數字圖像增強

1、數字圖像增強數字圖像增強第三講 數字影像增強 數字影像增強目的：增強目視效果提高影像質量和突出所需信息有利于分析判讀或作進一步的處理 數字圖像增強數字影像增強1 對比度變換2 彩色變換3 空間濾波4 影像運算5 多光譜變換 數字圖像增強1 對比度變換 是一種通過改變影像像元的亮度（灰度）值來改變影像像元對比度，從而改善影像質量的圖像處理方法。又稱對比度擴展、反差增強、灰度變換、輻射增強。因為亮度值是輻射強度的反映，所以也稱之為輻射增強。常用的方法有對比度線性變換和非線性變換。 數字圖像增強 通過像元亮度直方圖可以判斷影像質量： 每一幅影像都可以求出其像元亮度值的直方圖，觀察直方圖的形態(tài)，可以粗

2、略地分析影像的質量。一般來說，一幅包含大量像元的影像，其像元亮度值應符合統(tǒng)計分布規(guī)律，即假定像元亮度隨機分布時，直方圖應是正態(tài)分布的。實際工作中，若影像的直方圖接近正態(tài)分布，則說明影像中像元的亮度接近隨機分布，是一幅適合用統(tǒng)計方法分析的影像。當觀察直方圖形態(tài)時，發(fā)現直方圖的峰值偏向亮度坐標軸左側，則說明影像偏暗。峰值偏向坐標軸右側，則說明影像偏亮，峰值提升過陡、過窄，說明影像的高密度值過于集中，以上情況均是影像對比度較小，影像質量較差的反映。 數字圖像增強從直方圖形態(tài)判斷影像質量數字圖像增強 1.1 線性變換 為了改善影像的對比度，必須改變影像像元的亮度值，并且這種改變需符合一定的數學規(guī)律，即

3、在運算過程中有一個變換函數。如果變換函數是線性的或分段線性的，這種變換就是線性變換。線性變換是圖像增強處理最常用的方法。 數字圖像增強直方圖數字影像最小值最大值數字圖像增強 將亮度值為015影像拉伸為030，要設計一個線性變換函數，橫坐標xa為變換前的亮度值，縱坐標xb為變換后的亮度值。當亮度值xa從015變換成xb從030，變換函數在圖中是一條直線OO，方程式為1530abxxabxx2數字圖像增強變換前后直方圖對比變換后影像數字圖像增強 一般情況下，當線性變換時，變換前影像的亮度范圍xa為a1a2，變換后影像的亮度范圍xb為b1b2，變換關系是直線，則變換方程為 121121aaaxbbb

4、xab111212)(baxaabbxab數字圖像增強 通過調整參數a1，a2，b1，b2，即改變變換直線的形態(tài)，可以產生不同的變換效果。若a2-a1b2-b1，亮度范圍縮小，影像被壓縮。對于a2與a1 ，是取在影像亮度值的全部或部分，偏亮或偏暗處，均可根據對影像顯示效果的需要而人為地設定。數字圖像增強 有時為了更好地調節(jié)影像的對比度，需要在一些亮度段拉伸，而在另一些亮度段壓縮，這種變換稱為分段線性變換。分段線性變換時，變換函數不同，在變換坐標系中成為拆線，拆線間斷點的位置根據需要決定。從圖中可以看出，第一、三段為壓縮，第二段為拉伸，每一段的變換方程為： abxx31102abxx41543a

5、bxx 變化前亮度值0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15變化后亮度值0 0 1 1 1 2 2 4 6 8 10 12 13 14 14 15結果比較數字圖像增強1.2 非線性變換 當變換函數是非線性時，即為非線性變換。非線性變換的函數很多，常用的有指數變換和對數變換。 數字圖像增強 1.2.1 指數變換 其意義是在亮度值較高的部分xa 擴大亮度間隔，屬于拉伸，而在亮度值較低的部分xb縮小亮度間隔，屬于壓縮，其數學表達式為 cbexaaxba，b，c為可調參數，可以改變指數函數曲線的形態(tài)，從而實現不同的拉伸比例。 數字圖像增強 1.2.2 對數變換 與指數

