GIS數(shù)字圖像處理

GIS數(shù)字圖像處理數(shù)字圖像的基本概念像素（Pixel或PictureElement）

是圖像內(nèi)的最小單元。圖像采樣（Sampling） 是像素大小的一種表示像素深度代表了量化（Quantization）級數(shù)字圖像的存儲結(jié)構(gòu)8bit/pixel512*512圖像

unsignedcharImage[512][512]; 每個像素一個字節(jié)，256級灰度圖像1bit/pixel512*512圖像

unsignedcharImage[512][64];

每個像素占一位，一個字節(jié)表示8個像素 二值圖像數(shù)字圖像的存儲結(jié)構(gòu)24bit/pixel512*512圖像

COLORREFImage[512][512];

每個像素3個字節(jié)，真彩色圖像COLORREF包含了： 紅（R）、綠（G）、藍(lán)（B）三個字節(jié)遙感數(shù)字圖像的存儲結(jié)構(gòu)添加一個新的頭文件： Image.hImage.h的內(nèi)容：

#ifndefGIS_IMAGE #defineGIS_IMAGE #include"WGraphics.h" #include<stdio.h> //……遙感圖像結(jié)構(gòu)定義 #endif遙感數(shù)字圖像的存儲結(jié)構(gòu)typedefstruct{ //數(shù)字圖像數(shù)據(jù) int ImageRows;int ImageCols;unsignedchar*Pixel; //數(shù)字圖像處理函數(shù) //……}Image; //8bit/pixel256級灰度圖像結(jié)構(gòu)遙感數(shù)字圖像的存儲結(jié)構(gòu)typedefstruct{ //數(shù)字圖像數(shù)據(jù) //…… //數(shù)字圖像處理函數(shù)

voidInitImage();voidDeleteImage();

}Image;voidImage::InitImage(){ ImageRows=ImageCols=0;Pixel=NULL;}voidImage::DeleteImage(){ if(Pixel!=NULL) delete[]Pixel;}遙感數(shù)字圖像的存儲結(jié)構(gòu)創(chuàng)建一個灰度數(shù)字圖像：boolImage::CreateImage(intRows,intCols,unsignedcharGray){

DeleteImage(); Pixel=newunsignedchar[Rows*Cols];if(Pixel==NULL) returnfalse;遙感數(shù)字圖像的存儲結(jié)構(gòu) ImageRows=Rows;ImageCols=Cols;for(inti=0;i<Rows;i++) for(intj=0;j<Cols;j++) Pixel[i*Cols+j]=Gray;returntrue;}遙感數(shù)字圖像的存儲結(jié)構(gòu)設(shè)置一個像素的灰度voidImage::SetAPixel(inti,intj,unsignedcharGray){if(i<ImageRows&&j<ImageCols) Pixel[i*ImageCols+j]=Gray;}遙感數(shù)字圖像的存儲結(jié)構(gòu)獲取一個像素的灰度unsignedcharImage::GetAPixel(inti,intj){if(i<ImageRows&&j<ImageCols) returnPixel[i*ImageCols+j];}遙感數(shù)字圖像的存儲結(jié)構(gòu)顯示一個灰度圖像voidImage::ShowImage(intx,inty){ for(inti=0;i<ImageRows;i++) for(intj=0;j<ImageCols;j++) { unsignedchargray=Pixel[i* ImageCols+j]; DrawPoint(x+j,ScrHeight-y-i, RGB(gray,gray,gray)); }} //ScrHeight：屏幕高度遙感數(shù)字圖像的存儲結(jié)構(gòu)遙感數(shù)字圖像的存儲結(jié)構(gòu)顯示灰度級 for(inti=0;i<img.ImageRows;i++) for(intj=0;j<img.ImageCols;j++)

SetAPixel(i,j,(unsigned char)j);

ShowImage(30,30);從圖像文件中讀入圖像數(shù)據(jù)boolImage::LoadAnImage(char*FileName){ //……}遙感數(shù)字圖像的存儲結(jié)構(gòu)BMP圖像文件格式：一個BMP圖像文件一般分成4個部分： 位圖文件頭：BITMAPFILEHEADER;

