4-图像处理(图象校正与增强)1

4数字图像处理原理

ImageProcessing

陈建国

数学地质遥感地质研究所(e-mail:jgchen@)1数字图像处理的目的尽可能准确地反映地物实际的波谱特征、空间频率特征、几何特征或地理位置增强不同地物类型之间在波谱或结构特征之间的差别，提取代表这些差别的数字信息，以便区分和解释恢复和增强图象的高频信息，如边缘、线条等特征便于与其他遥感资料、地理、地质等图件的互相套合与比较2数字图像处理的主要内容图象校正：包括辐射校正、几何校正增强处理：增强图象中的有用信息，利于识别分析。包括彩色增强、直方图增强、图象运算、邻域增强、频率域增强、信息融合等图象变换：消除干扰和滤掉噪声，提高图象质量信息提取：图象分类（监督分类、非监督分类、神经网络分类、模糊分类）、空间信息提取、光谱信息提取3图象校正与增强数字图像基础（数字图像／直方图／图像处理系统）图像辐射校正几何校正原理与方法图像增强处理图像融合4数字图像指能够被计算机存储、处理和使用的图像“离散化”、二维矩阵：每个元素的取值是图像连续变化的灰度的离散整数值5数字图像6图像直方图用平面直角坐标系表示一幅灰度范围为0-n的数字图像像元灰度分布状态，横轴表示灰度级，纵轴表示某一灰度级（或范围）的像元个数占像元总数的百分比。通过灰度直方图可以直观地了解图像特征，以确定图像增强方案并了解图像增强后的效果7不同反差特征的图像8反差增强9遥感图象处理系统计算机（主机）图象输入输出设备磁带机、数字化器等；打印机、绘图仪、激光图象记录仪专用处理设备图象计算机、阵列处理机外存设备磁盘、磁带、光盘显示器软件部分系统软件、应用软件（图象处理软件）10图象校正与增强数字图像基础（数字图像／直方图／图像处理系统）图像辐射校正几何校正原理与方法图像增强处理图像融合11辐射校正由于传感器响应特性和大气的吸收、散射及其它随机因素影响，导致图象模糊失真，造成图象分辨率和对比度相对下降。这些都需要通过辐射校正复原.包括：系统辐射校正、大气校正12系统辐射校正光学摄影机内部辐射误差校正镜头中心和边缘透射光的强度不一致，造成图象上不同位置的同一类地物有不同的灰度值。光电扫描仪内部辐射误差校正A）光电转换误差；B）探测器增益变化引起的误差传感器本身产生的误差图像不均匀/条纹/噪声等,一般由生产单位根据传感器参数进行校正,无需用户进行.13大气校正消除主要由大气散射、吸收引起的辐射误差的处理过程.何时需要进行大气校正定量信息提取不同时相间的定量比较不同波段间的运算14大气校正方法公式法（较准确）简单的相对大气校正方法：2回归分析法3直方图校正法15公式法与卫星扫描同步进行野外光谱测量，将地面测量结果与卫星影象对应像元亮度值进行回归分析.回归方程为：

Ri=a+bCi

LAi

=CiK+Lmin

,LAi

=a1Ri+b1K=(Lmax-Lmin)/CmaxLAi

为卫星观测值(辐射亮度,辐射度)Ri

为地面反射率Ci灰度值16进入传感器的辐射为以下三部分的和L=L1+L2+LpL1反射、L2漫反射、Lp散射与反射率Ri有关17考虑散射和吸收的近似公式：散射影响吸收影响Si

