第四章 遥感图像处理—数字图像增强
合集下载
遥感数字图像处理-第四章_遥感数字图像增强处理课件
学习交流PPT
9
二、辐射增强
点运算用数学公式表示为：
s T r
r--原始图像f(x,y)的灰度级 s--增强图像g(x,y)的灰度级
T--灰度映射函数
❖ 只作用在单个像素上，输出g(x,y)只与位置 (x,y)处的输入f(x,y)有关。“点到点的处理”
❖ 点运算完全由T决定。根据T的形式，可分为 线性点运算和非线性点运算。
学习交流PPT
3
图像增强不是以图像保真度为原则，而是通过 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，即图像增强处理只是增强了 对某些信息的辨别能力。
学习交流PPT
4
❖增强的实质
增强感兴趣地物与周围地物之间的反差。
学习交流PPT
5
➢图像增强的分类
• 若a2-a1<b2-b1，则影像被拉伸，亮度范围扩大，;
• 若a2-a1>b2-b1，影像被压缩，亮度范围缩小，;
• 对于a2与a1 ，是取在影像亮度值的全部或部分，偏亮或偏暗 处，均可根据对影像显示效果的需要而人为地设定。
学习交流PPT
26
在曝光不足或过度的情况下，图像灰度可能会局限在一个很 小的范围内，这时在显示器上看到的将是一个模糊不清、似乎没 有灰度层次的图像，此时可利用灰度变换对图像每一个像素灰度 作拉伸，可以有效地改善图像视觉效果。
学习交流PPT
24
设图像变换前原图像的灰度范围为的亮度值为： xaa1,a2
设图像变换后的亮度值为： xbb1,b2
则 xb b1 xa aa b2 b1 a2 a1
xb
b2 a2
b1 a1
(xa
a1)b1
遥感数字图像增强处理
3
0.16
2
0.20
3
0.27
4
0.35
6
0.47
5
0.57
5
0.67
4
0.76
3
0.82
3
0.88
2
0.92
.
2
0.96
对应参考累积 新灰度级 新像元统计
像元值G(yc) yc
值hd(xd)
0
0
0
0.06
9/16
5
0.06
0.06
0.18
10/16 5
0.18
0.33
11/16
7
0.33
0.51
12/16 11
0.51
0.67
13/16 5
0.82
14/16 7
0.82
0.92
15/16 5
0.92 1.00
14
1
4
灰度 9/16 10/16 11/16 12/16 13/16 14/16 15/16 1 级yc
像元 3
6
7
9
8
7
5
4
统计
值
hc(xc)
累积 0.06 0.18 0.33 0.51 0.67 0.82 0.92 1.00 像元 统计 值
.
8
原灰度级xa
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
像元统计值
0 2 2 1 3 2 3 4 6 5 5 4 3 3 2 2
累积像元统 计值
0
2
4
5
8
10
13
17
23
28
遥感数字图像处理复习资料(1-4章)
第一章概论1、按图像的明暗程度和空间坐标的连续性，可以分为数字图像和模拟图像。
数字图像：可用计算机存储和处理，空间坐标和灰度均不连续。
模拟图像：计算机无法直接处理，空间坐标和明暗程度连续变化。
2遥感数字图像中的像素值称为亮度值（灰度值/DN值），它的高低由传感器所探测到的地物电磁波的辐射强度决定。
2、遥感数字图像处理的主要内容包括以下三个方面：图像增强、图像校正、信息提取。
1）图像增强：用来改善图像的对比度，突出感兴趣的地物信息，提高图像大的目视解译效果，它包括灰度拉伸、平滑、锐化、滤波、变换（K—L/K—T）、彩色合成、代数运算、融合等。
图像显示：为了理解数字图像中的内容，或对处理结果进行对比。
图像拉伸：为了提高图像的对比度（亮度的最大值与最小值的比值），改善图像的显示效果。
2）图像校正（恢复/复原）：为了去除和压抑成像过程中由各种因素影响而导致的图像失真。
注意：图像校正包括辐射和几何校正，前者通过辐射定标和大气校正等处理将像素值由灰度级改变为辐照度或反射率，后者利用已有的参照系修改像素坐标，使得图像能够与地图匹配或多景图像之间可以相互匹配。
3）信息提取：从校正后的遥感数据中提取各种有用的地物信息。
包括图像分割、分类等。
图像分割：用于从背景中分割出感兴趣的地物目标。
