遥感数字图像处理 图像增强
8 1 图像增强概述
一、图像增强概念
二、图像增强目的
三、图像增强方法
四、空间域图像增强方法
五、变换域图像增强方法
一、图像增强概念
图像增强是通过一定手段对原图像进行变换或附加一些信息，有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，使图像与视觉响应特性相匹配，从而加强图像判读和识别效果，以满足某些特殊分析的需要。
注意：图像增强不一定增加了图像信息、图像增强不一定改变了图像的数据内容。
二、图像增强目的
目的：改善图像的视觉效果，帮助我们更好地发现或识别图像中的某些特征。
概念理解：图像增强≠图像美化
三、图像增强方法
1、空间域图像增强
2、变换域图像增强
3、伪彩色处理
4、图像融合
重点：常见图像增强算法原理、各算法的优劣比较
四、空间域图像增强方法
空间域图像增强指对图像的灰度值直接进行处理以达到改善图像视觉效果的目的。
五、变换域图像增强方法
变换域图像增强是指在图像的某个变换域内对图像的变换系数进行某种修改，然后再反变换到空间域以达到图像增强的目的。
常用的图像变换算法：
• 傅里叶变换
• 小波变换
• 颜色空间变换
• 主成分变换
8 2 灰度变换图像增强
一、灰度变换图像增强概述
二、线性变换图像增强
三、分段线性变换图像增强
四、反比变换图像增强
五、幂次变换图像增强
六、对数变换图像增强
七、反对数变换图像增强
重点：各种灰度变换图像增强的原理及作用
一、灰度变换图像增强概述
基本原理：根据某种目标条件按照一定变换关系逐像元改变像元灰度值的方法，如果设原图像的像元灰度值为 x，处理后图像的像元灰度值为 y，则灰度变换可表示为： y = f(x)。式中，f 是一个变换函数，常见的变换函数如线性变换、分段线性变换和非线性变换等。
二、线性变换图像增强
线性变换：指变换前后灰度值的对应关系符合线性关系式。
作用：增加图像的对比度，有利于图像的判读分析。
三、分段线性变换图像增强
分段线性变换：指对图像不同灰度值范围进行不同的线性变换
作用：对感兴趣的图像细节灰度值进行拉伸，对不需要的细节灰度值进行压缩。
四、反比变换图像增强
五、幂次变换图像增强
六、对数变换图像增强
七、反对数变换图像增强
8 3 直方图调整图像增强
一、直方图匹配
二、直方图均衡化
重点：直方图匹配原理
一、直方图匹配
直方图匹配：指将原图像的直方图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，从而使原图像具有与参考图像类似的色调和方差。
作用：调整两幅图像的色调差异，使图像重叠区域的色调过渡柔和，改善图像融合和图像镶嵌效果。
直方图匹配的思路：
原图像中的任意一个灰度值ai都可以在参考图像上找到一个与之对应的灰度值bi，使得原图的灰度概率直方图中amin到ai概率曲线下的面积等于参考图像灰度直方图中bmin到bi概率曲线下的面积（即累积概率相等），从而使原图像的灰度概率分布与参考图像的相似 。
二、直方图均衡化
直方图均衡化：指对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
优点：增强局部的对比度而不影响整体的对比度，从而可达到增强图像整体对比度的效果。适用于背景和前景都太亮或者太暗的图像，以及曝光过度或者曝光不足的图像。
缺点：可能会增加背景噪声的对比度并且降低有用信号的对比度。比如变换后图像的灰度值减少使某些细节消失，某些图像的直方图有高峰，从而导致处理后的对比度出现不自然的过分增强。
直方图均衡化的基本思路：
与直方图匹配相似，只是所匹配的参考图像的直方图分布为等概率分布。若原图像灰度值a的累积概率值为CPa，则该累积概率值所对应的等概率分布的图像的灰度值为[(bmax -bmin)×CPa+bmin]，bmax和bmin分别为匹配后图像灰度值的最大值和最小值。
8 4 反锐化掩膜图像增强
一、邻域运算图像增强概述
二、反锐化掩膜图像增强
一、邻域运算图像增强概述
1、邻域运算
邻域运算的卷积滤波器分为平滑和锐化两种类型。
在图像增强中主要是指利用锐化滤波器对图像作锐化处理，将图像中灰度值缓慢变化的区域滤去，使图像反差增加，突显边缘，因此也可称为图像锐化增强。
2、图像锐化的应用：
(1)增强图像边缘，使模糊的图像更加清晰，一般是将图像锐化结果与原图像相加以突出原图像的细节信息。
(2)用于目标物的边缘提取，并可进一步利用这些提取的边缘信息对图像进行分割、目标区域识别、区域形状提取等，从而为进一步的图像理解与分析奠定基础。
3、图像锐化增强方法：
(1) 反锐化掩膜图像增强
(2) 微分算子：一阶和二阶微分算子
二、反锐化掩膜图像增强
8 5 微分运算图像增强
一、微分算子图像增强原理
二、一阶微分算子图像增强
三、二阶微分算子图像增强
一、微分算子图像增强原理
