遥感数字图像处理-第四章_遥感数字图像增强处理(一)2016

《遥感数字图像处理-第四章_遥感数字图像增强处理(一)2016》由会员分享，可在线阅读，更多相关《遥感数字图像处理-第四章_遥感数字图像增强处理(一)2016（85页珍藏版）》请在金锄头文库上搜索。

1、1 第四章遥感数字图像增强处理ImageEnhancement 一 图像增强概述imageEnhancement二 辐射增强radiationEnhancement三 空间增强SpatialEnhancement四 频率域增强frequencyEnhancement五 彩色增强ColorEnhancement六 图像运算ImageCalcu 七 多光谱增强Multi spectralEnhancement 2 什么是图像增强 Imageenhancementistheprocessofmakinganimagemoreinterpretableforaparticularapplication

2、 Faust 1989 一 图像增强概述 3 图像增强的目的主要目的 1 采用一系列技术改善图像的视觉效果 提高图像的清晰度 2 将图像转换成一种更适合于人或机器进行解译和分析处理的形式 改变图像的灰度等级 提高图像的对比度 消除边缘和噪声 平滑图像 突出边缘和线状地物 锐化图像 合成彩色图像 压缩图像数据量 突出主要信息等 4 图像增强不是以图像保真度为原则 而是通过处理设法有选择地突出便于人或机器分析某些感兴趣的信息 抑制一些无用的信息 以提高图像的使用价值 即图像增强处理只是增强了对某些信息的辨别能力 5 增强的实质增强感兴趣地物与周围地物之间的反差 6 图像增强的分类 1 从增强的作用

3、域出发 空间域增强 空间域是指图像平面所在的二维平面 直接处理图像上的像素 主要对灰度进行操作 1 点处理 每次对单个像元进行灰度增强的处理2 邻域处理或模板处理 对一个像元及其周围的小区域子图像进行处理频率域增强 对图像经傅立叶变换后的频谱成分进行操作 然后经傅立叶逆变换获得所需结果 7 图像增强的分类 2 从处理的像元出发 辐射增强 对单个像元的灰度值进行变换 达到图像增强目的 空间增强 利用像元自身及其周围像元的灰度值进行运算 光谱增强 以多波段数据为基础 对每个像元的灰度值进行变换 8 图像增强的主要内容 通过改变单个像元及相邻像元的灰度值来增强图像 对图像进行傅里叶变换 然后对变换后

4、的频率域图像的频谱进行修改 达到增强的目的 9 二 辐射增强 辐射增强是一种通过对图像中的每个像素值进行计算 从而改善图像质量的图像处理方法 是一种点运算 点运算 输出值JP i j 仅与IP i j 有关 通过直接改变图象中像元的亮度值来改变图像的对比度 10 二 辐射增强 点运算用数学公式表示为 r 原始图像f x y 的灰度级s 增强图像g x y 的灰度级T 灰度映射函数 只作用在单个像素上 输出g x y 只与位置 x y 处的输入f x y 有关 点到点的处理 点运算完全由T决定 根据T的形式 可分为线性点运算和非线性点运算 11 二 辐射增强 1 直方图histogram 12

5、二 辐射增强 13 计算方法 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 14 直方图的性质 1 直方图反映了图像中的灰度分布规律 描述每个灰度级具有的像元个数 但不包含这些像元在图像中的位置 2 任何图像有唯一的直方图 不同的图像可能有相同的直方图 3 如果一幅图像有两个不相连的区域组成 并且每个区域的直方图已知 则整幅图的直方图为该两个区域直方图之和 15 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 图像质量高 偏态分布 图像

