遥感图像处理实例分析01(算法、图像增强)
遥感图像增强实验报告
遥感图像增强实验报告1. 实验目的和内容实验目的：（1）遥感图像的空间域增强：通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像，是图像增强技术的基本组成部分，包括点运算和邻域运算。
（2）遥感图像的频率域增强：通过对频率域的调整对遥感图像进行平滑和锐化，平滑主要是保留图像的低频部分抑制高频部分，锐化则保留图像的高频部分而削弱低频部分。
（3）遥感图像的彩色增强：将黑白图像转换成彩色图像，使地物的差别易于分辨，突出图像的有用信息，从而提高对图像的解译和分析能力。
实验内容：（1）遥感图像的空间域增强：点运算—直方图均衡化、灰度拉伸、任意拉伸，邻域运算—图像平滑、图像锐化。
（2）遥感图像的频率域增强：定义FFT，反向FFT，再进行对比。
（3）遥感图像的彩色增强：多波段影像—彩色合成、单波段影像—伪彩色增强、色彩空间变换、遥感数据融合。
2. 图像处理方法和流程A.遥感图像的空间域增强1.直方图均衡化(1)在主窗口中打开can_tmr.img文件。
(2)以gray形式显示一个波段。
(3)Display窗口>enhance>equalization2.灰度拉伸(1)Display窗口>enhance>interactive stretching(2)弹出的对话框>stretch_type>linear(3)在STRETCH对应的两个文本框中输入需要拉伸的范围，然后单击对话框上的APPLY按钮，图像显示为线性拉伸后的效果。
3.任意拉伸（1）弹出的对话框>stretch_type>Arbitary，在output histogram中单击绘制直方图，右键结束（2）点击apply，结果如图所示4.图像平滑（1）均值平滑，在主窗口中打开can_tmr.img文件。
主窗口>enhance>filter>smooth[3*3]。
结果如图所示（2）中值平滑，在主窗口中打开can_tmr.img文件。
实习二 遥感图像预处理——图像增强
针对不同的图像，选择多种增强方法，体会各种方法的不同效果。要求提交增强前后的影像和直方图， 并对影像变化做文字说明。
五 思考题
1. 图像显示效果与直方图之间的对应关系。 2. 图像增强的目的是什么？ 3. ERDAS 软件中 breakpoint Editor 的作用是什么？其中的 Gray Lookup Table 的作用是什么？ 4. ERDAS 软件在 View 视图中打开影像文件时，影像的亮度是否是原始影像的亮度？为什么？
实习二 遥感图像预处理——图像增强
一 实习目的
1）掌握直方图的概念、生成方法，通过对不同图像直方图的比较，理解直方图所反映的图像性质； 2）了解图像增强和滤波的多种方法，掌握直方图均衡、方差调整、线性拉伸、亮度/反差调整、密度 分割、分段拉伸的方法； 3）通过图像增强和滤波多种方法的实习，掌握改善遥感图像视觉效果的有效方法； 4) 掌握 ERDAS 软件中 breakpoint Editor 和 Gray Lookup Table 的作用0.tif—B70.tif
三 实习内容
1. 直方图显示 在 ERDAS 图标面板采单条单击 Tools | Image Information|Histgram 命令。 2. 直方图均衡 在 Viewer 中，单击 Raster | Contrast|Histgram Equalize 命令。 3. 方差调整 在 Viewer 中，单击 Raster | Contrast|General Contrast 命令，打开 Contrast Adjust 对话 框，在 Method 中选 Standard Deviations。了解不同的方差数值对改变图像效果的影响。 4. 线性拉伸 在 Viewer 中，单击 Raster | Contrast|General Contrast 命令，打开 Contrast Adjust 对话 框，在 Method 中选 Linear。 5. 亮度/反差调整 在 Viewer 中，单击 Raster | Brightness/Contrast 命令。 6. 密度分割 在 Viewer 中，单击 Raster | Contrast|General Contrast 命令，打开 Contrast Adjust 对话 框，在 Method 中选 Level Slice。 7. 分段拉伸 在 Viewer 中，单击 Raster | Contrast|Piecewise Contrast 命令。 8. breakpoints 及 Lookup Table 的作用 在 Viewer 中，单击 Raster | Contrast| Breakpoint 命令，打 开 Breakpoint Editor 对话框，体会 ERDAS 软件中 Lookup Table 的作用。