位圖信息頭：BITMAPINFOHEADER;

調(diào)色板：Palette;

圖像像素數(shù)據(jù)：Pixels.遙感數(shù)字圖像的存儲結(jié)構(gòu)位圖文件頭：BITMAPFILEHEADERTypedefstructtagBITMAPFILEHEADER{ WORD bfType; //0x424d即“BM” DWORD bfSize; //文件大小字節(jié)數(shù)

WORD bfReserved1,bfReserved2; DWORD bfOffBits; //像素數(shù)據(jù)偏移字節(jié)}BITMAPFILEHEADER;遙感數(shù)字圖像的存儲結(jié)構(gòu)位圖信息頭：BITMAPINFOHEADERtypedefstructtagBITMAPINFOHEADER{ DWORDbiSize; //該結(jié)構(gòu)長度，40字節(jié) LONGbiWidth; //圖像寬度，單位是像素 LONGbiHeight; //圖像高度，單位是像素 WORDbiPlanes; //1 WORDbiBitCount; //1，4，8，24 DWORDbiCompression; //BI_RGB DWORDbiSizeImage; //位圖字節(jié)數(shù)=寬*高 LONGbiXPelsPerMeter; //水平分辨率 LONGbiYPelsPerMeter; //垂直分辨率 DWORDbiClrUsed; //實際顏色數(shù)，0… DWORDbiClrImportant; //重要顏色數(shù)，0…} BITMAPINFOHEADER; 調(diào)色板typedefstructtagRGBQUAD{ BYTErgbBlue; //藍(lán)色分量 BYTErgbGreen; //綠色分量 BYTErgbRed; //紅色分量 BYTErgbReserved;}RGBQUAD;遙感數(shù)字圖像的存儲結(jié)構(gòu)像素數(shù)據(jù)256級灰度圖像，一個字節(jié)表示一個像素；字節(jié)值為調(diào)色板中的索引值；存儲順序：從下到上，從左到右；每行字節(jié)必須是4的整數(shù)倍，不夠用0補足；遙感數(shù)字圖像的存儲結(jié)構(gòu)灰度直方圖voidImage::ShowIntensity(){ longGrayLevel[256];for(inti=0;i<256;i++)

GrayLevel[i]=0;遙感數(shù)字圖像的存儲結(jié)構(gòu)

for(inti=0;i<ImageRows;i++) for(intj=0;j<ImageCols;j++) GrayLevel[Pixel[i*ImageCols+j]]++;longMaxPixel=0;for(inti=0;i<256;i++){ if(GrayLevel[i]>MaxPixel) MaxPixel=GrayLevel[i];}遙感數(shù)字圖像的存儲結(jié)構(gòu)

doublescale=ScrHeight/MaxPixel;SetLineWidth(2);for(inti=0;i<256;i++) DrawLine(i*2,ScrHeight,i*2, int(ScrHeight-GrayLevel[i]*scale));SetLineWidth(1);}遙感數(shù)字圖像的存儲結(jié)構(gòu)量化（Quantization）voidImage::Quantitize(intGrayLevel){for(inti=0;i<ImageRows;i++)for(intj=0;j<ImageCols;j++){intOffset=i*ImageCols+j;Pixel[Offset]=int(int(Pixel[Offset]* GrayLevel/256.0)*256.0/GrayLevel); }}遙感數(shù)字圖像的存儲結(jié)構(gòu)灰度比例變換 輸出像素灰度= 輸出變換范圍*（輸入像素灰度-最小灰度） /（最大灰度-最小灰度）遙感數(shù)字圖像的存儲結(jié)構(gòu)voidImage::GrayScale(intExtent){intPixelMax=-32768;intPixelMin=32767;for(inti=0;i<ImageRows;i++) for(intj=0;j<ImageCols;j++){unsignedchart=Pixel[i*ImageCols+j]; if(t>PixelMax) PixelMax=t;if(t<PixelMin) PixelMin=t;}遙感數(shù)字圖像的存儲結(jié)構(gòu)

