圖像轉(zhuǎn)換 遙感 基礎(chǔ)

.,圖像轉(zhuǎn)換,姓名：陳賽學(xué)號(hào)：05,.,圖像轉(zhuǎn)換概念,一種含義是圖像的數(shù)模（模數(shù)）轉(zhuǎn)換。另一種含義是為使圖像處理問(wèn)題簡(jiǎn)化或有利于圖像特征提取等目的而實(shí)施的圖像變換工作，如二維傅立葉變換、穗帽變換和小波變換。,.,模擬信號(hào)與數(shù)字信號(hào),模擬信號(hào)：普通像片那樣的灰色級(jí)及顏色連續(xù)變化的圖像。數(shù)字圖像：而是以數(shù)字形式表示的遙感影像（包括把模擬圖像數(shù)字化的圖像）。,.,圖像數(shù)字化,采樣：把模擬圖像分割成同樣形狀的小單元，經(jīng)行空間離散化處理叫采樣的。量化：以各個(gè)小單位的平均亮度值貨中心部分的亮度值作為該單元的亮度值，為亮度值的離散化處理。這兩個(gè)過(guò)程結(jié)合起來(lái)就叫做圖像的數(shù)字化的,.,采樣,.,量化,.,傅立葉變換（1-1）,傅立葉變換以前，圖像（未壓縮的位圖）是由對(duì)在連續(xù)空間（現(xiàn)實(shí)空間）上的采樣得到一系列點(diǎn)的集合，我們習(xí)慣用一個(gè)二維矩陣表示空間上各點(diǎn)，則圖像可由z=f(x,y)來(lái)表示。由于空間是三維的，圖像是二維的，因此空間中物體在另一個(gè)維度上的關(guān)系就由梯度來(lái)表示，這樣我們可以通過(guò)觀察圖像得知物體在三維空間中的對(duì)應(yīng)關(guān)系。,.,傅立葉變換（1-2）,傅立葉頻譜圖上我們看到的明暗不一的亮點(diǎn)，實(shí)際上圖像上某一點(diǎn)與鄰域點(diǎn)差異的強(qiáng)弱，即梯度的大小，也即該點(diǎn)的頻率的大小。一般來(lái)講，梯度大則該點(diǎn)的亮度強(qiáng)。這樣通過(guò)觀察傅立葉變換后的頻譜圖，也叫功率圖，我們首先就可以看出，圖像的能量分布，如果頻譜圖中暗的點(diǎn)數(shù)更多，那么實(shí)際圖像是比較柔和的（因?yàn)楦鼽c(diǎn)與鄰域差異都不大，梯度相對(duì)較?。?，反之，如果頻譜圖中亮的點(diǎn)數(shù)多，那么實(shí)際圖像一定是尖銳的，邊界分明且邊界兩邊像素差異較大的,.,傅立葉變換（1-3）,對(duì)頻譜移頻到原點(diǎn)以后，可以看出圖像的頻率分布是以原點(diǎn)為圓心，對(duì)稱分布的。將頻譜移頻到圓心除了可以清晰地看出圖像頻率分布以外，還有一個(gè)好處，它可以分離出有周期性規(guī)律的干擾信號(hào)，比如正弦干擾，一副帶有正弦干擾，移頻到原點(diǎn)的頻譜圖上可以看出除了中心以外還存在以某一點(diǎn)為中心，對(duì)稱分布的亮點(diǎn)集合，這個(gè)集合就是干擾噪音產(chǎn)生的，這時(shí)可以很直觀的通過(guò)在該位置放置帶阻濾波器消除干擾,.,如果只保留靠近中心的幅度，則圖像的細(xì)節(jié)丟失，但是不同區(qū)域還是有著不同灰度。,.,如果保留的是遠(yuǎn)離中心的幅度，則圖像的細(xì)節(jié)可以看得出，但是不同區(qū)域的灰度都一樣了,.,傅立葉變換的意義,傅立葉變換在實(shí)際中有非常明顯的物理意義，設(shè)f是一個(gè)能量有限的模擬信號(hào)，則其傅立葉變換就表示f的譜。從純粹的數(shù)學(xué)意義上看，傅立葉變換是將一個(gè)函數(shù)轉(zhuǎn)換為一系列周期函數(shù)來(lái)處理的。從物理效果看，傅立葉變換是將圖像從空間域轉(zhuǎn)換到頻率域，其逆變換是將圖像從頻率域轉(zhuǎn)換到空間域。換句話說(shuō)，傅立葉變換的物理意義是將圖像的灰度分布函數(shù)變換為圖像的頻率分布函數(shù)，傅立葉逆變換是將圖像的頻率分布函數(shù)變換為灰度分布函數(shù),.,傅立葉變換作用,1.圖像增強(qiáng)與圖像去噪絕大部分噪音都是圖像的高頻分量，通過(guò)低通濾波器來(lái)濾除高頻噪聲;邊緣也是圖像的高頻分量，可以通過(guò)添加高頻分量來(lái)增強(qiáng)原始圖像的邊緣；2.圖像分割之邊緣檢測(cè)提取圖像高頻分量3.圖像特征提取：形狀特征：傅里葉描述子紋理特征：直接通過(guò)傅里葉系數(shù)來(lái)計(jì)算紋理特征其他特征：將提取的特征值進(jìn)行傅里葉變換來(lái)使特征具有平移、伸縮、旋轉(zhuǎn)不變性4.