分割的结果可作为监督分类的训练区。
图像分类：按照特定的分类系统对图像中像素的归属类别进行划分。
3、遥感数字图像处理系统：硬件系统（输入、存储、处理、显示、输出），软件系统。
4、数字图像处理的两种观点：离散方法（空间域）、连续方法（频率域）2.遥感图像的获取和存储1、遥感是遥感信息的获取、传输、处理以及分析判读和应用的过程。
遥感的实施依赖于遥感系统2、遥感系统是一个从地面到空中乃至整个空间，从信息收集、储存、传输、处理到分析、判读、应用的技术体系，主要包括遥感试验、信息获取（传感器、遥感平台）、信息传输、信息处理、信息应用等5个部分。
第四章3遥感图像处理图像增强
5.遥感图像多光谱变换(Ⅰ)——主成分分析(K—L变换)
② 就变换后的新波段主分量而言，K—L变换后的 新波段主分量包括的信息量不同，呈逐渐减少趋 势。其中，第一主分量集中了最大的信息量，常 常占80％以上，第二、第三主分量的信息量依次 快速递减，到第n分量信息几乎为0。由于K—L变 换对不相关的噪声没有影响，所以信息减少时， 便突出了噪声，最后的分量几乎全是噪声。所以 这种变换又可分离出噪声。
基于上述特点，在遥感数据处理时，常常用K— L变换作数据分析前的预处理（数据压缩和图像增
强）。举例P125
6.遥感图像多光谱变换(Ⅱ)——缨帽变换(K—T变换)
(1)K—T变换是Kauth—Thomas变换的简称，这种变换也是 一种线性组合变换，其变换公式为：Y=BX 这里X为变换前的多光谱空间的像元矢量，y为变换后的 新坐标空间的像元矢量，B为变换矩阵。这也是一种坐标 空间发生旋转的线性变换，但旋转后的坐标轴不是指向主 成分方向，而是指向了与地面景物有密切关系的方向。 1984年，Crist和Cicone提出TM数据在K—T变换时的B值： P126 在此，矩阵为6X6，主要针对TM的1至5和第7波段，低分 辨率的热红外(第6波段)波段不予考虑。
1.遥感图像增强(工)——对比度变化1
非线性变换
直方图均衡化(histogram equalization):把原图像的直方 图变换为灰度值频率固定的直方图，使变换后的亮度级 分布均匀，图像中等亮度区的对比度得到扩展，相应原 图像中两端亮度区的对比度相对压缩。
1.遥感图像增强(工)——对比度变化1
MN
r(i, j) (m, n)t(m, n) m1 n1
将计算结果放在窗口中心的像元位置，成为新像元的灰度 值。然后活动窗口向右移动一个像元，再做同样的运算。 P117说明
福师《遥感导论》第四章课堂笔记
模拟量与数字量的表现形式
模拟量是以金属银在介质上涂布的密集情况表现
图像特征的。
数字图像是以矩阵形式表现图像特征的，行列中
的每个格网对应着一个像元，像元值就是影像的
灰度值（亮度值）。
像元：是数字图像中的最小单位，每个像元对应
着一个亮度值。
分辨率：一个像元对应的实物大小。
数字量的矩阵表示：
HLS变换（Hue Lightness Saturation）
图像运算
差值运算：两幅同样行列数的影像，对应像 元的亮度值相减就是差值运算。
差值运算的作用： 有利于目标与背景反差较小的信息提取 有利于同一研究区的时相变化 行列各移一位后与原图像相减突出边缘
比值运算：两幅同样行列数的图像，对应像元的 亮度值相除（除数不为0），就是比值运算。
4.5 数字图像增强
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 ——辐射增强 像元亮度值直方图 实际图像亮度值应符合正态分布 直方图峰值偏左、偏右、过窄
对比度变换： 是通过改变图像像元的亮度值来改变图 像像元的对比度，从而改善图像质量的图 像处理方法。
线性变换与非线性变换：
1、地物自身辐射（发射）或对外来辐射的反射和透射 特点和规律即该地物的波谱特征，可用辐射、反射波 谱曲线来直观地表示。 2、每种地物都有自己的波谱曲线，其形状与地物自身 性质有关。从波谱曲线可看出，不同地物在有些波段 上辐射或反射值相同或相近，但在另外一些波段上可 以区分开，选择特征差别较大波段的数据进行地物识 别，可更好地区分不同地物。 3、对照已知地物波谱特征可判定地物。可用光谱仪进 行实地测量得到地物波谱特征；若没有实地测量的光 谱数据，也可通过对影像的分析（已知地物类型的区 域）得到较粗略的光谱特征，进而推知未知区域。 4、光谱特征差别较大的地物，图像上也有较大差别。