图像细节的基本特征
孤立点
窄带
灰度跃迁
平坦带
灰度渐变
二、一阶微分算子图像增强
三、二阶微分算子图像增强
8 6 灰度形态学梯度运算图像增强
一、灰度形态学梯度算子
二、形态学梯度算子边缘信息增强效果
一、灰度形态学梯度算子
二、形态学梯度算子边缘信息增强效果
8 7 变换域图像增强
一、傅里叶变换图像增强
二、小波变换图像增强
三、颜色空间变换图像增强
四、主成分变换图像增强
重点：各变换域图像增强算法原理
一、傅里叶变换图像增强
傅里叶变换图像增强的技术流程：
先对原图像进行FFT正变换，在频率域中对高频部分进行增强（如乘以一个大于1的数值），再反变换到空间域；或者仅提取高频部分对应的信息（如频率域高通滤波）经反变换后叠加到原图像。
1、高频增强
高频增强的设计思想：将空间域的原图像进行傅里叶变换得到其频率域，在频率域中对高频成分进行增强处理，最后对高频增强的频率域进行傅里叶反变换到空间域。
2、高通滤波
高通滤波图像增强的设计思想：
将空间域的原图像进行傅里叶变换得到其频率域，然后提取高频信息（即高通滤波）进行傅里叶反变换得到空间域的图像边缘信息，最后将边缘信息叠加到原图像以实现增强。
滤波器类型：
（1）理想高通滤波器 （2）巴特沃斯高通滤波器 （3）高斯高通滤波器
二、小波变换图像增强
小波变换图像增强的基本思想：
小波变换可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四个部分。其中，图像的概貌主要体现在低频部分，细节部分体现在高频部分。在实际应用中，为了达到图像增强的目的，常对高频分量进行增强（如乘以一个大于1的系数），然后再进行小波逆变换以达到图像锐化的效果。
注意：小波变换后的图像高频分量一般对应幅值较小、数目较多的小波系数，并分散在小波变换后的所有系数中，因此也可以用阈值法来增强高频分量。
三、颜色空间变换图像增强
颜色空间变换图像增强的基本思想：将图像从一个颜色空间变换到另外一个颜色空间进行处理，然后再反变换到原来的颜色空间，达到图像增强的目的。
四、主成分变换图像增强
主成分变换图像增强的方法包括两方面：
（1）多波段主成分变换结果本身就是图像增强的一种方式。
（2）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，从而达到图像增强的目的。
8 8 伪彩色处理
一、伪彩色处理
二、伪彩色处理图像增强的视觉基础
三、伪彩色处理图像增强
一、伪彩色处理
在图像显示时，将灰度图像中各像元的灰度值按照一定的规则赋给他们不同的颜色，使之成为一幅彩色图像，这种把灰度转换成色彩的映射处理被称为伪彩色处理。
注意：伪彩色图像处理不会改变图像数据内容。
二、伪彩色处理图像增强的视觉基础
为什么要进行伪彩色处理？
人眼对灰度的敏感度小于彩色，常借助色彩来处理图像以提高人眼对图像特征的识别能力。
三、伪彩色处理图像增强
伪彩色处理的类型：
（1）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。
（2）密度分割：将图像的灰度值进行分层（或分段），每一层包含了一定的灰度值范围，分别给每个层赋予不同的颜色。
8 9 图像融合
一、图像融合概述
二、空间域代数运算融合
三、变换域替代法融合
重点：各图像融合算法的原理、各方法的优劣比较
一、图像融合概述
图像融合：把那些在时间或空间中存在冗余或者互补的多源数据按照一定的法则进行运算，从而获得比任何单一数据都更为精确、信息更为丰富的合成图像。
像元级图像融合的基本思想：
把高空间分辨率的灰度图像与低空间分辨率的多光谱图像进行融合，从而得到一幅高空间分辨率的彩色合成影像。
图像融合条件：
（1）图像空间信息匹配：空间位置、图像行列数一致，涉及图像配准和低分辨率影像的重采样
（2）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
图像融合的方法：
（1）空间域代数运算 （2）变换域替代法
二、空间域代数运算融合
三、变换域替代法融合
（1）HSI变换融合法
设计思路：首先将原图像从RGB颜色空间变换为HSI颜色空间，得到色度H、饱和度S和亮度I三个分量，然后将高空间分辨率灰度影像替代变换后的亮度分量I，最后将替换后的三个分量再从HSI颜色空间转换到RGB颜色空间，生成新的彩色合成图像。
（2）主成分变换融合法
设计思路：基于主成分变换结果，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。
（3）小波变换融合法
设计思想：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。
1354
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