6、變換相反，它的意義是在亮度值較低的部分拉伸，而在亮度值較高的部分壓縮，其數學表達式為 caxbxab) 1lg(a，b，c仍為可調參數，由使用者決定其值 。 數字圖像增強對比度變換實習內容：1分段線形拉伸（34）2查找表拉伸3直方圖均衡化4直方圖匹配5亮度反轉處理6去霾處理7降噪處理8去條帶處理數字圖像增強2 彩色變換 亮度值的變化可以改善影像的質量，但就人眼對影像的觀察能力而言，一般正常人眼只能分辨20級左右的亮度級，而對彩色的分辨能力則可達1000多種，遠遠大于對黑白亮度值的分辨能力。不同的彩色變換可大大增強影像的可讀性，在此介紹常用的三種彩色變換方法。單波段彩色變換多波段色彩變換HSI變

7、換 數字圖像增強2.1 單波段彩色變換 單波段黑白遙感影像可按亮度分層，對每層賦予不同的色彩，使之成為一幅彩色影像。這種方法又叫密度分割、 偽彩色增強，即按影像的密度進行分層，每一層所包含的亮度值范圍可以不同。例如，亮度010為第一層，賦值1，1115為第二層，賦值2，1630為第三層，賦值3，等等，再給1，2，3等分別賦不同的顏色，于是生成一幅彩色影像。目前計算機顯示彩色的能力很強，理論上完全可以將256層的黑白亮度賦予256種彩色，因此彩色變換很有前景。 對于遙感影像而言，將黑白單波段影像賦上彩色總是有一定目的的，如果分層方案與地物光譜差異對應得好，可以區(qū)分出地物的類別。例如在紅外波段，水

8、體的吸收很強，在影像上表現為接近黑色，這時若取低亮度值為分割點并以某種顏色表現則可以分離出水體；同理砂地反射率高，取較高亮度為分割點，可以從亮區(qū)以彩色分離出砂地。因此，只要掌握地物光譜的特點，就可以獲得較好的地物類別影像。當地物光譜的規(guī)律性在某一影像上表現不太明顯時，也可以簡單地對每一層亮度值賦色，以得到彩色影像，也會較一般黑白影像的目視效果好。 數字圖像增強2.2 多波段彩色變換 根據加色法彩色合成原理，選擇遙感影像的某三個波段，分別賦予紅、綠、藍三種原色，就可以合成彩色影像。如果原色的選擇與原來遙感波段所代表的真實顏色相同，生成的合成色能真實或近似反映地物本來的顏色，稱真彩色合成；如果因此

9、這種合成叫做假彩色合成。如果原色的選擇與原來遙感波段所代表的真實顏色不同，生成的合成色不能真實反映地物本來的顏色，稱假彩色合成。 多波段影像合成時，方案的選擇十分重要，它決定了彩色影像能否顯示較豐富的地物信息或突出某一方面的信息。以陸地衛(wèi)星Landsat的TM影像為例，TM的7個波段中，第2波段是綠色波段（052060m），第4段波段是近紅外波段（076090mp，當4，3，2波段被分別賦予紅、綠、藍色時，即綠波段賦藍，紅波段賦綠，紅外波段賦紅時，這一合成方案被稱為標準假彩色合成，是一種最常用的合成方案。 數字圖像增強實際應用時，應根據不同的應用目的經實驗、分析，尋找最佳合成方案，以達到最好的

10、目視效果。通常，以合成后的信息量最大和波段之間的信息相關最小作為選取合成的最佳目標，例如，TM的4，5，3波段依次被賦予紅、綠、藍色進行合成，可以突出較豐富的信息，包括水體、城區(qū)、山區(qū)、平原及線性特征等，有時這一合成方案甚至優(yōu)于標準的4，3，2波段的假彩色合成 數字圖像增強多波段彩色變換TM標準假彩色合成圖像TM7(R)、4(G)、2(B)數字圖像增強彩色變換：多波段彩色變換TM3(R)、2(G)、1(B)TM4(R)、5(G)、3(B)數字圖像增強2.3 HIS變換（孟塞爾變換） 存在兩種彩色空間：HIS彩色空間和RGB彩色空間。HSI代表色調、明度和飽和度（hue， intensity ,

