图像增强:对原图像进行变换或附加信息,有选择地突出感兴趣的特征或抑制不需要的特征,使图像与视觉响应特性相匹配,加强图像判读和识别效果
- 空间域图像增强:对图像灰度值进行处理改善图像视觉效果
- 变换域图像增强:在变换域内修改图像的变换系数再反变换到空间域
- 傅里叶变换
- 小波变换
- 颜色空间变换
- 主成分变换
- 伪彩色处理
- 图像融合
灰度变换图像增强
根据目标条件按照一定变换关系,逐像元改变像元灰度值
- 线性变换:灰度值的对应关系符合线性关系式y=kx
- 分段线性变换:对图像不同灰度值范围进行不同的线性变换
- 反比变换:将图像中像元灰度值取反,
- 幂次变换:
,a>1拉伸高值区域,压缩低值区域
- 对数变换:
压缩高值区域,拉伸低值区域
- 反对数变换:
拉伸高值区域,压缩低值区域
直方图调整图像增强
- 直方图匹配:以参考图像的直方图为标准作变换,使两幅图像的直方图相同或近似
- 直方图均衡化:对图像非线性拉伸重新分配像素值,使一定灰度范围内的像素数量大致相同
反锐化掩膜图像增强
先对原图像作平滑滤波,将原图像减去平滑滤波结果得到图像边缘信息,将加权边缘信息与原图像相加
微分运算图像增强
- 一元函数f(t)一阶微分算子
- 二元函数f(x,y)一阶微分算子
- 水平方向微分算子
- 垂直方向微分算子
- 对角线方向微分算子
- Roberts交叉微分算子
- Sobel微分算子
- Prewitt微分算子
- 二阶微分算子:Laplacian算子
- Wallis微分算子:结合Laplacian算子和对数运算构造出来的一个锐化算子
灰度形态学梯度运算图像增强
变换域图像增强
- 傅里叶变换图像增强
- 小波变换图像增强
- 颜色空间变换图像增强
- 主成分变换图像增强
傅里叶变换图像增强
对原图像进行FFT正变换,在频率域对高频部分进行增强再反变换到空间域,或者仅提取高频部分信息反变换后叠加到原图像
高频增强:在频率域中对高频成分进行增强处理
高通滤波:频率域提取高频信息,叠加到原图像以实现增强
- 理想高通滤波器(IdealHigh-passFilter,IHPF)
- 巴特沃斯高通滤波器(ButterworthHigh-passFilter,BHPF)
- 高斯高通滤波器(GaussianHigh-passFilter,GHPF)
- 同态滤波:图像由光源的照度分量(低频)i(x,y)和目标场的反射分量(高频)l(x,y)的乘积组成,同态滤波就是衰减低频增强高频
小波变换图像增强
将图像在多级尺度上分解为低频分量、水平次高频分量、垂直次高频分量和对角高频分量,图像概貌在低频部分,细节在高频部分,对高频分量进行增强再进行小波逆变换达到图像锐化的效果
颜色空间变换图像增强
图像从RGB颜色空间变换到HSV颜色空间进行处理,然后再反变换到RGB颜色空间
主成分变换图像增强
对主成分变换后的某一分量进行对比度拉伸处理,然后再进行主成分逆变换
伪彩色处理
伪彩色处理:赋给灰度图各像元的灰度值颜色使之成为彩色图像,提高人眼对特征的识别能力
- 伪彩色处理:对灰度图像的每一个灰度值都赋予一种独立的颜色
- 密度分割:将图像灰度值分层,每一层包含了一定的灰度值范围,每层赋予不同颜色
图像融合
把时间或空间中多源数据按照一定法则进行运算,获得数据更精确、信息更为丰富的合成图像
高空间分辨率的灰度图像与的多光谱图像融合,得到高空间分辨率的彩色影像
- 图像空间信息匹配:空间位置、图像行列数一致
- 图像光谱信息匹配:同名像元点的灰度值具有较好的相关性
- 空间域代数运算融合:Brovey转换法
- PBIM(Pixel Block Intensity Modulation)融合算法
- SFIM(Smoothing Filter-based Intensity Modulation)融合算法
- 变换域替代法:HSI变换融合法
低空间分辨率图像从RGB颜色空间变换为HSI颜色空间,将高空间分辨率灰度影像替代亮度分量I,再从HSI颜色空间转换到RGB颜色空间,生成新的彩色合成图像
- 变换域替代法:主成分变换融合
利用高分辨率影像替换低分辨率影像的第一主成分信息,然后在进行逆变换的得到融合图像
- 变换域替代法:小波变换融合
用高空间分辨率影像的高频分量分别替换多光谱影像的高频分量,然后进行小波反变换