遥感图像的增强处理
三讲遥感图像处理3
原始图像
复合后图像 27
28
多源信息复合
1、遥感信息复合 2）不同时相的遥感数据复合
步骤 （1）配准 （2）直方图调整 （3）复合
29
多源信息复合
2、遥感与非遥感信息复合
步骤： 1、地理数据的网格化 （1） 网格数据生成 （2） 与遥感数据配准
1、n维多光谱空间
像元矢量
11多光谱变换1、n维多光谱间12多光谱变换
1、n维多光谱空间 每个像元点在多光谱空间中的位置都可以表示为一个N维向量X
x1
x2
X
xi
x1, x2 , xi , xn T
xn
13
多光谱变换
2、K-L变换[离散（Karhunen-Loeve）变换]
主 成 分 变 换 （ PCA, Principal Component Analysis）
数字图像增强
4 图像运算 5 多光谱变换
1
图像运算
两幅或多幅单波段图像，空间配准后可进行算术运算， 实现图像的增强。
1、差值运算：两幅同样行、列数的图像，对应像元的亮 度（灰度）值相减。差值图像提供了不同波段或不同时相图 像间的差异信息。
2、比值运算：两幅同样行、列数的图像，对应像元的亮 度（灰度）值相除（除数不为0）。比值图像，像元的亮度反 映了两个波段光谱比值的差异，常用来检测植被，消除“同 物异谱”现象。
2、最优遥感数据的选取：可选PCA变换后的前 两个波段。 3、复合
30
地层（R），化探（G）和重力（B）数据合成影像 31
遥感与地层，重力，化探融合影像
32
主要成矿地层影像
envi林地草地耕地区别增强处理
envi林地草地耕地区别增强处理
envi 遥感图像中林地草地耕地区别增强处理，该处理可以提取出森林和草地中具有识别特征值的线状或点状物体，而且这些目标之间还存在着明显的差异。
因此，我们就需要对其进行一定的归类。
归类后的数据可用于判读、制图等方面，并为研究区域环境的变化情况提供依据。
新型的高光谱遥感图像能有效地反映森林植被在不同生长阶段，尤其是植被生长发育成熟期的色彩信息，能够较好地反映植被类型及其组成，对于区分相似但又不同种类的植被非常有利；由于遥感图像是二维的，不便于人工检查和精确计算，因此需要借助地面调查资料进行综合分析与判断，从而更准确地把握植被类型、种类和结构特征。
遥感技术作为一门综合性很强的学科，应用范围十分广泛，随着航空遥感、卫星遥感和地面观测的快速发展，遥感已经渗透到了国民经济建设和社会发展的各个领域，遥感技术正日益深入到农业、林业、水利、土地管理、环境保护、海洋开发、军事侦察、考古探险、灾害监测预报、气象预报等许多领域。
遥感影像中常见的分类标志是波段的多少，它们往往表示不同的时间分辨率，如：多波段图像，多波段的空间分辨率越大，则说明遥感器获得的图像信息量越丰富。
从遥感原理来看，遥感具有三个基本特征：即遥感平台运动、传感器固定和遥感信息的空间分布。
所谓“遥感”，就是指通过遥远的太阳辐射电磁波，接收地球上物质的红外辐射、可见光辐射、紫外辐射和 X 射线辐射，然后将它转换成电信号，
再按照一定的规律，把这些电信号记录下来，最终形成图像。
卫星遥感图像处理的关键技术与应用
卫星遥感图像处理的关键技术与应用随着科技的不断进步，卫星遥感技术已经成为一种非常重要的手段，用于获取地球表面的相关信息。
卫星遥感图像处理技术是对卫星获取的图像进行处理和分析，以获得更准确和清晰的地球表面信息。
本文将重点探讨卫星遥感图像处理的关键技术与应用。
一、关键技术1. 遥感图像的预处理遥感图像的预处理是卫星遥感图像处理的第一步，包括图像增强、噪声去除、几何校正、辐射校准等。
图像增强技术旨在提高图像的质量和可视性，常用的增强技术包括直方图均衡化、空间滤波等。
噪声去除技术通过降低图像中的噪声水平，改善图像的质量。
几何校正是为了消除图像中由于地表坡度、地球曲率等因素造成的形变影响，使图像在空间上具有准确的几何性质。
