遙感數(shù)字圖像第六章2課件_第1頁
遙感數(shù)字圖像第六章2課件_第2頁
遙感數(shù)字圖像第六章2課件_第3頁
遙感數(shù)字圖像第六章2課件_第4頁
遙感數(shù)字圖像第六章2課件_第5頁
已閱讀5頁,還剩97頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

第六章圖像增強(qiáng)(續(xù))圖像增強(qiáng)方法分類(回顧)主要有空域處理法和頻域處理法(1)空域處理法:直接在圖像所在的二維空間進(jìn)行處理,即直接對每一像元的灰度值進(jìn)行處理。(2)頻域處理法:將圖像從空間域變換到頻率域?qū)D像進(jìn)行處理??臻g域?yàn)V波增強(qiáng)技術(shù)一、定義:空間域?yàn)V波是基于鄰域處理的增強(qiáng)方法,它應(yīng)用某一模板對每個(gè)像元與其周圍鄰域的所有像元進(jìn)行某種數(shù)學(xué)運(yùn)算得到該像元的新的灰度值,新的灰度值的大小不僅與該像元的灰度值有關(guān),而且還與其鄰域內(nèi)的像元的灰度值有關(guān)。二、方法:常用的有圖像平滑和圖像銳化一、背景

圖像在傳輸過程中,由于傳輸信道、采樣系統(tǒng)質(zhì)量較差,或受各種干擾的影響,而造成圖像毛糙,此時(shí),就需對圖像進(jìn)行平滑處理。二、圖像噪聲的來源及特點(diǎn)

A.通道噪聲:產(chǎn)生于圖像信息的傳遞中,其值與圖像信號的強(qiáng)弱無關(guān)?,F(xiàn)象:“雪花”

B.量化噪聲:灰度在量化過程中,不可避免的產(chǎn)生量化噪聲。C.特點(diǎn):噪聲像素的灰度是空間不相關(guān)的,即它與鄰近像素顯著不同。

圖像平滑濾波技術(shù)

圖像平滑濾波技術(shù)二、定義及用途:

平滑濾波對圖像的低頻分量進(jìn)行增強(qiáng),同時(shí)可以削弱圖像的高頻分量,因此一般用于消除圖像中的隨機(jī)噪聲,從而起到圖像平滑的作用。三、常用方法:

鄰域平均法(線性的)和中值濾波法(非線性的)鄰域平均法(均值濾波)

一幅圖像往往受到各種噪聲源的干擾(如電傳感器和傳輸誤差等),這種噪聲常常為一些孤立的像素點(diǎn),它們像雪花使圖像被污染,噪聲往往是疊加在圖像上的隨機(jī)噪聲,而圖像灰度應(yīng)該相對連續(xù)變化的,一般不會突然變大或變小,這種噪聲可以用鄰域平均法使它得到抑制。鄰域平均法常見的方法有:(1)簡單平均法:在此算法中,M,N的值不宜過大,因?yàn)镸,N值的大小對速度有直接影響,且M,N值越大變換后的圖像越模糊,特別是在邊緣和細(xì)節(jié)處。設(shè)圖像像素的灰度值為f(x,y),取以其為中心的MN大小的窗口,用窗口內(nèi)各像素灰度值代替f(x,y)的值,即:噪聲是隨機(jī)不相關(guān)的,如果窗口內(nèi)各點(diǎn)的噪聲是獨(dú)立等分布的,經(jīng)過這種方法平滑后,信噪比可提高倍。平滑可以抑制高頻成分,但也使圖像變得模糊。返回鄰域加權(quán)平均法舉例:將模板上系數(shù)與模板下對應(yīng)像素的灰度值相乘;將所有乘積相加,并除以系數(shù)總和;將模板在圖中漫游,并將模板中心與圖中某像素點(diǎn)重合;用所得結(jié)果代替原中心點(diǎn)的值;MNWf(x,y)返回中值濾波法

前面使用的鄰域平均法屬于低通濾波的處理方法。它在抑制噪聲的同時(shí)使圖像變得模糊,即圖像的細(xì)節(jié)(例如邊緣信息)被削弱,如果既要抑制噪聲又要保持細(xì)節(jié)可以使用中值濾波。將窗口在圖中移動;讀取窗口內(nèi)各對應(yīng)像素的灰度值;將這些灰度值從小到大排成1列;找出這些值里排在中間的1個(gè);MNSf(x,y)將這個(gè)中間值賦給對應(yīng)窗口中心位置的像素。工作步驟鄰域平均和中值濾波的比較含均勻隨機(jī)噪聲33鄰域平均77鄰域平均1111鄰域平均33中值濾波55中值濾波返回1.中值定理的應(yīng)用方法

