灰度变换与空间域滤波实验心得
变换处理遥感实验报告
一、实验背景遥感技术作为一种获取地球表面信息的重要手段，在资源调查、环境监测、灾害预警等领域发挥着重要作用。
遥感图像经过传感器采集后，往往需要进行一系列的预处理，包括辐射校正、几何校正、图像增强等。
其中，变换处理是遥感图像预处理的重要环节之一，它可以提高图像质量，便于后续分析与应用。
二、实验目的本次实验旨在：1. 熟悉遥感图像变换处理的基本原理和方法；2. 掌握遥感图像灰度变换、空间变换等处理方法；3. 利用变换处理提高遥感图像质量，为后续分析提供更好的数据基础。
三、实验内容1. 灰度变换灰度变换是遥感图像处理中最基本、最常用的方法之一。
它通过改变图像中像素的灰度值，调整图像的对比度、亮度等，从而改善图像质量。
实验步骤如下：（1）打开遥感图像处理软件，选择待处理的遥感图像。
（2）选择灰度变换功能，设置变换公式。
常用的变换公式有线性变换、指数变换、对数变换等。
（3）调整变换参数，观察图像变化，直至达到预期效果。
（4）保存变换后的图像。
2. 空间变换空间变换是指将遥感图像中的像素值按照一定的规律进行重新排列，从而改变图像的空间结构。
实验步骤如下：（1）打开遥感图像处理软件，选择待处理的空间变换功能。
（2）选择变换类型，如平移、旋转、缩放等。
（3）设置变换参数，如平移距离、旋转角度、缩放比例等。
（4）执行变换操作，观察图像变化。
（5）保存变换后的图像。
四、实验结果与分析1. 灰度变换通过灰度变换，可以有效地改善遥感图像的对比度、亮度等。
例如，对低对比度图像进行指数变换，可以提高图像的清晰度；对高对比度图像进行线性变换，可以降低图像的噪声。
2. 空间变换空间变换可以改变遥感图像的空间结构，使其更适合后续分析。
例如，将遥感图像进行旋转，可以消除由于传感器倾斜引起的图像畸变；将遥感图像进行缩放，可以改变图像的分辨率，使其更适合不同尺度的分析。
五、实验总结本次实验通过对遥感图像进行灰度变换和空间变换，提高了图像质量，为后续分析提供了更好的数据基础。
数字图像处理空间域滤波实验报告
一．实验目的1.掌握图像滤波的基本定义及目的；2.理解空间域滤波的基本原理及方法；3.掌握进行图像的空域滤波的方法。
4.掌握傅立叶变换及逆变换的基本原理方法；5.理解频域滤波的基本原理及方法；6.掌握进行图像的频域滤波的方法。
二．实验结果与分析1.平滑空间滤波：a)读出eight.tif这幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一图像窗口中；（提示：imnoise）b)对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示；（提示:fspecial、imfilter或filter2）c)使用函数imfilter时，分别采用不同的填充方法（或边界选项，如零填充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图像采用不同的填充方式，效果略有不同。
d)运用for循环，将加有椒盐噪声的图像进行10次，20次均值滤波，查看其特点,显示均值处理后的图像；（提示:利用fspecial 函数的’average’类型生成均值滤波器）e)对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要求在同一窗口中显示结果。
（提示:medfilt2）中值滤波后的图像比均值滤波后的图像更加平滑。
f)自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像；滤波后图像变得平滑。
2.锐化空间滤波a)读出blurry_moon.tif这幅图像，采用3×3的拉普拉斯算子w =[ 1, 1, 1; 1 – 8 1; 1, 1, 1]对其进行滤波；观察原图与拉普拉斯掩模滤波后的图像，滤波后的图像不再那么平滑，使图像产生锐化效果。
