ENVI初步学习和影像增强处理Word文档下载推荐.docx

ENVI初步学习和影像增强处理Word文档下载推荐.docx

《ENVI初步学习和影像增强处理Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《ENVI初步学习和影像增强处理Word文档下载推荐.docx（28页珍藏版）》请在冰豆网上搜索。

对于单波段图像，选择8-bitColor，而多波段彩色合成图像则选择24-bitColor图像的保存方式有两种：

一是直接保存为文件；

二是选“Memory”，记忆在“AvailableBandsList”菜单中。

Ⅱ.图像增强与变换

一．空间域增强

1.线性变换

线性拉伸：

线性拉伸的最小和最大值分别设置为0和255，两者之间的所有其它值设置为中间的线性输出值，选择Stretch_Type>

LinearContrastStretch。

分段线性拉伸：

分段线性对比度拉伸可以通过使用鼠标在输入直方图中放置几个点进行交互地限定。

当在点之间提供线性拉伸时，线段在点处连接起来，选择Stretch_Type>

PiecewiseLinear。

2.非线性变换

高斯拉伸：

选择Stretch_Type>

Gaussian.输入拉伸的最小和最大值,要手动地输入所需要的标准差值，选择Options>

SetGaussianStdv.

设置高斯标准差

平方根拉伸：

SquareRoot.输入拉伸的最小和最大值,要手动地输入所需要的标准差值。

3.直方图均衡化

选择Stretch_Type>

Equalization.输入直方图显示未被修改的数据分布。

输出直方图用一条红色曲线显示均衡化函数，被拉伸数据的分布呈白色叠加显示。

4.直方图规定化

Arbitrary.通过点击或按住鼠标左键绘制输出直方图的线段，在OutputHistogram窗口内绘制输出直方图。

任意的直方图将用绿色来显示。

输出直方图用红色显示你的直方图，匹配的数据函数用白色曲线。

5.图像平滑

选择filter中的smooth（5*5）选项进行图像平滑处理。

6.图像锐化

选择filter中的sharpen（10）选项进行图像平滑处理。

二．频率域增强

1.傅里叶变换

傅里叶变换：

傅立叶分析是一种将图像分成空间上各种频率成分的数学方法。

实际上，快速的傅立叶变换被原来将数据变换成一个复杂的强调频率分布的图像。

ENVI中FFT

滤波包括图像正向的FFT、频率滤波器的交互式建立、滤波器的应用，以及FFT向原始数据空间的逆变换。

当前，FFT处理没有用到ENVItiling程序，因此能被处理的图像大小受到系统可利用内存的限制。

FFT图像是“复数”数据类型，它占用了类似大小的字节图像的8倍内存。

快速傅里叶变换：

正向的FFT生成的图像能显示水平和垂直空间上的频率成分。

图像的平均亮度值显示在变换后图像的中心。

远离中心的像元代表图像中增加的空间频率成分。

这一滤波能被设计为消除特殊的频率成分，并能进行逆向变换。

在filter中选择FFTfiltering，然后选择forwardFFT进行快速傅里叶变换。

2.频率域平滑

先对影像进行FFT变换（使用低通滤波），之后对得到的进行InverseFFT变换

进而得到平滑处理的影响。

低通滤波器可使信息源的低频通过而对高频加以抑制。

由于抑制了反映灰度骤变的边缘特征的高频信息及包含在高频中的孤立点噪声，所以低通滤波起了平滑图像去噪声的处理作用。

进行FFT变换进行InverseFFT换

平滑后的效果

3.频率域锐化

先对影像进行FFT变换（使用高通滤波），之后对得到的进行InverseFFT变换

进而得到锐化处理的影响。

高通滤波器可使信息源的高频通过而对低频加以抑制。

由于抑制了反映灰度骤变的边缘特征的低频信息及包含在低频中的孤立点噪声，所以高通滤波起了锐化图像的处理作用。

进行FFT变换

进行进行InverseFFT变换锐化后的效果

三．彩色增强

1.伪彩色增强

