空间增强1.ppt

空间增强 空间增强的特点 图像的空间增强？ 是指对图像上局部范围内的多个像素的灰度值进行综合处理，达到改善图像质量、突出有用信息的图像增强技术。 有何特点？ 是一种多点运算，在对图像上某个像素进行处理的时候，不仅涉及该像素自身的灰度值，而且涉及该像素的邻域像素的灰度值。 空间增强－卷积运算 图像卷积运算：在图像开一个与模板同样大小的活动窗口，图像窗口与模板像元的亮度值相乘再相加，得到新像元的灰度值。 可看作一个模板作用于图像f(x,y)的空间滤波，模板就是一个滤波器，它的响应为H(r,s)，于是滤波输出的数字图像g(x,y)用离散卷积表示为： 卷积（ Convolution ） 卷积（ Convolution ）处理的关键是卷积算子 － 系数矩阵的选择，该系数矩阵又称卷积核（ Kernal ）。 模板不同，中心点或邻域的重要程度也不相同，因此，应根据问题的需要选取合适的模板。但不管什么样的模板，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。 卷积核的分类 高频算子 低频算子 低频图像 高频算子 使高频信息得到增强 用于边缘增强 卷积核系数和为0 卷积核系数和不为0 卷积核系数和为0 边缘检测 数据值相同的区域经过卷积后输出值为0。 图像的低频区域经过卷积后输出值较低。 图像的高频区域经过卷积后输出值较高。 卷积核系数和不为0 增强边缘 与边缘检测的区别： 边缘检测：增强边缘的同时，削弱其他的要素。 边缘增强：增强边缘同时，没有削弱其他要素。 低频算子 降低图像的频率 用于图像平滑或者模糊处理 卷积运算应用 图像平滑 图像锐化 图像边缘检测 图像边缘增强 卷积运算－图像平滑 图像平滑 主要是为了抑制图像上的噪声信号，又称图像噪声去除。 当图像中出现某些亮度值过大的区域，或出现不该有的亮点时，采用平滑方法可以减小变化，使亮度平缓或去掉不必要的亮点。 卷积核的选定 应采用低通滤波器，其大小和内容可根据需要而定，低通滤波器越大，噪声消除能力越强，但计算量越大，对图像平滑作用越明显，图像越模糊。 平滑算子中各系数值之和一般等于１，各系数之间既可以是等权的，也可以是非等权的。 卷积运算－图像锐化 图像锐化 主要是为了突出图像中的特征信息（例如图像的边缘、线性目标或某些亮度变化率大的部分），使图像变得更清晰，又称图像清晰化。 卷积核的选定 主要采用高通滤波器作为卷积核，其大小和内容根据图像处理的任务而定。 图像锐化算子中各系数值之和不等于０。 卷积运算－图像边缘检测 主要是突出图像上目标的边缘信息，图像边缘检测一般采用垂直和水平两个方向的高通滤波器作为卷积核，与图像作卷积运算后得到垂直和水平方向的边缘强度图像，最后得到综合边缘强度图像。 图像边缘检测算子中各系数值一般是对称的，算子中各系数之和等于０。 卷积运算－图像边缘增强 图像卷积运算 启动： Interpreter→Spatial enhancement→convolution→convolution对话框 空间增强－卷积运算 空间增强－非定向边缘增强（non-directional Edge） 应用两个非常通用的滤波器（Ｓｏｂｅｌ滤波器和Ｐｒｅｗｉｔｔ滤波器）对图像处理。 原理是首先通过两个正交的算子（Ｈｏｒｉｚｏｎｔａｌ算子和Ｖｅｒｔｉｃａｌ算子）分别对遥感图像进行边缘探测，然后将两个结果合并处理。 空间增强－聚焦分析（Focal Analysis） 聚焦分析使用类似卷积滤波的方法对图像数据进行多种分析，其基本算法是在所选择的窗口范围由，根据所定义的函数，应用窗口范围内的像元数据计算窗口中心像元的值，从而达到图像增强的目的。 Sum：The center pixel will be replaced by the sum (total) of the pixels in the window. Mean：The center pixel will be replaced by the mean (average) of the pixels in the window. SD：The center pixel will be replaced by the standard deviation of the pixels in the window. Median：The center pixel will be replaced by the median of the pixels in the window. Max：The center pixel will be replaced by the maximum value represented by the pixels in the win