6、偏亮或偏暗 层次少 质量较差 16 直方图的作用 17 18 我 19 我 20 累计直方图 图像直方图是描述图像质量的可视化图表 在图像处理中 可以通过调整图像直方图的形态 改善图像显示的质量 以达到图像增强的目的 21 累计直方图 22 2 线性变换linearstretch 1 全域线性拉伸 按比例拉伸在改善图像对比度时 如果采用线性或分段线性的函数关系 那么这种变换就是线性变换 调整线性参数 改变变换效果 23 24 直方图的形状基本不改变 25 设图像变换前原图像的灰度范围为的亮度值为 设图像变换后的亮度值为 则 26 通过调整参数a1 a2 b1 b2 即改变变换直线的形态 可以产

7、生不同的变换效果 若a2 a1b2 b1 影像被压缩 亮度范围缩小 对于a2与a1 是取在影像亮度值的全部或部分 偏亮或偏暗处 均可根据对影像显示效果的需要而人为地设定 27 在曝光不足或过度的情况下 图像灰度可能会局限在一个很小的范围内 这时在显示器上看到的将是一个模糊不清 似乎没有灰度层次的图像 此时可利用灰度变换对图像每一个像素灰度作拉伸 可以有效地改善图像视觉效果 28 Thisgraphicillustratestheincreaseincontrastinanimagebefore left andafter right alinearcontraststretch 29 2 2

8、线性拉伸用于处理低灰度级和高灰度级端异常现象 拖尾 可能是噪声或某种异常原因 即累计直方图中累计频率的2 和98 所对应的灰度级作为拉伸输入 a1 a2 30 3 分段线性变换 是为了突出人们感兴趣的目标或亮度值区间 要求局部扩展亮度值范围 它可以有效地利用有限个灰度级 达到最大限度增强图像中有用信息的目的 更有效地拉大感兴趣目标与其它地物之间的反差 31 32 33 结果比较 34 35 36 分段线性变换 37 削波 保留部分背景 38 阈值化 清除背景 39 灰度窗口 40 41 3 非线性变换 nonlinearstretch变换函数是非线性 非线性灰度变换对于要进行扩展的亮度值范围是

9、有选择的 扩展的程度是随亮度值的变化儿连续变化的 常用的有两种方法 1 对数变换当希望对图像的低亮度区有较大的扩展而对高亮度区压缩时 可采用此种变换 2 指数变换此种可以对图像的高亮度区给予较大的扩展 42 指数变换其意义是在亮度值较高的部分扩大亮度间隔 属于拉伸 而在亮度值较低的部分缩小亮度间隔 属于压缩 数学表达式为 a b c为可调参数 可以改变指数函数曲线的形态 从而实现不同的拉伸比例 43 对数变换与指数变换相反 它的意义是在亮度值较低的部分拉伸 而在亮度值较高的部分压缩 其数学表达式为 a b c仍为可调参数 由使用者决定其值 44 对数变换动态范围压缩 45 46 47 原始图像

10、f i j 的灰度范围为 a b 可以通过自然对数变换到区间 a b 上 从而求得图像f i j 48 暗区压缩 亮区拉伸 暗区拉伸 亮区压缩 两端压缩 中间拉伸 中间压缩 两端拉伸 暗区拉伸 亮区压缩 49 4 直方图均衡化 HistogramEqualization 遥感图像其灰度分别集中在较窄的区间 从而引起图像细节的模糊 为使图像细节清晰 并使一些目标得到突出 达到增强图像的目的 可通过改善各部分亮度的比例关系 即可通过直方图的方法来实现 直方图调整以概率论为基础的 常用的方法有直方图均衡化和直方图规定化 50 4 直方图均衡化 HistogramEqualization 直方图均衡化

11、又称直方图平坦化 是将一已知灰度概率密度分布的图像 经过某种变换 变成一幅具有均匀灰度概率密度分布的新图像 其结果是扩展了像元取值的动态范围 从而达到增强图像整体对比度的效果 51 基本思想 原图像的灰度值 原图像中任一灰度出现的概率 新图像的灰度值 新图像中任一灰度出现的概率 相同 经证明 累计直方图曲线即为直方图均衡化的基本变换函数 52 计算方法 53 4 直方图均衡化 HistogramEqualization 步骤 1 统计原图像每一灰度级的像元数和累积像元数 2 计算原每一灰度级均衡化后的新值 3 以新值代替原灰度值 形成均衡化后的新图像 4 根据原图像像元统计值对应找到新图像的像