系统增益因素LBi大气路径辐射率，Ti大气透过率Hi

太阳辐照度太阳天顶角18回归分析法原理：大气散射主要影响短波部分，波长较长的波段几乎不受影响，因此可用其校正其它波段数据。方法：在不受大气影响的波段（如TM5或7红外）和待校正的某一波段图像中，选择一系列目标，将每个目标的两个待比较的波段灰度值提取出来进行回归分析，建立线性回归方程。Y：待校正波段的图像亮度值X：不受大气影响波段的图像亮度值19回归分析法2021直方图校正方法直方图最小值去除法的基本思想在于一幅图像中总可以找到某种或某几种地物，其辐射亮度或反射率接近0，例如，地形起伏地区山的阴影处，反射率极低的深海水体处等，这时在图像中对应位置的像元亮度值应为0。实测表明，这些位置上的像元亮度不为零。这个值就应该是大气散射导致的程辐射度值。一般来说由于程辐射度主要来自米氏散射，其散射强度随波长的增大而减小，到红外波段也有可能接近于零。具体校正方法:

首先确定条件满足，即该图像上确有辐射亮度或反射亮度应为零的地区，则亮度最小位必定是这一地区大气影响的程辐射度增值。校正时，将每一波段中每个像元的亮度值都减去本波段的最小值。使图保亮度动态范围得到改善，对比度增强，从而提高了图像质量。22直方图校正方法简言之:

从图象象元亮度值中减去一个辐射偏置量，辐射偏置量等于图象直方图中最小的亮度值前提（假设）：水体（或阴影）等物体的灰度值为0，大气散射导致图像上这些物体的灰度值不为0（辐射偏置量）

暗物体法（Dark-objectmethod）2324图象校正与增强数字图像基础（数字图像／直方图／图像处理系统）图像辐射校正几何校正原理与方法图像增强处理图像融合25几何校正当遥感图像在几何位置上发生了变化，产生诸如行列不均匀，像元大小与地面大小对应不准确，地物形状不规则变化等畸变时，即说明遥感影像发生了几何畸变。遥感影像的总体变形(相对于地面真实形态而言)是平移、缩放、旋转、偏转、弯曲及其他变形综合作用的结果。产生畸变的图像给定量分析及位置配准造成困难．因此遥感数据接收后，首先由接收部门进行校正，这种校正往往根据遥感平台、地球、传感器的各种参数进行处理。而用户拿到这种产品后，由于使用目的不同或投影及比例尺的不同，仍旧需要作进一步的几何校正.26几何校正从具有几何变形的图象中消除变形的过程一般步骤：1确定校正方法2确定校正公式3验证校正方法4对原始输入图象进行重采样27遥感图象几何畸变来源误差来源：内部误差：由于传感器自身的性能、结构等因素造成；外部误差：传感器以外的个因素造成，如地球曲率、地形起伏、地球旋转等传感器成像几何形态影响传感器外方位元素变化畸变地球自转的影响地球曲率的影响其它……28传感器成像几何形态影响成像几何特点：中心投影、全景投影、斜距投影、平行投影全景投影：每条扫描线相当于中心投影，扫描视场角越大，边缘变形越大----全景畸变斜距投影变形：侧视雷达29传感器外方位元素变化畸变传感器外方位元素变化：指决定遥感平台姿态的6个自由度：三轴方向（X,Y,Z）和姿态角(,,)，其中任何一个发生变化，都会给遥感图像带来不同变形，这种畸变是成像瞬间的综合影响。对不同的传感器，畸变可能不尽相同。航高、航速、俯仰、翻滚、偏航30中心投影传感器外方位元素变化畸变31传感器外方位元素变化畸变多中心投影例如MSSTM等32

