MATLAB在遙感圖像處理中的應(yīng)用課件

第五章MATLAB在遙感圖像處理中的應(yīng)用1ppt課件.第五章MATLAB在遙感圖像處理中的應(yīng)用1ppt課件.主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強(qiáng)遙感圖像幾何變換遙感圖像配準(zhǔn)遙感圖像濾波遙感圖像分割2ppt課件.主要內(nèi)容遙感圖像概述2ppt課件.1遙感圖像處理概述基本概念遙感數(shù)字圖像：是指被計(jì)算機(jī)存儲(chǔ)、處理和使用的圖像，是一種空間坐標(biāo)和灰度均不連續(xù)的、用數(shù)字形式表達(dá)的遙感影像，最基本單元是像素，每個(gè)像素具有空間位置特征和屬性特征?？臻g位置特征：是用離散的X值和Y值來(lái)表示；屬性特征：常用亮度值表示。3ppt課件.1遙感圖像處理概述基本概念3ppt課件.亮度值有如下特點(diǎn)：（1）不同圖像相同地點(diǎn)的亮度值不同；（2）亮度值大小由傳感器所探測(cè)到的電磁輻射強(qiáng)度決定，入射到傳感器中的電磁波被探測(cè)元件轉(zhuǎn)化為電信號(hào)，經(jīng)過(guò)A/D轉(zhuǎn)換，成為絕對(duì)輻射亮度值R。為了便于應(yīng)用R又被轉(zhuǎn)換為能夠表征地物的輻射亮度相對(duì)值V。

R=V*（Rmax-Rmin）/Dmax+RminRmax為探測(cè)器可檢測(cè)到的最大輻射亮度；Rmin為探測(cè)器可檢測(cè)到的最小輻射亮度；max為級(jí)數(shù)；R為輻射亮度值；V為像素表征的地物輻射亮度的相對(duì)值。4ppt課件.亮度值有如下特點(diǎn)：4ppt課件.遙感數(shù)字圖像處理：利用數(shù)字計(jì)算機(jī)或其它高速、大規(guī)模集成數(shù)字硬件，對(duì)從遙感圖像信息轉(zhuǎn)換來(lái)的數(shù)字電信號(hào)進(jìn)行某些數(shù)字運(yùn)算或處理（如去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等），以期提高遙感圖像的質(zhì)量以達(dá)到人們所要求的某些預(yù)期結(jié)果。5ppt課件.遙感數(shù)字圖像處理：利用數(shù)字計(jì)算機(jī)或其它高速、大規(guī)模集成數(shù)字硬圖像的表示

完整描述圖像，可以用式子：

I=f(x,y,z,λ,t)

表示一個(gè)立體的、彩色的活動(dòng)圖像。還有：對(duì)于靜止圖像，則表示為f(x,y,z,λ)；對(duì)于平面圖像，則表示為f(x,y,λ)；對(duì)于單色圖像，則表示為f(x,y)。有時(shí)，在傳播或傳送圖像時(shí)，常把圖像掃描成一維信號(hào)，如視頻信號(hào)，這時(shí)圖像便成了一維函數(shù)f(t)，稱之為圖像信號(hào)，而前面幾個(gè)式子稱為圖像，以示區(qū)別。6ppt課件.圖像的表示6ppt課件.數(shù)字圖像是由被稱作象素的小塊區(qū)域組成的二維矩陣。將物理圖象行列劃分后，每個(gè)小塊區(qū)域稱為像素（pixel）。

–每個(gè)像素包括兩個(gè)屬性：位置和灰度。對(duì)于單色即灰度圖像而言，每個(gè)象素的亮度用一個(gè)數(shù)值來(lái)表示，通常數(shù)值范圍在0到255之間，即可用一個(gè)字節(jié)來(lái)表示，

0表示黑、255表示白，而其它表示灰度級(jí)別。物理圖象及對(duì)應(yīng)的數(shù)字圖象7ppt課件.數(shù)字圖像是由被稱作象素的小塊區(qū)域組成的二維矩陣。將物理圖象行物理圖像19643灰度像素?cái)?shù)字圖像采樣列采樣行圖片像素行間隔采樣列間隔灰階黑灰白01282558ppt課件.物理圖像19643灰度像素?cái)?shù)字圖像采樣列采樣行圖片像素行間隔彩色圖象可以用紅、綠、藍(lán)三元組的二維矩陣來(lái)表示。

–通常，三元組的每個(gè)數(shù)值也是在0到255之間，0表示相應(yīng)的基色在該象素中沒(méi)有，而255則代表相應(yīng)的基色在該象素中取得最大值，這種情況下每個(gè)象素可用三個(gè)字節(jié)來(lái)表示。彩色圖象(128x128)及其對(duì)應(yīng)的數(shù)值矩陣（僅列出一部分(25x31)）9ppt課件.彩色圖象可以用紅、綠、藍(lán)三元組的二維矩陣來(lái)表示。9ppt課件主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強(qiáng)遙感圖像幾何變換遙感圖像配準(zhǔn)遙感圖像濾波遙感圖像分割10ppt課件.主要內(nèi)容遙感圖像概述10ppt課件.2遙感圖像的讀寫與顯示對(duì)于標(biāo)準(zhǔn)格式的圖像，如bmp,jpg,tif等格式的圖像，可以直接利用MATLAB提供的命令imread及imwrite進(jìn)行讀寫操作。實(shí)際中不同的遙感數(shù)據(jù)并非標(biāo)準(zhǔn)格式。如何根據(jù)數(shù)據(jù)提供者提供的格式說(shuō)明文件讀出相應(yīng)的參數(shù)及圖像數(shù)據(jù)是進(jìn)行后續(xù)遙感圖像處理的關(guān)鍵。11ppt課件.2遙感圖像的讀寫與顯示對(duì)于標(biāo)準(zhǔn)格式的圖像，如bmp,jp標(biāo)準(zhǔn)格式圖像讀取函數(shù)imread可以從任何Matlab支持的圖像文件格式中，以任意位深度讀取一幅圖像。格式為：[X,MAP]=imread(FILENAME,'FMT')，其中：FILENAME－為需要讀入的圖像文件名稱，F(xiàn)MT－為圖像格式。圖像文件格式12ppt課件.標(biāo)準(zhǔn)格式圖像讀取函數(shù)imread可以從任何Matlab支持的讀取圖像信息可以通過(guò)調(diào)用imfinfo函數(shù)獲得與圖像文件有關(guān)的信息，格式如下：INFO=imfinfo(FILENAME,'FMT')其中：返回的INFO是Matlab的一個(gè)結(jié)構(gòu)體。函數(shù)size可給出一副圖像的行數(shù)和列數(shù)size（f）13ppt課件.讀取圖像信息可以通過(guò)調(diào)用imfinfo函數(shù)獲得與圖像文件有關(guān)非標(biāo)準(zhǔn)格式遙感圖像讀取通常每一種遙感衛(wèi)星傳感器都制定了一套適合本身特性的數(shù)據(jù)存儲(chǔ)格式標(biāo)準(zhǔn)。并且為用戶提供詳細(xì)的格式說(shuō)明書。用戶必須熟悉格式才能正確地讀出遙感圖像數(shù)據(jù)。例：ALOSPALSAR參數(shù)及數(shù)據(jù)讀取14ppt課件.非標(biāo)準(zhǔn)格式遙感圖像讀取通常每一種遙感衛(wèi)星傳感器都制定了一套適圖像的顯示Matlab的圖像顯示函數(shù)主要有imshow、colorbar、subimage和imagesc等。例如：imshow函數(shù)的基本語(yǔ)法為：

imshow(f,G)

其中，f是一個(gè)圖像數(shù)組，G是顯示該圖像的灰度級(jí)數(shù)。15ppt課件.圖像的顯示Matlab的圖像顯示函數(shù)主要有imshow、co1、imshow(I,n)顯示灰度級(jí)為n的圖像，n缺省為256?！纠堪?56灰度級(jí)顯示I=imread('moon.tif');imshow(I,256)colorbar16ppt課件.1、imshow(I,n)16ppt課件.【例】按8灰度級(jí)顯示I=imread('moon.tif');imshow(I,8)colorbar17ppt課件.【例】按8灰度級(jí)顯示17ppt課件.【例】按最大灰度范圍顯示I=imread('moon.tif');imshow(I,[])colorbar18ppt課件.【例】按最大灰度范圍顯示18ppt課件.【例】按指定灰度范圍顯示I=imread('moon.tif');imshow(I,[64,128])colorbar19ppt課件.【例】按指定灰度范圍顯示19ppt課件.2、imshow(X,MAP)顯示索引圖像，X為數(shù)據(jù)圖像矩陣，MAP為調(diào)色板?！纠匡@示索引圖像[X,MAP]=imread('canoe.tif');imshow(X,MAP);colorbar20ppt課件.2、imshow(X,MAP)20ppt課件.【例】顯示偽彩色圖像I=imread('moon.tif');imshow(I,jet(256))colorbar21ppt課件.【例】顯示偽彩色圖像21ppt課件.3、imshow(RGB)顯示真彩色圖像?！纠縭gb=imread('flowers.tif');imshow(rgb);22ppt課件.3、imshow(RGB)22ppt課件.4、subimage多圖顯示多個(gè)調(diào)色板的圖像?！纠縧oadtrees;[x2,map2]=imread('forest.tif');subplot(2,1,1),subimage(X,map);colorbarsubplot(2,1,2),subimage(x2,map2);colorbar