遥感导论-习题及参考答案第四章-遥感图像处理答案
第四章遥感图像处理名词解释假彩色遥感图像：利用卫星或飞机拍摄到的基础遥感图像,将感兴趣的部分(如森林,水体,沙漠,重力异常区等)用不真实且夸张的颜色表示出来，与自然色不一致。
边缘检测：用于判断图像地物的边缘。
数字影像：数字影像是以二维数组形式表示的影像。
该数组由对连续变化的影像作等间隔抽样所产生的采样点组成。
几何校正：几何校正是指将遥感图像参照地形图、已校正图像或GPS控制点进行重采样,消除传感器成像的几何变形,使其具有地理坐标并与地面实际对应。
K-L变换：主成分变换；是建立在统计特征基础上的多维正交线性变换，就是一种离散化的Karhunen －Loeve变换。
辐射校正：对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正直方图均衡：是用一定的算法使直方图大致平和。
问答题下图为一个3x3的图像窗口，试问经过中位数滤波(Median Filter)后，该窗口中心像元的值，并写出计算过程。
(10分)124 126 127120 150 125115 119 123什么是计算机图像处理，它包含那些内容，如何运用计算机图像处理方法来提高遥感图像的解译效果？答：是指利用计算机对图像进行一系列加工，以便获得人们所需要的效果。
常见的图像处理有图像数字化、图像编码、图像增强、图像复原、图像分割与图像分析等。
（1）图像数字化通过取样与量化过程将图像变换成便于计算机处理的数字形式。
通常，图像在计算机内用一个数字矩阵表示，矩阵中的每一个元素称为像素。
将图像数字化的设备有各种扫描仪与数字化仪。
（2）图像编码对图像信息进行编码，可以压缩图像的信息量，以便满足传输与存储的要求。
（3）图像增强使图像清晰或将其转换为更适合人或机器分析的形式。
图像增强并不要求真实地反映原始图像。
（4）图像复原消除或减少在获取图像过程中所产生的某些退化，尽量反映原始图像的真实面貌。
（5）图像分割将图像划分为一些互不重叠的区域。
遥感数字图像处理-第四章_遥感数字图像增强处理(一)2016
26
在曝光不足或过度的情况下，图像灰度可能会局限在一个 很小的范围内，这时在显示器上看到的将是一个模糊不清、似 乎没有灰度层次的图像，此时可利用灰度变换对图像每一个像 素灰度作拉伸，可以有效地改善图像视觉效果。
27
This graphic illustrates the increase in contrast in an image before (left) and after (right) a linear contrast stretch.
则 xb b1 xa aa b2 b1 a2 a1
xb
b2 a2
b1 a1
( xa
a1 )
b1
25
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，则影像被拉伸，亮度范围扩大，; 若a2-a1>b2-b1，影像被压缩，亮度范围缩小，; 对于a2与a1 ，是取在影像亮度值的全部或部分，偏亮或偏暗 处，均可根据对影像显示效果的需要而人为地设定。
1）点处理：每次对单个像元进行灰度增强的处理 2）邻域处理或模板处理：对一个像元及其周围的小区域子
图像进行处理
频率域增强：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
6
➢图像增强的分类
2、从处理的像元出发
辐射增强：对单个像元的灰 度值进行变换，达到图像增 强目的；
数关系，那么这种变换就是线性变换。 调整线性参数，改变变换效果
22
像
变
元
换
素
后
灰级 0 1234567
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
在曝光不足或过度的情况下，图像灰度可能会局限在一个 很小的范围内，这时在显示器上看到的将是一个模糊不清、似 乎没有灰度层次的图像，此时可利用灰度变换对图像每一个像 素灰度作拉伸，可以有效地改善图像视觉效果。
27
This graphic illustrates the increase in contrast in an image before (left) and after (right) a linear contrast stretch.