b)编写函数w = genlaplacian(n)，自动产生任一奇数尺寸n的拉普拉斯算子，如5×5的拉普拉斯算子w = [ 1 1 1 1 11 1 1 1 11 1 -24 1 11 1 1 1 11 1 1 1 1]本函数见文件夹下genlaplacian.m文件。
数字图像处理教程(OPENCV版)第3章 图像灰度变换与空间域滤波
666145888 166145885
666145888 377331331
2024/5/9
(a)原图
(b)复制边界填充
(c)镜像填充
37
3.3.2 平滑滤波
7
968
0.11816
17
3.2.2 直方图均衡
➢ 数字图像灰度值为整数，即使直方图均衡后也几乎不可能得到 完全均匀分布的直方图
➢ 经过均衡处理后直方图在整个动态范围内概率密度分布更均匀， 客观上起到了增强对比度的作用。
2024/5/9
18
3.2.3 直方图规定化（直方图匹配）
➢ 将图像灰度变换为符合指定概率密度分布 ➢ 变换后图像直方图是已知的、可以指定任何形状 ➢ 直方图均衡是直方图规定化的特例
34
➢ 滤波滤掉不想要的成分，显现被模糊的细节或者突出某些细节， 是图像增强的常用方法
➢ 分为空间域滤波和频域滤波
➢ 空间域滤波在空间域对像素进行操作
✓平滑滤波减小噪声 ✓锐化滤波用于提取边缘突出边缘及细节、弥补平滑滤波造成的边缘模糊
2024/5/9
35
3.3.1 空间域滤波基础知识
2024/5/9
10
3.2.2 直方图均衡
2024/5/9
11
3.2.2 直方图均衡
2024/5/9
12
3.2.2 直方图均衡
2024/5/9
13
3.2.2 直方图均衡
2024/5/9
14
3.2.2 直方图均衡
0
1837
0.22424
1
1286
0.15698
2
954
0.11646
3
1938
0.23657
3.灰度变换和空间滤波
上次课程回顾主要内容●视觉和视觉感知●图像获取●图像取样和量化●像素关系●数学工具第三讲：灰度变换和空间滤波它的与众不同之处在于，是透过光线看阴影还是透过阴影看亮度。
——大卫.林赛本科生课程课程内容●基础知识✓ 基本概念✓ 基本灰度变换函数✓ 代数运算✓ 直方图运算✓ 应用实例——镜头边界的检测（补充知识）●空间滤波器✓ 平滑空间滤波器✓ 锐化空间滤波器✓混合空间增强法基本概念●图像增强分为两类：✓ 空间域增强：对图像的像素直接处理✓ 频域增强：修改图像的傅里叶变换（后面介绍）●空间域增强：✓ f(x,y)是原图像✓ g(x,y)是处理后的图像✓ T是作用于f的操作，定义在(x,y)的邻域●空间域增强的简化形式：✓ r是f(x,y)在任意点(x,y)的灰度级✓ s是g(x,y)在任意点(x,y)的灰度级灰度变换和空间滤波基础●空间域技术直接在图像像素上操作✓某些图像处理任务在空间域中更直观更容易●空间域处理表示：g(x,y)=T[f(x,y)]✓其中，f(x,y)是输入图像，g(x,y)是处理后的图像，T是在点(x,y)的邻域上定义的关于f的一种算子✓最小邻域大小为1×1，T则成为灰度变换函数点运算图像增强●灰度变换和空间滤波涵盖了相当宽的应用范围，被广泛应用于图像增强。
●图像增强是视觉领域最具吸引力的图像处理领域之一。
●增强处理是对图像进行加工，使其结果对于特定的应用比原始图像更合适的一种处理，增强技术是面向问题的。
点运算——基本的灰度变换函数●1.图像反转●2.对数变换●3.幂律（伽马）变换●4.对比拉伸变换●5.分段线性变换1.图像反转●灰度级范围[0,L-1]●反转图像由下面公式给出●作用：黑的变白白的变黑●对数变换的通用形式为✓c是常数✓有时原图的动态范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失✓解决办法是对原图进行灰度压缩，如对数变换3.幂律（伽马）变换●幂律变换的通用形式为✓其中c和γ为正常数✓γ <1提高灰度级，在正比函数上方，使图像变亮✓γ >1降低灰度级，在正比函数下方，使图像变暗4.对比拉伸变换分段线性变换函数●较之前讨论的函数类型的主要优点是分段线性函数的形式可以是任意复杂的。