辐射校准是调整图像的辐射亮度，以使其能够反映地表上不同物质的辐射特性。
2. 特征提取与目标识别特征提取与目标识别是卫星遥感图像处理中的关键环节。
特征提取是指通过计算和分析图像中的纹理、形状、颜色等特征来描述地物。
常用的特征提取方法包括灰度共生矩阵、小波变换、主成分分析等。
目标识别是指根据提取到的特征，将图像中的地物进行分类和识别。
常见的目标识别方法包括支持向量机、人工神经网络等。
3. 数据融合与时序分析数据融合是指将多源、多尺度、多时相的遥感数据进行融合，以获取更全面和准确的地表信息。
常用的数据融合方法包括像素级数据融合、特征级数据融合和决策级数据融合。
时序分析是利用多时相的遥感影像进行变化检测和监测，以了解地表变化的情况。
常见的时序分析方法包括差异图像法、频域分析法等。
二、应用领域1. 环境监测与灾害评估卫星遥感图像处理技术在环境监测与灾害评估方面具有重要的应用价值。
通过对遥感图像进行处理和分析，可以实时监测和评估地表水质、土地利用、植被覆盖等环境因素的变化情况，为环境保护、资源管理等提供可靠的数据支持。
同时，在自然灾害的预警和应急响应中，卫星遥感图像处理技术可以提供灾害范围、类型和程度等关键信息，为抢救和救援工作提供科学依据。
遥感图像处理软件的使用方法
遥感图像处理软件的使用方法遥感图像处理软件是一种能够对遥感图像进行处理和分析的工具，它可以帮助用户提取图像中的信息，并用于地理空间分析、资源管理、环境监测等领域。
在本文中，我们将介绍一些常用的遥感图像处理软件，并说明它们的使用方法和功能。
一、ENVIENVI（Environment for Visualizing Images）是一种功能强大的遥感图像处理软件，它支持各种图像格式的导入和导出，并提供了丰富的图像处理和分析工具。
使用ENVI，用户可以进行图像增强、分类、变换等操作，还可以提取地物信息和绘制专题图。
以下是一些ENVI的基本操作方法：1. 导入图像：在ENVI中，用户可以通过点击菜单栏的“文件”选项，选择“打开”来导入图像。
ENVI支持多种格式的图像文件，包括TIFF、JPG、PNG等。
2. 图像增强：ENVI提供了多种图像增强工具，如直方图均衡化、滤波器、变换等。
用户可以根据需要选择合适的工具，并调整参数来增强图像的质量。
3. 地物提取：利用ENVI的分类工具，用户可以对图像进行自动分类或手动绘制样本区域进行分类。
分类可以帮助用户提取图像中的地物信息，如植被覆盖、水体分布等。
4. 绘图和分析：ENVI提供了丰富的绘图工具，用户可以在图像上绘制注释、添加图例、绘制专题图等。
此外，ENVI还支持基本的统计分析和地理空间分析。
二、Erdas ImagineErdas Imagine是一种适用于遥感图像处理和分析的软件，它具有强大的处理能力和广泛的应用领域。
Erdas Imagine的功能包括图像导入和导出、影像增强、地物提取、专题制图等。
以下是一些Erdas Imagine的使用方法：1. 图像导入和导出：Erdas Imagine支持多种图像格式的导入和导出，用户可以通过点击菜单栏的“导入”或“导出”选项选择合适的格式，并指定导入或导出的路径和文件名。
2. 图像增强：Erdas Imagine提供了多种图像增强工具，如直方图均衡化、波段变换、滤波器等。
遥感图像处理ppt课件
02
人工智能在遥感图像处理中可以应用 于地物分类、目标检测、变化检测等 方面。通过训练人工智能算法，使其 能够自动识别和分类地物，提高遥感 数据的利用价值和精度。同时，人工 智能算法还可以对遥感数据进行自动 化分析和处理，提高数据处理效率。
03
人工智能在遥感图像处理中需要解决 的关键问题包括数据标注、模型训练 和优化等。同时，还需要考虑人工智 能算法的可解释性和可靠性，以确保 其在实际应用中的效果和安全性。随 着技术的不断发展，人工智能在遥感 图像处理中的应用将进一步提高遥感 数据的利用价值和精度。
