遙感數(shù)字圖像增強空間增強

遙感數(shù)字圖像增強空間增強2023/6/71第一頁，共四十八頁，編輯于2023年，星期二7.1概述空間頻率：影像中任一特定部分單位距離內(nèi)亮度值變化數(shù)量。如果在很短的距離內(nèi)亮度值變化劇烈，則該區(qū)域稱為高頻區(qū)域，相反則稱為低頻區(qū)域?？臻g頻率增強或減弱的方法空間卷積濾波（空間域濾波）、傅里葉變換（頻率域濾波）、低通濾波（平滑）、高通濾波（銳化）第二頁，共四十八頁，編輯于2023年，星期二空間域濾波通過卷積核對原始圖像上的某像素處的鄰近像素值加權(quán)求和，以得到相應(yīng)的灰度值。頻率域濾波對傅立葉變換后的頻譜圖像進(jìn)行濾波處理。如何選擇：考慮鄰域范圍較小，一般使用空間域濾波，鄰域范圍增大，運算量增大。鄰域較大或去除周期性噪聲，使用頻率域濾波★空間增強與光譜增強的區(qū)別？7.1概述第三頁，共四十八頁，編輯于2023年，星期二第7章遙感數(shù)字圖像增強

——空間增強7.1概述7.2圖像平滑7.3圖像銳化7.4頻率域濾波7.5同態(tài)濾波第四頁，共四十八頁，編輯于2023年，星期二（1）

圖像平滑的作用對圖像的低頻分量進(jìn)行增強，同時削弱圖像的高頻分量，用于去除影像在獲取和傳輸過程中受傳感器和大氣等因素導(dǎo)致的噪聲。第五頁，共四十八頁，編輯于2023年，星期二（2）基本概念窗口以圖像中任一像素（x,y）為中心，按上下左右對稱所設(shè)定的像素范圍。第六頁，共四十八頁，編輯于2023年，星期二卷積運算

（2）基本概念第七頁，共四十八頁，編輯于2023年，星期二窗口模板（卷積核）相鄰像素對中心像素影響程度的表述。權(quán)重相鄰像素對中心像素的影響程度111111111（2）基本概念第八頁，共四十八頁，編輯于2023年，星期二噪聲圖像上的異常亮點，或亮度值過大的區(qū)域噪聲種類外部噪聲、內(nèi)部噪聲平穩(wěn)噪聲、非平穩(wěn)噪聲其他：高斯噪聲、白噪聲、椒鹽噪聲等（3）圖像噪聲第九頁，共四十八頁，編輯于2023年，星期二高斯噪聲椒鹽噪聲周期噪聲（3）圖像噪聲第十頁，共四十八頁，編輯于2023年，星期二使用鄰域平均值作為當(dāng)前的像素值模板:

（4）均值濾波中心像元參與運算中心像元不參與運算第十一頁，共四十八頁，編輯于2023年，星期二使用鄰域平均值作為當(dāng)前的像素值優(yōu)點:

設(shè)圖像中的噪聲是隨機不相關(guān)的加性噪聲，窗口內(nèi)各點噪聲是獨立同分布的，經(jīng)過上述平滑后，信號與噪聲的方差比可望提高M(jìn)倍。算法簡單。缺點:對數(shù)據(jù)進(jìn)行了平滑，導(dǎo)致圖像模糊缺點：主要是在降低噪聲的同時使圖像產(chǎn)生模糊，特別在邊緣和細(xì)節(jié)處。而且鄰域越大，在去噪能力增強的同時模糊程度越嚴(yán)重。（4）均值濾波第十二頁，共四十八頁，編輯于2023年，星期二定義：對一個滑動窗口內(nèi)的諸像素灰度值排序，用中值代替窗口中心像素的原來灰度值。優(yōu)點：過濾噪聲的同時，保持邊緣的信息可以有效的消除孤立的點和線段（5）中值濾波第十三頁，共四十八頁，編輯于2023年，星期二第7章遙感數(shù)字圖像增強

——空間增強7.1概述7.2圖像平滑7.3圖像銳化7.4頻率域濾波7.5同態(tài)濾波第十四頁，共四十八頁，編輯于2023年，星期二（1）圖像銳化的作用

抑制圖像中低頻分量，突出地物邊緣、輪廓或線狀目標(biāo)等高頻分量。銳化提高了邊緣與周圍像素間的反差，即邊緣增強。平滑則使圖像邊緣模糊。第十五頁，共四十八頁，編輯于2023年，星期二（2）空間微分法計算像元之間的變化率，常用梯度表示。圖像f(x,y)在像元(x,y)處的梯度可定義為：對于數(shù)字圖像可近似為：

第十六頁，共四十八頁，編輯于2023年，星期二（3）不同的梯度算法采用交叉差分第十七頁，共四十八頁，編輯于2023年，星期二與Roberts相比，較多地考慮了鄰域點的關(guān)系，擴(kuò)大了模板。（3）不同的梯度算法第十八頁，共四十八頁，編輯于2023年，星期二與Prewitt相比，對4-鄰域進(jìn)行了加權(quán)。（3）不同的梯度算法第十九頁，共四十八頁，編輯于2023年，星期二原始圖像RobertsPrewittSobel第二十頁，共四十八頁，編輯于2023年，星期二原始圖像Prewitt-水平Prewitt-垂直Prewitt第二十一頁，共四十八頁，編輯于2023年，星期二原始圖像Sobel-水平Prewitt-水平第二十二頁，共四十八頁，編輯于2023年，星期二（4）拉普拉斯算子——二階微分Laplace算子檢測的是變化率的變化率，在圖像上灰度均勻和變化均勻的部分，算子計算結(jié)果為0，產(chǎn)生的圖像更加突出灰度值突變的部分。