33地球自转引起的误差卫星前进过程中，传感器对地面扫描获得图像时，地球自转影响较大，会产生影像偏离。因为多数卫星在轨道运行的降段接收图像，即卫星自北向南运动，这时地球自西向东自转。相对运动的结果，使卫星的星下位置逐渐产生偏离。34地球曲率引起的误差曲面的影响主要表现在两个方面：一是像点位置的移动二是像元对应于地面宽度的不等。35地形起伏的影响当地形存在起伏时，会产生局部像点的位移，使原来本应是地面点的信号被同一位置上某高点的信号代替。由于高差的原因，实际像点P距像幅中心的距离相对于理想像点P0距像幅中心的距离移动了36大气折射的影响大气对辐射的传播产生折射。由于大气的密度分布从下向上越来越小，折射率不断变化，因此折射后的辐射传播不再是直线而是一条曲线，从而导致传感器接收的像点发生位移.37遥感图象几何校正的基本思路几何畸变有多种校正方法，但常用的是一种通用的精校正方法。该方法可以用作:遥感影像相对于地面坐标的配准校正，遥感影像相对于地图投影坐标系统的配准校正，不同类型或不同时相的遥感影像之间的几何配准和复合分析，以得到比较精确的结果。基本思路：校正前的图像看起来是由行列整齐的等间距像元点组成的，但实际上，由于某种几何畸变，图像中像元点间所对应的地面距离并不相等(图a)。校正后的图像亦是由等间距的网格点组成的，且以地面为标准，符合某种投影的均匀分布(图b)，图像中格网的交点可以看作是像元的中心。校正的最终目的是确定校正后图像的行列数值，然后找到新图像中每一像元的亮度值。3839数字图象几何纠正的主要处理过程准备工作输入原始数字影象选择纠正变换函数确定输出影象范围像元坐标变换像元亮度值重采样输出纠正后的图像准备工作：图象、地图、大地测量资料、平台轨道参数、传感器参数、控制点的选择；（具体内容可选）纠正变换函数选择：输入和输出图象间的坐标变换关系；如多项式法、共线方程法等两个基本环节40确定纠正后图像的边界范围

纠正后图像的边界范围，指在计算机存储器中为输出影象所开出的存储空间大小，以及该空间边界范围（首行、首列、末行、末列）的地图（或地面）坐标定义值；纠正后图像和原始图像的形状、大小、方向都不一样。所以在纠正过程的实施之前，必须首先确定新图像的大小范围。41先求出原始图像四个角点（a,b,c,d）在纠正后图像中的对应点（a’,b’,c’,d’）的坐标（Xa’,Ya’）(Xb’,Yb’)(Xc’,Yc’)(Xd’,Yd’)；然后求出最大值和最小值。为了将该边界范围转换为计算机纠正后的存储数组空间，须在其中划分出网格，每个网格代表一个输出像元；须根据精度要求确定输出像元的地面尺寸；地面坐标与输出图象坐标关系表达确定纠正后图像的边界范围42确定纠正后图像的边界范围X1=min(Xa’,Xb’,Xc’,Xd’)X2=max(Xa’,Xb’,Xc’,Xd’)Y1=min(Ya’,Yb’,Yc’,YXd’)Y2=max(Ya’,Yb’,Yc’,Yd’)43象元坐标变换确定原始图象和纠正后图象间的坐标变换关系找到一种数学关系，建立变换前图像坐标(x,y)与变换后图像坐标(u,v)的关系，通过每一个变换后图像像元的中心位置计算出变换前对应的图像坐标点(x，y)。44直接纠正方法:从原始图像，依次对每个像元根据变换函数F（），求得它在新图像中的位置。并将灰度值付给新图像的对应位置上。间接纠正法:从新图像中依次每个像元，根据变换函数f()找到它在原始图像中的位置，并将图像的灰度值赋予新图像的像元。二者并无本质区别，互为逆变换坐标变换45图象灰度值的重采样几何校正过程中，由于校正前后图象的像元大小可能变化、象元点位置的相对变化等，不能简单用原图象象元灰度值代替输出象元灰度值。因为对应的坐标值可能不是整数因此，需要插值（重采样）三种插值方法：最邻近法、双线性法、三次卷积法46灰度值重采样示意图47最邻近法（nearestneighbor）用距离投影点(采样点)最近象元灰度值代替输出象元灰度值48最邻近法优点：1保留大量原始灰度值，没有经过平滑处理，对于区分植被类型、识别线性特征等有重要意义2简易、省时3分类前使用4适合于专题文件5在几何位置上精度为0.5像元缺点：1锯齿状、不平滑2某些值重复、某些值丢失3对线性地物，可能出现不连续49原始图像纠正后图像（最邻近插值）50双线性（bilinear）考虑投影点(采样点)周围4个相邻象元的灰度值，并根据各自权重计算输出象元灰度值公式为：gx’,y’:输出灰度值pi:距离权重（1/di，