圖像壓縮可以直接通過(guò)傅里葉系數(shù)來(lái)壓縮數(shù)據(jù)；常用的離散余弦變換是傅立葉變換的實(shí)變換；,.,小波變換,線性系統(tǒng)理論中的傅立葉變換是以在兩個(gè)方向上都無(wú)限伸展的正弦曲線波作為正交基函數(shù)的。對(duì)于瞬態(tài)信號(hào)或高度局部化的信號(hào)（例如邊緣），由于這些成分并不類似于任何一個(gè)傅立葉基函數(shù)，它們的變換系數(shù)（頻譜）不是緊湊的，頻譜上呈現(xiàn)出一幅相當(dāng)混亂的構(gòu)成。為了克服上述缺陷，使用有限寬度基函數(shù)的變換方法逐步發(fā)展起來(lái)了。這些基函數(shù)不僅在頻率上而且在位置上是變化的，它們是有限寬度的波并被稱為小波（wavelet）。基于它們的變換就是小波變換。,.,小波變化優(yōu)點(diǎn),1)小波分解可以覆蓋整個(gè)頻域(提供了一個(gè)數(shù)學(xué)上完備的描述)2)小波變換通過(guò)選取合適的濾波器，可以極大的減小或去除所提取得不同特征之間的相關(guān)性3)小波變換具有“變焦”特性，在低頻段可用高頻率分辨率和低時(shí)間分辨率(寬分析窗口)，在高頻段，可用低頻率分辨率和高時(shí)間分辨率(窄分析窗口)4)小波變換實(shí)現(xiàn)上有快速算法(Mallat小波分解算法),.,下圖給出原始圖片Lenna和Gabor濾波在不同采樣因子下的結(jié)果。圖片的左側(cè)是原圖（sub）和所有方向?yàn)V波的重疊結(jié)果，右側(cè)是每個(gè)方向重采樣的結(jié)果,.,穗帽變換簡(jiǎn)介,根據(jù)經(jīng)驗(yàn)確定的變換矩陣將圖像投影綜合變換到三維空間，其立體形態(tài)形似帶纓穗的帽子，變換后能看到穗帽的最大剖面，充分反映植物生長(zhǎng)枯萎程度、土地信息變化，大氣散射物理影響和其它景物變化程度的一種線性特征變換的圖像處理方法,.,穗帽變換的意義,穗帽變換（又稱KT變換）是一種特殊的主成分分析，和主成分分析不同的是其轉(zhuǎn)換系數(shù)是固定的，因此它獨(dú)立于單個(gè)圖像，不同圖像產(chǎn)生的土壤亮度和綠度可以互相比較。隨著植被生長(zhǎng)，在綠度圖像上的信息增強(qiáng)，土壤亮度上的信息減弱，當(dāng)植物成熟和逐漸凋落時(shí)，其在綠度圖像特征減少，在黃度上的信息增強(qiáng)。這種解釋可以應(yīng)用于不同區(qū)域上的不同植被和作物。,.,穗帽變換的圖像,穗帽變換是針對(duì)植物學(xué)所關(guān)心的植被特征，對(duì)原始多波段圖像數(shù)據(jù)進(jìn)行空間旋轉(zhuǎn)，獲得具有物理意義的亮度、綠度、濕度等分量。其變換矩陣獨(dú)立于單個(gè)圖像，而與傳感器相關(guān)。不同的圖像的變換矩陣不同，即反應(yīng)穗帽變換的變換矩陣與傳感器相關(guān)。,.,.,多謝觀賞,本文純屬個(gè)人制作,如有雷同純屬巧合,.,圖像去噪,圖像去噪就是壓制圖像的噪音部分。因此，如果噪音是高頻額，從頻域的角度來(lái)看，就是需要用一個(gè)低通濾波器對(duì)圖像進(jìn)行處理。通過(guò)低通濾波器可以抑制圖像的高頻分量。但是這種情況下常常會(huì)造成邊緣信息的抑制。常見(jiàn)的去噪模板有均值模板，高斯模板等。這兩種濾波器都是在局部區(qū)域抑制圖像的高頻分量，模糊圖像邊緣的同時(shí)也抑制了噪聲。附上：算術(shù)均值濾波器和幾何均值濾波器（尤其是后者）更適合于處理高斯或者均勻的隨機(jī)噪聲。諧波均值濾波器更適合于處理脈沖噪聲。,返回,.,圖像增強(qiáng),有時(shí)候感覺(jué)圖像增強(qiáng)與圖像去噪是一對(duì)矛盾的過(guò)程，圖像增強(qiáng)經(jīng)常是需要增強(qiáng)圖像的邊緣，以獲得更好的顯示效果，這就需要增加圖像的高頻分量。而圖像去噪是為了消除圖像的噪音，也就是需要抑制高頻分量。常見(jiàn)的圖像增強(qiáng)方法有對(duì)比度拉伸，圖像銳化等。我理解的銳化就是直接在圖像上加上圖像高通濾波后的分量，也就是圖像的邊緣效果。對(duì)比度拉伸和直方圖均衡化都是為了提高圖像的對(duì)比度，也就是使圖像看起來(lái)差異更明顯一些，我想，經(jīng)過(guò)這樣的處理以后，圖像也應(yīng)該增強(qiáng)了圖像的高頻