12、元统计值 做出直方图 54 Iftheinputrangeisnotuniformlydistributed Inthiscase ahistogram equalisedstretchmaybebetter Thisstretchassignsmoredisplayvalues range tothefrequentlyoccurringportionsofthehistogram Inthisway thedetailintheseareaswillbebetterenhancedrelativetothoseareasoftheoriginalhistogramwherevaluesoc

13、curlessfrequently 55 Thisgraphicillustratestheratherunevenincreaseincontrastinanimagebefore left andafter right ahistogramequalisedstretch 56 原图像 标准差小 低反差 层次较差 57 均衡化后新图像 标准差大 高反差 层次较好 58 直方图均衡化示例 59 计算示例 步骤 1 统计原图像每一灰度级的像元数和累积像元数 2 计算原每一灰度级均衡化后的新值 3 以新值代替原灰度值 形成均衡化后的新图像 4 根据原图像像元统计值对应找到新图像的像元统计值 做出

14、直方图 N 49 L 1 16 取整或四舍五入 60 均衡化后直方图比较 61 假定有一幅总像素为n 64 64 4096的图像 灰度级数L 8 直方图均衡化计算实例 练习 62 假定有一幅总像素为n 64 64 4096的图像 灰度级数L 8 直方图均衡化计算实例 练习结果 63 均衡化前后的直方图对比 64 65 注意 1 直方图均衡化 不改变灰度出现的次数 因为那样会改变图像的信息结构 所改变的是出现次数所对应的灰度级 2 直方图均衡化 力图使等长区间内出现的像素数接近相等 直方图均衡化后的图像每个灰度级的像元频率 理论上应相等 直方图形态应为理想的直线 实际上均衡化后的直方图呈现参差不

15、齐的外形 这是由于于图像是离散函数 各灰度级可能的像元个数有限 在一些灰度级处可能没有像元 在某些灰度级处则像元很多 所以不会产生理想的直线形态 66 均衡化后的效果 1 各灰度级出现的频率近似相等 2 原图像上频率小的灰度级被合并 实现压缩 频率高的灰度级被拉伸 使亮度集中于中部的图像得到改善 增强图像上大面积地物与周围地物的反差 即 直方图上灰度分布较密的部分被拉伸 灰度分布稀疏的部分被压缩 从而使一幅图像的对比度在总体上得到很大的增强 67 5 直方图规定化 匹配 HistogramSpecification Matching 直方图规定化 是指使一幅图像的直方图变成规定形状的直方图而进

16、行的图像增强方法 规定直方图的类型 1 参考图像的直方图 通过变换 使两幅图像的亮度变化规律尽可能地接近 2 特定函数形式的直方图 通过变换 使变换后的图像亮度变化规律可能地服从这种函数的分布 68 直方图规定化的原理 对两个直方图都做均衡化 变成相同的归一化的均匀直方图 以此均匀直方图为媒介 再对参考图像做均衡化的逆运算 69 计算示例 70 计算示例 均衡化的变换函数采用归一化的形式 即拉伸因子为1 此时设N 1 L 1 1 其它值相应变为小数或分数 因此 均衡化的变换函数即为该图像的积累直方图本身 71 具体步骤 72 计算示例 73 图 C c 是将图像 A 按图 b 的直方图进行规定化得到的结果及其直方图 通过对比可以看出图 C 的对比度同图 B 接近一致 对应的直方图形状差异也不大 这样有利于影像融合处理 保证融合影像光谱特性变化小 74 75 直方图规定化应用 直方图规定化又称为直方图匹配 这种增强方法经常作为图像镶嵌或应用遥感图像进行动态变化研究的预处理工作 通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的色调差异 从而可以降低目视化解译的错误 76