intPixelExtent=PixelMax-PixelMin;for(inti=0;i<ImageRows;i++) for(intj=0;j<ImageCols;j++){ Pixel[i*ImageCols+j]=(unsigned char)(double(Extent)* (Pixel[i* ImageCols+j]-PixelMin)/ PixelExtent); }}遙感數(shù)字圖像的存儲結(jié)構(gòu)灰度的線性變換灰度的線性變換的理論基礎(chǔ)線性變換函數(shù): f(x)

fA

斜率；

fB

截距；遙感數(shù)字圖像的點運算線性變換函數(shù)的性質(zhì)

fA>1：輸出圖像對比增大

fA<1：輸出圖像對比減小

fA=1且fB!=0：灰度平移，整體變亮或暗

fA<0：暗變亮、亮變暗

fA=1且fB=0：不變

fA=-1且fB=255：反轉(zhuǎn)遙感數(shù)字圖像的點運算線性變換函數(shù)的實現(xiàn)voidLinerTrans(doubleSlope, doubleIntercept) {

for(inti=0;i<ImageRows;i++) for(intj=0;j<ImageCols;j++) { //…… } }遙感數(shù)字圖像的點運算灰度的閾值變換 灰度的閾值變換可以將灰度轉(zhuǎn)成黑白二值圖像。 設(shè)定閾值T，

變換函數(shù)為：

遙感數(shù)字圖像的點運算灰度的閾值變換的實現(xiàn)voidThresholdTrans(unsignedchar Threshold) {

for(inti=0;i<ImageRows;i++) for(intj=0;j<ImageCols;j++) { //…… } }遙感數(shù)字圖像的點運算灰度的窗口變換灰度的窗口變換的理論基礎(chǔ) 限定一個窗口，其中的灰度值不變，下限以下設(shè)為0，上限以上設(shè)為255。 設(shè)：窗口下限L，窗口上限H:變換函數(shù)為：遙感數(shù)字圖像的點運算灰度窗口變換的實現(xiàn)voidWindowTrans(unsignedcharLow, unsignedcharHigh) {

for(inti=0;i<ImageRows;i++) for(intj=0;j<ImageCols;j++) { //…… } }遙感數(shù)字圖像的點運算灰度拉伸 理論基礎(chǔ)：用到線性變換，是分段的線性變換。遙感數(shù)字圖像的點運算y1x1x2y2255255拉伸變換函數(shù)：遙感數(shù)字圖像的點運算灰度均衡 灰度均衡也稱作直方圖均衡。 目的在于使得每一個灰度級上都有大致相同的像素個數(shù)。 按照圖像的概率密度函數(shù)的定義： （概率密度函數(shù)是歸一化到單位面積的直方圖。）

遙感數(shù)字圖像的點運算H(x)為直方圖，A0為圖像的面積。設(shè)轉(zhuǎn)換前的概率密度函數(shù)為：pr(r),

轉(zhuǎn)換后的概率密度函數(shù)為：ps(s),

轉(zhuǎn)換函數(shù)為：s=f(r)

由概率論可知：遙感數(shù)字圖像的點運算為使轉(zhuǎn)換后的直方圖概率密度函數(shù)為1， 則必須滿足： 兩邊對r積分，得：

該轉(zhuǎn)換公式稱為圖像的累積分布函數(shù)。遙感數(shù)字圖像的點運算上述公式是在歸一化下推導(dǎo)出的，非歸一化的情況，只要乘以最大灰度值Dmax即可。（Dmax=255）離散圖像，轉(zhuǎn)換公式為：

