遥感数字图像处理实习报告含Matlab处理代码.docx
《遥感数字图像处理实习报告含Matlab处理代码.docx》由会员分享，可在线阅读，更多相关《遥感数字图像处理实习报告含Matlab处理代码.docx（31页珍藏版）》请在冰豆网上搜索。
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*********
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：
clearall
clc
lines=400;
samples=640;
N=6;
img=fopen（'D:
\sample_BSQ','rb'）;
fori=1:
N
bi=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）;
end
fclose（img）;
2.读取BIP源代码
clearall
clc
lines=400;
samples=640;
N=6;
fori=1:
N
img=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';%תÖÃ
band_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）;
end
3.读取BIL的源代码
clearall
clc
lines=400;
samples=640;
N=6;
fori=1:
N
bi=zeros（lines,samples）;
forj=1:
samples
img=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;
end
band_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：
clearall
clc
img=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:
row
forjj=1:
column
filtered（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,:
）;
end
end
filtered1=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
clearall
img=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:
row
forjj=1:
column
filtered（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,:
）;
end
end
filtered1=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
通过傅立叶变换为频率域图像
，然后选择合适的滤波器
对
的频谱成分进行增强得到图像
，再经过傅立叶逆变换将
变换到空间域，得到增强后的图像
。
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
升级会员 