23ppt課件.4、subimage23ppt課件.【例】不用專用函數(shù)顯示多圖loadtrees;[x2,map2]=imread('forest.tif');subplot(2,1,1),imshow(x2,map2);colorbarsubplot(2,1,2),imshow(X,map);colorbar24ppt課件.【例】不用專用函數(shù)顯示多圖24ppt課件.圖像的寫入1、imwrite函數(shù)imwrite(I,'文件名','文件格式')－保存無(wú)調(diào)色板的圖像imwrite(X,MAP,'文件名','文件格式')－保存有調(diào)色板的圖像imwrite(...,'文件名')－文件名中含格式imwrite(...,'參數(shù)','值')－指定保存參數(shù)文件格式：bmp、jpg、pcx、tif。25ppt課件.圖像的寫入1、imwrite函數(shù)25ppt課件.【例】將tif圖像保存為jpg圖像[x,map]=imread('canoe.tif');imwrite(x,map,'canoe.jpg','JPG','Quality',75)26ppt課件.【例】將tif圖像保存為jpg圖像26ppt課件.主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強(qiáng)遙感圖像幾何變換遙感圖像配準(zhǔn)遙感圖像濾波遙感圖像分割27ppt課件.主要內(nèi)容遙感圖像概述27ppt課件.3遙感圖像輻射增強(qiáng)定義：將原來(lái)不清晰的圖像變得清晰或突出某些特征，同時(shí)抑制一些不需要的信息的處理方法。目的：突出圖像中的有用信息，擴(kuò)大不同影像特征之間的差別，以便于進(jìn)行判讀和分析。28ppt課件.3遙感圖像輻射增強(qiáng)定義：將原來(lái)不清晰的圖像變得清晰或突出某基于直方圖變換的增強(qiáng)方法直方圖變換是一種通過(guò)直接改變圖像中像元的亮度值來(lái)改變圖像的對(duì)比度，從而改善圖像質(zhì)量的圖像處理方法?；叶戎狈綀D是灰度級(jí)的函數(shù)，描述圖像中具有該灰度級(jí)的像元的個(gè)數(shù)。其橫坐標(biāo)是灰度級(jí)，縱坐標(biāo)是像元的個(gè)數(shù)（或該灰度出現(xiàn)的頻率）。直方圖反映灰度的總體結(jié)構(gòu)，但是不反映空間的分布信息。直方圖變換的類型線性變換非線性變換29ppt課件.基于直方圖變換的增強(qiáng)方法直方圖變換是一種通過(guò)直接改變圖像中像線性變換：根據(jù)原圖像直方圖來(lái)確定好拉伸變換前的灰度值區(qū)間，然后把這一灰度值區(qū)間按某一直線方程關(guān)系拉伸或壓縮而成為變換后灰度值區(qū)間。拉伸后的圖像灰度值范圍增大，對(duì)比度改善。30ppt課件.線性變換：根據(jù)原圖像直方圖來(lái)確定好拉伸變換前的灰度值區(qū)間，然線性變換按比例擴(kuò)大原是灰度級(jí)的范圍，將原始的相對(duì)集中的灰度值分布在0–255范圍內(nèi)展開。31ppt課件.線性變換31ppt課件.線性變換分段線性拉伸對(duì)不同范圍的灰度值進(jìn)行不同的拉伸。32ppt課件.線性變換32ppt課件.非線性變換變換函數(shù)是非線性的，如指數(shù)變換、對(duì)數(shù)變換等。指數(shù)變換指數(shù)變換可以對(duì)圖像高值區(qū)域進(jìn)行拉伸33ppt課件.非線性變換33ppt課件.對(duì)數(shù)變換對(duì)數(shù)變換對(duì)圖像低值區(qū)域進(jìn)行拉伸34ppt課件.對(duì)數(shù)變換34ppt課件.直方圖均衡將原圖像的直方圖通過(guò)變換函數(shù)變?yōu)榫鶆虻闹狈綀D，然后按均勻直方圖修改原圖像，從而獲得一幅灰度分布均勻的新圖像。35ppt課件.直方圖均衡35ppt課件.直方圖均衡計(jì)算步驟1.計(jì)算原圖像f的直方圖h36ppt課件.直方圖均衡計(jì)算步驟36ppt課件.直方圖均衡計(jì)算步驟2.求出圖像f的總體像素個(gè)數(shù)N，計(jì)算每個(gè)灰度級(jí)的像素個(gè)數(shù)在整個(gè)圖像中所占的比例hs。37ppt課件.直方圖均衡計(jì)算步驟37ppt課件.直方圖均衡計(jì)算步驟3.計(jì)算圖像各灰度級(jí)的累積分布hp。38ppt課件.直方圖均衡計(jì)算步驟38ppt課件.直方圖均衡計(jì)算步驟4.求出新圖像g的灰度值。39ppt課件.直方圖均衡計(jì)算步驟39ppt課件.40ppt課件.40ppt課件.因?yàn)橹狈綀D是近似的概率密度函數(shù)，所以用離散灰度級(jí)作變換一般得不到完全平坦的結(jié)果。另外，從上例可以看出，變換后的灰度級(jí)減少了，這種現(xiàn)象叫做“簡(jiǎn)并”現(xiàn)象。由于簡(jiǎn)并現(xiàn)象的存在，處理后的灰度級(jí)總是要減少的，這是像素灰度有限的必然結(jié)果。由于上述原因，數(shù)字圖像的直方圖均衡只是近似的。41ppt課件.因?yàn)橹狈綀D是近似的概率密度函數(shù)，所以用離散灰度級(jí)作變換一般得主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強(qiáng)遙感圖像幾何變換遙感圖像配準(zhǔn)遙感圖像濾波遙感圖像分割42ppt課件.主要內(nèi)容遙感圖像概述42ppt課件.遙感圖像幾何變換幾何運(yùn)算可以看成是像素在圖像內(nèi)的移動(dòng)過(guò)程，該移動(dòng)過(guò)程可以改變圖像中物體對(duì)象(像素)之間的空間關(guān)系。幾何運(yùn)算可以是不受任何限制的，但是通常都需要做出一些限制以保持圖像的外觀順序。完整的幾何運(yùn)算需要由兩個(gè)算法來(lái)實(shí)現(xiàn)：空間變換算法和灰度插值算法。43ppt課件.遙感圖像幾何變換幾何運(yùn)算可以看成是像素在圖像內(nèi)的移動(dòng)過(guò)程，該空間變換主要用來(lái)保持圖像中曲線的連續(xù)性和物體的連通性，一般都采用數(shù)學(xué)函數(shù)形式來(lái)描述輸入、輸出圖像相應(yīng)像素間的空間關(guān)系?？臻g變換的一般定義為其中，f表示輸入圖像，g表示輸出圖像，坐標(biāo)(x',y')指的是空間變換后的坐標(biāo)，要注意這時(shí)的坐標(biāo)已經(jīng)不是原來(lái)的坐標(biāo)(x,y)了。a(x,y)和b(x,y)分別是圖像的x和y坐標(biāo)的空間變換函數(shù)。44ppt課件.空間變換主要用來(lái)保持圖像中曲線的連續(xù)性和物體的連通性，一般都灰度級(jí)插值主要是對(duì)空間變換后的像素賦予灰度值，使之恢復(fù)原位置處的灰度值。在幾何運(yùn)算中，灰度級(jí)插值是必不可少的組成部分，因?yàn)閳D像一般用整數(shù)位置處的像素來(lái)定義。而在幾何變換中，g(x,y)的灰度值一般由處在非整數(shù)坐標(biāo)上的f(x,y)的值來(lái)確定，即g中的一個(gè)像素一般對(duì)應(yīng)于f中的幾個(gè)像素之間的位置，反過(guò)來(lái)看也是一樣，即f中的一個(gè)像素往往被映射到g中的幾個(gè)像素之間的位置。45ppt課件.灰度級(jí)插值主要是對(duì)空間變換后的像素賦予灰度值，使之恢復(fù)原位置圖像的幾何常用函數(shù)圖像的縮放imresize圖像的旋轉(zhuǎn)imrotate圖像的剪裁imcrop圖像的一般幾何變換imtransform