将亮度值等间隔分割分别赋予不同的色彩，合成处理的过程。

在主图像窗口，选择overlay>

DensitySlice。

将出现#1DensitySlice对话框，在“DefinedDensitySliceRanges”下列有八个系统默认范围。

在适当的文本框中输入所需要的最小和最大值，来改变密度分割的范围。

如要重新设置数据范围到初始值，点击“Reset”。

2.假彩色增强

将不同波段的影像分别赋予不同的色彩，合成处理的过程。

如分别赋予TM图像1、2、3波段色彩R、G、B；

从AvailableBandsList内，选择“RGBColor”切换按钮。

在序列中点击所需要显示的红、绿和蓝波段名。

将波段名称导入“R.G.B”后载入图像得到合成的假彩色图像。

3.彩色变换

在图像处理中通常应用的有两种彩色坐标系统。

一种是由红（R）、绿（G）、蓝（B）三原色构成的彩色空间或坐标系统，这是我们之前所讲的彩色变化和增强处理的基础；

另一种是彩色空间是由色调（H）、饱和度（S）和明度（I）三个变量构成的。

彩色系统变换主要是指这两种坐标系统之间的变换。

具体操作如下：

RGB向HSV的转换：

在主菜单中点击Transforms-ColorTransforms（在做正变换的选项中有RGBtoHSV、RGBtoHLS和RGBtoHSV（USGSMunsell）三中方法），点击RGBtoHSV。

接着选择已经彩色合成好的遥感图像，接着在弹出的对话框中选择display1，出现RGBtoHSV（HLS、USGSMunsell）Parameters对话框，选择保存路径后，软件就自动完成了HSV变换。

H（色度）

S（饱和度）V（亮度）

四．多图像代数运算

BandMath功能提供了一个灵活的图像处理工具，其中许多功能是无法在任何其它的图像处理系统中获得的。

由于每个用户都有独特的需求，因此该功能允许用户自己定义处理算法，并将之应用到打开的波段或整个图像中，可以根据需要自定义简单或复杂的处理程序。

选择BasicTools>

BandMath.在“Enteranexpression”的文本框内，输入变量名和所需要的数学运算符。

变量名必须以字符“b”或“B”开头，后面跟着5个以内的数字字符。

1.差值法：

BandMath.在“Enteranexpression”的文本框内输入B1-B2，点击addtolist,确定后定义B1，B2为波段b1,b2,选择memory后确定。

2.比值法：

BandMath.在“Enteranexpression”的文本框内输入float（B2）/float（B3），点击addtolist,确定后定义B2，B3为波段b2,b3,选择memory后确定。

3.混合运算法：

BandMath.在“Enteranexpression”的文本框内输入float（B2）/float（B3）+B4，点击addtolist,确定后定义B2，B3，B4为波段b2,b3,b4选择memory后确定。

五．多光谱图像变换

1.主成分变换

主成分分析（PCA）用多波段数据的一个线性变换，变换数据到一个新的坐标系统，以使数据的差异达到最大。

这一技术对于增强信息含量、隔离噪声、减少数据维数非常有用。

由于多波段数据经常是高度相关的，主成分变换寻找一个原点在数据均值的新的坐标系统，通过坐标轴的旋转来使数据的方差达到最大，从而生成互不相关的输出波段。

主成分（PC）波段是原始波谱波段的线性合成，它们之间是互不相关的。

可以计算输出主成分波段。

第一主成分包含最大的数据方差百分比，第二主成分包含第二大的方差，以此类推，最后的主成分波段由于包含很小的方差（大多数由原始波谱的噪声引起），因此显示为噪声。

由于数据的不相关，主成分波段可以生成更多种颜色的彩色合成图像。

在ENVI主菜单中选择Transforms-PrincipalComponents-ForwardPCRotation-ComputeNewStatisticsandRotate，选择liubo07082972.img作为输入数据。