對于離散數(shù)字圖像，Laplace算子的表達(dá)式為：第二十三頁，共四十八頁，編輯于2023年，星期二拉普拉斯Sobel原始圖像第二十四頁，共四十八頁，編輯于2023年，星期二拉普拉斯3X3拉普拉斯7X7原始圖像拉普拉斯11X11第二十五頁，共四十八頁，編輯于2023年，星期二拉普拉斯7X7原始圖像拉普拉斯7X7-先平滑第二十六頁，共四十八頁，編輯于2023年，星期二（5）定向檢測

提取某一特定方向的邊緣或線性特征。垂直方向模板：水平方向模板：對角線方向模板：第二十七頁，共四十八頁，編輯于2023年，星期二原始圖像45度第二十八頁，共四十八頁，編輯于2023年，星期二原始圖像315度第二十九頁，共四十八頁，編輯于2023年，星期二第7章遙感數(shù)字圖像增強

——空間增強7.1概述7.2圖像平滑7.3圖像銳化7.4頻率域濾波7.5同態(tài)濾波第三十頁，共四十八頁，編輯于2023年，星期二*為什么要進(jìn)行圖像變換？第三十一頁，共四十八頁，編輯于2023年，星期二(1)傅里葉變換“周期信號都可表示為諧波關(guān)系的正弦信號的加權(quán)和”——傅里葉的第一個主要論點“非周期信號都可用正弦信號的加權(quán)積分表示”

——傅里葉的第二個主要論點&傅里葉變換可比喻成一個棱鏡，可將光分解成不同顏色，每個成分的顏色由頻率決定。第三十二頁，共四十八頁，編輯于2023年，星期二周期函數(shù)在一定條件下可以展開為Fourier級數(shù)方波4個正弦波的逼近100個正弦波的逼近人們發(fā)現(xiàn),所有的周期函數(shù)都可以用一系列的三角函數(shù)的線性組合來逼近.----Fourier級數(shù)第三十三頁，共四十八頁，編輯于2023年，星期二&（非）周期性信號及其離散譜2023/6/734第三十四頁，共四十八頁，編輯于2023年，星期二一維傅里葉變換：上式中x為時域變量（空間域），u為頻率變量，i為虛數(shù)單位，&傅里葉變換的定義及基本概念逆變換：第三十五頁，共四十八頁，編輯于2023年，星期二如果f(x)為一離散數(shù)字序列（x=0,1,…,N-1),則其離散傅立葉變換定義可表示為：u=0,1,…,N-1x=0,1,…,N-1其中以累加方式計算信號中不同正弦波信號的振幅、頻率、相位第三十六頁，共四十八頁，編輯于2023年，星期二通常數(shù)字影像是一個實函數(shù)，故只考慮實函數(shù)的情況，然而，函數(shù)的傅立葉變換通常是一個復(fù)數(shù)，它可表示為：

式中R（u)和I(u)分別是F（u)的實部和虛部。稱為的幅度譜第三十七頁，共四十八頁，編輯于2023年，星期二傅里葉變換示例原圖離散傅里葉變換后的頻率圖物理意義：傅里葉變換將圖像的灰度分布函數(shù)變換為圖像的頻率分布函數(shù)，逆變換則是將圖像的頻率分布函數(shù)變換為灰度分布函數(shù)。變換后的頻率圖像中亮點越多，則說明圖像變化較大。注意：頻率圖與原圖像上的點在位置上并沒有一一對應(yīng)關(guān)系。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，還可以分離出有周期性規(guī)律的干擾信號，比如正弦干擾，一副帶有正弦干擾，移頻到原點的頻譜圖上可以看出除了中心以外還存在以某一點為中心，對稱分布的亮點集合，這個集合就是干擾噪音產(chǎn)生的，這時可以很直觀的通過在該位置放置帶阻濾波器消除干擾。窗口中心為低頻（能量部分），向外為高頻（噪聲和細(xì)節(jié)）2023/6/738第三十八頁，共四十八頁，編輯于2023年，星期二(2)頻率域濾波一般流程空間域頻率域濾波空間域濾波器設(shè)計第三十九頁，共四十八頁，編輯于2023年，星期二LowpassHighpassBandpassBandcutdefine濾波類型第四十頁，共四十八頁，編輯于2023年，星期二理想濾波器理想低通濾波器：濾波器第四十一頁，共四十八頁，編輯于2023年，星期二理想濾波器理想高通濾波器：第四十二頁，共四十八頁，編輯于2023年，星期二Butterworth濾波器Butterworth低通濾波器：特點：連續(xù)衰減，大大降低圖像邊緣的模糊程度。第四十三頁，共四十八頁，編輯于2023年，星期二Butterworth濾波器Butterworth高通濾波器：特點：銳化效果較好，邊緣抖動不明顯。第四十四頁，共四十八頁，編輯于2023年，星期二指數(shù)濾波