46ppt課件.圖像的幾何常用函數(shù)46ppt課件.圖像的插值運(yùn)算最近鄰插值方法（Nearestneighbor）雙線性插值方法（Bilinear）雙三次插值方法（Bicubic）47ppt課件.圖像的插值運(yùn)算47ppt課件.(1)圖像縮放MATLAB使用imresize函數(shù)來(lái)改變一幅圖像的大小,調(diào)用格式如下：B=imresize(A,M,METHOD)，其中：A－原圖像；M－縮放系數(shù)；B－縮放后的圖像；METHOD－插值方法，可取值‘nearest’，‘bilinear’和‘bicubic’?！纠吭瓐D像放大1.25倍[I,map]=imread('kids.tif');J=imresize(I,3);subplot(1,2,1),subimage(I,map)subplot(1,2,2),subimage(J,map)48ppt課件.(1)圖像縮放48ppt課件.(2)圖像旋轉(zhuǎn)使用imrotate函數(shù)來(lái)旋轉(zhuǎn)一幅圖像。調(diào)用格式如下：B=imrotate(A,ANGLE,METHOD,BBOX)，其中：A－需要旋轉(zhuǎn)的圖像；ANGLE－表示旋轉(zhuǎn)的角度，正值為逆時(shí)針；METHOD－插值方法；BBOX－取值loose（缺?。?、crop【例】圖像旋轉(zhuǎn)clf[I,map]=imread('kids.tif');J=imrotate(I,35,'bilinear');J1=imrotate(I,35,'bilinear','crop');subplot(2,2,1),imshow(I,map)subplot(2,2,3),imshow(J,map)subplot(2,2,4),imshow(J1,map)49ppt課件.(2)圖像旋轉(zhuǎn)49ppt課件.(3)圖像剪切使用imcrop函數(shù)可以從一幅圖像中抽取一個(gè)矩形的部分。imcrop函數(shù)的調(diào)用格式如下：X2=imcrop(X,MAP,RECT)其中，X表示有待剪切的圖像，不指定X時(shí)，imcrop將當(dāng)前坐標(biāo)軸中的圖像作為待剪切的圖像。MAP表示X為索引圖像時(shí)的調(diào)色板，RECT定義剪切區(qū)的矩形坐標(biāo)。如果調(diào)用imcrop時(shí)不指定矩形的坐標(biāo)，那么當(dāng)光標(biāo)位于圖像中時(shí)會(huì)變成十字形，可以通過(guò)拖曳鼠標(biāo)的方式交互式地選擇一個(gè)矩形。imcrop函數(shù)根據(jù)用戶的選擇繪制一個(gè)矩形，釋放鼠標(biāo)鍵后將產(chǎn)生一個(gè)新的圖像。50ppt課件.(3)圖像剪切50ppt課件.仿射變換仿射變換，可以用以下函數(shù)來(lái)描述：其中，A是變形矩陣，b是平移矩陣。

(1)尺度變換變換矩陣：,S≥051ppt課件.仿射變換仿射變換，可以用以下函數(shù)來(lái)描述：,S≥051ppt【例】clf;I=checkerboard(20,2);subplot(121);imshow(I);axison;title('原圖')s=1.5;T=[s0;0s;00];tf=maketform('affine',T);I1=imtransform(I,tf,'bicubic','FillValues',0.3);subplot(122);imshow(I1);axison;title('尺度變換')52ppt課件.【例】52ppt課件.(2)伸縮變換變換矩陣：53ppt課件.(2)伸縮變換53ppt課件.【例】clf;I=checkerboard(20,2);subplot(121);imshow(I);axison;title('原圖')t=2;T=[10;0t;00];tf=maketform('affine',T);I1=imtransform(I,tf,'bicubic','FillValues',0.3);subplot(122);imshow(I1);axison;title('伸縮變換')54ppt課件.【例】54ppt課件.(3)扭曲變換變換矩陣：55ppt課件.(3)扭曲變換55ppt課件.【例】clf;I=checkerboard(20,2);subplot(121);imshow(I);axison;title('原圖')u=0.5;T=[1u;01;00];tf=maketform('affine',T);I1=imtransform(I,tf,'bicubic','FillValues',0.3);subplot(122);imshow(I1);axison;title('扭曲變換')56ppt課件.【例】56ppt課件.(4)旋轉(zhuǎn)變換變換矩陣：57ppt課件.(4)旋轉(zhuǎn)變換57ppt課件.clf;I=checkerboard(20,2);subplot(1,2,1);imshow(I);title('原圖')angle=20*pi/180;sc=cos(angle);ss=sin(angle);T=[sc-ss;sssc;00];tf=maketform('affine',T);I1=imtransform(I,tf,'bicubic','FillValues',0.3);subplot(122);imshow(I1);title('旋轉(zhuǎn)變換')58ppt課件.clf;I=checkerboard(20,2);58p(5)綜合變換變換矩陣：59ppt課件.(5)綜合變換59ppt課件.【例】clf;I=checkerboard(20,2);subplot(1,2,1);imshow(I);title('原圖')s=2;As=[s0;0s];%尺度t=2;At=[10;0t];%伸縮u=1.5;Au=[1u;01];%扭曲st=30*pi/180;sc=cos(st);ss=sin(st);Ast=[sc-ss;sssc];%旋轉(zhuǎn)T=[As*At*Au*Ast;35];tf=maketform('affine',T);I1=imtransform(I,tf,'bicubic','FillValues',0.3);subplot(122);imshow(I1);title('綜合')60ppt課件.【例】60ppt課件.主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強(qiáng)遙感圖像幾何變換遙感圖像配準(zhǔn)遙感圖像濾波遙感圖像分割61ppt課件.主要內(nèi)容遙感圖像概述61ppt課件.圖像配準(zhǔn)是指依據(jù)一些相似性度量決定圖像間的變換參數(shù)使得從不同傳感器不同視角不同時(shí)間獲取的同一場(chǎng)景的兩幅或多幅圖像變換到統(tǒng)一坐標(biāo)系下在像素層上得到最佳匹配的過(guò)程。待配準(zhǔn)圖像相對(duì)于參考圖像的配準(zhǔn)可定義為兩幅圖像在空間和亮度上的映射兩幅圖像可定義為兩個(gè)二維數(shù)組分別用I1(x,y)和I2(x,y)表示他們分別是兩幅圖像的亮度值則兩幅圖像間的映射可表示為：其中：f為二維空間坐標(biāo)變換，g為一維亮度或其他亮度變換62ppt課件.圖像配準(zhǔn)是指依據(jù)一些相似性度量決定圖像間的變換參數(shù)使得從不同63ppt課件.63ppt課件.遙感圖像配準(zhǔn)步驟第一步：讀取圖像orthophoto=imread('westconcordorthophoto.png');figure,imshow(orthophoto)unregistered=imread('westconcordaerial.png');figure,imshow(unregistered)64ppt課件.遙感圖像配準(zhǔn)步驟第一步：讀取圖像64ppt課件.第2步：選取控制點(diǎn)cpselect(unregistered,orthophoto)65ppt課件.第2步：選取控制點(diǎn)65ppt課件.第3步：保存控制點(diǎn)到MATLAB工作空間中Filemenu->choosetheExportPointstoWorkspace第4步(可選)：控制點(diǎn)微調(diào)以提高配準(zhǔn)精度cpcorr(??)66ppt課件.第3步：保存控制點(diǎn)到MATLAB工作空間中66ppt課件.第5步：指定變換類型及其參數(shù)mytform=cp2tform(input_points,base_points,'projective');第6步：轉(zhuǎn)換待配準(zhǔn)圖像registered=imtransform(unregistered,mytform);imshow(orthophoto)holdonh=imshow(registered,gray(256));set(h,'AlphaData',0.6)67ppt課件.第5步：指定變換類型及其參數(shù)67ppt課件.主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強(qiáng)遙感圖像幾何變換遙感圖像配準(zhǔn)遙感圖像濾波

遙感圖像分割68ppt課件.主要內(nèi)容遙感圖像概述68ppt課件.遙感圖像濾波方法分類空間域?yàn)V波頻率域?yàn)V波69ppt課件.遙感圖像濾波方法分類空間域?yàn)V波69ppt課件.圖像的空間域?yàn)V波濾波是一種圖像修正或增強(qiáng)技術(shù)?？梢酝怀鰣D像的某些特征，也可以刪除另一些特征。圖像濾波的本質(zhì)是一種鄰域操作，輸出圖像的任一個(gè)像素值都是通過(guò)輸入圖像對(duì)應(yīng)的像素鄰域內(nèi)的像素值利用一定的算法得到的。圖像的空間域?yàn)V波就是輸出圖像任一個(gè)像素值都是通過(guò)輸入圖像對(duì)應(yīng)的像素鄰域內(nèi)的像素值線性組合得到的。70ppt課件.圖像的空間域?yàn)V波70ppt課件.圖像的空間域?yàn)V波二維卷積函數(shù)conv2濾波函數(shù)filter2圖像濾波imfilter預(yù)定義濾波器fspecial