详细描述
遥感图像存储与处理是遥感技术应用的核心环节之一。 在这个过程中，原始数据会经过一系列的预处理、增强 和分类等操作，以提高图像质量和提取更多有用的信息 。例如，辐射定标、大气校正、几何校正等预处理操作 可以提高图像的精度和可靠性；图像增强技术如对比度 拉伸、滤波等可以提高图像的可视化效果和特征提取能 力；分类和目标检测等技术则可以对图像进行语义化表 达和信息提取，以满足不同应用的需求。
遥感图像处理涉及的技术包括辐 射校正、几何校正、图像增强、 信息提取等。
遥感图像处理的重要性
遥感图像处理是遥感技术应用的关键 环节，能够提高遥感数据的精度和可 靠性，为各领域提供更准确、更全面 的信息。
通过遥感图像处理，可以提取出更多 有用的信息，为决策提供科学依据， 促进各行业的智能化发展。
遥感图像处理的应用领域
图像预处理技术
01
02
03
04
去噪
消除图像中的噪声，提高图像 的清晰度。
校正
纠正图像的几何畸变和辐射畸 变，使图像更接近真实场景。
配准
将不同来源的图像进行坐标对 齐，以便于后续的图像分析和
遥感图像处理和分析的技术方法
遥感图像处理和分析的技术方法遥感图像处理和分析技术是利用遥感技术获取的图像数据进行数字化处理和分析的一种方法。
随着卫星遥感技术的发展和应用范围的不断扩大，遥感图像处理和分析已经成为了自然资源调查、环境监测、城市规划等领域中不可或缺的技术手段。
本文将介绍一些常用的遥感图像处理和分析的技术方法。
一、图像预处理图像预处理是指在进行图像分析前对图像进行一系列的处理，以消除图像噪声、增强图像特征、纠正图像畸变等。
常见的图像预处理方法有去噪、增强、几何校正等。
去噪是图像预处理的重要一步。
常用的去噪方法有中值滤波、均值滤波等。
中值滤波是通过取像素周围区域内的中值来替代原始像素值，从而实现去除噪声的效果。
而均值滤波是通过取像素周围区域内的平均值来替代原始像素值。
根据图像的特点和需求，可以选择不同的去噪方法。
增强是为了使图像中的目标更加清晰可见。
常用的增强方法有直方图均衡化、滤波处理等。
直方图均衡化是根据图像的直方图将图像的灰度值进行重新分配，从而达到增强图像对比度的效果。
滤波处理可以通过选择合适的滤波算子对图像进行滤波，从而增强图像的边缘和细节。
几何校正是对图像进行坐标或形状方面的纠正。
常见的几何校正方法有正射纠正、影像配准等。
正射纠正是将原始图像的像素映射到地面坐标上，从而实现图像上的长度、面积等量的真实测量。
影像配准是通过寻找图像间的对应关系，将多幅图像进行几何纠正，使它们在坐标和形状上保持一致。
二、图像分类图像分类是指将遥感图像中的像素按照一定的规则和方法进行划分、归类的过程。
常见的图像分类方法有基于像素的分类、基于对象的分类等。
基于像素的分类是将遥感图像中的每个像素单元独立地进行分类。
常用的基于像素的分类方法有最大似然分类、支持向量机（SVM）分类等。
最大似然分类是根据统计学原理，通过最大化每个像素像属于某个类别的概率来进行分类。
而SVM分类则是通过构建一个超平面，将不同类别之间的间隔最大化，从而实现分类。
遥感图像处理的基本方法与算法解读
遥感图像处理的基本方法与算法解读一、引言遥感技术是通过人工卫星、航空器或其他遥感平台获得地球表面信息的一种手段。
遥感图像处理则是遥感技术的重要应用领域之一。
本文将介绍遥感图像处理的基本方法与算法，探讨其原理和应用。
二、遥感图像预处理遥感图像预处理是遥感图像处理的第一步，主要目的是去除图像中的噪声和干扰，提高图像的可用性。
常用的图像预处理方法包括边缘增强、直方图均衡化和空间滤波。
1. 边缘增强边缘增强是通过提升图像边缘信息的方法来提高图像质量。
其中常用的边缘增强算法有Sobel算子、Prewitt算子和Laplacian算子。