第五章 遥感图像处理—图像增强
特征；其余三个分量与地物特征没有明确的对应关系。
七、多元信息复合
遥感图像信息融合(Fusion)是将多源遥感数据在统一的 地理坐标系中，采用一定的算法生成一组新的信息或合
其中：
k ( g 'max g 'min ) /( gmax gmin ) 255/ 52 4.9
b g 'ij kgij 0 49 49
2、非线性拉伸
（1）指数变换
xb be
（2）对数变换
axa
c
xb b度进行分层，每一层所包含的亮度值范围可以不
同。
图像密度分割原理可以按如下步骤进行：
（1）求图像的极大值dmax和极小值dmin； （2）求图像的密度区间ΔD = dmax-dmin + 1； （3）求分割层的密度差Δd =ΔD／n ，其中 n为需分割的层数；
（4）求各层的密度区间；
（5）定出各密度层灰度值或颜色。
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。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。
T M 4 影 像
T M 3 影 像
TM4-TM3影像
87 年 影 像
92 年 影 像 变化监测结果影像
（二）加法运算
B= i /m
i=1 m
加法运算可以加宽波段，如绿色波段和红色波 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。
-1 -2 -1 0 0 0 1 2 1 1 2 0 -2 1 0 -1
遥感图像处理的图像增强和特征提取方法
遥感图像处理的图像增强和特征提取方法遥感图像处理是利用遥感技术获取和处理地球表面信息的一种方法。
在遥感图像处理中，图像增强和特征提取是两个重要的步骤。
本文将探讨遥感图像处理的图像增强和特征提取方法，并介绍其在实际应用中的重要性和挑战。
一、图像增强方法图像增强是通过改善遥感图像的质量和清晰度来提取更多有用信息的过程。
在遥感图像处理中，常用的图像增强方法包括直方图均衡化、滤波和增强算法等。
1. 直方图均衡化直方图均衡化是一种通过调整图像的亮度分布来增强图像对比度的方法。
它通过将图像的亮度值映射到一个更均匀分布的直方图来使图像的细节更加清晰。
直方图均衡化能够有效地提高图像的视觉质量，但在某些情况下可能会导致过度增强和失真。
2. 滤波滤波是一种通过去除图像中的噪声和不必要的细节来改善图像质量的方法。
在遥感图像处理中，常用的滤波方法包括中值滤波、高斯滤波和小波变换等。
这些滤波方法能够有效地降低图像的噪声和模糊度，提高图像的清晰度和边缘保持能力。
3. 增强算法增强算法是一种通过对图像进行像素级别的调整和处理来增强图像质量的方法。
常用的增强算法包括灰度拉伸、对比度增强和边缘增强等。
这些算法能够根据图像的特点和需求来调整图像的亮度、对比度和细节等，从而提高图像的视觉效果和信息提取能力。
二、特征提取方法特征提取是通过从遥感图像中提取和表示有用的信息和模式来分析和识别图像内容的过程。
在遥感图像处理中，常用的特征提取方法包括纹理特征提取、频谱特征提取和形状特征提取等。
1. 纹理特征提取纹理特征提取是一种通过分析图像中的纹理信息来描述和表示图像内容的方法。
常用的纹理特征提取方法包括灰度共生矩阵、小波变换和局部二值模式等。
这些方法能够有效地提取图像中的纹理细节和结构特征，用于图像分类、目标检测和地物识别等应用。
2. 频谱特征提取频谱特征提取是一种通过分析图像的频域信息来描述和表示图像内容的方法。
常用的频谱特征提取方法包括傅里叶变换、小波变换和高斯金字塔等。
遥感第六章遥感图像处理图像增强
锐化
–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：
r' (i, j) f (i, j) kr(i, j)
r(i,j)为拉普拉斯运算结果。 这样的计算结果保留了原图像作为背景，边 缘之处加大了对比度，更突出了边界位置。
锐化
–定向检测
当有目的地检测某一方向的边、线或纹理特征时，
–罗伯特梯度
锐化
t1＝
10 0 －1
可以近似地用模板计算，其公式表示为