71ppt課件.圖像的空間域?yàn)V波71ppt課件.設(shè)當(dāng)前待處理像素為f(m,n)，給出一個(gè)大小為3×3的處理模板。72ppt課件.設(shè)當(dāng)前待處理像素為f(m,n)，給出一個(gè)大小為3×3的處以模塊運(yùn)算系數(shù)表示即：73ppt課件.以模塊運(yùn)算系數(shù)表示即：73ppt課件.常用的模板：74ppt課件.常用的模板：74ppt課件.【例】x=imread(‘cameraman.tif’);A=1/25*ones(5,5);x2=conv2(double(x),A);imshow(x)figureimshow(int8(x2))B=0.5*[00.250;0.2510.25;00.250];x3=conv2(double(x),B);figureimshow(int8(x3))C=[0-10;-14-1;0-10];x4=conv2(double(x),C);figureImshow(int8(x4))75ppt課件.【例】75ppt課件.二維卷積函數(shù)conv2

A=[

17241815235714164613202210121921311182529]h=[816357492]

C=conv2(A,h)76ppt課件.二維卷積函數(shù)conv2A=[1724卷積步驟：關(guān)于卷積核的中心，旋轉(zhuǎn)卷積核180度。滑動(dòng)卷積核，將卷積核的中心位于圖像矩陣的每一個(gè)元素。將旋轉(zhuǎn)后的卷積核作為權(quán)重，乘以對(duì)應(yīng)的矩陣元素求加權(quán)和77ppt課件.卷積步驟：關(guān)于卷積核的中心，旋轉(zhuǎn)卷積核180度。77ppt課計(jì)算卷積輸出(2,4)78ppt課件.計(jì)算卷積輸出(2,4)78ppt課件.C=conv2(A,B)C=conv2(A,B，shape)A:輸入圖像，B：卷積核，C：輸出圖像，若A大小為ma×na，B大小為mb×nb，則C大小為（ma+mb-1）×（na+nb-1）shape指定卷積運(yùn)算的范圍：shape=‘full’(thedefault),返回全部二維卷積結(jié)果shape=‘same’,返回與A同樣大小的卷積中心部分shape=‘valid’,不考慮邊界補(bǔ)零，返回C大小為（ma-mb+1）×（na-nb+1）79ppt課件.C=conv2(A,B)79ppt課件.相關(guān)運(yùn)算實(shí)現(xiàn)濾波：filter2相關(guān)運(yùn)算(correlation)滑動(dòng)相關(guān)核，將相關(guān)核的中心位于圖像矩陣的每一個(gè)元素。將相關(guān)核作為權(quán)重，乘以對(duì)應(yīng)的矩陣元素求加權(quán)和用相關(guān)運(yùn)算實(shí)現(xiàn)濾波的函數(shù)是filter2B=filter2(h,A)80ppt課件.相關(guān)運(yùn)算實(shí)現(xiàn)濾波：filter2相關(guān)運(yùn)算(correlati計(jì)算相關(guān)輸出(2,4)81ppt課件.計(jì)算相關(guān)輸出(2,4)81ppt課件.圖像的線性濾波imfilterB=imfilter(A,H,option1,option2,…)A:多維圖像陣列，H:多維濾波器，option1,option2…決定邊緣上的處理方法，輸出圖像大小，采用與filter2相同的方法還是卷積的方法。82ppt課件.圖像的線性濾波imfilter82ppt課件.例：利用imfilter函數(shù)實(shí)現(xiàn)均值濾波

I=imread('coins.png');h=ones(5,5)/25;I2=imfilter(I,h);imshow(I),title('OriginalImage');figure,imshow(I2),title('FilteredImage')83ppt課件.例：利用imfilter函數(shù)實(shí)現(xiàn)均值濾波I=imreaimfilter輸入輸出的數(shù)據(jù)類型是一樣的A=magic(5)h=[-101];imfilter(A,h)可以看到輸出有負(fù)值，所以有時(shí)候在imfilter前用類型轉(zhuǎn)換，避免這種情況。A=uint8(magic(5))imfilter(A,h)84ppt課件.imfilter輸入輸出的數(shù)據(jù)類型是一樣的A=magicoption:相關(guān)和卷積imfilter既可以用相關(guān)，也可以用卷積實(shí)現(xiàn)濾波操作，缺省是相關(guān)。A=magic(5);h=[-101]imfilter(A,h)%filterusingcorrelationimfilter(A,h,'conv')

%filterusingconvolution85ppt課件.option:相關(guān)和卷積imfilter既可以用相關(guān)，也可以option:邊界補(bǔ)零(zero-padding)和邊界復(fù)制(borderreplication)邊界補(bǔ)零(zero-padding):缺省86ppt課件.option:邊界補(bǔ)零(zero-padding)和邊界復(fù)option:邊界補(bǔ)零(zero-padding)和邊界復(fù)制(borderreplication)邊界補(bǔ)零(zero-padding):缺省I=imread('eight.tif');h=ones(5,5)/25;I2=imfilter(I,h);imshow(I),title('OriginalImage');figure,imshow(I2),title('FilteredImagewithBlackBorder')缺點(diǎn)：濾波得到的圖像邊緣有一個(gè)darkband87ppt課件.option:邊界補(bǔ)零(zero-padding)和邊界復(fù)option:邊界補(bǔ)零(zero-padding)和邊界復(fù)制(borderreplication)邊界復(fù)制(borderreplication)88ppt課件.option:邊界補(bǔ)零(zero-padding)和邊界復(fù)option:邊界補(bǔ)零(zero-padding)和邊界復(fù)制(borderreplication)邊界復(fù)制(borderreplication)

I3=imfilter(I,h,'replicate');figure,imshow(I3);title('FilteredImagewithBorderReplication')imfilter還有其他的邊界補(bǔ)充選項(xiàng)，參考imfilter的幫助89ppt課件.option:邊界補(bǔ)零(zero-padding)和邊界復(fù)多維濾波imfilter既可以處理多維圖像，也可以處理多維濾波器。用一個(gè)二維濾波器對(duì)一個(gè)三維圖像濾波，相當(dāng)于對(duì)三維圖像的每個(gè)平面進(jìn)行二維濾波。例：用同樣的濾波器對(duì)一個(gè)真彩色圖像的每個(gè)顏色平面進(jìn)行濾波。90ppt課件.多維濾波imfilter既可以處理多維圖像，也可以處理多維濾%ReadinanRGBimageanddisplayitrgb=imread('peppers.png');imshow(rgb);%Filtertheimageanddisplayit.h=ones(5,5)/25;rgb2=imfilter(rgb,h);figure,imshow(rgb2)91ppt課件.%ReadinanRGBimageanddisimfilter與filter2、conv2的關(guān)系：filter2、conv2、convn：將輸入轉(zhuǎn)換為double類型，輸出也是double的，輸入總是補(bǔ)零（zeropadded),不支持其他的邊界補(bǔ)充選項(xiàng)。imfilter：不將輸入轉(zhuǎn)換為double，輸出只與輸入同類型，有靈活的邊界補(bǔ)充選項(xiàng)92ppt課件.imfilter與filter2、conv2的關(guān)系：filt主要內(nèi)容空間域?yàn)V波頻率域?yàn)V波93ppt課件.主要內(nèi)容空間域?yàn)V波93ppt課件.背景

Background法國(guó)數(shù)學(xué)家傅立葉(生于1768年)在1822年出版的《熱分析理論》一書中指出:任何周期函數(shù)都可以表達(dá)為不同頻率的正弦和或余弦和的形式,即傅立葉級(jí)數(shù)。20世紀(jì)50年代后期,快速傅立葉變換算法出現(xiàn),得到了廣泛的應(yīng)用。傅立葉變換(FourierTransform)94ppt課件.背景Background法國(guó)數(shù)學(xué)家傅立葉(生于1768年)傅里葉變換和頻率域的介紹一維傅立葉變換及其反變換二維DFT變換及其反變換二維DFT變換性質(zhì)95ppt課件.傅里葉變換和頻率域的介紹一維傅立葉變換及其反變換95ppt課一維傅立葉變換及其反變換連續(xù)函數(shù)f(x)的傅立葉變換F(u):傅立葉變換F(u)的反變換:96ppt課件.一維傅立葉變換及其反變換連續(xù)函數(shù)f(x)的傅立葉變換F(u)一維傅立葉變換及其反變換離散函數(shù)f(x)(其中x，u=0,1,2,…,M-1)的傅立葉變換:F(u)的反變換的反變換:計(jì)算F(u)：1)在指數(shù)項(xiàng)中代入u=0，然后將所有x值相加2)u=1，重復(fù)對(duì)所有x的相加；3)對(duì)所有M個(gè)u重復(fù)此過(guò)程，得到完整的FT。97ppt課件.一維傅立葉變換及其反變換離散函數(shù)f(x)(其中x，u=0,1一維離散傅里葉變換離散傅里葉變換及其反變換總存在。用歐拉公式得每個(gè)F(u)