则 xb b1 xa aa b2 b1 a2 a1
xb
b2 a2
b1 a1
( xa
a1 )
b1
25
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，则影像被拉伸，亮度范围扩大，; 若a2-a1>b2-b1，影像被压缩，亮度范围缩小，; 对于a2与a1 ，是取在影像亮度值的全部或部分，偏亮或偏暗 处，均可根据对影像显示效果的需要而人为地设定。
1）点处理：每次对单个像元进行灰度增强的处理 2）邻域处理或模板处理：对一个像元及其周围的小区域子
图像进行处理
频率域增强：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
6
➢图像增强的分类
2、从处理的像元出发
辐射增强：对单个像元的灰 度值进行变换，达到图像增 强目的；
数关系，那么这种变换就是线性变换。 调整线性参数，改变变换效果
22
像
变
元
换
素
后
灰级 0 1234567
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
第四节遥感数字图像增强
A high-pass filter （高通滤波）does the opposite, and serves to sharpen the appearance of fine detail in an image.
Vertical edges（垂直边缘）
Directional or edge detecting filters highlight linear features, such as roads or field boundaries.
2、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。
① 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。
② 索伯尔梯度 ③ 拉普拉斯算法 ④ 定向检测
Edge Enhancement
edge enhancement mathematically manipulates an image to provide a new image in which edges are made to stand out.
This graphic illustrates the increase in contrast in an image before (left) and after (right) a linear contrast stretch.
If the input range is not uniformly distributed. In this case, a histogram-equalised stretch may be better. This stretch assigns more display values (range) to the frequently occurring portions of the histogram. In this way, the detail in these areas will be better enhanced relative to those areas of the original histogram where values occur less frequently
- 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)。
差值运算常用于 同一景物不同时间图像之间的运算—动态监测
同一景物不同波段图像之间的运算—识别地物
图像的差值运算有利于目标与背景反差较小 的信息提取。 如在红光波段，植被和水体难以区 分，在红外波段，植被和土壤难以区分，通过相 减,可以有效的区分出三种地物
2、比值运算 两幅同样行、列数的图像，对应像元的亮度值相除 (除数不为0)就是比值运算，即：
真彩色合成 假彩色合成
彩色合成的原理图
①真彩色合成
红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
真彩色合成 红光波段赋成红
真彩色合成 红光波段赋成红 绿光波段赋成绿
真彩色合成 红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
②假彩色合成 假彩色合成 近红外波段赋成红 红光波段赋成绿 绿光波段赋成蓝
1 图像卷积运算
数字图像的局部
模板
z1 z2 z3
z4 z5 z6 z7 z8 z9
w1 w2 w3 w4 w5 w6 w7 w8 w9
1/9
1/9 1/9
1/9 1/9 1/9 1/9 1/9 1/9
Replace with R
= w1z1 + w2z2 + ….. +w9z9
模板按像元依次向右移动，而后换行，直到整幅图 像全部处理完为止
对于亮点噪音，用中值滤波好
带有椒盐噪声的ikonos图像
中值滤波后的图像
均值平滑后的图像
3
图像锐化
（1）图像锐化的目的是突出图像中景物的边缘、线状目 标或某些亮度变化率大的部分。 （2）边缘或轮廓通常位于灰度突变或不连续的地方，具
有一阶微分最大值和二阶微分为0的特点;
锐化的方法很多，在此只介绍常用的几种：
线性变换：直线变换和分段线性变换 非线性变换：指数变换和对数变换
(一) 线性拉伸
1 直线拉伸
255 0 0 input output
100
255
y=kx255ຫໍສະໝຸດ y=2.55xoutput 0 0
100 input
255
2 分段线形拉伸
L
gb
ga
f g G ( f ) ( f a) g a ( f b) g b
①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，以达到去除尖锐“噪声”和平滑图像的目的。 具体计算时常用3×3的模板作卷积运算，其模板为
1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/8 1/8 1/8 0 1/8 1/8 1/8 1/8 1/8
t(m,n)=
亮度值较高的部分拉伸，而 在亮度值较低的部分压缩。
对数变换
指数变换
灰度翻转
二、空间滤波（spatial filtering）
其理论基础是空间卷积，对图像进行局部检测 。
是邻域处理
目的：改善影像质量，包括去除噪声与干扰，影像边缘增强、
去模糊等。
主要方法： ☆ 图像平滑：均值平滑，中值滤波 ☆ 图像锐化（线状地物提取、边缘检测）：
43 43 12 43 210
49 50 14
48 65 9 48 199
49
54
51
51 10 51 189 ??