di为邻近点到投影点的距离）gi:邻近点的灰度值51双线性插值利用X方向和Y方向进行三次插值(4个邻点):取(x，y)点周围的4邻点，在y方向(或x方向)内插二次，再在x方向(或y方向)内插一次，得到(x，y)点的亮度值f(x，y)，该方法称双线性内插法.52双线性（bilinear）优点1较平滑，没有锯齿状2与最邻近法相比，空间信息更准确些3常用于改变象元大小时，如数据融合缺点：象元值被平均化，某些地物边缘更平滑，某些极值可能丢失53双线性插值原始图像纠正（双线性插值）54三次卷积法(cubicconvolution)取与投影点邻近的16个象元灰度值（4*4），计算输出象元的灰度值有不同的实现算法可先在某一方向上内插，如先在x方向上，每4个值依次内插4次，求出f(x，j-1)，f(x，j),f(x，j+1)f(x，j+2)，再根据这四个计算结果在y方向上内插，得到f(x，y)。每一组4个样点组成一个连续内插函数。可以证明,这种三次多项式内插过程实际上是一种卷积运算，故称为三次卷积内插。55三次卷积法优点：1与其它重采样方法相比，均值和标准偏差与原始象元的相一致2改变象元大小时使用（改变幅度更大时）TM/航片3可能锐化图象、平滑噪声，实际的效应与数据有关缺点：1数据的值可能被改变2计算费时56原始图像几何纠正（三次卷积）57数字图象几何校正方法(函数的建立)多项式纠正法：常用的方法基本原理：不考虑成像的空间几何过程，而直接对图象变形的本身进行数学模拟。把遥感图象的总体变形看作是平移、缩放、旋转、仿射、偏扭、弯曲及更高次的基本变形的综合作用结果，因此，将纠正前后图象相应点间的坐标关系用一适当的多项式表达可用于图象对地图的纠正，以及不同类型图象间配准一般取2次，可以满足精度要求需要地面控制点：分布、数量58控制点的选择地面控制点（GCP，GroundControlPoint）:一些特定的象元，其地图坐标或其它输出坐标为已知人工地物线性地物交叉点不易随时间变化的目标大比例尺的图象：道路交叉点、机场跑道、建筑物小比例尺的图象：城区、一些线性地物交叉点（河流、道路）分布：较均匀分布与图象范围内，保证足够数量59控制点的选择注意问题：1.多项式纠正法的精度与地面控制点（GCP）的精度、分布、数量及纠正范围有关；GCP的位置精度越高，则几何纠正的精度越高；GCP的个数不少于多项式的系数个数；适当增加GCP的个数，可以提高几何纠正的精度。20-30个GCP，一般可以满足需求2GCP分布应尽可能在整幅图像内均匀分布，否则在GCP密集区精度较高，在GCP分布稀疏区出现较大误差60最少的控制点数量多项式的次数61控制点的选择与分布62纠正后的图像63基于三角网的几何纠正

（Triangulation-basedmethod）又称RubberSheeting适用于航空遥感图象纠正，几何变形复杂、不均匀其它方法的结果不理想时可用要求大量的地面控制点64三角网三角网校正方法（Triangulationbasemethods）用由地面控制点（GCPs）形成的Delauney三角网来模拟几何偏差。用地面控制点形成Delauney三角网，然后用不同的多项式来拟合每一个三角形为分段的胶皮（Rubber-sheet）变换方法,图象被划分为许多区域（三角形），每个区域采用不同的变换方程只有被地面控制点包围的区域才进行三角网纠正。未被地面控制点包围的区域可用多边形方法纠正三角网校正方法需要更多的地面控制点三角网校正方法减少了局部误差（几何偏差），而多项式方法则减少全局误差三角网校正方法适合于航空遥感图象，用于消除由偏航、前后颠簸等引起的局部偏差以及纠正全景误差65三角网的建立66图像的镶嵌图像镶嵌(MOSAIC)是将多个具有重叠部分的图像制作成一个没有重叠的新图像；有基于像元的镶嵌和基于地理坐标的镶嵌；

