第一讲-图像增强

第一讲：空域图像增强与滤波

第二讲：频域图像增强与滤波

第三讲：图像融合空域图像增强与滤波1.定义图像增强是指对图像的某些特性，如边沿、轮廓、对比度进行强调或锋利化，方便于显示、观察或进一步地分析与解决。图像增强不增加图像数据中的有关信息，但它将增加所选择特性的动态范畴，从而使这些特性检测或识别更加容易。2.重要内容点运算对比度展宽、噪声限幅、窗切片等空间运算噪声平滑、图像锐化、中值滤波等变换域运算通带滤波、同态滤波等彩色增强假彩色变换、伪彩色变换3.点运算3.1对比度展宽和窗切片

又称灰度比例尺变换。属于一点对一点的逐点变换。属于一对一或一对多的映射变换。

典型变换式：L0abL几个特殊形式：对比度的展宽和窗切片能够用Photoshop中的Image/adjust/curves来实现能够通过LUT(LookupTable)来实现对数变换指数变换灰度翻转3.2噪声限幅重要用于克制暗或亮区的噪声3.3灰度级修正重要用于去除非均匀曝光现象。例如：照片上的“晕映”，靠近光轴的光比远离光轴的光衰减少。抱负灰度值使抱负图象发生畸变的比例因子实际灰度值3.4动态范畴调节解决动态范畴过大的图像的显示问题（如普通在教科书上看到的图像的傅立叶变换后的频谱图）零点漂移原始图像零点漂移图像的功率谱v=Nv=N/2v=03.5图像减影变化检测运用图像相减的办法，突出图像中的变化部分3.6直方图模型化直方图：表达该图像中多个不同的灰度级像素出现的相对频率。Photoshop/Image/Histogram功效3.6.1直方图均衡直方图均衡就是把一已知灰度概率分布的图像，通过一种变换，使之演变成一幅含有均匀灰度概率分布的新图像。灰度变换所含有的性质：（1）是单调增加的单值函数（2）根据概率论的结论：当变换为被变换图像的概率分布函数时，所得到的新图像的灰度概率分布密度必然是归一化均匀分布的。直方图修正直方图规定化Rw1w2w3w4w5w6w7w8w9z1z2z3z4z5z6z7z8z9数字图像的局部掩模=w1z1+w2z2+…..+w9z9Replacewith4.空间运算111111111平均值滤波(1/9)*

掩模掩模的频域特性4.1噪声平滑均值滤波器Mean5x5原始图象Mean11x11（x-1,y-1)(x-1,y)(x-1,y+1）(x,y-1)(x,y)(x,y+1)(x+1,y-1)(x+1,y)(x+1,y+1)结论：当所用的平滑模板尺寸增大时，对噪声的消除有所增强。但是同时所得到的图像越含糊，细节的锐化程度逐步削弱。（能够返回到频域考虑一下带宽问题）离散卷积体现式(1)掩模(mask)(2)能够用Photoshop/filter/other/custom来实现(3)常见的掩模算子(4)掩模的取法不同，中心点或邻域的重要程度也不相似。(5)必须确保全部权系数之和为单位值。多幅图像的平均（针对加性高斯噪声）图像平均值不变图像方差为原来的1/N方向平均中值滤波器在邻域平均法中，是将n×n局部区域中的灰度的平均值作为区域中央象元的灰度值。而在中值滤波中，是把局部区域中灰度的中央值作为区域中央象元的值。如，在3×3区域内进行中值滤波，是将区域内9个灰度值按由小到大排列，从小的一方开始的第5个值即为中央象元的值。

用这种非线性的滤波，比邻域平均法能够在很大的程度上避免边沿的含糊。4.2图像锐化(1)图像锐化的目的是增强图像中景物的边沿或轮廓。边沿或轮廓普通位于灰度突变或不持续的地方，含有一阶微分最大值和二阶微分为0的特点;边沿检测算子含有各向同性（对于各向异性的算子，与检测算子方向相似的边沿或轮廓不能被检测）矢量微分----梯度