11、 saturation ）的色彩模式，構成HIS彩色空間；RGB代表紅、綠、藍的色彩模式，構成RGB彩色空間。也就是說一種顏色既可以用RGB空間的R、G、B來描述，也可以用HIS空間的H、I、S來描述。HIS變換就是RGB空間和HIS空間之間的變換。 在HIS彩色空間，色調、亮度、飽和度可以分成不同等級，便于定量處理色彩，但在直觀上RGB空間更容易理解。通常彩色顯示器的RGB是由顏色信號的亮度所確定的。處理：首先把紅、綠、藍信號變換為HIS空間的H、I、S，調整I、S之后再變換到RGB信號上進行彩色合成。數字圖像增強彩色變化實習：1 RGB TO HIS2 HIS TO RGB3 自然色彩變換

12、數字圖像增強3 空間濾波 空間濾波是指對頻率特征的一種篩選技術。影像的濾波處理是對影像中某些空間頻率特征的信息增強或抑制。對比度增強是通過單個像元的運算從整體上改善影像的質量。而空間濾波則是以重點突出影像上的某些特征為目的的，如突出邊線或紋理等，因此通過像元與其周圍相鄰像元的關系。氛圍空間地域數字圖像增強空間域濾波 空間域濾波是在影像的空間變量內進行的局部運算，使用空間二維卷積方法。主要包括平滑和銳化。 空間域濾波是在空間域上對影像作局部檢測的運算，以實現平滑和銳化的目的。具體作法是選定一卷積函數，又稱“模板”，實際上是一個MN影像。二維的卷積運算是在影像中使用模板來實現運算的。 數字圖像增強

13、 從影像左上角開始開一與模板同樣大小的活動窗口，影像窗口與模板像元的亮度值對應相乘再相加。假定模板大小為M*N，窗口為(m,n)，模板為t(m，n)，則模板運算為: MmNnnmtnmjir11),(),(),(將計算結果r（i，j）放在窗口中心的像元位置，成為新像元的灰度值。然后活動窗口向右移動一個像元，再按公式做同樣的運算，仍舊把計算結果放在移動后的窗口中心位置上，依次進行，逐行掃描，直到全幅影像掃描一遍結束，則新影像生成。 數字圖像增強 3.1.1 平滑 影像中出現某些亮度變化過大的區(qū)域，或出現不該有的亮點（“噪聲”）時，采用平滑的方法可以減小變化，使亮度平緩或去掉不必要的“噪聲”點。具

14、體方法有：均值平滑中值濾波數字圖像增強均值平滑 是將每個像元在以其為中心的區(qū)域內取平均值來代替該像元值，以達到去掉尖銳“噪聲”和平滑影像目的的。區(qū)域范圍取作MN時，求均值公式為具體計算時常用33的模板作卷積運算，其模板為 MmNnnmMNjir11),(1),(t(m,n)=或t(m,n)=1/9 1/9 1/91/9 1/9 1/91/9 1/9 1/91/8 1/8 1/81/8 0 1/81/8 1/8 1/8數字圖像增強中值平滑 是將每個像元在以其為中心的鄰域內取中間亮度值來代替該像元值，以達到去尖銳“噪聲”和平滑影像目的的。具體計算方法與模板卷積方法類似，仍采用活動窗口的掃描方法。取

