遥感数字图像处理实习报告含Matlab处理代码

辽宁工程技术大学《数字图像处理》上机实习报告教学单位辽宁工程技术大学专业摄影测量与遥感实习名称遥感数字图像处理班级测绘研11-3班学生姓名路聚峰学号471120212指导教师孙华生实习1读取BIP、BIL、BSQ文件一、实验目的用Matlab读取BIP、BIL、BSQ文件，并将结果显示出来。遥感图像包括多个波段，有多种存储格式，但基本的通用格式有3种，即BSQ、BIL和BIP格式。通过这三种格式，遥感图像处理系统可以对不同传感器获取的图像数据进行转换。BSQ是像素按波段顺序依次排列的数据格式。BIL格式中，像素先以行为单位块，在每个块内，按照波段顺序排列像素。BIP格式中，以像素为核心，像素的各个波段数据保存在一起，打破了像素空间位置的连续性。用Matlab读取各个格式的遥感数据，是图像处理的前提条件，只有将图像读入Matlab工作空间，才能进行后续的图像处理工作。二、算法描述1.调用fopen函数用指定的方式打开文件。2.在for循环中调用fread函数，用指定的格式读取各个像素。3.用reshape函数，重置图像的行数列数。4.用imadjust函数调整像素的范围，使其有一定对比度。5.用imshow显示读取的图像。三、Matlab源代码1.读取BSQ的源代码：clearallclclines=400;samples=640;N=6;img=fopen('D:\sample_BSQ','rb');fori=1:Nbi=fread(img,lines*samples,'uint8');band_cov=reshape(bi,samples,lines);band_cov2=band_cov';band_uint8=uint8(band_cov2);tif=imadjust(band_uint8);mkdir('D:\MATLAB','tifbands1')name=['D:\MATLAB\tifbands1\tif',int2str(i),'.tif'];imwrite(tif,name,'tif');tilt=['波段',int2str(i)];subplot(3,2,i),imshow(tif);title(tilt);endfclose(img);2.读取BIP源代码clearallclclines=400;samples=640;N=6;fori=1:Nimg=fopen('D:\MATLAB\sample_BIP','rb');b0=fread(img,i-1,'uint8');b=fread(img,lines*samples,'uint8',(N-1));band_cov=reshape(b,samples,lines);band_cov2=band_cov';%תÖÃband_uint8=uint8(band_cov2);tif=imadjust(band_uint8);mkdir('E:\MATLAB','tifbands')name=['E:\MATLAB\tifbands\tif',int2str(i),'.tif'];imwrite(tif,name,'tif');%imwrite(A,filename,fmt)tilt=['波段',int2str(i)];subplot(3,2,i),imshow(tif);title(tilt);fclose(img);end3.读取BIL的源代码clearallclclines=400;samples=640;N=6;fori=1:Nbi=zeros(lines,samples);forj=1:samplesimg=fopen('D:\MATLAB\sample_BIL','rb');bb=fread(img,(i-1)*640,'uint8');b0=fread(img,1*(j-1),'uint8');bandi_linej=fread(img,lines,'uint8',1*(N*samples-1));fclose(img);bi(:,j)=bandi_linej;endband_uint8=uint8(bi);tif=imadjust(band_uint8);mkdir('D:\MATLAB','tifbands')name=['D:\MATLAB\tifbands\tif',int2str(i),'.tif'];imwrite(tif,name,'tif');tilt=['²¨¶Î',int2str(i)];subplot(3,2,i),imshow(tif);title(tilt);end四、运行结果图1：读取文件的六个波段图实习2均值/中值滤波、边缘信息提取一、实验目的与原理各种图像滤波算子可以实现图像的增强，去噪，边缘提取等。图像增强的目的在于：1.采用一系列技术改善图像的视觉效果，提高图像的清晰度，2.将图像转换成一种更适合于人或机器进行分析处理的形式。它不是以图像保真度为原则，而是通过处理，设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强。空间域增强就是直接对图像像素灰度进行操作；频率域增强是对图像经傅里叶变换后的频谱成分进行操作，然后经傅里叶逆变换获得所需结果。图像滤波可分为空间域滤波和频率域滤波，前者通过窗口或卷积核进行，它参照相邻像素改变单个像素的灰度值。后者对图像进行傅立叶变换，然后对频谱进行滤波。空间域图像滤波称为平滑和锐化，强调像素与其周围相邻像素的关系。去噪滤波为平滑滤波包括均值滤波和中值滤波。锐化滤波包括罗伯特梯度、索伯尔梯度、拉普拉斯算法、定向检测，用以提取线状地物和边缘。此实验用Matlab采用各种滤波对图像进行了处理，处理结果如下：二、算法描述1.用imread读取图像文件，并用size获取图像的大小。2.设计各种滤波算子。3利用卷积公式对图像的没一个像素进行处理，得到滤波后的图像。4.用imshow显示滤波后的图像。