这些算子能够检测出图像中的边缘特征，从而使图像更加清晰。
2. 直方图均衡化直方图均衡化是一种通过调整图像亮度分布来增加对比度的方法。
通过对图像的灰度直方图进行变换，使得图像中的像素分布更加均匀，从而使得图像更加清晰和易于分析。
3. 空间滤波空间滤波是一种常用的图像平滑方法，通过对图像进行滤波操作，可以去除图像中的噪声和干扰。
常用的空间滤波算法有均值滤波、中值滤波和高斯滤波。
三、遥感图像分类遥感图像分类是根据图像中的像素值进行分类的过程。
常用的图像分类方法包括基于像素的分类和基于对象的分类。
1. 基于像素的分类基于像素的分类是一种将图像中的每个像素都分配到一个类别中的方法。
常用的基于像素的分类算法有最大似然分类算法、支持向量机和人工神经网络。
这些算法能够根据像素的特征进行分类，从而对图像进行分割和分析。
2. 基于对象的分类基于对象的分类是将图像中的相邻像素聚合成一组对象，然后根据对象的特征进行分类的方法。
常用的基于对象的分类算法有基于区域的分类和基于形态的分类。
这些算法能够更好地保留图像中的空间信息，从而提高分类的准确性。
四、遥感图像变化检测遥感图像变化检测是通过比较多幅遥感图像之间的差异，来检测地表发生的变化情况。
主要应用于城市规划、环境监测和资源管理等领域。
1. 基于像素的变化检测基于像素的变化检测是一种将多幅遥感图像像素级别进行比较的方法。
遥感数字图像处理教程
遥感数字图像处理教程 第一章 概论
1. 遥感数字图像：数字形式的遥感图像。(P1，第六段) 2. 遥感数字图像处理的主要内容：(P2，第七段) ① 图像增强： 其目的是增强整体图像或突出图像中的特定地物的信息， 其方法主要包括： 灰度拉伸、平滑、锐化、彩色合成、主成分变换、缨帽变换、代数运算、图像融合等； ② 图像校正：其目的是对传感器或环境造成的模糊、噪声、几何失真等进行校正，其主 要方法是辐射校正和几何校正； ③ 信息提取：根据地物光谱特征和几何特征，从校正后的遥感图像中提取各种有用的地 物信息，主要包括图像分割、监督分类、非监督分类等，处理结果为分类专题图。 3. 遥感数字图像处理系统：硬件系统和软件系统。(P3，第五段) 4. 数字图像处理存在的两种观点：(P7，第三段) ① 离散方法的观点：即一幅图像的存储和表示均为数字形式，数字是离散的，因此，使 用离散方法进行图像处理才是合理的，与其对应的概念为空间域； ② 连续方法的观点：即图像具有连续性，可用连续的数学形式表达，与其对应的概念为 频率域。
第 3 页 共 13 页
小恺工作室•遥感数字图像处理教程
② HDF（Hierarchy Data Format） ：其构成包括一个头文件、一个或多个描述块、若干个数据 对象。优势：可移植性强；超文本；自我描述性；可扩展性。 ③ TIFF：扩展性好，移植方便，可改性强。 ④ GeoTIFF：在 TIFF 可扩展性的基础之上，添加了一系列的地理信息标签，来描述卫星成 像系统、航空摄影、地图信息、DEM 等。 12. 图像文件的大小计算(单位： 字节)： 行数×列数×单个像素字节数×波段数×辅助参数。 (P35， 第五段)
第四章 图像的显示和拉伸
1. 颜色模型：RGB 颜色模型、CMY 颜色模型、YIQ 颜色模型、HIS 颜色模型。(P61，第三 段) 其中 CMK 模型主要用于打印。 2. 图像的彩色合成：包括伪彩色合成、真彩色合成、假彩色合成和模拟真彩色合成。(P67， 第五段) ① 伪彩色合成：把单波段灰度图像中的不同灰度级按特定的函数关系变换成彩色，然后进行 彩色图像显示的方法，其转换可通过密度分割的方法实现。 ② 真彩色合成：用红绿蓝波长或近似波长合成的、图像显示效果与真彩色近似的合成方式。 ③ 假彩色合成：从多个波段中任意选择 3 个波段（不能与真彩色合成波段相同） ，分别赋予 红绿蓝 3 种原色，其图像的显示效果与真彩色不同。 ④ 模拟真彩色合成：由于蓝光易受气溶胶的影响，有些传感器舍弃了蓝波段，而是通过某种 形式的运算得到模拟的红绿蓝三个通道，从而产生类似于真彩色的图像。 3. 图像拉伸：以波段为处理对象，通过处理波段中单个像素值来实现增强的效果。图像拉伸 的方法包括线性拉伸(全域线性拉伸和分段线性拉伸)和非线性拉伸(指数拉伸、对数拉伸)，图 像直方图是选择拉伸具体方法的基本依据。(P75，第四段) 4. 直方图均衡化： 对原始图像的像素灰度做某种映射变换， 使改变后图像灰度的概率密度(即
遥感图像处理实验
遥感图像处理实验目录实验二影像的地理坐标定位和校正实验三使用ENVI进行正射校正实验四图像镶嵌实验五图像融合实验六波段组合计算及图像增强实验七图像分类实验八使用ENVI进行三维曲面浏览与飞行实验九地图制图09级林学四班汤瑞芳20090143 注：本实验报告共分为两部分，其一为实验的详细过程，其二为实验结果的整理及实验心得实验二影像的地理坐标定位和校正实验目的:1）掌握如何在ENVI中对影像进行地理校正2）添加地理坐标3）如何使用ENVI进行影像到影像的几何校正实验内容：1图像文件头文件的修改步骤：1）打开并显示SPOT数据ENVI主菜单中file →open image file，从envidata目录bldr_reg文件夹下的bldr_sp.img文件，从可用波段列表对话框中点击Grey scale，点击Load Band按钮加载这幅影像到一个新的显示窗口中。
2）修改ENVI头文件中的地图信息右击bldr_sp.img—》Map inf，快捷菜单Edit Map Information。
点击Projection/Datum文本旁边的箭头切换按钮，DMS或者DDEG，分别在度分秒和十进制的度之间进行切换。
点击Cancel，推出Edit Map Information对话框。
修改图像的pixel size信息，添加公里网格和地图标注。
保存图像。
file →save image as →image file。
输出路径和输出文件名称2 影像对影像的几何配准利用SPOT图像校正Landsat TM步骤：1）打开TM图像从ENVI主菜单中，选择file →open image file，从envidata目录下的bldr_reg子目录选择bldr_tm.img文件。
在列表中选择band3，点击display#1按钮，并从下拉式菜单中选择new display。
点击Load Band 按钮，把TM的band3波段的影像加载到新显示窗口中。
遥感图像处理经典案例
h
19
4. 数字图像直方图：以每个像元为单位，表示图像中
各亮度值或亮度值区间像元出现的频率的分布图。
5. 直方图的作用：直观地了解图像的亮度值分布范围、
峰值的位置、均值以及亮度值分布的离散程度。直方图的曲 线可以反映图像的质量差异。
✓ 正态分布：反差适中，亮度分布均匀，层次丰富，图像
h
25
1、遥感影像变形的原因
① 遥感平台位置和运动状态变化的影响： 航高、航速、俯仰、翻滚、偏航。
② 地形起伏的影响：产生像点位移。
③ 地球表面曲率的影响：一是像点位置的移 动；二是像元对应于地面宽度不等，距星 下点愈远畸变愈大，对应地面长度越长。
④ 大气折射的影响：产生像点位移。
⑤ 地球自转的影响：产生影像偏离。
h
46
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
h
47
Edge Enhancement
▪ edge enhancement mathematically manipulates an image to provide a new image in which edges are made to stand out.