15、值時，將窗口內所有像元按亮度值的大小排列，取中間值作為中間像元的值。所以MN取奇數為好。 一般來說，影像亮度為階梯狀變化時，取均值平滑比取中值濾波要明顯得多，而對于突出亮點的“噪聲”干擾，從去“噪聲”后對原圖的保留程度看取中值要優(yōu)于取均值。數字圖像增強3.1.2 銳化(邊緣增強）為了突出影像的邊緣、線狀目標或某些亮度變化率大的部分，可采用銳化方法。有時可通過銳化，直接提取出需要的信息。銳化后的影像已不再具有原遙感影像的特征而成為邊緣影像。銳化的方法很多，在此只介紹常用的幾種：羅伯特梯度索伯爾梯度拉普拉斯算法走向檢測 數字圖像增強 梯度反映了相鄰像元的亮度變化率，也就是說，影像中如果存在邊緣，如

16、湖泊、河流的邊界，山脈和道路等，則邊緣處有較大的梯度值。對于亮度值較平滑的部分，亮度梯度值較小。因此，找到梯度較大的位置，也就找到邊緣，然后再用不同的梯度計算值代替邊緣處像元的值，也就突出了邊緣，實現了影像的銳化。 數字圖像增強3.2 空間頻率域濾波 通過修改原影像的傅立葉變換式實現濾波。濾波函數有低通濾波、高通濾波和帶通濾波等。低通濾波用于僅讓低頻的空間頻率成分通過而消除高頻成分的場合，由于影像的噪聲成分多數包含在高頻成分中，所以可用于噪聲的消除。高通濾波僅讓高頻成分通過，可應用于目標物輪廓的增強。帶通濾波由于僅保留一定的頻率成分，所以可用于提取、消除每隔一定間隔出現的干擾條紋的噪聲。 數字

17、圖像增強空間濾波實習：1卷積增強處理2非定向邊緣增強3聚焦分析（包含平滑）4銳化數字圖像增強4 影像運算 兩幅或多幅單波段影像，完成空間配準后，通過一系列運算，可以實現圖像增強，達到提取某些信息或去掉某些不必要信息的目的。數字圖像增強 4.1 差值運算 即兩幅同樣行、列數的影像，對應像元的亮度值相減。 差值運算應用于兩個波段時，相減后的值反映了同一地物光譜反射率之間的差。由于不同地物反射率差值不同，兩波段亮度值相減后，差值大的被突出出來。例如，當用紅外波段減紅波段時，植被的反射率差異很大，相減后的差值就大，而土壤和水在這兩個波段反射率差值就很小，因此相減后的影像可以把植被信息突出出來。如果不作

18、相減，在紅外波段上植被和土壤，在紅色波段上植被和水體均難區(qū)分。因此影像的差值運算有利于目標與背景反差較小的信息提取，如冰雪覆蓋區(qū)，黃土高原區(qū)的界線特征；海岸帶的潮汐線等。 數字圖像增強 另外，差值運算還常用于研究同一地區(qū)不同時相的動態(tài)變化。如監(jiān)測森林火災發(fā)生前后的變化和計算過火面積；監(jiān)測水災發(fā)生前后的水域變化和計算受災面積及損失；監(jiān)測城市在不同年份的擴展情況及計算侵占農田的比例等。 有時為了突出邊緣，也用差值法將兩幅影像的行、列各移一位，再與原影像相減，也可起到幾何增強的作用。數字圖像增強4.2 比值運算兩幅同樣行、列數的影像，對應像元的亮度值相除（除數不為0）比值運算可以檢測波段的斜率信息并

19、加以擴展，以突出不同波段間地物光譜的差異，提高對比度。該運算常用于突出遙感影像中的植被特征、提取植被類別或估算植被生物量，這種算法的結果稱為植被指數，常用算法： 近紅外波段紅波段或 （近紅外-紅）/(近紅外+紅） 數字圖像增強 比值運算對于去除地形影響也非常有效。由于地形起伏及太陽傾斜照射，使得山坡的向陽處與陰影處在遙感影像上的亮度有很大區(qū)別，同一地物向陽面和背陰面亮度不同，給判讀解譯造成困難，特別是在計算機分類時不能識別。由于陰影的形成主要是地形因子的影響，比值運算可以去掉這一因子影響，使向陽與背陰處都毫無例外地只與地物反射率的比值有關。 比值處理還有其他多方面的應用，例如對研究淺海區(qū)的水下

