小恺工作室?遥感数字图像处理教程第一章(2)

（P144)第7章图像滤波1.图像滤波：包括空间域滤波（卷积运算）和频域滤波（傅里叶变换）。（P150) 2.空间频率：的灰度值（P151，第三段）3.低通滤波：在频域滤波中，保留图像的低频部分并抑制高频部分，这具有平滑效果相反，它变成了高频滤波器，起着锐化的作用，它们都是傅立叶变换中的滤波器（P151，第四段）4.空间域滤波：①平滑：抑制噪声并改善图像质量处理。（P152，第一段）噪声：影响人类视觉器官对图像信息的理解或分析的各种因素。常见噪声包括高斯噪声，盐和胡椒噪声（脉冲噪声）和周期性噪声（P152，第二部分）。段）段）均值过滤：对于窗口中的每个像素，将相邻像素值的平均值作为像素的新值。均值滤波算法简单，计算速度快，但在图像模糊时去除了尖锐的噪声。扩大域范围，增强去噪能力，并且模糊程度更加严重。为了增强细节，可以优化算法，即添加阈值。当计算出的图像的像素值与原始像素值之差小于阈值时，请保留原始像素值，否则取新值。 （P154，第四段）中值过滤器：按大小对窗口中的所有像素值进行排序后，将中值作为中心像素的新值。与均值滤波器相比，中值滤波可以有效地保留边缘并减少模糊，同时抑制噪声，尤其是对于盐和胡椒噪声处理。

（P156，第一段）高斯低通滤波，倒数梯度加权方法，选择性蒙版平滑等，请参阅教科书P158。 ②锐化：图像处理，用于突出显示图像中的边缘，轮廓或线性对象。 （P161，第五段）线性高通滤波器：滤波器（即卷积模板）的中心系数为正，其他系数为负。计算完成后，需要进行灰度转换（因为结果可能会产生负数）。线性高通滤波可以通过从原始图像中减去低通图像来获得。 （P161，第六段）渐变方法：渐变反映了相邻像素之间的灰度级变化率。图像中的边缘具有较大的渐变；相应的模板是：（P163，第三段）1 -1 1 0 0 0 -1 0（输出图像是第一个模板的绝对值加上第二个模板的绝对值）Robert Gradient：使用叉号法检测像素及其垂直，水平或对角线方向模板是：（P163，第三段）0 -1 1 0第5页，共7页1 0 0 -1 Xiaokai Studio？遥感数字图像处理教程（输出图像是第一个模板的绝对值加上第二个模板的绝对值）Prewitt渐变，Sobel渐变略，请参阅教科书P164。方向检测：用于提取特定方向上的边缘或线性特征的处理。 （P169，第三段）5.频域滤波：高通滤波，低通滤波，带通滤波（仅保留指定频率范围内的滤波，并屏蔽该范围内；带阻滤波器：特定频率范围内的块信息；自定义滤镜：根据频域图像中的频率分布人为定义。

同态滤波：降低低频并增加高频，从而减少照明变化并锐化边缘或细节。步骤是：（P175，第五段）输入图像→取对数→快速傅里叶叶变换（FFT）→定义滤波器→傅里叶逆变换（IFFT）→指数变换→输出图像；如果图像中的照度均匀，则同态滤波效果不佳；如果照明明显不均匀，则同态滤波有助于显示图像暗部的细节。 （P177，第五段）第8章图像分割1.图像分割：将图像分为具有特征的区域并提取感兴趣的对象的技术和过程。 （P179，第4段）①分割原理：分割基于像素灰度值的不连续性；分割基于相同区域内像素的灰度值的相似性。 （P180，第四段）②常用方法：灰度阈值方法（P181)，梯度方法（P185)，区域增长方法（P190)），区域分割方法（P192)），数学形态学方法（ P194)。2.灰色阈值方法：阈值的选择是核心，算法如下：g（x，y）≤Δ1，f（x，y）≤T≤0，f （x，y）？T在实际工作中，您还可以对图像进行多阈值分割，公式如下：g（x，y）？k（Tk？1？f（x，y）？T k，k？1，???，N）2，①分类：全局阈值法（将阈值设置为常数），自适应阈值法（阈值随位置变化而缓慢变化）（P183，第一段）②选择最佳阈值：直方图方法（P183)，自适应阈值方法（P184)，分水岭算法（P185)）。

直方图方法：在图像中，如果背景与目标明显区分开，则图像的直方图通常是双峰结构。其中，两个峰对应于目标内部和外部的大量像素，而谷底对应于目标边缘附近的相对较少的点。此时，如果将阈值设置在谷底，则可以将面积统计误差最小化；但是，如果图像有噪点，则不容易确定谷底。此时，可以在对图像进行平滑后将阈值设置在峰值上。省略了自适应阈值方法和分水岭算法。3.数学形态学方法：①腐蚀：消除目标所有边界点的过程。结果是沿其边界的目标区域比原始区域小一个像素。腐蚀通常用于从分割的图像中删除小的无意义的对象。 （P197，第4段）第7页，共6页Xiaokai Studio？遥感数字图像处理教程②扩展：将与目标接触的所有背景点合并到目标中的过程，结果是目标沿其边界Big增大。分割后通常使用膨胀来填充目标中的孔。 （P199，第三段）③打开操作：先使用相同的结构元素腐蚀图像，然后再扩展操作；其功能是消除小目标，在细微的点处分离目标，并平滑大目标的边界，而不会明显改变其面积。 （P201，第四段）④密闭操作：使用相同的结构元素先扩大图像，然后再进行腐蚀操作；功能是在目标中填充小孔，连接相邻目标并平滑它们，而不会显着改变目标区域。边界。

（P202，第三段）第9章遥感图像的分类1.遥感图像的计算机分类：根据图像上每个像素的接近程度给出相应的类别，以达到大致区分各种特征的目的。 。包括监督分类和非监督分类。 （P208)2.监督分类：一种事先知道类别信息的一部分（即类别的先验知识），然后对样本进行分类的方法；常见算法包括并行管道方法（ P228，第五段），最小距离法（P229，第五段），最大似然法（P230，第二段）等（P209，第七段）3.无监督分类：该类别的先验知识未知预先，然后通过计算机自动对样本进行分类的方法进行判断；常见的算法包括迭代自组织数据分析算法（IsoData，P222，第一段），K均值算法（K-Mean，P219，第七段）。（ P209，第八段）ͼ1ENVI中的无监督分类ͼ2ENVI第10章中的无监督分类被省略。Page 7 of 7

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shumachanpin/article-350714-2.html