| gradf || f (i, j) f (i 1, j 1) |
| f (i 1, j) f (i, j 1) |
t2＝
0 －1 10
相当于取窗口2×2大小，用模板t1作卷积计算后取绝对值 加上模板t2计算后的绝对值。计算出的梯度值放在左上角 的像元f（i，j）的位置，成为r（i，j）。这种算法的意
义在于用交叉的方法检测出像元与其邻域在上下之间或左
右之间或斜方向之间的差异，最终产生一个梯度影像，达
到提取边缘信息的目的。有时为了突出主要边缘，需要将
图像的其他亮度差异部分模糊掉，故采用设定正阈值的方
法，只保留较大的梯度值来改善锐化后的效果。
锐化
–索伯尔梯度 是罗伯特梯度方法的改进，模板变为
121 t1＝ 0 0 0
1 3
xa
② xb 2xa 10
③
xb
3 4
xa
15 4
变化前亮度值 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
变化后亮度值 0 0 1 1 1 2 2 4 6 8 10 12 13 14 14 15
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。
图像增强技术在遥感图像处理中的应用教程
图像增强技术在遥感图像处理中的应用教程遥感技术作为一种获取地球表面信息的手段，广泛应用于农业、城市规划、环境保护等领域。
然而，由于受到地球自然条件、拍摄设备等因素的限制，遥感图像常常存在一些问题，诸如噪声、光照不均匀等问题。
为了更好地从遥感图像中提取有用的信息，图像增强技术被广泛应用。
图像增强技术是指通过对原始图像进行一系列的处理，以改善图像的质量和可视化效果。
在遥感图像处理中，应用图像增强技术可以使图像更加清晰、明亮，并突出显示目标物体的特征，有助于进一步分析和应用。
下面将介绍几种常用的图像增强技术及其在遥感图像处理中的应用。
1. 噪声去除：噪声是由于成像设备的限制、传感器的干扰等因素引起的图像中的无用信息。
在遥感图像中，噪声会使图像变得模糊、失真，降低图像的可用性。
常用的噪声去除方法包括均值滤波、中值滤波和小波变换等。
这些方法能够有效地消除高斯噪声、椒盐噪声等，提升图像的质量。
2. 对比度增强：对比度是指图像中不同物体之间亮度差异的程度。
在遥感图像中，由于光照条件的变化，图像中的对比度常常不够明显。
对比度增强技术可以通过调整图像的灰度级分布，使图像中不同物体的亮度差异更加明显。
常用的对比度增强方法有直方图均衡化、拉伸变换和CLAHE（对比度限制自适应直方图均衡化）等。
3. 去雾处理：遥感图像中常常受到大气中的雾、烟尘等干扰，导致图像的可视化效果变差。
去雾处理技术可以通过估计大气光的强度和传播距离，消除图像中的雾霾效果，使图像更加清晰、真实。
常见的去雾处理方法有暗通道先验法、逆向辐射传输模型等。
4. 彩色增强：遥感图像中，彩色信息对于物体分类和目标识别至关重要。
彩色增强技术可以使图像更加饱满、生动，进一步提升图像的可视化效果。
常用的彩色增强方法有RGB增强、HSV变换和IHS变换等。
这些方法可以调整图像的颜色分量，使图像更加逼真、亮丽。
5. 图像融合：图像融合技术是将多个从不同传感器、角度或时间拍摄的遥感图像进行组合，形成一幅增强的图像。
遥感图像处理_图像增强
sk舍入 1/7 3/7 5/7 6/7 6/7 1 1 1
直方图均衡化
3. 重新命名sk，归并相同灰度级的象素数。
rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
© 中国科学院遥感应用研究所
nk 790 1023 850 656 329 245 122 81
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
直方图均衡化 灰度动态范围扩展
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
直方图匹配
修改一幅图象的直方图，使得它与另一幅图象的 直方图匹配或具有一种预先规定的函数形状。
非线性亮度变换 指数效应
© 中国科学院遥感应用研究所
直方图调整法-直方图
直方图:表示数字图象中的每一灰度级与其出现的频率(该灰 度级的象素数目)间的统计关系,用横坐标表示灰度 级, 纵坐标表示频数(也可用概率表示)。
© 中国科学院遥感应用研究所
直方图
© 中国科学院遥感应用研究所
直方图
© 中国科学院遥感应用研究所
rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