20、地形有效，對土壤富水性差異、微地貌變化、地球化學反應引起的微小光譜變化等，對與隱伏構造信息有關的線性特征等都能有不同程度的增強效果。 數字圖像增強影像運算實習：代數運算(operators)數字圖像增強5 多光譜變換 遙感多光譜影像，特別是陸地衛(wèi)星的TM等傳感器，波段多，信息量大，對影像解譯很有價值。但數據量太大，在圖像處理計算時，也常常耗費大量的機時、占據大量的磁盤空間。實際上，一些波段的遙感數據之間都有不同程度的相關性，存在著數據冗余。多光譜變換方法可通過函數變換，達到保留主要信息，降低數據量；增強或提取有用信息的目的。其變換的本質是對遙感影像實行線性變換，使多光譜空間的坐標系按一定規(guī)律進

21、行旋轉。 數字圖像增強 所謂多光譜空間就是一個n維坐標系，每一個坐標軸代表一個波段，坐標值為亮度值，坐標系內的每一個點代表一個像元。像元點在坐標系中的位置可以表示成一個n維向量：其中每個分量xi表示該點在第i個坐標軸上的投影，即亮度值。這種多光譜空間只表示各波段光譜之間的TnnxxxxxxX,2121 關系，而不包括任何該點在原影像中的位置信息，它沒有影像空間的意義，遙感數據采用的波段數就是光譜空間的維數。 數字圖像增強5.1 K-L變換KL變換是離散（Karhunenloeve）變換的簡稱，又被稱作主成分變換。它是對某一多光譜影像X，利用KL變換矩陣A進行線性組合，而產生一組新的多光譜影像Y

22、，表達式為： Y=AX 即nnnnnnnnxxxyyy2121222211121121, 對影像中每一像元矢量逐個乘以矩陣A，便得到新影像中的每一像元矢量。A的作用是給多波段的像元亮度加權系數，實現線性變換。由于變換前各波段之間有很強的相關性，經過KL變換組合，輸出影像Y的各分量之間將具有最小的相關性。 數字圖像增強 主成分分析 （principal component analysis）是著眼于變量之間的相互關系，盡可能不丟失信息地用幾個綜合性指標匯集多個變量的測量值而進行描述的方法。 通過采用主成分分析就可以把影像中所含的大部分信息用假想的少數波段表示出來，這意味著信息幾乎不丟失但數據量可

23、以減少。數字圖像增強 5.1.1 KL變換的特點： (1)從幾何意義來看，變換后的主分量空間坐標系與變換前的多光譜空間坐標系相比旋轉了一個角度。而且新坐標系的坐標軸一定指向數據信息量較大的方向。以二維空間為例，假定某影像像元的分布呈橢圓狀，那么經過旋轉后，新坐標系的坐標軸一定分別指向橢圓的長半軸和短半軸方向主分量方向，因為長半軸這一方向的信息量最大。數字圖像增強K-L變換主成分分析的原理數字圖像增強 KL變換的特點： (2)就變換后的新波段主分量而言，它們所包括的信息量不同，呈逐漸減少趨勢。事實上，第一主分量集中了最大的信息量，常常占80以上。第二、三主分量的信息量依次很快遞減，到了第n分量，信息幾乎為零。由于KL變換對不相關的噪聲沒有影響，所以信息減少時，便突出了噪聲，最后的分量幾乎全是噪聲。所以這種變換又可分離出噪聲。 數字圖像增強5.1.2 K-L變換目的因此，在遙感分析前進行KL變換可以實現：（1）數據壓縮：以TM影像為例，共有7個波段處理起來數據量很大。進行KL變換后，第一，或前二或前三個主分量已包含了絕大多數的地物信息，足夠分析使用，同時數據量卻大大地減少了。應用中常常只取前三個主分量作假彩色