遙感原理與應(yīng)用課程設(shè)計-實習報告

遙感原理與應(yīng)用課程設(shè)計報告摘要：在實習中通過編程實現(xiàn)了圖像的直方圖均衡、偽彩色增強、開閉運算、變化檢測以及影像融合等5個專題的內(nèi)容。在此對其原理以及設(shè)計過程進行闡述并對實驗結(jié)果進行分析。關(guān)鍵詞：圖像；算法；VC；設(shè)計原理介紹專題11線性拉伸線性拉伸就是圖象中所有的點的灰度按照線性變換函數(shù)進行變換。該線性灰度變換函數(shù)f(x)是一維線性函f(x)=*x+?；叶茸儞Q方程為式中參數(shù)為線性函數(shù)的斜率，為線性函數(shù)在y軸的截距,表示輸入圖象的灰度，表示輸入圖象的灰度。當>1時，輸入圖象的對于度將增大；當<1時，輸入圖象的對于度將減??；當=1且0時，操作僅使所有象素的灰度值上移或下移，其效果是使整個圖象更暗或更亮；如果<0，暗區(qū)域?qū)⒆兞?，亮區(qū)域?qū)?，點運算完成了圖象求補運算。1.2直方圖均衡直方圖均衡有時也稱灰度均衡，目的是通過點運算使輸入圖像轉(zhuǎn)換為在每一灰度級上都有相同的象素點數(shù)的輸出圖像（即輸出的直方圖是平的）。針對三種不同的圖像，有不同的公式，下面分別論述：連續(xù)的，且被歸一化的圖像：按照圖像的概率密度函數(shù)（PDF，歸一化到單位面積的直方圖）的定義：其中H(x)為直方圖，A0為圖像的面積。設(shè)轉(zhuǎn)換前圖像的概率密度函數(shù)為pr(r)，轉(zhuǎn)換后圖像的概率密度函數(shù)為ps(s)，轉(zhuǎn)換函數(shù)為s＝f(r)。由概率論知識，可以得到：這樣，如果想使轉(zhuǎn)換后圖像的概率密度函數(shù)為1（即直方圖為平和），則必須滿足：等于兩邊對r積分，可得：該公式被稱為圖像的累積分布函數(shù)（CDF），此公式是被歸一化后推到出的，連續(xù)的，但沒有歸一化的圖像：對于上面的公式只要乘以最大灰度值（Dmax，對于灰度圖象就是255）即可?；叶染獾霓D(zhuǎn)換公式為：3）對于離散圖像轉(zhuǎn)換公式為：式中Hi為第i級灰度的象素個數(shù)。1.3旋轉(zhuǎn)、縮放、平移1.3.1旋轉(zhuǎn)以矩陣形式表示旋轉(zhuǎn)變換公式：式中，坐標系是以圖像的中心為原點，向右為x軸正方向，向上為y軸正方向，設(shè)為坐標系II。它和以圖像左上角為原點，向右為x軸正方向，向下為y軸正方向的坐標系I之間的轉(zhuǎn)換關(guān)系如下所示：其中w、h分別為圖像的寬、高。則可知，對圖像進行旋轉(zhuǎn)變換操作可分成3步來進行

：將坐標系I變成II；

將該點順時針旋轉(zhuǎn)a角；將坐標系II變回I。1.3.2縮放設(shè)（x0，y0）為原圖像上的一點，假設(shè)放大因子為ratio，

對圖像進行縮放的變換矩陣如下所示：1.3.3平移將圖像中所有的點都按照指定的平移量水平、垂直移動。設(shè)（x0，y0）為原圖像上的一點，圖像水平平移量tx，垂直平移量為ty，則平移后點（x0,y0）的坐標變?yōu)椋▁1，y1）。則

（x0，y0）與（x1，y1）之間的關(guān)系為：

專題33.1圖像色彩空間變換3.1.1RGB->HIS讀取RGB圖像，逐像素進行如下計算得到ISH。3.1.2HIS->RGB當H在[0,120]之間當H在[120,240]之間當H在[240,360]之間3.2彩色圖像灰度化1.分量法將彩色圖像中的三分量的亮度作為三個灰度圖像的灰度值，可根據(jù)應(yīng)用需要選取一種灰度圖像。2.最大值法將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。3.平均值法將彩色圖像中的三分量亮度求平均得到一個灰度值。4.加權(quán)平均法根據(jù)重要性及其它指標，將三個分量以不同的權(quán)值進行加權(quán)平均。由于人眼對綠色的敏感最高，對藍色敏感最低，因此，按下式對RGB三分量進行加權(quán)平均能得到較合理的灰度圖像。3.3灰度圖像偽彩色增強1灰度分割法