© 中国科学院遥感应用研究所
nk 790 1023 850 656 329 245 122 81
p(rk) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02
sk计算 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00
遥感数据图像处理实验四、图像增强处理
遥感数据图像处理实验四、图像增强处理实验四、图像增强实验内容：1. 空间增强处理（Spatial Enhancement）2. 辐射增强处理（Radiometric Enhancement）1.空间增强处理（Spatial Enhancement）⼀、⾮定向边缘增强（Non-directional Edge）（以c:\program files\ imagine 8.4\examples\lanier.img为例）⾮定向边缘增强应⽤两个⾮常通⽤的滤波器（Sobel滤波器和Prewitt滤波器），⾸先通过两个正交卷积算⼦（Horizontal算⼦和Vertical算⼦）分别对遥感图像进⾏边缘探测，然后将两个正交结果进⾏平均化处理。
⾮定向边缘增强具体操作过程如下：ERDAS IMAGINE 8.4图标⾯板菜单条:Main→Image Interpreter(或单击ERDAS IMAGINE 8.4图标⾯板⼯具条“Interpreter”图标)→打开Image Interpreter对话框→选择Spatial Enhancement→打开Spatial Enhancement对话框→选择Non-directional Edge→打开Non-directional Edge对话框在Non-directional Edge对话框中需要⾊置下列参数：→Input File（确定输⼊⽂件）：lanier.img→Output File（定义输出⽂件）：non-direct.img→Coordinate Type（⽂件坐标类型）：Map→Subset Definition（处理范围确定）：ULX,ULY;LRX，LRY（缺省状态为整个图像范围）→Output Data Type（输出数据类型）：Unsigned 8 bit→Filter Selection(滤波器选择):Sobel→选定Ignore Zero in Stats(输出数据统计时忽略零值)→单击OK按钮（关闭Non-directional Edge对话框，执⾏⾮定向边缘增强）⼆、纹理分析（以c:\program files\ imagine 8.4\examples\lanier.img为例）纹理分析通过在⼀定的窗⼝内进⾏⼆次变异分析（2nd-order Variance）或三次⾮对称分析(3rd-order Skewness),使图像的纹理结构得到增强，操作的关键是窗⼝⼤⼩（Window Size）的确定和操作函数（Operator）的定义。
- 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)。
图像处理（Image processing）基本概念数字图像处理（digital image processing）指的是使用计算机巧妙处理以数字格式存储图像数据的过程。
其目的是提高地理数据质量，使其对使用者更有意义，并能提取定量信息，解决问题。
数字图像（digital image）的存储是以二维数组或网格的形式保存像素值，每个像素在空间上对应着地表一块小面积。
数组或网格又称光栅，所以图像数据经常叫着光栅数据。
光栅数据的排列是这样：水平行叫着线（lines），垂直列叫着样品（samples）（如图1-1）。
图像光栅数据的每个像素代表着是数字（digital number），简称DN。
图1-1 光栅数据图像数字DNs在不同的数据源中，代表着不同的数据类型。
如对Landsat、SPOT卫星数据，DNs代表的是地物在可见光、红外或其它波段的反射强度。
对雷达图像，DNs代表的是雷达脉冲返回到天线的强度。
对数字地形模型（DTMs），DNs代表的是地形高程。
通过应用数学变换，图像转化为数字图像。
ER Mapper可以增强数字图像，突出和提取传统手工方法难以得到的细小信息。
这就是为什么图像处理能成为所有地球科学应用的强大工具的原因多光谱数据（multispectral data）指的是多波段数据，图像数据中含有多个波段的反射强度。
