四图象增强处理

四、图象增强处理实习目的：掌握常用的图象增强处理的方法。实习内容：主要包括：空间、辐射、光谱增强处理的主要方法空间增强：负括卷积增强处理、纹理分析、辐射增强：LUT拉伸处理、直方图均衡化处理光谱增强：主成份变换、缨穗变换、色彩变换图象增强处理包括空间、辐射、光谱增强处理与傅低变换处理，本练习做几种常用的增强处理方法，在实际运用中，不是所有的图象增强处理方法都要用到，具体采用哪种图象增强处理方法，视具体的研究区域，研究内容和对象而定。1．图像解译功能简介（IntroductionofImageInterpreter）利用ERADSIMAGINE进行图像增强主要采用ERADSIMAGINE的图像解译器（ImageInterpreter）模块，该模块包含了50多个用于遥感图像处理的功能模块，这些功能模块在执行过程中都需要通过各种按键或对话框定义参数，多数功能都借助模型生成器（ModelMaker）建立了图形模型算法，容易调用或编辑。图像解译器(ImageInterpreter或Interpreter)，可以通过两种途径启动：ERDAS图标面板菜单条：Main/ImageInterpreter----ImageInterpreter菜单ERDAS图标面板工具条：点击Interpreter图标一ImageInterpreter菜单从上图可以看出，ERDAS图像解译模块包含了8个方面的功能，依次是遥感图像的空间增强（SpatialEnhancement）、辐射增强（RadiometricEnhancement）、光谱增强(SpectralEnhancement)、高光谱工具（HyperSpectralTools）、傅立叶交换（FourierAnalysis）、地形分析（TopographicAnalysis）。地理信息系统分析（GlSAnalysis）、以及其它实用功能（Utilities）。每一项功能菜单中又包含若干具体的遥感图像处理功能。2、图象空间增强2．1空间增强（SpatialEnhancement）空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。ERDASIMAGINE提供的空间增强处理功能如表4.1所列。表4.1遥感图像空间增强命令及其功能空间增强命令空间增强功能Convolution:卷积增强用一个系数矩阵对图像进行分块平均处理Non-directionalEdge：非定向边缘增强首先应用两个正交卷积算子分别对图像进行边缘探测，然后将两个正交结果进行平均化处理FocalAnalysis:聚集分析使用类似卷积滤波的方法，选择一定的窗口呼函数，对输入图像文件的数值进行多种变换Texture:纹理分析通过二次变异等分析增强图像的纹理结构AdaptiveFilter:自适应滤波应用自适应滤波器对AOI进行对比度拉伸处理ResolutionMerge:分辩率融合不同空间分辨率遥感图像的融合处理Crisp:锐化处理增强整景图像亮度而不使其专题内容发生变化2.2卷积增强处理卷积增强是将整个图像按像元分块进行平均处理，用于改变图像的空间频率特征。卷积处理的关键是卷积算子一-系数矩阵的选择。ERDAS将常用的卷积积算子放在default.klb的文件中，分别以3×3、5×5、7×7三组，每组又包括edgeDetect/edgeenhance/lowpass/Highpass/Horizontal/vertical/summary等七种不同的处理方式。具体执行过程如下：.ERDAS图标面板工具条，点击Interpreter/spatialEnhancement/convolution—打开convolution对话框，并设置如下参数：2.3纹理分析纹理分析通过在一定的窗口内进行二次变异分析或三次对称分析，使图像的纹理结构得到增强，具体过程如下：ERDAS图板面板工具条中，点击Interpreter/spatialEnhancement/Texture—打开Texture对话框，并设置参数如下：这一分析方法的关键是确定Windowsize的定义操作函数Operator。3、辐射增强处理：3.1辐射增强（RadiometricEnhancement）辐射增强处理是对单个像元的灰度值进行变换达到图像增强的目的。ERDASIMAGINE供的辐射增强处理功能如表4.2所列。表4.2遥感图像辐射增强命令及其功能辐射增强命令辐射增强功能LUTStretch：查找表拉伸通过修改图像查找表（LookupTable）使输出图像值发生变化，是图像对比度拉伸的总和。