一幅灰度圖像可看做一個2-D的灰度函數(shù)，用一個平行于圖像坐標平面去分截圖像灰度函數(shù)，從而把灰度函數(shù)分成兩個灰度值區(qū)間。設(shè)在灰度級L1，L2，…，Lm處定義了M個平面，讓L0代表黑，Lm代表白，在0<Lm<L的條件下，M個平面將把圖像灰度值分成M+1個區(qū)間，對同一灰度值區(qū)間內(nèi)的像素賦相同顏色，不同灰度值區(qū)間賦予不同顏色，形成彩色圖像。2空間域變換法對原始圖像中用三個獨立的變換來處理，那么三個變換的結(jié)果分別同時輸入彩色電視屏幕的三個電子槍，這樣就可得到三個變換函數(shù)變換合成的彩色圖像。專題44.1腐蝕與膨脹（水平、垂直、全方向）4.1.1腐蝕對一個給定的目標圖象X和一個結(jié)構(gòu)元素S，想象一下將S在圖象上移動。在每一個當前位置x,S[x]只有三種可能的狀態(tài)，即：（1）S[x]X;(2)S[x]Xc;（3）S[x]X與S[x]Xc均不為空。第一種情形說明S[x]與X相關(guān)性最大；第二種情形說明S[x]與X不相關(guān)；而第三種情形說明S[x]與X只是部分相關(guān)。因而滿足（1）的點x的全體構(gòu)成結(jié)構(gòu)元素與圖象的最大相關(guān)點集，我們稱這個點集為S對X的腐蝕（簡稱腐蝕），記為XS。也可以用集合的方式定義：XS={x|S[x]X}4.1.2膨脹腐蝕可以看作是將圖象X中每一個與結(jié)構(gòu)元素S全等的子集S[x]收縮為點x,那么反之也可以將X中的每一個點X擴大為S[x]。這就是膨脹運算，記為XS。它定義為XS={x|S[x]x}。與之等價的定義形式為：4.2開運算、閉運算4.2.1開運算設(shè)A是被研究的對象,k是結(jié)構(gòu)元素,A被k進行開運算即A被k腐蝕后再用k來膨脹腐蝕結(jié)果，其定義為:Ak=(Afortand式中，A集合是被處理的圖象。k集合是一個較小的圖象基元，叫做結(jié)構(gòu)元素。表示結(jié)構(gòu)元素平移一個距離t。上式表示圖象A對結(jié)構(gòu)元素k的開運算，精確的選擇那些集合A中的點x，當x被結(jié)構(gòu)元素k或平移覆蓋的同時，結(jié)構(gòu)元素必須整個保持在集合A內(nèi)部。由此可以得出開運算是一個反延伸性質(zhì)的運算。4.2.2閉運算閉運算是開運算的對偶運算，它是先膨脹后腐蝕的結(jié)果。因此閉運算可以寫成：即對圖象A用結(jié)構(gòu)元素k做閉運算可得到一個集合，該集合中包括所有這樣的點x，x被一個平移的鏡象結(jié)構(gòu)元素覆蓋的同時，與A圖象必有一些公共點。由此看出，初始圖象A是包含在閉運算后的中，即閉運算是具有延伸性的運算。專題55.1植被指數(shù)植物葉面在可見光紅光波段有很強的吸收特性，在近紅外波段有很強的反射特性，通過這兩個波段測值的不同組合可得到不同的植被指數(shù)。（1）比值植被指數(shù)：RVI=IR/RED綠色健康植被覆蓋地區(qū)的RVI遠大于1，而無植被覆蓋的地面（裸土、人工建筑、水體、植被枯死或嚴重蟲害）的RVI在1附近。植被的RVI通常大于2。（2）歸一化差異指數(shù)：ND=（IR-RED）/（IR+RED）-1<=NDI<=1，負值表示地面覆蓋為云、水、雪等，對可見光高反射；0表示有巖石或裸土等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大。（3）垂直植被指數(shù)：PVI=((SR-VR)2+(SNIR-VNIR)2)1/2在R-NIR的二維坐標系內(nèi)，植被像元到土壤亮度線的垂直距離。其中S是土壤反射率，V是植被反射率。（4）差值\環(huán)境植被指數(shù)：DVI=IR-RED（5）調(diào)整土壤亮度植被指數(shù)：SAVI=((NIR-R)/(NIR+R+L))(1+L)與NDVI相比，增加了根據(jù)實際情況確定的土壤調(diào)節(jié)系數(shù)L，取值范圍0~1。L=0時，表示土壤背景的影響為零，即植被覆蓋度非常高。5.2變化檢測5.2.1比值法計算己配準的多時相圖像對應(yīng)像素的灰度值的比值，如果在一個像素上沒有發(fā)生變化，則比值接近1；如果在此像素上發(fā)生變化，則比值遠大于或遠小于1。確定高門限與低門限，比值小于低門限或大于高門限時，即可認為該像素發(fā)生了變化。5.2.2灰度差值法差值法對多時相圖像中對應(yīng)像素的灰度值進行相減，結(jié)果圖像代表了兩個時間圖像的變化。一般取窗口，用窗口均值代替窗口中心像素的灰度值進行計算。5.2.3相關(guān)系數(shù)法計算多時相圖像中對應(yīng)像素灰度的相關(guān)系數(shù)，結(jié)果代表了兩個時間圖像中對應(yīng)像素的相關(guān)性。一般是取窗口，計算兩個圖像中對應(yīng)窗口的相關(guān)系數(shù)，來表示窗口中心像素的相關(guān)性。如果相關(guān)系數(shù)值接近1則說明相關(guān)性很高，該像素沒有變化；反之，則說明該像素發(fā)生了變化。專題1010.1空間域非加權(quán)融合不加權(quán)融合法是采用一個較小的空間高通濾波器對高空間分辨率影像濾波，直接將高通濾波得到的高頻成分依像素加到各低分辨率多光譜影像上，獲得空間分辨率增強的多光譜影像。常稱為空間高通濾波融合法。融合表達式如下：