1、平滑--图像中出现某些亮度值过大的区域，
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。
① 比值平滑：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。
- 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)。
遥感图像的增强处理
一、实验目的
通过上机操作，了解空间增强、辐射增强、光谱增强几种遥感图像增强处理
的过程和方法，加深对图像增强处理的理解。
二、实验内容
对下图进行卷积增强处理；直方图均衡化；主成分变换；色彩变换
三、实验过程
ERDAS IMAGE图像解译模块主要包括了图像的空间增强、辐射增强、光谱
增强、高光谱工具、傅立叶变换、地形分析以及其他实用功能
。
1、卷积增强（Convolution）
空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整
个图像之目的。卷积增强（Convolution）是空间增强的一种方法。
卷积增强（Convolution）时将整个像元分块进行平均处理，用于改变图像的
空间频率特征。卷积增强（Convolution）处理的关键是卷积算子——系数矩阵的
选择。该系数矩阵又称卷积核（Kernal）。ERDAS IMAGINE将常用的卷积算子
放在一个名为default.klb的文件中，分为3*3，5*5，7*7三组，每组又包括“Edge
Detect/Low Pass/Horizontal/Vertical”等七种不同的处理方式。具体执行过程如下：
ERDAS图标面板菜单条：Main→Image Interpreter→Spatial enhancement→
convolution→convolution对话框。
图3-1 Convolution对话框
几个重要参数的设置：
边缘处理方法：（Handle Edges by）：Reflection
卷积归一化处理：Normalize the Kernel
Kernel：3*3EdgeDetcet
Input File(*.hdr): C\data\nj.hdr type:ENVI*.hdr
Output File(*.img): C\11.img
Output: Unsigned 8 bit
2、直方图均衡化（Histogram Equalization）
直方图均衡化实质上是对图像进行非线性拉伸，重新分配图像像元值，是一
定灰度范围内的像元数量大致相同。这样，原来直方图中间的峰顶部分对比度得
到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方
图。直方图均衡不仅改变了图像的灰度值，而且改变了灰度级及其频率。直方图
均衡的效果是图像上频率小的灰度级被合并，频率高的灰度级被保留，因而，可
以增加图像上大面积出现的地物与其周围地物的反差。
ERDAS 图标面板菜单条：Main →Image Interporeter→ Radiometric
Enhancement →Histogram Equalization →Histogram Equalization对话框。
（图3-2）
注意：认真对比直方图均衡化前后的图像差别，仔细观察直方图均衡化的效
果
。
图3-2直方图均衡化
几个重要参数的设置：
Input File(*.hdr): C\data\nj.hdr type:ENVI*.hdr
Output File(*.img): C\12.img
Coordinate Type: File
Lgnore Zero in Stats
Number of Bins: 256
3、主成分变换
主成分变换（Principal Component Analysis）是一种常用的数据压缩方法，
它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，使图像
数据更易于解译。ERDAS IMAGE提供的主成分变换功能最多等对256个波段的图
象进行转换压缩。
ERDAS 图标面板菜单条：Main →Image Interporeter→ Spectral
Enhancement →Principial Comp →Pincipal Components对话框。（图3-3）
图3-3 Principal Component对话框
几个重要参数的设置：
Iput File(*.hdr): C\data\nj.hdr type:ENVI*.hdr
Output File(*.img): C\13.img
Coordinate Type: Map
Eigen Matrix: Show in Session Log,Write to file
Eigenvalues: Show in Session Log,Write to file
Output: Float Single
Output Options: lgnore Zero in Stats
Number of Components Desired: 7
4、色彩变换（RGB to IHS）
色彩变换是将遥感图像从红（R）、绿（G）、兰（B）三种颜色组成的色彩空
间转换到以亮度（I）、色度（H）、饱和度（S）作为定位参数的色彩空间。其中，
亮度表示整个图像的明亮程度，取值范围是0-1；色度代表像元的颜色，取值范
围为0-360；饱和度代表颜色的纯度，取值范围是0-1。
ERDAS 图标面板菜单条：Main →Image Interporeter→ Spectral
Enhancement →RGB to IHS →RGB to IHS对话框。（图3-4）
图3-4 RGB to IHS对话框
几个重要参数的设置：
Input File(*.hdr): C\data\nj.hdr type:ENVI*.hdr
Output File(*.img): C\14.img
Coordinate Type: Map
Lgnore Zero in Stats
No.of Layers: Red 4,Green 3,Blue 2
四、实验结果
1、卷积增强（Convolution）
2、直方图均衡化（Histogram Equalization）
3、主成分变换
4、色彩变换（RGB to IHS）