Hi為第i級灰度的像素個數(shù)。遙感數(shù)字圖像的點運算掩模（Mask）

矩陣，用于設(shè)置參數(shù)和定義操作域， 當(dāng)圖像作卷積（Convolution）或相關(guān)（Correction）操作時作用于圖像上。卷積：濾波器（Filter）相關(guān)：模板（Template）或結(jié)構(gòu)函數(shù) -20+2 -2-1-2 -10+1 000 -20+2 +2+1+2遙感數(shù)字圖像的鄰域運算掩模的定義：

typedef struct { int Rows; //掩模的行數(shù) int Cols; //掩模的列數(shù) int kern[7][7];//掩模的核Kernel } Mask;遙感數(shù)字圖像的鄰域運算遙感數(shù)字圖像的鄰域運算typedefstruct{ //數(shù)字圖像數(shù)據(jù) int ImageRows;int ImageCols;unsignedchar*Pixel; Mask msk; //加上一個掩模 //數(shù)字圖像處理函數(shù) //……}Image; //8bit/pixel256級灰度圖像結(jié)構(gòu)掩模的操作：二維離散卷積可以看作把一幅圖像拷貝到另一幅圖像中的組合處理，是濾波操作的基本結(jié)果。舉例1： 圖像平均算法：像素自身灰度與周圍8鄰域灰度值之和取平均，則掩模操作定義為：遙感數(shù)字圖像的鄰域運算*表示中心像素上面的掩模操作可定以成：像素自身灰度與右下8鄰域灰度值之和取平均。遙感數(shù)字圖像的鄰域運算*表示中心像素舉例2：舉例3：

遙感數(shù)字圖像的鄰域運算掩模通常不能溢出邊界，所以卷積后的圖像會縮小。例如： 掩模 原圖像 運算后的圖像遙感數(shù)字圖像的鄰域運算一般方法是復(fù)制原來圖像像素的灰度值,即

掩模 原圖像 運算后的圖像遙感數(shù)字圖像的鄰域運算當(dāng)圖像很大時，掩模的運算量很大。如 掩模遙感數(shù)字圖像的鄰域運算算法時間復(fù)雜度：O(N2)每個像素完成一次運算要： 9次乘法+8次加法+1次除法一個N*N的圖像： 9(N-2)2次乘法+8(N-2)2次加法+(N-2)2次除法離散卷積的算法實現(xiàn)：unsignedchar*Image::Convolution(){ doublecoef=0.0; unsignedchar*ResultPixel=newunsigned char[ImageRows*ImageCols];

for(intm=0;m<msk.Rows;m++) for(intn=0;n<msk.Cols;n++) { coef+=msk.kern[m][n]; }遙感數(shù)字圖像的鄰域運算

if(coef==0.0) coef=1.0; inthx=msk.Cols/2; inthy=msk.Rows/2; for(inti=0;i<ImageRows;i++) for(intj=0;j<ImageCols;j++) { doublevalue=0.0; for(intm=-hy;m<=hy;m++) for(intn=-hx;n<=hx;n++)遙感數(shù)字圖像的鄰域運算 {

if(i+m>=0&&j+n>=0&& i+m<ImageRows&&j+n<ImageCols) value+=msk.kern[hy+m][hx+n]* Pixel[(i+m)*ImageCols+j+n]; } value/=coef;遙感數(shù)字圖像的鄰域運算 if(value>255) value=255; if(value<0) value=0; ResultPixel[i*ImageCols+j]= (unsignedchar)value; }

return ResultPixel;}遙感數(shù)字圖像的鄰域運算圖像的平滑運算目的： 去除圖像的噪聲（高頻）方法： 空間域中采用鄰域平均 頻率域中采用低通濾波遙感數(shù)字圖像的鄰域運算鄰域平均法優(yōu)點：去除了噪聲，圖像光滑缺點：使圖像模糊，程度與鄰域大小正比數(shù)學(xué)描述：給定灰度值為f(x,y)的N*N的圖像，變換后為：