Fk(i,j)=Mk(i,j)+

HPH(i,j)

式中Fk(i,j)表示第k波段像素(i,j)的融合值，Mk(i,j)表示低分辨率多光譜影像第k波段像素(i,j)的值，HPH(i,j)表示采用空間高通濾波器對高空間分辨率影像P(i,j)濾波得到的高頻影像像素(i,j)的值。10.2空間域加權(quán)融合空間域加權(quán)融合是將高分辨率影像P(i，j)與空間配準的低分辨率第k波段多光譜影像Mk(i，j)進行相乘，并用高分辨率影像P(i，j)經(jīng)過低通濾波后得到的影像LPH(i，j)進行歸一化處理,得到增強后的第k波段融合影像。其公式為：

Fk(i，j)=

Mk(i，j)*P(i，j)/

LPH(i，j)

高分辨率影像P(i，j)經(jīng)過低通濾波后分解成LPH(i，j)和HPH(i，j)兩部分，則

有Fk(i，j)=

Mk(i，j)+

Mk(i，j)*HPH(i，j)/

LPH(i，j)

10.3HIS變換融合將低空間分辨率多光譜影像變換到HIS空間，得到色別H、明度I、飽和度S三分量，對高空間分辨率影像進行直方圖匹配（直方圖規(guī)定化）或?qū)Ρ榷壤?，使之與I分量有相同的均值和方差，然后用拉伸后的高空間分辨率影像代替I分量，同H、S分量進行HIS逆變換得到空間分辨率提高的融合影像。算法設(shè)計由于專題1中圖像線性拉伸、直方圖均衡、旋轉(zhuǎn)、縮放、平移與專題5圖像融合部分的內(nèi)容在以前的實習中已經(jīng)完成過，在此次實習的算法設(shè)計與實現(xiàn)過程中不多做敘述。專題3：3.1圖像色彩空間變換（RGB->HIS、HIS->RGB)根據(jù)原理說明中給出的RGB->HIS以及HIS->RGB的變換公式，逐像素進行變換處理。對變換得到的I、H、S分別尋找其最大值，與最大值相比并乘以255，將其轉(zhuǎn)化為像素灰度，代替R、G、B分量存入新的圖像中。在HIS->RGB時同樣需要對讀取的圖像像素值恢復為初始I、H、S值在進行變換運算。3.2彩色圖像灰度化在原理中列出了彩色圖像灰度化的四種方法，實習中選用灰度化效果最理想的加權(quán)平均法，逐像素計算其R、G、B分量的加權(quán)平均值作為灰度圖像的灰度值。其公式如下：3.3灰度圖像偽彩色增強3.3.1密度分割法原圖像是256級灰度圖像，將256級灰度對應(yīng)到8種顏色，灰度級分布與顏色對應(yīng)如表1所示?；叶燃?-3132-6364-9596-127128-154155-191192-233234-255顏色黑色藍色綠色青色紅色品紅色黃色白色3.3.2空間域變換法空間域變換法利用三個映射函數(shù)來合成彩色圖像，實習中采用的映射函數(shù)如下所示，其中R（x，y）、G（x，y）、B（x，y）表示偽彩色灰度值，f（x，y）表示原始灰度圖像的灰度值。專題4：4.1腐蝕與膨脹首先將圖像轉(zhuǎn)化為二值圖像，確定腐蝕操作方向與結(jié)構(gòu)元素大小。如設(shè)置水平方向，結(jié)構(gòu)元素為m，則對圖像左右邊界的（m-1）/2列元素不進行處理以防越界。對處理區(qū)域逐像素判斷，當前點首先設(shè)置為黑色（否則可能出現(xiàn)一個白點拉出一條白線的情況），若該像素及其左右的（m-1）/2個像素中存在白色點，則該點設(shè)置為白色。膨脹的算法與腐蝕相似，區(qū)別在于首先對處理區(qū)域內(nèi)當前像素設(shè)置為白色，若該像素及其左右的（m-1）/2個像素中存在黑色點，則該點設(shè)置為黑色。4.2開運算與閉運算開運算即先對二值圖像進行腐蝕處理再進行膨脹處理，閉運算是先進行膨脹處理再進行腐蝕處理。可在腐蝕與膨脹的算法基礎(chǔ)上調(diào)用函數(shù)或?qū)Υa進行融合來實現(xiàn)操作。專題5：5.1植被指數(shù)在實習中完成了5種植被指數(shù)的計算，讀取可見光紅光波段與紅外波段影像，逐像素計算植被指數(shù)。