205彪图像滤波讲解.docx
《205彪图像滤波讲解.docx》由会员分享，可在线阅读，更多相关《205彪图像滤波讲解.docx（16页珍藏版）》请在冰豆网上搜索。
205彪图像滤波讲解
杭州师范大学
遥感数字图像处理方法
实验报告
实验名称：
图像滤波
姓名：
文
学号：
425
班级：
地信141
老师：
成绩：
2016年4月30号
实验五图像滤波
1实验目的
熟悉图像滤波，特别是图像的平缓和锐化的基本方法，理解典型卷积核的作用。
2实验要求
能根据地物的特征，有针对地进行平滑和锐化操作。
能够正确地选择卷积核进行计算。
3实验内容
Ø图像平滑
Ø图像锐化
Ø卷积核大小对图像平滑和锐化的影响
Ø单色图像与彩色图像的平滑与锐化
4实验步骤
概述：
在envi中平滑和锐化的区别在于卷积核的选择。
图像的锐化也可以通过不同空间分辨率的图像的融合来实现（主菜单：
transforms>Imagesharpening）
4.1图像平滑
4.1.1低通滤波
数据：
AA
主菜单：
Filter>ConvolutionsandMorphology（卷积与形态学方法）
在出现的窗口菜单里单击Convolutions（卷积方法）。
LowPass:
低通。
Median：
中通。
GaussianLowPass：
高斯低通。
这几个为平滑处理。
其余的方法为锐化。
选择LowPass。
选择默认的窗口大小。
点击应用于文件，选择AA。
将结果保存在内存里。
并显示出来#1。
用#2显示原始AA图像。
并链接#1与#2，比较平滑后的图像差异。
如图5.1所示。
图5.1低通平滑后的图像对比
图5.1说明：
利用低通滤波对AA平滑处理后，地物突变处减少了很多，图像显得十分平滑。
4.1.2中值滤波和高斯低通滤波
分别使用中值滤波的高斯低通滤波处理图像AA（卷积窗口均为默认3），使用相同的彩色合成显示，窗口分别是#2和#3，#1为原始影像。
如图5.2。
图5.2中值滤波和高斯滤波效果比较图
图5.2说明：
利用高斯低通滤波对AA图像进行处理后的#3与原始图像#1相比较，可以发现，图像并没有太多的变化，而利用中值滤波处理后的#2图像，明显变得平滑了。
而且与图5.1中的低通滤波效果相比，中值滤波的效果对AA图像平滑处理的效果最好。
以第四波段为例，显示X-Y散点图，其中X为原始图像第四波段，Y为过滤后图像的第四波段。
散点图如下图5.3所示。
图5.3不同平滑结果比较
图5.3说明：
高斯低通滤波与原始图像的线性关系最好，但同时也是对AA图像进行图像平滑效果最差。
该线性关系在一定程度上反映了平滑效果：
与原始图像的线性关系越好，平滑效果越差。
4.1.3使用平滑去除标准噪声
关闭所有窗口，重新打开envi
打开“高斯噪声.bmp”“椒盐噪声.bmp”。
用灰阶方式显示两幅图，分别为#1和#2。
选择低通滤波，核大小为3，点击“QuickApply”,指定输入的波段为高斯噪声的B波段，处理结果显示在#3中。
选择中值滤波，操作同上。
选择高斯低通滤波，操作同上。
结果如图5.4
图5.4高斯噪声的平滑
图5.4的说明：
与原始图像相比，中值滤波还是有一点的效果的，而高斯低通滤波几乎没有什么效果，低通滤波反而使噪声变得更加严重。
指定图像为“椒盐噪声”（options>ChangeQuickApplyInputBand）核的大小为3。
重复以上操作。
比较不同的结果，如图5.5
图5.5椒盐噪声的平滑处理
图5.5说明：
高斯低通滤波效果最差，低通滤波虽然有效果，但噪声点也会变大。
中值滤波的效果最好。
4.1.4使用平滑去除遥感图像中的噪声
打开“TM3图像中的噪声.bmp”、“去除图像中的噪声.bmp”。
可以根据现有的知识判断两幅图像都属于椒盐噪声。
使用中值滤波，快速应用于TM3图像。
核大小为3、5、7；比较处理结果如图5.6
图5.6中值滤波
图5.6说明：
卷积核为3时，噪声几乎内有去除；但当卷积核为5时，噪声被明显去除了；卷积核为7时，图像开始变得模糊，并没有卷积核为5时对原始图像的保留效果好。
用#1显示中巴卫星1图像（RGB合成显示）0，#2、#3、#4分别显示其R、G、B波段（灰阶方式），连接#1、#2、#3、#4。
比较噪声在不同波段的分布特点，如图5.7
图5.7图像局部噪声的分布
图5.7说明：
彩色图像的噪声是分布在不同的波段上的。
使用中值滤波，快速应用方式，分别平滑RGB，确定卷积核大小，发现当卷积核为5时，三个通道的去噪效果最好。