67镶嵌要有足够宽的重叠区，最好不少于图像的1/5，否则会影响精度相邻图像往往色调或灰度值不一致，需要进行直方图匹配如果镶嵌后需要进行某种地图投影变换，最好先根据该投影方式分幅校正，然后再镶嵌图像的镶嵌注意的问题6869多图像几何配准将同一地区的各种遥感图像匹配在一起；原理与几何校正相同（图象-图象）；以其中一个图象作为参照或标准，其他图象与之进行配准。70SPOT5ETM+71大气校正的目的?大气校正的主要方法?图像几何校正的主要步骤?GCP?GCP选择的基本原则?图像镶嵌?72图象校正与增强数字图像基础（数字图像／直方图／图像处理系统）图像辐射校正几何校正原理与方法图像增强处理(彩色增强、直方图增强、图象运算、邻域增强、频率域增强)图像融合73反差增强(Contrastenhancement)又称对比度增强（拉伸，stretch）

是一种通过改变像元的亮度值来改变图像像元的对比度，从而改善图像质量的图像处理方法。由于亮度是辐射强度的反映，所以也称辐射增强。按象元逐次进行，也称点增强主要通过改变图象灰度分布态势，扩展灰度分布区间，达到增强反差的目的主要通过调整直方图来实现直方图：具有某个特定亮度值的象元百分比-亮度值调整后的直方图应达到：

分布好（较均匀），没有大量暗或亮的象元集中分布74

每一幅图像都可以求出其像元亮度值的直方图，观察直方图的形态，可以粗略略地分析图像的质量。正态分布峰值偏左偏暗峰值偏右偏亮峰值窄/陡高密度值太集中75反差增强原理7677纠正前的图像及直方图：偏暗高反射率图象反差增强78纠正后的图像及直方图反差增强7980反差增强线性和非线性方法分段线性：增强某些部分，压制某些部分81变换后的亮度值变换前的亮度值拉伸压缩压缩82线性增强（拉伸）增强前后灰度函数关系符合线性关系式：

g’=kg+bg’增强后的灰度值,g增强前的灰度值,b常数,k斜率如：可采用以下公式进行增强DN’=((DN-MIN)/(MAX-MIN))*255DN’,输出图像像元灰度值；DN,输入图像像元灰度值；

MIN,MAX输入图像像元灰度最小值、最大值83ExampleofaLinearStretchFunctionInputDNOutputDN00255255501509511484Firstband(Green)forsampleSPOTimage原始图象的直方图85Firstband(Green)forsampleSPOTimage拉伸后图象的直方图86RawUnstretchedDataFirstband(Green)forsampleSPOTimage原始图像87LinearlyStretchedDataFirstband(Green)forsampleSPOTimage线性拉伸结果88LinearlyStretchedDataThreebandcombination:Band1(spectralgreen)displayedasblueBand2(spectralred)displayedasgreenBand3(spectralNIR)displayedasredUnstretchedLinearStretch89分段线性：增强某些部分，压制某些部分斜率大的部分被拉伸增强，斜率小的部分被压缩90非线性拉伸对数拉伸：扩张低的灰度区，压缩高的灰度区91非线性拉伸指数拉伸： 扩展高灰度区间