由f(x)與對(duì)應(yīng)頻率的正弦和余弦乘積和組成；u值決定了變換的頻率成份，因此，F(xiàn)(u)覆蓋的域(u值)稱為頻率域，其中每一項(xiàng)都被稱為FT的頻率分量。與f(x)的“時(shí)間域”和“時(shí)間成份”相對(duì)應(yīng)。98ppt課件.一維離散傅里葉變換離散傅里葉變換及其反變換總存在。每個(gè)F(u一維離散傅里葉變換傅里葉變換將信號(hào)分成不同頻率成份。類似光學(xué)中的分色棱鏡把白光按波長(zhǎng)(頻率)分成不同顏色，稱數(shù)學(xué)棱鏡。99ppt課件.一維離散傅里葉變換傅里葉變換將信號(hào)分成不同頻率成份。類似光學(xué)一維離散傅里葉變換傅立葉變換在極坐標(biāo)下表示:頻率譜相位譜功率譜100ppt課件.一維離散傅里葉變換傅立葉變換在極坐標(biāo)下表示:頻率譜相位譜功率一維離散傅里葉變換f(x)是一門函數(shù)，如圖所示，它表示為：求其傅立葉變換F(u)101ppt課件.一維離散傅里葉變換f(x)是一門函數(shù)，如圖所示，它表示為：1一維離散傅里葉變換解：102ppt課件.一維離散傅里葉變換解：102ppt課件.一維離散傅里葉變換對(duì)應(yīng)的傅立葉譜為：103ppt課件.一維離散傅里葉變換對(duì)應(yīng)的傅立葉譜為：103ppt課件.一維離散傅里葉變換簡(jiǎn)單函數(shù)的傅里葉譜M點(diǎn)離散函數(shù)及其傅里葉頻譜(M=1024,A=1,K=8)；對(duì)應(yīng)的傅里葉頻譜

曲線下面積：當(dāng)x域加倍時(shí)，頻率譜的高度也加倍；當(dāng)函數(shù)長(zhǎng)度加倍時(shí)，相同間隔下頻譜中零點(diǎn)的數(shù)量也加倍。104ppt課件.一維離散傅里葉變換簡(jiǎn)單函數(shù)的傅里葉譜M曲線下面積：當(dāng)x二維DFT傅里葉變換一個(gè)圖像尺寸為M×N的函數(shù)f(x,y)的離散傅立葉變換F(u,v):F(u,v)的反變換的反變換:105ppt課件.二維DFT傅里葉變換一個(gè)圖像尺寸為M×N的函數(shù)f(x,y)的二維DFT傅里葉變換二維離散傅立葉變換在極坐標(biāo)下表示:頻率譜相位譜功率譜106ppt課件.二維DFT傅里葉變換二維離散傅立葉變換在極坐標(biāo)下表示:106二維DFT傅里葉變換(u,v)=(0,0)位置的傅里葉變換值為即f(x,y)的均值，原點(diǎn)(0,0)的傅里葉變換是圖像的平均灰度。F(0,0)稱為頻率譜的直流分量(系數(shù))，其它F(u,v)值稱為交流分量(交流系數(shù))。107ppt課件.二維DFT傅里葉變換(u,v)=(0,0)位置的傅里葉變換值離散傅里葉變換是對(duì)區(qū)間[0,M-1]中的u值表述的，變換結(jié)果是關(guān)于原點(diǎn)對(duì)稱的兩個(gè)半周期，要顯示完全的周期，需要將變換的原點(diǎn)移到u=M/2，二維圖像中心化亦是如此108ppt課件.離散傅里葉變換是對(duì)區(qū)間[0,M-1]中的u值表述的，變換簡(jiǎn)單二維函數(shù)的中心譜空間域和頻率域抽樣點(diǎn)之間的關(guān)系如下：109ppt課件.簡(jiǎn)單二維函數(shù)的中心譜空間域和頻率域抽樣點(diǎn)之間的關(guān)系如下：10簡(jiǎn)單二維函數(shù)的中心譜110ppt課件.簡(jiǎn)單二維函數(shù)的中心譜110ppt課件.MATLAB中離散傅立葉(DFT)的計(jì)算：fft、fft2、fftn：分別實(shí)現(xiàn)一維、二維和n維離散快速傅立葉變換(DFT)ifft、ifft2、ifftn：分別實(shí)現(xiàn)一維、二維和n維離散快速傅立葉逆變換(IDFT)111ppt課件.MATLAB中離散傅立葉(DFT)的計(jì)算：fft、fft2、例：圖像傅立葉變換和幅值1.產(chǎn)生圖像矩陣，包括一個(gè)矩形區(qū)域f=zeros(30,30);f(5:24,13:17)=1;imshow(f,'InitialMagnification','fit')2.計(jì)算和顯示f的傅立葉變換F=fft2(f);F2=log(abs(F));figure,imshow(F2,[-15],'InitialMagnification','fit');colormap(jet);colorbar112ppt課件.例：圖像傅立葉變換和幅值1.產(chǎn)生圖像矩陣，包括一個(gè)矩形區(qū)域113ppt課件.113ppt課件.上圖：傅立葉變換的取樣很粗，且零頻率系數(shù)不像傳統(tǒng)的那樣顯示在圖像中心，而是顯示在左上角。為獲得傅立葉變換較精細(xì)的取樣，采用補(bǔ)零的方法。3.補(bǔ)零和計(jì)算f的傅立葉變換F=fft2(f,256,256);F2=log(abs(F));figure,imshow(F2,[-15],'InitialMagnification','fit');colormap(jet);colorbar114ppt課件.上圖：傅立葉變換的取樣很粗，且零頻率系數(shù)不像傳統(tǒng)的那樣顯示在4.將零頻系數(shù)移動(dòng)到圖像中心F=fft2(f,256,256);F2=fftshift(F);figure,imshow(log(abs(F2)),[-15],'InitialMagnification','fit');colormap(jet);colorbar115ppt課件.4.將零頻系數(shù)移動(dòng)到圖像中心115ppt課件.頻率域?yàn)V波頻率域的基本性質(zhì)

每個(gè)F(u,v)項(xiàng)包含了被指數(shù)項(xiàng)修正的f(x,y)的所有值：直觀上將傅里葉變換和圖像中的亮度變化聯(lián)系起來(lái)并不困難：直流分量F(0,0)對(duì)應(yīng)一幅圖像的平均灰度；低頻部分對(duì)應(yīng)圖像緩慢變化的分量；高頻部分對(duì)應(yīng)圖像邊緣和灰度級(jí)突變的部分116ppt課件.頻率域?yàn)V波頻率域的基本性質(zhì)直觀上將傅里葉變換和圖像中的亮度變圖為一幅集成電路的掃描電子顯微鏡(SEM)圖像，放大將近2500倍。注意圖中±45°的強(qiáng)邊緣，和兩個(gè)因熱感應(yīng)不足而產(chǎn)生的白色氧化突起圖是上圖的傅里葉頻譜，沿著±45°方向?qū)?yīng)上圖邊緣突起部分。沿垂直軸偏左部分有垂直分量，由氧化突起的上下黑白邊沿形成。117ppt課件.圖為一幅集成電路的掃描電子顯微鏡(SEM)圖像，放大將近25頻率域的基本性質(zhì)

頻率域的基本性質(zhì)：頻域的中心鄰域?qū)?yīng)圖像中慢變化部分，較高的頻率開始對(duì)應(yīng)圖像中變化較快的部分（如：物體的邊緣、線條等）。118ppt課件.頻率域的基本性質(zhì)

頻率域的基本性質(zhì)：頻域的中心鄰頻率域中濾波步驟輸入圖像前處理傅里葉變換濾波函數(shù)傅里葉反變換后處理增強(qiáng)后的圖像前處理、后處理：1.中心變換2.輸入圖像向其最接近的偶數(shù)維轉(zhuǎn)換3.灰度級(jí)標(biāo)定4.輸入向浮點(diǎn)的轉(zhuǎn)換5.輸出向8比特整數(shù)的轉(zhuǎn)換119ppt課件.頻率域中濾波步驟輸入前處理傅里葉變換濾波函數(shù)傅里葉反變換后處1.用(-1)x+y乘以輸入圖像來(lái)進(jìn)行中心變化。在MATLAB中是利用函數(shù)fftshift()實(shí)現(xiàn)。2.由(1)計(jì)算圖像的DFT，即F(u,v)；3.用濾波函數(shù)H(u,v)乘以F(u,v)。

H(u,v)稱為濾波器：抑制某些頻率，其他頻率不受影響

頻率域中濾波步驟：120ppt課件.1.用(-1)x+y乘以輸入圖像來(lái)進(jìn)行中心變化。在MATL4.計(jì)算(3)中結(jié)果的反DFT。5.得到(4)中結(jié)果的實(shí)部。6.用(-1)x+y乘以(5)中的結(jié)果。