對需要添加影像以外的信息的植被指數(shù)類型設(shè)置對話框，如對垂直植被指數(shù)設(shè)置彈出對話框輸入土壤反射率與植被反射率。為圖像添加偽彩色，根據(jù)植被指數(shù)的類型及其大小將影像分成無植被，稀疏植被與茂密植被3類，分別賦以白色、淺綠色與綠色，使植被提取效果更加直觀。5.2變化檢測在實習中完成了比值法、灰度插值法與相關(guān)系數(shù)法對灰度圖與彩色圖進行變化監(jiān)測的編程。讀取兩個時段的影像，用一個3*3的窗口遍歷兩個圖像，窗口像素的均值作為窗口中心像素值來分別進行比值、相減或是計算相關(guān)系數(shù)。通過不斷實踐與調(diào)整，設(shè)置合理的門限值來判斷比值、相減的差值或是相關(guān)系數(shù)值是否發(fā)生了變化。實現(xiàn)方法與過程專題33.1圖像色彩空間變換RGB->HISfor(r=0;r<rows;r++) { for(c=0;c<cols;c++) { rgb[0]=m_B=pImg[r*cols*3+c*3]; rgb[1]=m_G=pImg[r*cols*3+c*3+1]; rgb[2]=m_R=pImg[r*cols*3+c*3+2]; sum1=m_R+m_G+m_B; m_I[r*cols+c]=sum1/3.0; for(i=2;i>0;i--) { if(rgb[i]<rgb[i-1]) { temp=rgb[i]; rgb[i]=rgb[i-1]; rgb[i-1]=temp; } } m_S[r*cols+c]=1-3.0*rgb[0]/sum1; sum1=(2*m_R-m_G-m_B)/2.; sum2=sqrt((m_R-m_G)*(m_R-m_G)+(m_R-m_B)*(m_G-m_B)); temp=sum1/sum2; if(m_G>=m_B) m_H[r*cols+c]=acos(temp)*180/3.1415926; else m_H[r*cols+c]=360-acos(temp)*180/3.1415926; H_max=max(H_max,m_H[r*cols+c]); I_max=max(I_max,m_I[r*cols+c]); S_max=max(S_max,m_S[r*cols+c]); } }HIS->RGBfor(r=0;r<rows;r++) { for(c=0;c<cols;c++) { S=(double)pImg[r*cols*3+c*3]*Smax/255; H=(double)pImg[r*cols*3+c*3+1]*Hmax/255; I=(double)pImg[r*cols*3+c*3+2]*Imax/255; if(H>=0&&H<120) { B=I*(1-S); R=I*(1+S*cos(H*3.1415926/180)/cos((60-H)*3.1415926/180)); G=3*I-(B+R); } if(H>=120&&H<240) { R=I*(1-S); G=I*(1+S*cos((H-120)*3.1415926/180)/cos((180-H)*3.1415926/180)); B=3*I-(R+G); } if(H>=240&&H<=360) { G=I*(1-S); B=I*(1+S*cos((H-240)*3.1415926/180)/cos((300-H)*3.1415926/180)); R=3*I-(G+B); } bmpNew.m_pImgDat[r*cols*3+c*3]=B; bmpNew.m_pImgDat[r*cols*3+c*3+1]=G; bmpNew.m_pImgDat[r*cols*3+c*3+2]=R; } }3.2彩色圖像灰度化for(intr=0;r<rows;r++) for(intc=0;c<cols;c++) pImgNew[r*cols+c]=0.11*pImg[r*cols*3+c*3]+ 