遙感數(shù)字圖像的鄰域運算采用閾值減小模糊效應(yīng) 設(shè)閾值為T,則變換函數(shù)為：遙感數(shù)字圖像的鄰域運算鄰域平均法的掩?？啥x為：遙感數(shù)字圖像的鄰域運算其它的鄰域平均掩模（也稱算子）遙感數(shù)字圖像的鄰域運算可以消除圖像的孤立噪聲其它的鄰域平均掩模遙感數(shù)字圖像的鄰域運算分別可以消除圖像的孤立行和列的條帶噪聲其它的鄰域平均掩模遙感數(shù)字圖像的鄰域運算高斯模板，通過采樣2維高斯函數(shù)獲得圖像的銳化運算遙感數(shù)字圖像的鄰域運算目的：增強圖像中的高頻成分，提高圖像的細(xì)節(jié)反差，也稱為邊緣增強在頻率域中稱為高通濾波方法： 與平滑的鄰域中積分方法相反，可采用鄰域的微分方法增強高頻成分。常用微分方法為： 梯度：給定一個函數(shù)f(x,y)

，

在坐標(biāo)(x,y)上的梯度定義為矢量：遙感數(shù)字圖像的鄰域運算梯度的模定義為：遙感數(shù)字圖像的鄰域運算對于離散的數(shù)字圖像，用差分代替微分，則梯度的模為：用絕對值代替，則梯度模為(Roberts梯度)：遙感數(shù)字圖像的鄰域運算設(shè)變換后圖像g(x,y)=G[f(x,y)]， 則梯度?？捎醚谀＿\算獲得：直接用梯度G[f(x,y)]表示圖像，則圖像變化緩慢的地方梯度很小，變換后灰度較暗；而在線條輪廓等變化較快的地方梯度較大，變換后灰度較亮，從而達(dá)到邊緣增強的目的。遙感數(shù)字圖像的鄰域運算但梯度小的地方圖像很暗，需要拉伸反差來改善。可以象圖像的平滑運算那樣，設(shè)置閾值T，即遙感數(shù)字圖像的鄰域運算銳化的掩?？梢园葱枰獊碓O(shè)計，如一維算子：遙感數(shù)字圖像的鄰域運算拉普拉斯算子（3*3）遙感數(shù)字圖像的鄰域運算方向算子（3*3）遙感數(shù)字圖像的鄰域運算差值圖象定義：差值圖象為由同一景象不同時間的影象或同一景象不同波段的影象之間的差值組成的圖象。它們分別反映景象灰度值隨時間發(fā)生的變化或隨波段發(fā)生的變化。作用：前者可用于動態(tài)監(jiān)測，后者可用于通過同一地物在各波段的亮度差異來識別地物。差值圖象反映的是圖象間的差異。其亮度取值范圍應(yīng)是±127（亮度變化最大值為127），亮度為0（或接近0）時表示無變化，而正、負(fù)亮度值則分別表示了光譜的變化。差值圖象為了使亮度值均取正值(例如0到127)，應(yīng)該對上述亮度范圍進(jìn)行調(diào)整，用中間亮度值64表示無變化，而以0和127表示最大的負(fù)值和正值，對整個差值也要進(jìn)行換算。有時這種差異較小，可用反差擴展增強之。求差值圖象時必須進(jìn)行幾何校正以使反映同一地物的象元對準(zhǔn)，否則是沒有意義的。差值圖象在動態(tài)監(jiān)測時，用時間差值圖象可以發(fā)現(xiàn)區(qū)域變化、森林火災(zāi)、洪水泛濫等等，也可以發(fā)現(xiàn)影象上的云和陰影、鑒別耕地和休閑地，不同的農(nóng)作物覆蓋等。在識別地物時被廣泛地應(yīng)用。差值圖象比值法增強比值法增強是通過比值圖象來突出類別或目標(biāo)的。比值法增強由兩個波段對應(yīng)象元的亮度值之比或幾個波段組合的對應(yīng)象元亮度值之比獲得。這個比值我們稱之為比值圖象的亮度值，它也是地物波譜特性的一種反映。用途：正是利用了地物的比值波譜特性，使我們能夠進(jìn)行消除山影、云影的處理，顯示隱伏構(gòu)造，區(qū)分在單波段中發(fā)生混淆的地物等等。比值法增強下列原因使我們常采用比值圖象