頻率域中濾波步驟：121ppt課件.4.計(jì)算(3)中結(jié)果的反DFT。頻率域中濾波步驟：121pf=imread('cameraman.tif');PQ=paddedsize(size(f));%zeropaddedF=fft2(f,PQ(1),PQ(2));h=fspecial('laplacian',0.8)H=freqz2(h,PQ(1),PQ(2));H1=ifftshift(H);G=H1.*F;g=real(ifft2(G));gf=g(1:size(f,1),1:size(f,2));imshow(f)figureimshow(gf)122ppt課件.f=imread('cameraman.tif');122p一些基本的濾波器及其性質(zhì)低通濾波器：使低頻通過(guò)，高頻衰減低頻主要決定圖像在平滑區(qū)域中總體灰度級(jí)的顯示比原始圖像少一些尖銳的細(xì)節(jié)部分高通濾波器：使高頻通過(guò)，低頻衰減高頻決定圖像細(xì)節(jié)部分，如邊緣和噪聲在平滑區(qū)域中減少灰度級(jí)變化，突出過(guò)渡（如邊緣）灰度級(jí)的細(xì)節(jié)部分，使圖像更加銳化。123ppt課件.一些基本的濾波器及其性質(zhì)低通濾波器：使低頻通過(guò)，高頻衰減12基本的濾波器及其性質(zhì)圖像被模糊銳化F(0,0)=0:幾乎沒(méi)有平滑細(xì)節(jié)周期對(duì)稱LowpassfilterHighpassfilter

124ppt課件.基本的濾波器及其性質(zhì)圖像被模糊銳化F(0,0)=0:幾乎周期空間域?yàn)V波和頻率域?yàn)V波之間的對(duì)應(yīng)關(guān)系卷積定理：

空間域的乘法對(duì)應(yīng)頻域卷積125ppt課件.空間域?yàn)V波和頻率域?yàn)V波之間的對(duì)應(yīng)關(guān)系卷積定理：125ppt空間域?yàn)V波和頻率域?yàn)V波之間的對(duì)應(yīng)關(guān)系重要性質(zhì):根據(jù)沖擊函數(shù)和卷積定理的性質(zhì)，可知空間域和頻率域的濾波器組成傅里葉變換對(duì)h(x,y)和H(u,v)。給出頻率域?yàn)V波器H(u,v)，通過(guò)反傅里葉變換可以得到空間域相應(yīng)的濾波器h(x,y)。126ppt課件.空間域?yàn)V波和頻率域?yàn)V波之間的對(duì)應(yīng)關(guān)系重要性質(zhì):根據(jù)沖擊函數(shù)和空間域?yàn)V波和頻率域?yàn)V波之間的對(duì)應(yīng)關(guān)系濾波器大小前述的所有函數(shù)均具有相同的尺寸M×N。在實(shí)際中，指定一個(gè)頻率域?yàn)V波器，進(jìn)行反變換后會(huì)得到一個(gè)相同尺寸的空間域?yàn)V波器。如果兩個(gè)域中濾波器尺寸相同，那么通常頻域中進(jìn)行濾波計(jì)算更為有效，更為直觀，但空域中適用更小尺寸的濾波器，更為有效。127ppt課件.空間域?yàn)V波和頻率域?yàn)V波之間的對(duì)應(yīng)關(guān)系濾波器大小127ppt課空間域?yàn)V波和頻率域?yàn)V波之間的對(duì)應(yīng)關(guān)系方法：在頻率域指定濾波器；做反變換；使用結(jié)果濾波器作為在空間域構(gòu)建更小空間濾波模板的指導(dǎo)；128ppt課件.空間域?yàn)V波和頻率域?yàn)V波之間的對(duì)應(yīng)關(guān)系方法：128ppt課件.基于高斯函數(shù)的濾波高斯濾波器函數(shù)(低通):對(duì)應(yīng)的空間域?yàn)V波器δ為高斯曲線的標(biāo)準(zhǔn)差。129ppt課件.基于高斯函數(shù)的濾波高斯濾波器函數(shù)(低通):對(duì)應(yīng)的空間域?yàn)V波器基于高斯函數(shù)的濾波高斯濾波器的重要特性頻域和空域高斯濾波器構(gòu)成傅里葉變換對(duì)，且都是實(shí)高斯函數(shù)。處理時(shí)不用考慮復(fù)數(shù)，而且高斯曲線直觀，易于操作。高斯濾波器傅里葉變換對(duì)之間有相互作用：當(dāng)H(u)有很寬輪廓時(shí)(大δ值)，h(x)很窄輪廓，反之亦然；當(dāng)δ趨于無(wú)窮時(shí)，H(u)趨于常函數(shù)，h(x)趨于沖擊函數(shù)。130ppt課件.基于高斯函數(shù)的濾波高斯濾波器的重要特性頻域和空域高斯濾波器構(gòu)基于高斯函數(shù)的濾波器頻域?yàn)V波器越窄，濾除的低頻部分越多，圖像越模糊。在空域中意味著濾波器越寬，模板就越大(階數(shù)越大)。131ppt課件.基于高斯函數(shù)的濾波器頻域?yàn)V波器越窄，濾除的低頻部分越多，圖像空間域?yàn)V波和頻域?yàn)V波之間的對(duì)應(yīng)關(guān)系一些在空間域直接表述非常困難，甚至是不可能的增強(qiáng)任務(wù)，在頻率域中變的非常簡(jiǎn)單；通過(guò)頻率域?qū)嶒?yàn)選擇合適的濾波器，進(jìn)行反變換獲得空間濾波器，實(shí)際實(shí)施通常都是在空間域進(jìn)行的。132ppt課件.空間域?yàn)V波和頻域?yàn)V波之間的對(duì)應(yīng)關(guān)系一些在空間域直接表述非常困主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強(qiáng)遙感圖像幾何變換遙感圖像配準(zhǔn)遙感圖像濾波遙感圖像分割133ppt課件.主要內(nèi)容遙感圖像概述133ppt課件.對(duì)于給定的一幅含有多個(gè)物體的數(shù)字圖像，模式識(shí)別的過(guò)程由三個(gè)階段組成，如圖所示圖像分割特征抽取輸入圖像物體圖像特征矢量分類物體類型“Bar”檢測(cè)出各種物體，并把他們的圖像和其余景物分離對(duì)物體進(jìn)行度量，即對(duì)物體進(jìn)行定量分析估計(jì)輸出僅僅是一種決策，確定每個(gè)物體應(yīng)該歸屬的類別134ppt課件.對(duì)于給定的一幅含有多個(gè)物體的數(shù)字圖像，模式識(shí)別的過(guò)程由三個(gè)階圖像分割介紹定義將圖像分成各具特性的區(qū)域，并提取出感興趣目標(biāo)的技術(shù)和過(guò)程灰度、顏色、紋理對(duì)應(yīng)單個(gè)區(qū)域和多個(gè)區(qū)域圖像處理過(guò)渡到圖像分析的關(guān)鍵步驟，也是一種基本的計(jì)算機(jī)視覺(jué)技術(shù)借助集合概念進(jìn)行正式的定義：令R代表整個(gè)圖像區(qū)域，對(duì)R的分割可看做將R分成若干個(gè)滿足以下條件的非空子集(子區(qū)域)R1,R2,R3…Rn135ppt課件.圖像分割介紹定義將圖像分成各具特性的區(qū)域，并提取出感興趣目標(biāo)(1)∪i=1nRi=R分割所得到的全部子區(qū)域的總和(并集)應(yīng)能包括圖像中所有象素，或者說(shuō)分割應(yīng)將圖像中的每個(gè)象素都分進(jìn)某1個(gè)子區(qū)域中(2)對(duì)所有的i和j，i≠j，有Ri∩Rj=φ各個(gè)子區(qū)域是互不重疊的，或者說(shuō)1個(gè)象素不能同時(shí)屬于2各區(qū)域(3)i=1,2…n,有P(Ri)=TRUE在分割后得到的屬于同1個(gè)區(qū)域中的象素應(yīng)該具有某些相同特性(4)對(duì)i≠j,有P(Ri∪Rj)=FALSE在分割后得到的屬于不同區(qū)域中的象素應(yīng)該具有一些不同的特性(5)對(duì)i=1,2…n,Ri是連通的區(qū)域要求同1個(gè)子區(qū)域內(nèi)的象素應(yīng)當(dāng)是連通的分割準(zhǔn)則應(yīng)可適用于所有區(qū)域和象素分割準(zhǔn)則應(yīng)能幫助確定各區(qū)域象素有代表性的特性136ppt課件.