出现如下ForwardPC

RotationParameters对话框：

该对话框参数设置如下：

在“StatsX/YResizeFactor”文本框键入小于1的调整系数，对计算统计值的数据进行二次抽样。

键入一个小于1的调整系数，以提高统计计算的速度。

例如，在统计计算时，用一个0.1的调整系数将只用到十分之一的像元。

若需要，键入一个输出统计文件名。

点击按钮，选择基本“CovarianceMatrix”或“CorrelationMatrix”。

计算主成分时，有代表性地要用到协方差矩阵。

当波段之间数据范围差异较大时，要用到相关系数矩阵，并且需要标准化。

选用“File”或“Memory”输出。

若选择输出到“File”，在标有“EnterOutputFilename”的文本框里键入要输出的文件名；

或用“Choose”按钮选择一个输出文件名。

从“OutputDataType”菜单里，选择需要的输出类型（字节型，整型，无符号整型，长整型，无符号长整型，浮点型，双精度型）。

用下列选项，选择输出PC波段数。

限定输出PC波段数，键入需要的数字，或用“NumberofOutputPCBands”标签附近的按钮确定输出的PC波段数。

默认的输出波段数等于输入的波段数。

通过检查特征值，选择输出的PC波段数。

A点击“SelectSubsetfromEigenvalues”标签附近的按钮，选择“YES”。

特征值将被计算，出现SelectOutputPCBands对话框，列表显示着每一个波段和其相应的特征值。

同时也为所有波段显示出每个波段中包含的数据变化的累积百分比。

B在“NumberofOutputPCBands”文本框里，键入一个数字或点击按钮，确定输出的波段数。

特征值大的PC波段包含最大量的数据差异。

较小的特征值包含较少的数据信息和较多的噪声。

有时，为存储磁盘空间，最好仅仅输出特征值大的那些波段。

C在SelectOutputPCBands对话框里，点击“OK”。

选择Memory输出，其他的默认，输出6个主成分波段，自动加载到波段中同时出现一个主成分特征值的plot图：

在该对话框中选择Edit>

DataValues，查看各成分的特征值的大小：

特征值反映了各主成分所占信息量的大小，从上到下逐渐减少，表明各波段信息量逐渐减少，我们可以据此计算各成分信息量占总信息量的百分比，例如，从上面数据可以得知，PC1图像所占的信息量为127.0377/（127.0377+22.9922+6.0091+1.0852+0.5730+0.2061）×

100%=80.45%。

由于主成分图像有6个波段，我选取了有代表性的前三个波段显示如下：

PC1:

PC2:

PC3:

检验主成分与原始数据之间的定量关系：

下面我们来检验各主成分到底与原始的6个波段数据之间到底是什么定量关系，我想这对我们解释各主成分的含义时很有用。

我们得知主成分变换的系数矩阵是原始数据协方差矩阵的特征向量矩阵的一个转置，我们先通过统计计算得到特征向量矩阵如下（方法参照前面所述），注意数据源选择原始数据liubo07082972.img：

2.缨帽变换

缨帽变换是一种通用的植被指数，可以被用于LandsatMMS或LandsatTM等数据。

对于LandsatMMS数据，缨帽变换将原始数据进行正交变换，变成四维空间（包括土壤亮度指数SBI、绿色植被指数GVI、黄色成分（stuff）指数YVI，以及与大气影响密切相关的non-such指数NSI）。

对于LandsatTM数据，缨帽植被指数由三个因子组成——“亮度”、“绿度”与“第三”（Third）。

其中的亮度和绿度相当于MSS缨帽的SBI和GVI，第三种分量与土壤特征有关，包括水分状况。

对于Landsat7ETM数据穗帽植被指数由六个因子组成------“亮度”、“绿度”、“湿度”、以及“第四”、“第五”、“第六”几种分量。

选择Transforms>

TassledCap。

出现TasseledCapTransformationInputFile对话框时，选择输入文件。

用下拉菜单，选择“InputFileType”（Landsat5TM、LandsatMSS、Landsat7ETM）。

ENVI将缨帽波段名输入到AvailableBandsList中，在那里可以用标准ENVI灰阶或RGB彩色合成方法显示。

四．实验体会

从起初对ENVI的一无所知到熟练地掌握ENVI中对图像增强与变换的处理方法，让我对ENVI软件的使用产生了比较浓厚的兴趣。

遥感图像经过各种处理变换就能从多方面显示图像的信息，直观的反映了图像的变换过程，深入了对遥感影像增强处理的学习和理解，也为以后的实践工作打下了坚实的基础。

起初学习的时候连图像怎么打开都不会，或许是老师的严格要求迫使自己努力去学习，不懂的及时请教别人然后自己练习、掌握，最后独立完成。

这次实习也让我改掉了以前什么都靠别人的消极学习态度，也让我懂得了只有自己学会掌握的才是最让人踏实的！

有付出就有回报，当我独立完成了课程上机实验的全部内容时有种成就感涌上心头，我相信通过自己的努力以后会做的更好。