2.相同數(shù)字如何處理

圖像銳化濾波技術(shù)一、目的圖像經(jīng)轉(zhuǎn)換或傳輸后,質(zhì)量可能下降,難免有些模糊。圖像銳化目的:加強(qiáng)圖像輪廓,使圖像看起來比較清晰。二、方法

圖像銳化濾波技術(shù)考察正弦函數(shù),它的微分。微分后頻率不變,幅度上升2πa倍??臻g頻率愈高,幅度增加就愈大。這表明微分是可以加強(qiáng)高頻成分的,從而使圖像輪廓變清晰。最常用的微分方法是梯度法和拉普拉斯算子

圖像輪廓上,像素灰度有陡然變化,梯度值很大。圖象灰度變化平緩區(qū)域,梯度值很小。等灰度區(qū)域,梯度值為零。返回頻域增強(qiáng)的原理頻率平面與圖像空域特性的關(guān)系圖像變化平緩的部分靠近頻率平面的圓心,這個(gè)區(qū)域?yàn)榈皖l區(qū)域圖像中的邊、噪音、變化陡峻的部分,以放射方向離開頻率平面的圓心,這個(gè)區(qū)域?yàn)楦哳l區(qū)域頻域?yàn)V波增強(qiáng)頻域增強(qiáng)的原理邊、噪音、變化陡峭部分變化平緩部分uv頻域?yàn)V波增強(qiáng)頻域?yàn)V波增強(qiáng)頻域?yàn)V波增強(qiáng)頻域?yàn)V波增強(qiáng)低通濾波器高通濾波器帶通、帶阻濾波器巴特沃思低通濾波器(BLPF)的特點(diǎn)沒有明顯的跳躍模糊程度減少和理想圓形低通濾波器相比尾部含有較多的高頻,對噪聲的平滑效果不如理想低通濾波器。指數(shù)低通濾波器(ELPF)的特點(diǎn)

有更加平滑的過渡帶,平滑后的圖像沒有跳躍現(xiàn)象

與BLPF相比,衰減更快,經(jīng)過ELPF濾波的圖象比BLPF處理的圖象更模糊一些四種低通濾波器的比較圖像輪廓是灰度陡然變化的部分,包含著豐富的空間高頻成分。把高頻分量相對突出,顯然可使輪廓清晰。高頻濾波器使高頻分量相對突出,而低頻分量和甚高頻分量則相對抑制。高通濾波器彩色增強(qiáng)真彩色增強(qiáng)假彩色增強(qiáng):把真實(shí)的自然彩色圖像或遙感多光譜圖像處理成假彩色圖像。偽彩色增強(qiáng):把黑白圖象處理成偽彩色圖象。偽彩色增強(qiáng)人眼只能區(qū)分40多種不同等級的灰度,卻能區(qū)分幾千種不同色度、不同亮度的色彩。偽彩色處理就是把黑白圖象的灰度值映射成相應(yīng)的彩色。偽彩色增強(qiáng)方法(一)灰度分層法(二)偽彩色變換(三)頻域?yàn)V波

把圖像灰度范圍分割為若干等級的灰度區(qū)間,對每一區(qū)間映象為某種色彩。(一)灰度分層法

將每一個(gè)像元的灰度值通過三個(gè)獨(dú)立變換分別產(chǎn)生紅、綠、藍(lán)三個(gè)分量圖像,然后將其合成為一幅彩色圖像。(二)偽彩色變換(三)頻域?yàn)V波在不同的頻率分量與顏色之間經(jīng)過一定的變換建立一種對應(yīng)關(guān)系。作業(yè):一幅圖像共有8個(gè)灰度級,每一灰度級的概率分布如下表所示,要求對其進(jìn)行直方圖規(guī)定化處理,規(guī)定化直方圖的數(shù)據(jù)如表所示。(畫出規(guī)定化后的直方圖)rkPr(rk)Z

kPz(zk)r0=00.29z0=00r1=1/70.24z1=1/70r2=2/70.17z2=2/70r3=3/70.12z3=3/70r4=4/70.09z4=4/70.27r5=5/70.06z5=5/70.43r6=6/70.02z6=6/70.19r7=10.01z7=10.11原始直方圖數(shù)據(jù)規(guī)定直方圖數(shù)據(jù)1/72/73/74/75/76/7010.290.240.170.120.090.060.020.01Pr(rk)

rk1/72/73/74/75/76/7010.430.270.19

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論