1/9 1/9 1/9 1/9 1/9
??
??
9
49 188
1/9
49
225
1/9
1/9
1/9
滤波器（模板）
输入数字影像
输出影像
第一个像素值： Output DN=1/9（43+49+48+43+50+65+12+14+9）=37 向右移动滤波器一个像素，做同样运算 第二个像素值： DN = 1/9*(49+48+49+50+65+54+14+9+9) = 38.6 重复， DN=1/9*(48+49+51+65+54+51+9+9+10) = 38.4
步骤 : (1)由RGB彩色空间变换到HLS彩色空间；
(2)在HLS空间中，对H,L,S分量（波段）分别增强； (3)由HLS空间变换到RGB空间中，再次按加色法合成,可 以达到好的识别效果； 原理: ①对色调Ｈ增强，使色调更多 ②对亮度L增强，使亮度“间距”加大; ③对饱和度Ｓ增强，提高色彩纯度,加大相邻 色彩差异。
t1＝ 1 t2＝
1 -1
-1
•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)。
索伯尔梯度（罗伯特梯度的改进）
-1
1 2 1
t1＝ -2
-1
1
2
1
t2＝
-1 -2 -1
使窗口由2×2扩大到3×3，使检测边界更加精确。
原始图像
罗伯特算子
索伯尔算子
方向检测：
1 0 1 h1 1 0 1 检测垂直边界： 1 0 1
1 2 1 1 2 1 h 或 2 1 2 1
1 1 1 h4 2 2 2 1 1 1
1 1 1 h3 0 0 0 或 检测水平边界： 1 1 1
HLS变换
原始图像，3,2,1彩色合成
使用HLS进行饱和度拉伸后的结果
四、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。
1、差值运算
两幅同样行、列数的图像，对应像元的亮度值相减就 是差值运算，即：
f D ( x, y) f1 ( x, y) f 2 ( x, y)
RGB彩色空间 HLS彩色空间
（3） 多波段彩色变换：
RGB彩色空间
HLS彩色空间
L
J.D Foley etl,1990
S
Lmax Lmin
2
S max S min S max S min L 0.5 时 L 0.5 时
S
S max S min 1－Smax ＋1－Smin
如：一幅黑白图像，灰度值范围为0~250，若想变为有50种颜色的彩色图 像，可以以灰度值密度差5进行密度分隔。即0~4为一种颜色，5~9为另一 种颜色……
原始图像
伪彩色密度分割图像
（2）多波段色彩变换 选择遥感影像的某三个波段，分别赋予红、绿、蓝三种
原色，根据加色法进行彩色合成，称为彩色合成。
原始图像
水平检测
垂直检测
三、彩色空间变换
单波段彩色变换 多波段色彩变换 HLS变换
（1）单波段彩色变换（伪彩色密度分割） 伪彩色密度分割：单波段黑白遥感图像按亮度值分层，
对每层赋予不同的色彩，使之成为一幅彩色图像的方法。
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。
48 65 9
49 54 9 49 188
51 51 10 51 189 ??