三、Matlab源代码1.均值滤波源码：clearallclcimg=imread('2.jpg');[row,column,band]=size(img);img0=double(img);f11=1/9;f12=1/9;f13=1/9;f21=1/9;f22=1/9;f23=1/9;f31=1/9;f32=1/9;f33=1/9;img1=[img0(:,1,:),img0(:,:,:),img0(:,column,:)];img2=[img1(1,:,:);img1(:,:,:);img1(row,:,:)];filtered=zeros(row,column,band);forii=1:rowforjj=1:columnfiltered(ii,jj,:)=f11*img2(ii,jj,:)+f12*img2(ii,jj+1,:)+f13*img2(ii,jj+2,:)+...f21*img2(ii+1,jj,:)+f22*img2(ii+1,jj+1,:)+f23*img2(ii+1,jj+2,:)+...f31*img2(ii+2,jj,:)+f32*img2(ii+2,jj+1,:)+f33*img2(ii+2,jj+2,:);endendfiltered1=uint8(filtered);subplot(1,2,1),imshow(img);title('图1原始RGB图像');subplot(1,2,2),imshow(filtered1);title('图2均值滤波后的图像');imwrite(filtered1,'flower_filtered_mean.jpg');2.边缘提取滤波源代码clearallimg=imread('2.jpg');[row,column,band]=size(img);img0=double(img);f11=1;f12=0;f13=-1;f21=1;f22=0;f23=-1;f31=1;f32=0;f33=-1;img1=[img0(:,1,:),img0(:,:,:),img0(:,column,:)];img2=[img1(1,:,:);img1(:,:,:);img1(row,:,:)];filtered=zeros(row,column,band);forii=1:rowforjj=1:columnfiltered(ii,jj,:)=f11*img2(ii,jj,:)+f12*img2(ii,jj+1,:)+f13*img2(ii,jj+2,:)+...f21*img2(ii+1,jj,:)+f22*img2(ii+1,jj+1,:)+f23*img2(ii+1,jj+2,:)+...f31*img2(ii+2,jj,:)+f32*img2(ii+2,jj+1,:)+f33*img2(ii+2,jj+2,:);endendfiltered1=uint8(filtered);subplot(1,2,1),imshow(img);title('图1RGB原图像');subplot(1,2,2),imshow(filtered1);title('图2边缘提取后的图像');imwrite(filtered1,'flower_filtered_edge.jpg');四、运行结果图1：原始RGB图像图2：均值滤波后的图像图3：边缘提取后的图像实习3傅里叶变换、傅里叶逆变换，及频域滤波一、实验目的按照信号处理理论，根据滤除的频率特征，滤波有3种：1.低通滤波。低通滤波是对频率域的图像通过滤波器H（u，v）削弱或抑制高频部分而保留低频部分的滤波方法。由于图像上的噪声主要集中在高频部分，所以低通滤波可以起到压抑噪声的作用。同时，由于强调了低频成分，图像会变得比较平滑。2.高通滤波。高通滤波是对频率域的图像通过滤波器来突出图像的边缘和轮廓，进行图像锐化的方法。3.带通滤波。仅保留指定频率范围的滤波，范围外的频率被阻止。将空间域中的图像变换到频率域中进行计算。空间增强技术强调像元位置和像元之间的关系，但随着考虑的像元数目增多，计算的复杂度增加而且非常耗费计算运算时间，特别是当模板越来越大时，这种现象尤为明显。频率域增强方法：1.频率域平滑：保留图像的低频部分而抑制高频部分。2.频率域锐化：保留图像的高频部分而削弱低频部分。首先将空间域图像f(x,y)通过傅立叶变换为频率域图像F(u,v)，然后选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行增强得到图像G(u,v)，再经过傅立叶逆变换将G(u,v)变换到空间域，得到增强后的图像g(x,y)。根据傅里叶变换的原理，用Matlab实现对图像的傅里叶变换，再设计各种频率滤波器，包括理想滤波器、巴特沃斯滤波器、指数滤波器等高通或低通滤波器，用这些滤波器对频率图像进行滤波，将得到的滤波后的频率图像经过傅里叶逆变换后得到想要的图像。本实验，对这些滤波器都进行了设计，处理结果如下图：二、算法描述1.读取RGB图像，并获得其某个波段。2.调用fft2对某波段进行傅里叶变换，用fftshift频移函数，使得图像的低频部分移动到频谱的中心。3.设置低通高通滤波器，对频谱图像进行滤波处理，去除其高频或低频部分。4.用ifft2对频谱图像进行逆傅里叶变换，得到滤波后的图像。5．对图像进行归一化，使像素值在0-255之间。6.imshow显示频谱图像和滤波后的图像。三、Matlab源代码1.理想低通滤波源代码clearalla=imread('2.jpg');[X,Y,Z]=size(a);a1=a(:,:,1);b1=fft2(a1);b2=fftshift(b1);F=abs(b2);h=zeros(X,Y);cutoff=0.7;threshold=1-cutoff;lowx=round(X/2-threshold*X/2);upx=round(X/2+threshold*X/2);lowy=round(Y/