图像处理技术随着合并不同波段的信息而发展，突出了一些特别类型的信息，如植被指数、水质量参数、地表矿物出现类型等。
图像处理广泛应用在地球科学的制图、分析和模型应用上。
主要有：土地利用/土地覆盖制图和变迁勘察（land use/land cover mapping and change detection）、农业评价和监测（agricultural assessment and monitoring）、海岸线和海洋资源管理（coastal and marine resource management）、矿产勘查（mineral exploration）、石油和天然气勘查（o il & gas exploration）、森林资源管理（forest resource management）、城市规划和变迁勘察（ urban planning and change detection）、无线通讯定点和规划（telecommunications siting and planning）、海洋物理学（physical oceanography）、地质和地形制图（geology and topographic mapping）、冰川探测和制图（sea ice detection and mapping）等。
ER Mapper图像处理特点：发展了一个全新的方法，叫算法，将许多处理过程合并成简单的一步，没有原始数据的复制存储，只将处理步骤保存在算法文件中（如图1-2）。
处理结果在屏幕上实时显示。
取代了传统的图像处理中的每步文件保存的方法。
图1-2 ER Mapper图像处理方法示意图ER Mapper中算法可用于数据简单浏览、多图像的复杂处理和模型操作、数据转换、不同类型数据叠加等，将图像融合、镶嵌、各种类型的数学变换如波段比、主成分分析等变得更加容易。
图像处理任务：从数据输入到最终结果输出，图像处理的主要任务可概括为一个流程图，如图1-3。
图1-3 ER Mapper图像处理流程示意图数据读入（Data read/import）“数据读入”是图像处理的第一步。
ER Mapper中基本的数据类型有二种，为光栅数据(.ers)和矢量数据(.erv)。
光栅图像数据是常用的输入数据类型。
主要来源有：卫星图像、数字航空相片、数字地形模型和地球物理、地震勘测数据。
ER Mapper可以直接读取的数据格式有：ER Mapper Raster Dataset (.ers)、E R Mapper compressed image (.ecw)、ESRI BIL and GeoSPOT (.hdr)、Windows BMP (.bmp)、GeoTIFF/TIFF (.tif)、JPEG (.jpg)、USGS Digital Ortho Quad (.doq)、RESTEC/NASDA CEOS (.dat)。
其它格式的数据需要经过ER Mapper的数据转换。
矢量数据是保存线、点、多边形的数据。
矢量数据是许多地理系统保存数据的一个格式。
在图像处理中，有时在卫星图像上叠加公路网格的矢量数据是很有用的。
“图像显示”（Image display）输完数据，接下来一步就是将图像在监视器上显示出来。
显示的方法有：简单黑白或假彩色显示、RGB （red-green-blue）或HSI（hue-saturation-intensity）彩色合成显示，可以通过图形形式如直方图、散点图、剖面图等查看图像数据的统计信息。
“图像校正”（Image geocoding）多数情况下，光栅图像数据是以原始状态提供的，包含着几何误差。
无论何时，精确的地区、方向和距离测量是必需的。
原始图像数据必须进行处理，消除几何误差或校正图像到真实的世界坐标系统。
注册（Registration）是几何校正图像的过程，允许图像被分层或覆盖。
校正（Rectification）是几何矫正光栅图像的过程，使图像对应真实世界地图和坐标系统（如Latitude/Longitude or Eastings/Northings）。
正射投影校正（Orthorectification）是更精确的校正方法，它考虑了地形和传感器校准数据。
高级的正射投影校正还用到平台位置资料。
图像镶嵌（Image mosaicing）镶嵌是指将两副或多副有重叠的图像拼接成一副连续地区的图像。
已校正的图像可以参照同样的处理算法，ER Mapper将自动完成图像镶嵌的建立。
每个图像在镶嵌中都是一个独立的实体，保存数据时无须将所有图像存入一个大文件中。