12
43 210
3×3中值滤波
48
199
??=median(49,48,49,50,65,54,14,9,9)=49. 9,9,14,48,49,49,50,54,65，取中
从大到小排列，
间值为49。
一般来说，
图像亮度为阶梯状变化时，用均值平滑好。
假彩色增强
TM标准假彩色合成图像 TM4(R)、3(G)、2(B)
TM7(R)、4(G)、2(B)
假彩色增强
TM3(R)、2(G)、1(B)
TM4(R)、5(G)、3(B)
（3） HLS变换 彩色是以红绿蓝三色的比例来表示的，对于图像上某
个目标的彩色特性的描述，直接用红、绿、蓝分量并 不直观，比较确切的是分别用色调、明度和饱和度来 表示。
假彩色合成 近红外波段赋成红 红光波段赋成绿 绿光波段赋成蓝
问题：为什么在上述假彩色合成方案中，植被呈现红色？ 问题：图像中显示为绿色的物体说明该地物有什么样的光谱特征？
③彩色合成波段选择 （1）合成后信息量最大
（2）波段之间的信息相关性最小 （3）合成后影像中地物区分程度最高 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
第五章 遥感图像处理Ⅱ
本章内容
（1）数字图像增强 对比度增强、空间滤波、彩色变换 图像运算、多光谱变换
（2）多源信息复合 遥感信息的复合 遥感与非遥感信息的复合
图像变换处理的算法可以归纳为两个常用的类型。
点处理，即为产生一个变换的像元输出值，只输入一 个像元点的数值，这种对像元值的变换又称为映射。
或t(m,n)=
未平滑影像
运行3×3模板后
运行5×5模板后
②中值滤波
中值滤波，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，以达到去除尖锐“噪声”和 平滑图像的目的。
g ( x, y) median(of ( x, y))
与均值平滑相比可防止边缘的模糊。
43
43
49 50 14 49 225
罗伯特梯度 索伯尔梯度 方向检测
梯度—反映相邻像元的亮度变化率
如果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。 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。
同一景物不同波段图像之间的运算—识别地物
图像的差值运算有利于目标与背景反差较小 的信息提取。 如在红光波段，植被和水体难以区 分，在红外波段，植被和土壤难以区分，通过相 减,可以有效的区分出三种地物
2、比值运算 两幅同样行、列数的图像，对应像元的亮度值相除 (除数不为0)就是比值运算，即：
真彩色合成 假彩色合成
彩色合成的原理图
①真彩色合成
红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
真彩色合成 红光波段赋成红
真彩色合成 红光波段赋成红 绿光波段赋成绿
真彩色合成 红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
②假彩色合成 假彩色合成 近红外波段赋成红 红光波段赋成绿 绿光波段赋成蓝
1 图像卷积运算
数字图像的局部
模板
z1 z2 z3
z4 z5 z6 z7 z8 z9
w1 w2 w3 w4 w5 w6 w7 w8 w9
1/9
1/9 1/9
1/9 1/9 1/9 1/9 1/9 1/9
Replace with R
= w1z1 + w2z2 + ….. +w9z9
模板按像元依次向右移动，而后换行，直到整幅图 像全部处理完为止
对于亮点噪音，用中值滤波好
带有椒盐噪声的ikonos图像
中值滤波后的图像
均值平滑后的图像
3
图像锐化
（1）图像锐化的目的是突出图像中景物的边缘、线状目 标或某些亮度变化率大的部分。 （2）边缘或轮廓通常位于灰度突变或不连续的地方，具
有一阶微分最大值和二阶微分为0的特点;
锐化的方法很多，在此只介绍常用的几种：
线性变换：直线变换和分段线性变换 非线性变换：指数变换和对数变换
(一) 线性拉伸
1 直线拉伸
255 0 0 input output
100
255
y=kx255ຫໍສະໝຸດ y=2.55xoutput 0 0
100 input
255
2 分段线形拉伸
L
gb
ga
f g G ( f ) ( f a) g a ( f b) g b
①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，以达到去除尖锐“噪声”和平滑图像的目的。 具体计算时常用3×3的模板作卷积运算，其模板为
1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/8 1/8 1/8 0 1/8 1/8 1/8 1/8 1/8
t(m,n)=
亮度值较高的部分拉伸，而 在亮度值较低的部分压缩。
对数变换
指数变换
灰度翻转
二、空间滤波（spatial filtering）
其理论基础是空间卷积，对图像进行局部检测 。
是邻域处理
目的：改善影像质量，包括去除噪声与干扰，影像边缘增强、
去模糊等。
主要方法： ☆ 图像平滑：均值平滑，中值滤波 ☆ 图像锐化（线状地物提取、边缘检测）：
43 43 12 43 210
49 50 14
48 65 9 48 199
49
54
51
51 10 51 189 ??
1/9 1/9 1/9 1/9 1/9
??
??