0.59*pImg[r*cols*3+c*3+1]+0.3*pImg[r*cols*3+c*3+2];3.3灰度圖像偽彩色增強3.3.1密度分割法for(intr=0;r<rows;r++) { for(intc=0;c<cols;c++) { temp=pImg[r*cols+c]; if(temp<32) { pImgNew[r*cols*3+c*3]=0; pImgNew[r*cols*3+c*3+1]=0; pImgNew[r*cols*3+c*3+2]=0; } if((temp>=32)&&(temp<64)) { pImgNew[r*cols*3+c*3]=255; pImgNew[r*cols*3+c*3+1]=0; pImgNew[r*cols*3+c*3+2]=0; } if((temp>=64)&&(temp<96)) { pImgNew[r*cols*3+c*3]=0; pImgNew[r*cols*3+c*3+1]=255; pImgNew[r*cols*3+c*3+2]=0; } if((temp>=96)&&(temp<128)) { pImgNew[r*cols*3+c*3]=255; pImgNew[r*cols*3+c*3+1]=255; pImgNew[r*cols*3+c*3+2]=0; } if((temp>=128)&&(temp<155)) { pImgNew[r*cols*3+c*3]=0; pImgNew[r*cols*3+c*3+1]=0; pImgNew[r*cols*3+c*3+2]=255; } if((temp>=155)&&(temp<192)) { pImgNew[r*cols*3+c*3]=255; pImgNew[r*cols*3+c*3+1]=0; pImgNew[r*cols*3+c*3+2]=255; } if((temp>=192)&&(temp<234)) { pImgNew[r*cols*3+c*3]=0; pImgNew[r*cols*3+c*3+1]=255; pImgNew[r*cols*3+c*3+2]=255; } if(temp>=234) { pImgNew[r*cols*3+c*3]=255; pImgNew[r*cols*3+c*3+1]=255; pImgNew[r*cols*3+c*3+2]=255; } } }3.3.2空間域變換法for(intr=0;r<rows;r++) { for(intc=0;c<cols;c++) { temp=pImg[r*cols+c]; if(temp<64) { pImgNew[r*cols*3+c*3]=255; pImgNew[r*cols*3+c*3+1]=4*temp; pImgNew[r*cols*3+c*3+2]=0; } if((temp>=64)&&(temp<128)) { pImgNew[r*cols*3+c*3]=511-4*temp; pImgNew[r*cols*3+c*3+1]=255; pImgNew[r*cols*3+c*3+2]=0; } if((temp>=128)&&(temp<192)) { pImgNew[r*cols*3+c*3]=0; pImgNew[r*cols*3+c*3+1]=255; pImgNew[r*cols*3+c*3+2]=4*temp-511; } if(temp>=192) { pImgNew[r*cols*3+c*3]=0; pImgNew[r*cols*3+c*3+1]=1023-4*temp; pImgNew[r*cols*3+c*3+2]=255; } } }專題4：4.1腐蝕與膨脹（以全方向的腐蝕為例）膨脹與腐蝕的代碼僅數(shù)值相反，開運算與閉運算均是調(diào)用腐蝕與膨脹的函數(shù)代碼來實現(xiàn)操作，此處僅貼上腐蝕的一段代碼表明其原理。