l．當(dāng)光照條件變化時（地形、云層等引起），同一地物的亮度值發(fā)生變化，但某種亮度比值卻保持不變，可以利用比值圖象來消除這些干擾，突出目標(biāo)信息。比值法增強例如：位于山脊光照區(qū)和陰影區(qū)的砂巖在四波段和五波段的亮度值及其比值。比值法增強比值法增強光照情況波段4波段5比值4/5陽坡28420.66陰坡22340.65若僅根據(jù)四波段、五波段圖象來判斷會誤認(rèn)為它們是兩種地物，但是從四、五兩個波段的比值近似相等的情況來看它們是同一地物，從而利用比值圖象消除了陰影的干擾。這種方法要求地形起伏不能太大，否則山很高，陰影全黑，亮度值為0，此時可能使分子或分母為0，無法比較。比值法增強比值圖象7/4、7-5/6-4在消除小的陰影方面也有好的效果，而比值圖象7-6/5-4在顯示隱伏斷裂帶上則有顯著效果。比值法增強2.可利用比值圖象使圖象中各類地物均值拉開，方差縮小，從而易于區(qū)別各類。如下表所示：比值法增強地物波段水沙灘416177144/7164.25比值法增強水和沙灘在四波段和七波段的亮度值都很接近，在區(qū)分它們時難免發(fā)生混淆，而在4/7圖象中它們分得很開，可以很容易地把它們區(qū)分開來。3.可利用比值圖象突出某類地物，削弱某類地物，從而提取目標(biāo)信息，這方面常采用比值彩色合成法。用計算機對鐵、鈾、銅等礦床以比值彩色合成法提取信息可取得良好效果。比值法增強單波段的比值圖象有12個：7/6,7/5，7/4，6/5，6/4，5/4及其倒比，而波段間組合的比值圖象則不計其數(shù)。比值程序簡單，運算所需機時少，使用方便，可以通過在機器上調(diào)試獲得效果較好的比值，因此它獲得了廣泛的應(yīng)用。根據(jù)地物波譜特征確定有效的比值圖象已經(jīng)取得了不少成果，但建立滿足各種實際問題要求的各種比值圖象及其規(guī)律性的總結(jié)仍需要探索。比值法增強密度分割定義：亮度（灰度）是衛(wèi)星影象分析的最主要參數(shù)。密度分割即對圖象的亮度進(jìn)行分割，使一定亮度間隔對應(yīng)某一類或幾類地物，從而用于圖像的增強、分類。作用：密度分割突出了各類間的差別，增強了人眼的識別能力。方法：衛(wèi)星數(shù)字圖象是一個二維數(shù)組IA，各數(shù)組元素IA(i,j)的值f(i,j)即是各象元的亮度值。找出IA中的最大亮度值和最小亮度值，在該亮度范圍內(nèi)定出要分的級數(shù)和每一級分割點的值，再根據(jù)各象元亮度值大小確定其屬于哪級（即歸屬哪類），以指定的符號或顏色表示之，即實現(xiàn)了密度分割。密度分割密度分割最主要的問題是確定分割級數(shù)和分割，確定的方法可歸納為如下二種:（一）規(guī)律性的五種分割方法 密度分割可分為線性密度分割和非線性密度分割。線性密度分割指的是對所研究的亮度范圍進(jìn)行均勻分割（即亮度間隔相等）。當(dāng)我們對所研究的區(qū)域整個亮度范圍都感興趣時可采用線性密度分割。密度分割線性密度分割公式：密度分割式中FLEV為每一級分割點的值，GN為所要分的級數(shù)，I=1,2,…,GN表示密度分割的每一級，F(xiàn)H為最大亮度值，F(xiàn)L為最小亮度值，0.5為程序中實化整時四舍五入而引入。各符號意義適用以下各式。線性密度分割的函數(shù)曲線：密度分割I(lǐng)FLEV非線性分割指的是對所研究的亮度范圍進(jìn)行非均勻分割（即亮度間隔不等）,對感興趣的亮度范圍細(xì)分，對不感興趣的亮度范圍粗分（即進(jìn)行壓縮）。下面給出非線性密度分割的四種標(biāo)度及其相應(yīng)公式。密度分割平方根標(biāo)度：對影