数字图像处理03灰度变换与空间滤波
g(x, y) f (x, y) h(x, y)
2019年12月5日
数字图像处理
13
如果G(u,v), H(u,v), F(u,v)分别是g(x,y)，h(x,y)和 f(x,y)的 傅里叶变换，由傅里叶变换的卷积定理可知:
2019年12月5日
数字图像处理
24
四、分段线性变换函数
对比拉伸：低对比度（照明不足、传感器动态范围小）
提高图像灰度级的动态范围，改善图像对比度。 拐点(r1, s1) 和(r2, s2)的位置控制了变换函数的形状，一般假 定r1 r2 且s1 s2 ，保证变换函数为单值单调增加。
2019年12月5日
（b）模板系数以及与图像 像素对应位置关系
f(x,y-1) f(x, y) f(x, y+1) f(x+1,y-1) f(x+1, y) f(x+1,y+1)
（a）模板下的图像像素
ab
g(x, y) w(s,t) f (x s, y t) sa tb
空域滤波的基本原理
2019年12月5日
s r 2.5 这是一个指数变化范围为1.82.5的幂函数。我们看到这样的
显示系统倾向于产生比希望的效果更暗的图像。在这种情况 下，伽马校正很简单，需要做的只是将图像输人到监视器前 进行预处理，即进行如下变换：
s
1
r 2.5
r 0.4
其结果如图所示。当输人同样的监视器时，这一伽马校
正的输人将产生接近于原图像的输出。
数字图像处理实验报告之数字图像的空间域滤波
数字图像处理实验报告学院：班级：学号：时间：2012.11.29实验三：数字图像的空间域滤波——锐化滤波1．实验目的1.掌握图像滤波的基本定义及目的。
2.理解空间域滤波的基本原理及方法。
3.掌握进行图像的空域滤波的方法。
2．实验基本原理1.空间域增强空间域滤波是在图像空间中借助模板对图像进行领域操作，处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。
空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其他分量不变，从而改变输出图像的频率分布，达到增强图像的目的。
空域滤波一般分为线性滤波和非线性滤波两类。
线性滤波器的设计常基于对傅立叶变换的分析，非线性空域滤波器则一般直接对领域进行操作。
各种空域滤波器根据功能主要分为平滑滤波器和锐化滤波器。
平滑可用低通来实现，平滑的目的可分为两类：一类是模糊，目的是在提取较大的目标前去除太小的细节或将目标内的小肩端连接起来；另一类是消除噪声。
锐化可用高通滤波来实现，锐化的目的是为了增强被模糊的细节。
结合这两种分类方法，可将空间滤波增强分为四类：线性平滑滤波器（低通）非线性平滑滤波器（低通）线性锐化滤波器（高通）非线性锐化滤波器（高通）空间滤波器都是基于模板卷积，其主要工作步骤是：1)将模板在图中移动，并将模板中心与图中某个像素位置重合；2)将模板上的系数与模板下对应的像素相乘；3)将所有乘积相加；4)将和（模板的输出响应）赋给图中对应模板中心位置的像素。
2.锐化滤波器图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，需要利用图像锐化技术，使图像的边缘变得清晰。
1)线性锐化滤波器线性高通滤波器是最常用的线性锐化滤波器。
这种滤波器的中心系数都是正的，而周围的系数都是负的，所有的系数之和为0。
对3×3 的模板来说，典型的系数取值为：[-1 -1 -1;-1 8 -1;-1 -1 -1]事实上这是拉普拉斯算子。
图像滤波总结
数字图像处理：各种变换滤波和噪声的类型和用途总结一、基本的灰度变换函数1.1.图像反转适用场景：增强嵌入在一幅图像的暗区域中的白色或灰色细节，特别是当黑色的面积在尺寸上占主导地位的时候。
1.2.对数变换（反对数变换与其相反）过程：将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值。
用处：用来扩展图像中暗像素的值，同时压缩更高灰度级的值。