(1)∪i=1nRi=R分割所得到的全部子區(qū)域的總和(并集基于閾值的分割－通過(guò)閾值對(duì)不同物體進(jìn)行分割基于邊緣的分割－先確定邊緣象素，并把它們連接在一起，以構(gòu)成所需的邊界基于區(qū)域的分割－把各象素劃歸到各個(gè)物體或區(qū)域中圖像分割方法分類137ppt課件.基于閾值的分割－通過(guò)閾值對(duì)不同物體進(jìn)行分割圖像分割方法分類1基于閾值的分割圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像中要提取的目標(biāo)物與其背景在灰度特性上的差異，把圖像視為具有不同灰度級(jí)的兩類區(qū)域(目標(biāo)和背景)的組合，選取一個(gè)合適的閾值，以確定圖像中每個(gè)象素點(diǎn)應(yīng)該屬于目標(biāo)還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像可以大量壓縮數(shù)據(jù)，減少存儲(chǔ)容量，而且能大大簡(jiǎn)化其后的分析和處理步驟138ppt課件.基于閾值的分割圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像由此可見(jiàn)，閾值化分割算法主要有兩個(gè)步驟：1、確定需要的分割閾值2、將分割閾值與象素值比較以劃分象素在利用閾值方法來(lái)分割灰度圖像時(shí)一般都對(duì)圖像有一定的假設(shè)?；谝欢ǖ膱D像模型的。最常用的模型：假設(shè)圖像由具有單峰灰度分布的目標(biāo)和背景組成，處于目標(biāo)或背景內(nèi)部相鄰象素間的灰度值是高度相關(guān)的，但處于目標(biāo)和背景交界處兩邊的象素在灰度值上有很大的差別。如果一幅圖像滿足這些條件，它的灰度直方圖基本上可看作是由分別對(duì)應(yīng)目標(biāo)和背景的兩個(gè)單峰直方圖混合構(gòu)成的。139ppt課件.由此可見(jiàn)，閾值化分割算法主要有兩個(gè)步驟：在利用閾值方法來(lái)分割直方圖閾值分割簡(jiǎn)單直方圖分割法最佳閾值140ppt課件.直方圖閾值分割簡(jiǎn)單直方圖分割法140ppt課件.簡(jiǎn)單直方圖分割法圖像的灰度級(jí)范圍為0,1,…l-1，設(shè)灰度級(jí)i的象素?cái)?shù)為ni，則一幅圖像的總象素N為N=∑i=0l-1ni灰度級(jí)i出現(xiàn)的概率定義為：pi=ni/N灰度圖像的直方圖反映一幅圖像上灰度分布的統(tǒng)計(jì)特性，成為利用象素灰度作屬性的分割方法的基礎(chǔ)141ppt課件.簡(jiǎn)單直方圖分割法圖像的灰度級(jí)范圍為0,1,…l-1，設(shè)灰度級(jí)Z1ZiZtZjZk暗亮PB1B2背景目標(biāo)60年代中期，Prewitt提出了直方圖雙峰法，即如果灰度級(jí)直方圖呈明顯的雙峰狀，則選取兩峰之間的谷底所對(duì)應(yīng)的灰度級(jí)作為閾值。142ppt課件.Z1ZiZtZjZk暗亮PB1B2背景目標(biāo)60年代中期，注意：應(yīng)用灰度直方圖雙峰法來(lái)分割圖像，也需要一定的圖像先驗(yàn)知識(shí)，因?yàn)橥粋€(gè)直方圖可以對(duì)應(yīng)若干個(gè)不同的圖像，直方圖只表明圖像中各個(gè)灰度級(jí)上有多少個(gè)象素，并不描述這些象素的任何位置信息。該方法不適合直方圖中雙峰差別很大或雙峰間的谷比較寬廣而平坦的圖像，以及單峰直方圖的情況。70年代初，研究工作集中在直方圖變換，但無(wú)論是直方圖還是直方圖變換法都僅僅考慮了直方圖灰度信息而忽略了圖像的空間信息143ppt課件.注意：應(yīng)用灰度直方圖雙峰法來(lái)分割圖像，也需要一定的圖像先驗(yàn)知最佳閾值所謂最佳閾值是指圖像中目標(biāo)物與背景的分割錯(cuò)誤最小的閾值設(shè)一幅圖像只由目標(biāo)物和背景組成，已知其灰度級(jí)分布概率密度分布為P1(Z)和P2(Z)，且已知目標(biāo)物象素占全圖象素?cái)?shù)比為θ，因此，該圖像總的灰度級(jí)概率密度分布P(Z)可用下式表示：P(Z)=θP1(Z)+(1-θ)P2(Z)假定閾值為Z，認(rèn)為圖像由亮背景上的暗物體所組成，即灰度小于Z的位目標(biāo)物，大于Z的為背景144ppt課件.最佳閾值所謂最佳閾值是指圖像中目標(biāo)物與背景的分割錯(cuò)誤最小的閾P(yáng)1(Z)P2(Z)Zt目標(biāo)物背景如圖所示，如選定Zt為分割閾值，則將背景象素錯(cuò)認(rèn)為是目標(biāo)物象素的概率為：E1(Zt)=∫-∞ZtP2(Z)dZE2(Zt)=∫zt∞P1(Z)dZ將目標(biāo)物象素錯(cuò)認(rèn)為是背景象素的概率為：因此，總的錯(cuò)誤概率E(Z)為：E(Zt)=(1-θ)E1(Zt)+θE2(Zt)145ppt課件.P1(Z)P2(Z)Zt目標(biāo)物背景如圖所示，如選定Zt為分割最佳閾值就是使E(Zt)為最小值時(shí)的Zt，將E(Zt)對(duì)Zt求導(dǎo)，并令其等于0，解出其結(jié)果為：θP1(Zt)=(1-θ)P2(Zt)設(shè)P1(Zt)和P2(Zt)均為正態(tài)分布函數(shù)，其灰度均值分別為μ1和μ2，對(duì)灰度均值得標(biāo)準(zhǔn)偏差分別為σ1和σ2，即146ppt課件.最佳閾值就是使E(Zt)為最小值時(shí)的Zt，將E(Zt)對(duì)Zt將上兩式代入，且對(duì)兩邊求對(duì)數(shù)，得到：簡(jiǎn)化為：AZt2+BZt+C=0上式是Zt的一個(gè)二次方程式，有兩個(gè)解，因此，要使分割誤差最小，需要設(shè)置兩個(gè)閾值，即上式的兩個(gè)解。如果設(shè)σ2=σ12=σ22，即方差相等，則上式方程存在唯一解，即：147ppt課件.將上兩式代入，且對(duì)兩邊求對(duì)數(shù)，得到：簡(jiǎn)化為：AZt2+BZt如果設(shè)θ=1-θ，即θ＝1/2時(shí)，E1(Zt)E2(Zt)P1(Z)P2(Z)ZtZP從前面可以看出，假如圖像的目標(biāo)物和背景象素灰度級(jí)概率呈正態(tài)分布，且偏差相等(σ12=σ22)，背景和目標(biāo)物象素總數(shù)也相等(θ＝1/2)，則這個(gè)圖像的最佳分割閾值就是目標(biāo)物和背景象素灰度級(jí)兩個(gè)均值得平均148ppt課件.如果設(shè)θ=1-θ，即θ＝1/2時(shí)，E1(Zt)E2(Zt)基于邊緣的分割先檢測(cè)不連續(xù)的點(diǎn)，然后將點(diǎn)連接成邊界點(diǎn)檢測(cè)線檢測(cè)邊緣檢測(cè)無(wú)論哪種方法，其處理過(guò)程為R=w1z1+w2z2+…+w9z9=Swkz其中zk