9
49 188
1/9
49
225
1/9
1/9
1/9
滤波器（模板）
输入数字影像
输出影像
第一个像素值： Output DN=1/9（43+49+48+43+50+65+12+14+9）=37 向右移动滤波器一个像素，做同样运算 第二个像素值： DN = 1/9*(49+48+49+50+65+54+14+9+9) = 38.6 重复， DN=1/9*(48+49+51+65+54+51+9+9+10) = 38.4
步骤 : (1)由RGB彩色空间变换到HLS彩色空间；
(2)在HLS空间中，对H,L,S分量（波段）分别增强； (3)由HLS空间变换到RGB空间中，再次按加色法合成,可 以达到好的识别效果； 原理: ①对色调Ｈ增强，使色调更多 ②对亮度L增强，使亮度“间距”加大; ③对饱和度Ｓ增强，提高色彩纯度,加大相邻 色彩差异。
t1＝ 1 t2＝
1 -1
-1
•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)。
索伯尔梯度（罗伯特梯度的改进）
-1
1 2 1
t1＝ -2
-1
1
2
1
t2＝
-1 -2 -1
使窗口由2×2扩大到3×3，使检测边界更加精确。
原始图像
罗伯特算子
索伯尔算子
方向检测：
1 0 1 h1 1 0 1 检测垂直边界： 1 0 1
1 2 1 1 2 1 h 或 2 1 2 1
1 1 1 h4 2 2 2 1 1 1
1 1 1 h3 0 0 0 或 检测水平边界： 1 1 1
HLS变换
原始图像，3,2,1彩色合成
使用HLS进行饱和度拉伸后的结果
四、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。
1、差值运算
两幅同样行、列数的图像，对应像元的亮度值相减就 是差值运算，即：
f D ( x, y) f1 ( x, y) f 2 ( x, y)
RGB彩色空间 HLS彩色空间
（3） 多波段彩色变换：
RGB彩色空间
HLS彩色空间
L
J.D Foley etl,1990
S
Lmax Lmin
2
S max S min S max S min L 0.5 时 L 0.5 时
S
S max S min 1－Smax ＋1－Smin
如：一幅黑白图像，灰度值范围为0~250，若想变为有50种颜色的彩色图 像，可以以灰度值密度差5进行密度分隔。即0~4为一种颜色，5~9为另一 种颜色……
原始图像
伪彩色密度分割图像
（2）多波段色彩变换 选择遥感影像的某三个波段，分别赋予红、绿、蓝三种
原色，根据加色法进行彩色合成，称为彩色合成。
原始图像
水平检测
垂直检测
三、彩色空间变换
单波段彩色变换 多波段色彩变换 HLS变换
（1）单波段彩色变换（伪彩色密度分割） 伪彩色密度分割：单波段黑白遥感图像按亮度值分层，
对每层赋予不同的色彩，使之成为一幅彩色图像的方法。
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。
48 65 9
49 54 9 49 188
51 51 10 51 189 ??
12
43 210
3×3中值滤波
48
199
??=median(49,48,49,50,65,54,14,9,9)=49. 9,9,14,48,49,49,50,54,65，取中
从大到小排列，
间值为49。
一般来说，
图像亮度为阶梯状变化时，用均值平滑好。
假彩色增强
TM标准假彩色合成图像 TM4(R)、3(G)、2(B)
TM7(R)、4(G)、2(B)
假彩色增强
TM3(R)、2(G)、1(B)
TM4(R)、5(G)、3(B)
（3） HLS变换 彩色是以红绿蓝三色的比例来表示的，对于图像上某
个目标的彩色特性的描述，直接用红、绿、蓝分量并 不直观，比较确切的是分别用色调、明度和饱和度来 表示。
假彩色合成 近红外波段赋成红 红光波段赋成绿 绿光波段赋成蓝
问题：为什么在上述假彩色合成方案中，植被呈现红色？ 问题：图像中显示为绿色的物体说明该地物有什么样的光谱特征？
③彩色合成波段选择 （1）合成后信息量最大
（2）波段之间的信息相关性最小 （3）合成后影像中地物区分程度最高 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
第五章 遥感图像处理Ⅱ
本章内容
（1）数字图像增强 对比度增强、空间滤波、彩色变换 图像运算、多光谱变换
（2）多源信息复合 遥感信息的复合 遥感与非遥感信息的复合
图像变换处理的算法可以归纳为两个常用的类型。
点处理，即为产生一个变换的像元输出值，只输入一 个像元点的数值，这种对像元值的变换又称为映射。
或t(m,n)=
未平滑影像
运行3×3模板后
运行5×5模板后
②中值滤波
中值滤波，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，以达到去除尖锐“噪声”和 平滑图像的目的。
g ( x, y) median(of ( x, y))
与均值平滑相比可防止边缘的模糊。
43
43
49 50 14 49 225
罗伯特梯度 索伯尔梯度 方向检测
梯度—反映相邻像元的亮度变化率
如果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。 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。