92直方图均衡化（HistogramEqualization）非线性的增强方法；将每个灰度区间等概率分布，代替了原来的随机分布，即增强后的每个灰度级内有大致相同的象元数；通过改变灰度区间来实现；根据灰度值的出现频率来分配它们的亮度显示范围，频率高的部分被增强了,频率低的部分被压缩。93直方图均衡化（histogramequalization）效果：增强了峰值处的对比度，两端（最亮和最暗）的对比度减弱了94原始的直方图均衡化后的直方图直方图均衡化95直方图均衡化96HistogramEqualizationStretchFirstband(Green)forsampleSPOTimage直方图均衡化实例97HistogramEqualizationStretchThreebandcombination:Band1(spectralgreen)displayedasblueBand2(spectralred)displayedasgreenBand3(spectralNIR)displayedasred直方图均衡化实例98直方图匹配(histogrammatching)把原图象的直方图变换为某种指定形状的直方图或某一参考图象的直方图，然后按照已知的指定形态的直方图调整原图象各象元的灰级，最后得到一个直方图匹配的图象使用的模板有正态拉伸匹配、暗区拉伸匹配、亮区拉伸匹配主要应用于有一幅很好的图象作为标准的情况下，对另一图象进行匹配，以改善被处理图象的质量应用于数字镶嵌99直方图匹配：条件（运用两幅图象）原始图象和参考图象两个图象的直方图的总体形态应相似图象中相对亮和暗的特征应相同对某些应用，图象的分辨率应相同（但可不同）图象中的地物类型的相对分布应相同，无论两幅图象是否覆盖同一地区。如一幅有云，另一幅没有云，应先将云去掉（覆盖），然后再进行直方图匹配100ERMAPPER中的反差增强功能

线性或分段线性扩展反差扩展后的直方图原始数据直方图对数扩展（暗部扩展）指数扩展（亮部扩展）直方图均衡扩展（中部扩展）高斯均衡扩展（中部扩展）非线性扩展直方图匹配101邻域增强（邻域操作、空间滤波filter）对比度扩展增强是通过单个像元的运算从整体上改善图像的质量。而空间滤波则是以重点突出图像上的某些特征为目的的，如突出边缘或纹理等，因此通过像元与其周围相邻像元的关系，采用空间域中的邻域处理方法，也叫做“空间滤波”。滤波：抑制噪声，增强某些特征主要内容包括平滑：均值、中位数滤波 锐化：边缘检测与增强边缘增强：减法平滑（锐化）其他：(DTM坡度/地球物理上下延拓与导数等)102滤波增强技术包括空间域滤波和频率域滤波两种:空间滤波是在图像的空间变量内进行的局部运算，常使用二维卷积方法；频率域滤波使用傅氏分析等方法，通过修改原图像的傅氏变换实现滤波。空间滤波是一种领域处理技术，是通过一定尺寸的模板（矩阵）对原图像进行卷积运算来实现的。103卷积函数，又称“模板kernel”，实际上是一个M*N图像。二维的卷积运算是在图像中使用模扳来实现运算的。图像的卷积运算（滤波）104高频和低频信息105均值滤波窗口中心的象元被窗口内所有象元的均值代替减少噪声，但同时也损失了某些高频信息或1063＊3圆滑1077＊7圆滑108中位数滤波（中值滤波、MedianFilter）窗口中心的象元被赋予窗口内灰度值大小位于所有象元中间的值，即将窗口内所有像元按亮度值的大小排列，取中间值作为中间像元的值。109均值滤波与中位数滤波比较图像亮度为阶梯状变化时，取均值平滑比取中值滤波要明显得多；对于突出亮点的“噪声”干扰，从去“噪声”后对原因的保留程度看取中值要优于取均值。110中位数滤波优点：抑制噪声的同时，较好地保留了高频信息原始中位数均值111边缘检测与增强边缘增强：增强几何细节的有效方法首先检测边缘，然后将边缘信息加到原始图象中，以增强边缘附近的对比度，或突出边缘边缘增强的方法：

梯度法拉普拉斯算子

……112梯度：一阶微分不同地物的界线（边缘）在图象上是以灰度或色调表现出来，在数字图象上，边缘附近必然存在较为明显的灰度值变化，这种灰度变化率称为梯度，可用一阶微分形式来表示梯度如果令边缘两侧分别加减这个梯度值，则这一边缘得到增强113也可用边缘检测模板实现-10+1-10+1-10+1-1-1-1