二元函数f(x,y)在坐标点(x,y)处的梯度向量的定义：

梯度的幅度：梯度的幅角：持续域的微分----离散域的差分沿与x轴成任意夹角方向的差分，对应地可表达为：

数字梯度向量为：数字梯度向量的幅度：公式的简化：以1为模（对应城区距离）：以为模（对应棋盘距离）：或者以交叉的差分表达梯度.常见的梯度算子模板1-11-1Roberts-11-11-11111-1-1-1Prewitt-11-22-11121-1-2-1Sobel1-11-1水平、垂直梯度从上面可知，Sobel算子、Prewitt算子不像普通梯度算子那样用两个像素之差值，而用两列或两行加权和之差值，其优点为：由于引入了平均因素，因而对图像中的随机噪声有一定的平滑作用由于它是相隔两行或两列的差分，故边沿两侧的象元得到了增强，边沿显得粗而亮。适用情况梯度算子法取值式说明保留背景，强调边缘或：：为规定的亮度级研究边缘灰度级的变化，但不受背景影响：为规定的亮度级只对边缘位置感兴趣、：为规定的亮度级水平、垂直梯度Roberts梯度Sobel梯度方向算子运用一组模板分别计算在不同方向上的差分值，取其中最大的值作为边沿强度，而将与之相对应的方向作为边沿方向。-533-53-533333-53-5-5333333-5-5-53333-53-5-533-53-533-53-5-53-5333-5-5-533333-5-53-53333Kirsch算子或检测垂直边界：检测水平边界：检测对角线边界：定向检测：当有目的地检测某一方向的边、线或纹理特性时，可选择特定的模板卷积运算作定向检测。惯用的模板为：或4.2.2

二阶微分——拉普拉斯算子

拉普拉斯算子解决是惯用的边沿增强解决算子，它是各向同性的二阶导数对数字图像来讲，的二阶偏导数可表达为：为此，拉普拉斯算子为：

以模板形式表达为：可见数字图像在某点的拉普拉斯算子，能够由中心像素点灰度级值和邻域像素灰度级值通过加减运算来求得。

拉普拉斯锐化：用原图像的值减去模板运算成果的整倍数，即：拉普拉斯算子5彩色增强

亮度值的变化能够改善图像的质量，但就人眼对图像的观察能力而言，普通正常人眼只能分辨20级左右的亮度级，而对彩色的分辨能力则可达100多个，远远不不大于对黑白亮度值的分辨能力。不同的彩色变换可大大增强图像的可读性。按形成图像彩色的物理意义，把黑白图像变换成彩色图像的解决称为伪彩色解决（Pseudocolor），能够用伪彩色变换表（PCT）来实现。把多波段图像合成彩色图像的解决，称为假彩色解决（Falsecolor）。5.1伪彩色增强

把黑白图像的灰度级分成若干层次，在每个层次上赋予颜色，则可得到图像的伪彩色图像。据色度学原理，任何一种颜色均可由三原色（R，G，B）按适宜比例合成，故伪彩色解决可描述为：伪彩色图像三原色分量值

黑白图像像元的灰度值

灰度级与三原色的映射关系惯用的变换关系式：红绿蓝伪彩色增强原始图像2%灰度拉伸结果图像伪彩色增强结果图像遥感图像解决单波段彩色增强的意义：对于遥感影像而言，将黑白单波段影像赋上彩色总是有一定目的的，如果分层方案与地物光谱差别对应得好，能够分辨出地物的类别。例如在红外波段，水体的吸取很强，在图像上体现为靠近黑色，这时若取低亮度值为分割点并以某种颜色体现则能够分离出水体；同理砂地反射率高，取较高亮度为分割点，能够从亮区以彩色分离出砂地。因此，只要掌握地物光谱的特点，就能够获得较好的地物类别图像。本地物光谱的规律性在某一影像上体现不太明显时，也能够简朴地对每一层亮度值赋色，以得到彩色影像，也会较普通黑白影像的目视效果好。5.2假彩色增强

根据加色法彩色合成原理，选择遥感影像的某三个波段，分别赋予红、绿、蓝三种原色，就能够合成彩色影像。由于原色的选择与原来遥感波段所代表的真实颜色不同，因此生成的合成色不是地物真实的颜色，因此这种合成叫做假彩色合成。因多波段图像在获取时会受到大气吸取、散射等影响，普通蓝波段损失严重，在彩色合成时要由其它波段（涉及非可见光波段）替代，不可能得到与自然景色相似的真彩色图像，故将其称为假彩色合成。选定三个波段并分别按灰度级赋予对应的三原色，即作以下映射：将R、G、B三原色分量进行合成，即得到合成解决的假彩色图像f(x,y)，即：假彩色合成影像经常应用于后续的图像目视解译。

假彩色增强多波段影像合成时，方案的选择十分重要，它决定了彩色影像能否显示较丰富的地物信息或突出某首先的信息。以陆地卫星Landsat的TM影像为例，TM的7个波段中，第2波段是绿色波段（0．52～0．60μm），第4波段是近红外波段（0．76～0．90μm），当4，3，2波段被分别赋予红、绿、蓝色时，即绿波段赋蓝，红波段赋绿，红外波段赋红时，这一合成方案被称为原则假彩色合成，是一种最惯用的合成方案。实际应用时，应根据不同的应用目的经实验、分析，寻找最佳