特征：压缩像素值变化较大的图像的动态范围。
举例：处理傅里叶频谱，频谱中的低值往往观察不到，对数变换之后细节更加丰富。
1.3.幂律变换（又名：伽马变换）过程：将窄范围的暗色输入值映射为较宽范围的输出值。
用处：伽马校正可以校正幂律响应现象，常用于在计算机屏幕上精确地显示图像，可进行对比度和可辨细节的加强。
1.4.分段线性变换函数缺点：技术说明需要用户输入。
优点：形式可以是任意复杂的。
1.4.1.对比度拉伸：扩展图像的动态范围。
1.4.2.灰度级分层：可以产生二值图像，研究造影剂的流动。
1.4.3.比特平面分层：原图像中任意一个像素的值，都可以类似的由这些比特平面对应的二进制像素值来重建，可用于压缩图片。
1.5.直方图处理1.5.1直方图均衡：增强对比度，补偿图像在视觉上难以区分灰度级的差别。
作为自适应对比度增强工具，功能强大。
1.5.2直方图匹配（直方图规定化）：希望处理后的图像具有规定的直方图形状。
在直方图均衡的基础上规定化，有利于解决像素集中于灰度级暗端的图像。
1.5.3局部直方图处理：用于增强小区域的细节，方法是以图像中的每个像素邻域中的灰度分布为基础设计变换函数，可用于显示全局直方图均衡化不足以影响的细节的显示。
1.5.4直方图统计：可用于图像增强，能够增强暗色区域同时尽可能的保留明亮区域不变，灵活性好。
二、基本的空间滤波器2.1.平滑空间滤波器2.1.1平滑线性滤波器（均值滤波器）输出：包含在滤波器模板邻域内的像素的简单平均值，用邻域内的平均灰度替代了图像中每个像素的值，是一种低通滤波器。
灰度变换与空间滤波
一阶导数和二阶导数的特征：
1)在灰度恒定区域，一阶微分和二阶微分值为零；2）在斜坡区域，一阶微分非 零，产生更厚的边缘；在斜坡的起点和止点，二阶微分非零，中间过渡区域为零；
3）一阶导数对灰度的阶跃变化响应更强烈，而二阶导数则会在此产生双响应； 4）二阶导数对细的细节，如细线和孤立点的响应更强；5）二阶导数在灰度变化 相似时，其对线的响应要强于阶跃变化，对点的响应又强于线。
缺点：
它对点、线等细节 较多的图像却不太 合适。
图(a)为原图像；图(b)为加椒盐噪声的图像；图(c)和图 (d)分别为3×3、5×5模板进行中值滤波的结果。
可见中值滤波法能有效削弱椒盐噪声，且比邻域、超限
像素平均法更有效。
空间锐化滤波器
在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像 的边缘或轮廓。
二阶： 在灰度均匀的区域或斜坡 中间▽2f(x，y)为0； 在斜坡底或低灰度侧形成 “下冲”；而在斜坡顶或 高灰度侧形成“上冲”； 在阶跃处产生由零分开的 一个像素宽的双边缘。
强调灰度的突变，而不强 调灰度级的缓变
二阶微分增强－Laplacian算子
具有各向同性特征的线性变换算子（线性二阶微分算子）:
对数变换
– 通用公式：s c log(1 r),r 0 c:常数
– 目的：扩展图像中暗像素的值，同时压缩更高灰度级 的值（其将使比较狭窄的低灰度级范围变得更宽，而较宽的高灰度级范围变
得更窄，同时能够压缩像素值变化范围很大的图像，使之像素值分布范围更 小。）
幂律变换
s cr c, 0
c＝1，而变化 时的各 种变换规律
b)统计排序滤波器
- 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)。
灰度变换与空间域滤波实验心得
本次实验，让我对灰度变换与空间域滤波有了更深入的理解。
在
实验中，我完成了灰度变换以及空间域滤波的计算。
经过比较，我发现，灰度变换能够使图像明暗度、对比度和亮度发生变化，这样可以
使得图像更加易于分析，便于用计算机识别图片中重要信息的存在。
空间域滤波也是一种有效的图像处理方式，可以清除图像中的噪声，
减少图像中细节的模糊，以及提高图像的轮廓。
通过这次实验，让我
更加深入地了解到灰度变换以及空间域滤波在图像处理中的重要作用，同时也帮助我掌握了灰度变换以及空间域滤波的一些核心技巧，从而
加深我对图像处理的认识和实践能力。