是與模板系數(shù)wk相聯(lián)系的灰度級(jí)象素

R代表模板中心象素的值w1w2w3w6w9w8w7w4w5149ppt課件.基于邊緣的分割先檢測(cè)不連續(xù)的點(diǎn)，然后將點(diǎn)連接成邊界無(wú)論哪種方邊緣檢測(cè)兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在邊緣邊緣是灰度值不連續(xù)的結(jié)果，這種不連續(xù)?？衫们髮?dǎo)數(shù)方便的檢測(cè)到，一般常用一階和二階導(dǎo)數(shù)來(lái)檢測(cè)邊緣常見(jiàn)的邊緣剖面圖有三種，如圖所示150ppt課件.邊緣檢測(cè)兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在邊緣邊緣是灰度圖像水平方向剖面一階導(dǎo)數(shù)二階導(dǎo)數(shù)階梯狀－處于圖像中2個(gè)具有不同灰度值的相鄰區(qū)域之間脈沖狀－對(duì)應(yīng)細(xì)條狀的灰度值突變區(qū)域屋頂狀－上升下降沿都比較緩慢151ppt課件.圖像水平方向剖面一階導(dǎo)數(shù)二階導(dǎo)數(shù)階梯狀－處于圖像中2個(gè)具有不一階導(dǎo)數(shù)在圖像由暗變明的位置處有1個(gè)向上的階躍，而其它位置都為0，這表明可用一階導(dǎo)數(shù)的幅度值來(lái)檢測(cè)邊緣的存在，幅度峰值一般對(duì)應(yīng)邊緣位置二階導(dǎo)數(shù)在一階導(dǎo)數(shù)的階躍上升區(qū)有1個(gè)向上的脈沖，而在一階導(dǎo)數(shù)的階躍下降區(qū)有1個(gè)向下的脈沖，在這兩個(gè)脈沖之間有1個(gè)過(guò)0點(diǎn)，它的位置正對(duì)應(yīng)原圖像中邊緣的位置，所以可用二階導(dǎo)數(shù)的過(guò)0點(diǎn)檢測(cè)邊緣位置，而用二階導(dǎo)數(shù)在過(guò)0點(diǎn)附近的符號(hào)確定邊緣象素在圖像邊緣的暗區(qū)或明區(qū)對(duì)(a、b)而言152ppt課件.一階導(dǎo)數(shù)在圖像由暗變明的位置處有1個(gè)向上的階躍，而其它位置都對(duì)(c)而言，脈沖狀的剖面邊緣與(a)的一階導(dǎo)數(shù)形狀相同，所以(c)的一階導(dǎo)數(shù)形狀與(a)的二階導(dǎo)數(shù)形狀相同，而它的2個(gè)二階導(dǎo)數(shù)過(guò)0點(diǎn)正好分別對(duì)應(yīng)脈沖的上升沿和下降沿，通過(guò)檢測(cè)脈沖剖面的2個(gè)二階導(dǎo)數(shù)過(guò)0點(diǎn)就可確定脈沖的范圍對(duì)(d)而言，屋頂狀邊緣的剖面可看作是將脈沖邊緣底部展開得到，所以它的一階導(dǎo)數(shù)是將(c)脈沖剖面的一階導(dǎo)數(shù)的上升沿和下降沿展開得到的，而它的二階導(dǎo)數(shù)是將脈沖剖面二階導(dǎo)數(shù)的上升沿和下降沿拉開得到的，通過(guò)檢測(cè)屋頂狀邊緣剖面的一階導(dǎo)數(shù)過(guò)0點(diǎn)，可以確定屋頂位置153ppt課件.對(duì)(c)而言，脈沖狀的剖面邊緣與(a)的一階導(dǎo)數(shù)形狀相同，所主要介紹以下幾種邊緣檢測(cè)算子（1）梯度算子（2）方向算子（3）拉普拉斯算子（4）馬爾算子（5）綜合正交算子（6）坎尼算子154ppt課件.主要介紹以下幾種邊緣檢測(cè)算子154ppt課件.梯度算子梯度對(duì)應(yīng)一階導(dǎo)數(shù)，梯度算子是一階導(dǎo)數(shù)算子，在邊緣灰度值過(guò)渡比較尖銳且圖像中噪聲比較小時(shí)，梯度算子效果好。對(duì)1個(gè)連續(xù)圖像函數(shù)f(x,y)，它在位置(x,y)的梯度可表示為1個(gè)矢量：155ppt課件.梯度算子梯度對(duì)應(yīng)一階導(dǎo)數(shù)，梯度算子是一階導(dǎo)數(shù)算子，在邊緣灰度這個(gè)矢量的幅度(也常直接簡(jiǎn)稱為梯度)和方向角分別為：有時(shí)用其它方式計(jì)算幅度，如：上面各式中的偏導(dǎo)數(shù)都需對(duì)一個(gè)象素位置計(jì)算，在實(shí)際中，常用小區(qū)域模板進(jìn)行卷積近似計(jì)算156ppt課件.這個(gè)矢量的幅度(也常直接簡(jiǎn)稱為梯度)和方向角分別為：有時(shí)用其梯度運(yùn)算比較復(fù)雜一點(diǎn)，在數(shù)字圖像梯度運(yùn)算過(guò)程中，可以按圖像內(nèi)容試用一些近似運(yùn)算，以獲得既能滿足要求又能使運(yùn)算簡(jiǎn)單的方法。對(duì)于數(shù)字圖像，可用一階差分代替一階微分157ppt課件.梯度運(yùn)算比較復(fù)雜一點(diǎn)，在數(shù)字圖像梯度運(yùn)算過(guò)程中，可以按圖像內(nèi)在數(shù)字圖像中，還經(jīng)常使用Robert和Sobel等算子檢測(cè)邊緣Robert梯度采用的是對(duì)角方向相鄰兩象素之差，即1-11－1Roberts模板Sobel梯度算子先做加權(quán)平均，然后再微分，即158ppt課件.在數(shù)字圖像中，還經(jīng)常使用Robert和Sobel等算子檢測(cè)邊-1111-1-1111-1-1-1Prewitt模板-1121-1-2121-1-2-1Sobel模板水平水平垂直垂直Sobel算子是常用的，而且效果較其它兩種算子好159ppt課件.-1111-1-1111-1-1-1Prewitt模板-11實(shí)例原圖水平方向垂直方向梯度

f

|Gx|+|Gy|160ppt課件.實(shí)例原圖水平方向垂直方向梯度f(wàn)|Gx|+|Gy|Sobel算子Roberts算子Prewitt算子原圖161ppt課件.Sobel算子Roberts算子Prewitt算子原圖161拉普拉斯算子一階微分是一種矢量，不但有其大小，還有方向，和標(biāo)量相比較，它數(shù)據(jù)存儲(chǔ)量大，在具有相等斜率的寬區(qū)域上，有可能將全部區(qū)域都當(dāng)作邊緣提取出來(lái)Lapplacian算子是一種二階導(dǎo)數(shù)算子，是不依賴于邊緣方向的二階微分算子，是一個(gè)標(biāo)量而不是矢量，具有旋轉(zhuǎn)不變即各向同性的性質(zhì)，對(duì)一個(gè)連續(xù)函數(shù)f(x,y)，它在圖像中位置(x,y)的拉普拉斯值定義為：162ppt課件.拉普拉斯算子一階微分是一種矢量，不但有其大小，還有方向，和標(biāo)拉普拉斯算子是無(wú)方向性的算子，它比前述計(jì)算多個(gè)方向?qū)?shù)算子的計(jì)算量要小，因?yàn)橹恍栌靡粋€(gè)模板，且不必綜合各模板的值。在數(shù)字圖像中，計(jì)算函數(shù)的拉普拉斯也可以借助各種模板卷積實(shí)現(xiàn)。這里對(duì)模板的基本要求是對(duì)應(yīng)中心象素的系數(shù)應(yīng)是正的，而對(duì)應(yīng)中心象素鄰近象素的系數(shù)應(yīng)是負(fù)的，且所有系數(shù)的和應(yīng)為0，這樣就不會(huì)產(chǎn)生灰度偏移-1-1-1-14-1-1-1-14-1-1-1-1-1-1-1-18在數(shù)字圖像情況下的近似為：163ppt課件.拉普拉斯算子是無(wú)方向性的算子，它比前述計(jì)算多個(gè)方向?qū)?shù)算子的拉普拉斯是一種二階導(dǎo)數(shù)算子，所以對(duì)圖像中的噪聲相當(dāng)敏感。在實(shí)際中，常常在進(jìn)行平滑操作地同時(shí)進(jìn)行二階微分，如圖所示是具有平滑效果的二階微分算子操作。另外它常產(chǎn)生雙象素寬的邊緣，且也不能提供邊緣方向的信息。由于以上原因，拉普拉斯算子很少直接用于邊緣檢測(cè)，而主要用于已知邊緣象素后，確定該象素是在圖像的暗區(qū)或明區(qū)一邊。另一方面，一階差分算子會(huì)在較寬范圍形成較大的梯度值，因此不適合于精確定位，而利用二階差分算子過(guò)0點(diǎn)可以精確定位邊緣111111111-4-4-4-4-4-4-4-4-4111111111111111111111111111164ppt課件.拉普拉斯是一種二階導(dǎo)數(shù)算子，所以對(duì)圖像中的噪聲相當(dāng)敏感。在實(shí)基于區(qū)域的分割圖像分割－把圖像分解為若干個(gè)有意義的子區(qū)域，而這種分解－基于物體有平滑均勻的表面，與圖像中強(qiáng)度恒定或緩慢變化的區(qū)域相對(duì)應(yīng)，即每個(gè)子區(qū)域都具有一定的均勻性質(zhì)前面所討論的邊緣、閾值，沒(méi)有明顯使用分割定義中的均勻測(cè)度度量區(qū)域分割－直接根據(jù)事先確定的相似性準(zhǔn)則，直接取出若干特征相近或相同象素組成區(qū)域常用的區(qū)域分割－區(qū)域增長(zhǎng)(區(qū)域生長(zhǎng))、區(qū)域分裂－合并方法等165ppt課件.基于區(qū)域的分割圖像分割－把圖像分解為若干個(gè)有意義的子區(qū)域，而區(qū)域增長(zhǎng)原理和步驟基本思想－將具有相似性質(zhì)的象素集合起來(lái)構(gòu)成區(qū)域。具體步驟－先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子象素作為生長(zhǎng)起點(diǎn)，然后將種子象素周圍鄰域中與種子象素有相同或相似性質(zhì)的象素(根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來(lái)判定)合并到種子象素所在的區(qū)域中。將這些新象素當(dāng)做新的種子象素繼續(xù)進(jìn)行上面的過(guò)程，直到再?zèng)]有滿足條件的象素可被包括進(jìn)來(lái)，這樣一個(gè)區(qū)域就長(zhǎng)成了●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●R1R5R4R3R2166ppt課件.區(qū)域增長(zhǎng)原理和步驟基本思想－將具有相似性質(zhì)的象素集合起來(lái)構(gòu)成如圖給出已知種子點(diǎn)區(qū)域生長(zhǎng)的一個(gè)示例。104751047