第7章遥感数字图像增强——空间增强.ppt

原始图像 315度 第7章 遥感数字图像增强 ——空间增强 7.1 概述 7.2 图像平滑 7.3 图像锐化 7.4 频率域滤波 7.5 同态滤波 *为什么要进行图像变换？ (1) 傅里叶变换 “周期信号都可表示为谐波关系的正弦信号的加权和”——傅里叶的第一个主要论点 “非周期信号都可用正弦信号的加权积分表示”——傅里叶的第二个主要论点 傅里叶变换可比喻成一个棱镜，可将光分解成不同颜色，每个成分的颜色由频率决定。 周期函数在一定条件下可以展开为Fourier级数 方波 4个正弦波的逼近 100个正弦波的逼近 人们发现, 所有的周期函数都可以用一系列的三角函数的线性组合来逼近.---- Fourier级数 * * （非）周期性信号及其离散谱 一维傅里叶变换： 上式中x为时域变量（空间域），u为频率变量，i为虚数单位， 傅里叶变换的定义及基本概念 逆变换： 如果f(x)为一离散数字序列（x=0,1,… ,N-1),则其离散傅立叶变换定义可表示为： u=0,1, … , N-1 x=0,1,… ,N-1 其中 以累加方式计算信号中不同正弦波信号的振幅、频率、相位 通常数字影像 是一个实函数，故只考虑实函数的情况，然而，函数 的傅立叶变换通常是一个复数，它可表示为： 式中R（u)和I(u)分别是F（u)的实部和虚部。 称为 的幅度谱 * * 傅里叶变换示例 原图 离散傅里叶变换后的频率图 物理意义：傅里叶变换将图像的灰度分布函数变换为图像的频率分布函数，逆变换则是将图像的频率分布函数变换为灰度分布函数。变换后的频率图像中亮点越多，则说明图像变化较大。 注意：频率图与原图像上的点在位置上并没有一一对应关系。 将频谱移频到圆心除了可以清晰地看出图像频率分布以外，还可以分离出有周期性规律的干扰信号，比如正弦干扰，一副带有正弦干扰，移频到原点的频谱图上可以看出除了中心以外还存在以某一点为中心，对称分布的亮点集合，这个集合就是干扰噪音产生的，这时可以很直观的通过在该位置放置带阻滤波器消除干扰。 窗口中心为低频（能量部分），向外为高频（噪声和细节） (2) 频率域滤波 一般流程 空间域 频率域 滤波 空间域 滤波器设计 Low pass High pass Band pass Band cut define 滤波类型 理想滤波器 理想低通滤波器： 滤波器 理想滤波器 理想高通滤波器： Butterworth滤波器 Butterworth低通滤波器： 特点：连续衰减，大大降低图像边缘的模糊程度。 Butterworth滤波器 Butterworth高通滤波器： 特点：锐化效果较好，边缘抖动不明显。 指数滤波器 指数低通滤波器 指数高通滤波器 梯形滤波器 梯形低通滤波器 梯形高通滤波器 示例 第7章 遥感数字图像增强 ——空间增强 7.1 概述 7.2 图像平滑 7.3 图像锐化 7.4 频率域滤波 7.5 同态滤波 7.5 同态滤波 作用：减少低频，增加高频 消除不均匀照度的影响而又不损失图象细节 原理： ：照射分量,变化缓慢 ：反射率分量，一般变化剧烈 取对数： 在频率域中同时对亮度范围进行压缩，对图像对比度进行增强的方法。 一般流程： I=低频 R=高频 I 拟制低频 R 增强高频 对数变换 同态滤波函数增强 指数变换 本章重点 空间频率、空间增强等概念 空间域增强：平滑、锐化 频率域增强 同态滤波 第7章 遥感数字图像增强 ——空间增强 7.1 概述 7.2 图像平滑 7.3 图像锐化 7.4 频率域滤波 7.5 同态滤波 7.1 概述 空间频率：影像中任一特定部分单位距离内亮度值变化数量。如果在很短的距离内亮度值变化剧烈，则该区域称为高频区域，相反则称为低频区域。 空间频率增强或减弱的方法 空间卷积滤波（空间域滤波）、 傅里叶变换（频率域滤波）、低通滤波（平滑）、高通滤波（锐化） 空间域滤波 通过卷积核对原始图像上的某像素处的邻近像素值加权求和，以得到相应的灰度值。 频率域滤波 对傅立叶变换后的频谱图像进行滤波处理。 如何选择： 考虑邻域范围较小，一般使用空间域滤波，邻域范围增大，运算量增大。 邻域较大或去除周期性噪声，使用频率域滤波 ★ 空间增强与光谱增强的区别？ 7.1 概述 第7章 遥感数字图像增强 ——空间增强 7.1 概述 7.2 图像平滑 7.3