图像增强（Image enhancement）图像增强通常用于数字图像处理，是为了提高使用者对图像的可视化解释或提取定量信息而进行的多种类型的图像处理操作。
许多人认为“图像增强”就是“图像处理”，其实不然。
典型的图像增强操作包括：图像融合（Image merging or data fusion），合并不同质量的图像，来帮助解释。
例如融合Landsat TM 和SPOT Pan 图像，即将SPOT Pan 空间详细数据合并到Landsat TM图像上。
彩色覆盖（Colordraping），将一种类型的数据覆盖到另一种类型的数据上，建立合并显示，允许分析2个或3个变量。
例如将由卫星数据得到的植被图覆盖到同地区的空间磁场图像上，检测它们的相关性。
对比度增强（Contrast enhancements），最大化图像黑白区的对比度，提高图像的表达。
或突出某特定数据范围或空间区域的图像。
滤波（Filtering），增强边界、平滑噪音，或突出或压制图像中的线性或空间特性。
例如应用一个方向递度滤波，可以突出南北方向的线性特征。
公式处理（Formula processing），应用数学操作来合并多波段图像数据，推出特殊专题信息。
如阀值、不同波段比值、主成分分析和空间模型。
分类（Classification），将图像数据的统计组或群定义为专题类或特性类。
例如在Landset 卫星图像上分类出土地覆盖类型的专题图。
彩色平衡（Color balancing），平衡不同航空相片镶嵌的色彩，建立它们之间的无缝连接。
动态连接层（Dynamic Link layers）ER Mapper提供了与外界产品或文件格式进行连接的动态连接方式，建立的连接数据放在光栅图像数据的头文件中。
主要的连接类型有：与GIS产品连接（Links to GIS products），提取和显示ARC/INFO 软件的GIS产品，如覆盖GIS矢量数据，如公路网、行政边界或土地利用分类。
与数据库连接（Links to database products），提取和显示象Oracle数据库中的表格数据，如覆盖地理参照点符号数据，如城市、井点位置或地表样品点位置。
与外界文件格式连接（Links to external file formats），显示专业化注释、矢量数据或以PostScript, DXF, DGN等格式保存的数据文件。
图件制作（Map composition）ER Mapper提供注释和写作工具，用户可以在图像上输入文字、线条、图案等内容。
还可以设计图像输出的大小和比例尺等要求。
数据输出（Data save/export and hardcopy）ER Mapper可以支持200多种硬件输出设备，保存的光栅图像格式有：ER Mapper Raster Dataset (.ers)、ER Mapper compressed format (.ecw)、ER Mapper Virtual dataset (.ers)、ESRI BIL and GeoSPOT (.hdr)、Windows BMP (.bmp)、GeoTIFF/TIFF (.tif)、JPEG (.jpg)、UDF (.ers and .hdr)。
一、认识ER Mapper界面及菜单、窗口操作ER Mapper界面基础（interface basics）：ER Mapper用户物理界面GUI（graphical user interface）设计简单、易学易操作。
ER Mapper运行后，GUI界面出现在屏幕右上角。
主要由两部分组成：一是主菜单，二是工具条，如图1-4。
主菜单是由各执行命令名按任务性质分类组织而成。
工具条则是由一系列快速执行命令的功能按钮行组成。
一行工具条，包含着某一研究领域的方法按钮，如GIS工具条包含着GIS的许多功能按钮、DEM工具条包含着DEM的许多功能按钮，每行工具条的增减通过主菜单项Toolbars选项完成。
图1-4 ER Mapper主菜单无论进行菜单选项，还是工具按钮的选定，ER Mapper都会出现对话框或图像窗口、算法窗口等界面。
如在选定主菜单项File中的Open子菜单，“文件选择器”对话框出现。
，如图1-5。
选定Open子菜单，“打印”对话框出现，如图1-6。
图1-5 “文件选择器”对话框图1-6 “打印”对话框但在ER Mapper中，每种界面的使用，主要是通过鼠标的指向和单击、双击鼠标左右键来实现的。
很少用到键盘。
ER Mapper中鼠标的设计内容非常丰富。
不同的界面，鼠标指针的符号不同，作用不一样（如表1-1）。
需要在今后的实践中，体会和掌握。