利用卷积核为5，对图像进行平滑。
如图5.8
图5.8卷积核为5，去除的效果
练习1：
处理IKNOS_gau和IKNOS_SALT遥感图像中的噪声
如图5.9
图5.9噪声去除练习
图5.9说明：
两幅图像都采用中值滤波方式。
#1和#2为IKNOS_SALT原始图像和平滑后的图像。
#3和#4为IKNOS_gau原始图像和平滑后的图像。
4.2图像锐化
4.2.1梯度算子
打开“显卡_7221390.JPG”，用#1显示彩色合成。
由于envi没用2*2的卷积核，我们用3*3的卷积来模拟运行。
菜单：
Convolutions>UserDefined。
基本梯度为
1
0
-1
0
H1=
1
-1
0
0
H2=
卷积核如图5.10
图5.10自定义卷积核窗口
应用后的图像如图5.11所示，应用于b波段
图5.11B通道H1卷积核的处理效果图
定义卷积核为图5.12
图5.12H2卷积核
对B波段进行处理，结果如图5.13
图5.13B通道H2卷积核的处理效果图
4.2.2罗伯特梯度
卷积核设定为L1和L2（仅仅演示，不是真正的罗伯特梯度算子）
1
0
0
0
-1
0
0
0
0
L2=
0
-1
0
1
0
0
0
0
0
L2=
对图像b通道处理结果如图5.14
图5.14罗伯特梯度算子处理结果
将卷积核设置为L1+L2，处理结果如图5.15
图5.15L1+L2卷积核处理效果图
4.2.3Sobel梯度
卷积核设定为K1，K2
-1
-2
-1
0
0
0
1
2
1
K1=
-1
0
1
-2
0
2
-1
0
1
K2=
处理结果如图5.16
图5.16K1和K2卷积核处理结果
将卷积核设定为K1+K2，处理结果如图5.17
图5.17K1+K2卷积核处理结果
问题：
为了锐化水平、垂直、倾斜线条，应分别使用哪些梯度算子？
答：
锐化水平的可以选择H1、卷积核，锐化垂直可以选择H2、倾斜线条可以选择L1和L2。
4.2.4拉普拉斯锐化
直接使用sobel进行锐化
打开图像“EE_sobella.bmp”,卷积核为3*3，使用sobel进行锐化，然后将原始图像和锐化后的图像作为最后的结果。
Convolutions>sobel。
点击“ApplytoFile”,选择EE_sobella.bmp，保存到内存中。
使用代数运算，将原始图像和梯度图像合并为另一个图像。
如图5.18，#1为原始图像，#2为梯度图像，#3为合并后的图像。
图5.18拉普拉斯锐化效果图
图5.18说明：
将原始图像和梯度图像合并后的图像与原始图像相比较，羽毛处更显得立体，且纹理效果比较好，但在眼睛处，合成的效果并没有原图真实好看。
使用拉普拉斯直接计算梯度，并将梯度结果和原始图像加和作为锐化结果，其中拉普拉斯算子和应用效果如图5.19
图5.19拉普拉斯算子及其处理效果图
结果图像如图5.20
图5.20图像合并结果图
图5.20说明：
对比两次合成结果图，可以明显发现第二次合成效果明显比第一次要好很多。
对图像进行高斯低通滤波，对滤波结果进行拉普拉斯处理，将原始图像和梯度图像加和作为锐化结果，如图5.21，
图5.21高斯低通滤波后的拉普拉斯锐化结果对比图（左为原始图像，右为锐化结果图）
将“直接进行拉普拉斯计算梯度”与“先进行高斯低通滤波，再拉普拉斯处理”的结果相减，结果如图5.22
图5.22波段相减得到的图像
4.2.5定向滤波
关闭envi，再次用envi打开AA图像
主菜单：
Filter>ConvolutionsandMorphology（卷积与形态学方法）
在出现的窗口菜单Convolutions>Directional，输入30度，如图5.23所示
图5.23定向滤波窗口
使用3*3窗口对文件进行锐化。
将计算的梯度图和原始图像加和，产生最终结果图，如图5.24所示，#1为原始图像（左）#2为提梯度图像（中）#3为合成后的图像（右）
图5.24AA图像定向滤波处理图（30度）
练习2
1、对“机场锐化线性地物fromgooglemap.bmp”进行锐化，
突出跑道信息
突出飞机轮廓
结果如图5.25和图5.26
图5.25突出跑道信息（从左到右分别为：
原始图像、梯度图像、合成图像）
图5.26突出飞机轮廓处理结果图
5总结
图像滤波实验操作还是比较简单的，实验遇到的问题大都解决了。
但在做练习时，如练习2，对飞机场跑道和飞机轮廓进行突出显示，则会陷入到不同的处理方法所得的的结果差不多，但不知道如何选择，还有没有更有效的处理方法等纠结中。
升级会员 