HistogramEqualization:直方图均衡化对图像进行非线性拉伸，重新分布图像像元值使一定灰度范围内像元的数量大致相等HistogramMatch:直方图匹配对图像查找表进行数学变换，使一幅图像的直方图与另一幅图像类似，常用于图像拼接处理BrightnessInverse:亮度反转对图像亮度范围进行线性及非线性取反值处理HazeReduction:去霾处理降低多波段图像及全色图像模糊度的处理方法NoiseReduction:降噪处理利用自适应滤波方法去除图像噪声DestripeTMData:去条带处理对LandsatTM图像进行三次卷积处理去除条带3.2查找表拉抻处理是通过修改图像查找表，使输出图像值发生变化。通过定义，可实现线性拉伸、分段线性拉伸、非线性拉伸等处理。.在ERDAD图标面标工具条中，点出Interpreter/RadiometricEnhancement/LUTStretch—--打开LUTstretch对话框，并设置参数如下：其中关建是：点击View/customTable进入查找表编辑状态。根据需要修改查找表。3.3直方图均衡化处理该处理实质上是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内的像元的数量大致相等。.在ERDAS图标面板工具条中，点击Interpreter/RadiometricEnhancement/HistogramEqualization—--打开HistogramEqualization对话框,并设置参数如下：4.光谱增强处理4.1光谱增强处理是基于多波段数据对每个像元的灰度值进行变换，达到图像增强的目的。ERDSAIMAGINE提供的光谱增强处理功能如下图所示表4.3遥感图像光谱增强命令及其功能光谱增强命令光谱增强功能PrincipalComponents:主成份变换将具有相关性的多波段图像压缩到完全独立的较少的几个波段，使遥感图像更易于解译分析InversePrincipalComponents:主成份逆变换与主成份变换操作正好相反，将主成份变换图像依据当时的变换特征矩阵重新恢复到RGB彩色空间DecorrelationStretch:去相关拉伸首先对图像的主成份进行对比度拉伸处理，然后再进行主成份逆变换，将图像恢复到RGB彩色空间Tasseledcap:缨穗变换在植被研究中旋转数据结构轴优化图像显示效果RGBtoHIS:色彩变换将图像从红（R）绿（G）蓝（B）彩色空间转换到亮度（I）、色度（H）、饱和度（S）彩色空间HISTORGB:色彩逆变换将图像从亮度（I）色度（H）饱和度（S）彩色空间转换到红（R）绿（G）蓝（B）彩色空间Indices:指数计算用于计算反映矿物及植被的各种比率和指数NaturalColor:自然色彩变换模拟自然色彩对波段数据变换输出自然色彩图像4.2主成份变换是一种常用的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，便于图像分析与解译，具体过程如下：.在ERDAS图标面标工具条中，点击Interpreter/spectralEnhancement/principalComp—--打开principalcomponents对话框,并设置参数如下：上图为原始图像与主成份变换获得的主份量1、2、3的对比图原图像432(RGB)主成份432（RGB）合成图像4.3缨穗变换缨穗变换是针对植物学所关心的植被特征，对原始多波段图像数据进行空间旋转，获得具有物理意义的亮度、绿度、湿度等分量。.在ERDAS图标面板工具条中，点击Interpret/spectralEnhancement/TasseledCap—打开Tasseledcap对话框，并设置参数。注，需要定义相关参数setcoefficients,点击setcoefficients按钮，打开对话框，确定区域内的类型。下图为原始图像与缨穗变换的亮度、绿度、湿度分量的比较图。4.4色彩变换色彩变换是将区域图像从RGB的彩色空间转换到IHS作为定位参数的彩色空间，以便达到增强目的。.在ERDAS图标面板工具条中，点击Interpreter/spectralEnhancement/RGBtoIHS—--打开RGBTOIHS对话框，并设置参数如下：上图为原始图像与色彩变换获得的亮度、色度、饱和度三个分量图的对比问题1、说明图像1234567.img信息：（1）波段数，某一波段最大值、最小值、均值，像元数量、尺寸，投影信息。（2）直方图特点（从亮度和反差谈）。2、比较不同波段的直方图有何不同？3、观察不同波段的RGB彩色组合图像的色彩变化。4、输出主成份432（RGB）合成图像。5、输出缨穗变换的亮度、绿度、湿度分量图。6、输出色彩变换获得的亮度、色度、饱和度三个分量图