几何意义是把原始特征空间的 特征轴旋转到平行于混合集群结构轴的方 向上去。
达到数据压缩、提高信噪比、提取相关 信息、降维处理和提取原图像特征信息的 目的。
主分量变换计算步骤如下：
（1）计算多光谱图像的均值向量M和协方差矩 阵 C。 （2）计算矩阵C的特征值λr和特征向量φr ，（r=1， 2，………,M）,M为多光谱图像的波段 数。 （3）将特征值λr按由大到小的次序排列，即 λ1>λ2>……>λm.
第6讲
课 题：遥感图像的辐射处理（2） 目的要求：1. 了解辐射传输过程； 2.了解产生 辐射误差的原因；3.了解辐射校正的原理 重 点：图像的平滑和锐化 难 点：图像融合 教学课时：2课时 教学方法：授课为主、鼓励课堂交流 本次课涉及的学术前沿：图像的增强处理
3 图像平滑
1:平滑--图像中出现某些亮度值过大的区域，
IKONOS(1m)数据与TM数据融合图
大连星海湾8米分辨率福卫二号卫星多光谱影像
大连星海湾2 米分辨率福卫二号全色影像
全色与多光谱融合影像
作业： 1:名词解释：图像平滑 2:辐射校正的目的是什么？辐射校正包括 哪些内容？ 3:图像锐化与图像平滑有何区别与联系？ 4:什么是主成分变换？主成分变换的基本 性质有哪些？
协方差: δ11 =[(0-3/4)(0-3/4)+3(1-3/4)(1-3/4)]/4=3/16 δ12 =[(0-3/4)(0-1/4)+(1-3/4)(0-1/4)+
(1-3/4)(1-1/4)+(1-3/4)(0-1/4)]/4=1/16 同理: δ11 δ12 δ13
3/16 1/16 1/16 3/16 -1/16