if(type==2) { for(r=(num-1)/2;r<rows-(num-1)/2;r++) { for(c=(num-1)/2;c<cols-(num-1)/2;c++) { pImgNew[r*cols+c]=0; for(k=0;k<num;k++) { if(pImg[(r+k-(num-1)/2)*cols+c+k-(num-1)/2]==255) { pImgNew[r*cols+c]=255; break; } } } } }專題5：5.1植被指數(shù)5種植被指數(shù)的代碼僅是植被指數(shù)的計算公式以及分類門限值的設(shè)置不同，此處僅貼上比值植被指數(shù)計算的函數(shù)代碼，以及其余4種植被指數(shù)的計算代碼。for(intr=0;r<rows;r++) { for(intc=0;c<cols;c++) { a1=*(p1+r*cols+c); a2=*(p2+r*cols+c); a=(double)a2/a1; if(a>2) { bmpNew.m_pImgDat[r*cols*3+c*3]=0; bmpNew.m_pImgDat[r*cols*3+c*3+1]=191; bmpNew.m_pImgDat[r*cols*3+c*3+2]=0; } else if(a>1) { bmpNew.m_pImgDat[r*cols*3+c*3]=0; bmpNew.m_pImgDat[r*cols*3+c*3+1]=255; bmpNew.m_pImgDat[r*cols*3+c*3+2]=0; } else { bmpNew.m_pImgDat[r*cols*3+c*3]=255; bmpNew.m_pImgDat[r*cols*3+c*3+1]=255; bmpNew.m_pImgDat[r*cols*3+c*3+2]=255; } } }實驗與分析專題11.1線性拉伸，直方圖均衡圖1：灰度圖像圖2：線性拉伸效果圖3：直方圖均衡化效果圖4：彩色圖像圖5：線性拉伸效果圖6：直方圖均衡化效果1.2旋轉(zhuǎn)、縮放、平移圖7：旋轉(zhuǎn)效果圖8：縮放效果圖9：平移效果專題分析：根據(jù)操作結(jié)果顯示，對灰度圖像與彩色圖像進行線性拉伸操作的效果比較合理，算法設(shè)計正確；在進行直方圖均衡化操作后，灰度圖像與彩色圖像的對比度均有明顯增強，細節(jié)更加突出，缺點是對于一些想要突出的部分在經(jīng)過均衡化后可能會變得相對不明顯；根據(jù)彩色圖像的旋轉(zhuǎn)、縮放、平移操作效果，可知算法正確，能夠滿足要求。不足之處有兩點：（1）旋轉(zhuǎn)點設(shè)定為圖像中心點，不能自定圓心進行旋轉(zhuǎn)；（2）平移之后圖像會有一定缺失。專題33.1圖像色彩空間變換（RGB->HIS、HIS->RGB)圖10：RGB圖像圖11：RGB->HIS操作效果圖12：HIS->RGB操作效果3.2彩色圖像灰度化圖13：彩色圖像灰度化效果3.3灰度圖像偽彩色增強圖14：灰度分割法偽彩色增強效果圖15：空間域變換法偽彩色增強效果專題分析：RGB->HIS、HIS->RGB操作結(jié)果顯示色彩空間變換操作的算法可以實現(xiàn)RGB與HIS的相互轉(zhuǎn)換。對明度I、色別H、飽和度S分別計算與其最大值的比值，乘以255后作為彩色圖像的R、G、B分量寫入圖像中，形成RGB->HIS操作效果圖；彩色圖像灰度化使用加權(quán)平均法，將RGB三個分量的加權(quán)平均值作為灰度圖的灰度值，能夠得到最好的表現(xiàn)效果；偽彩色增強的兩種方法中，密度分割法原理簡單，但是能夠生成的顏色有限；空間域變換法利用三個獨立的變換來決定RGB三分量的值，其關(guān)鍵在于變換函數(shù)的確定，不同的變換函數(shù)會產(chǎn)生不同的彩色圖像。專題44.1腐蝕與膨脹圖16：圖像二值化操作圖17：二值圖像圖18：腐蝕操作圖19：腐蝕操作效果圖20：膨脹操作圖21：膨脹操作效果4.2開運算與閉運算圖22：開運算操作圖23：開運算操作效果圖24：閉運算操作圖25：閉運算操作效果專題分析：對于圖像的腐蝕、膨脹操作，其結(jié)果顯示算法可以滿足操作要求。對比分析腐蝕操作的成果可知，算法能夠按照指定腐蝕方向利用給定大小的結(jié)構(gòu)元素對二值圖像進行腐蝕處理，消除邊界點與一些較小的獨立點、