遥感数字图像处理实习报告含Matlab处理代码.docx

1、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

2、，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：clear allclclines=400;s

3、amples=640;N=6;img=fopen(D:sample_BSQ,rb);for i=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:MATLABtifbands1tif,int2str(i),.tif; imwrite(tif,name,tif); tilt=波段,in

4、t2str(i); subplot(3,2,i),imshow(tif);title(tilt); endfclose(img);2.读取BIP源代码clear allclclines=400;samples=640;N=6;for i=1:N img=fopen(D:MATLABsample_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;% band_uint8=uint8(band_co

5、v2); tif=imadjust(band_uint8); mkdir(E:MATLAB,tifbands) name=E:MATLABtifbandstif,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clear allclc lines=400;samples=640;N=6;for i=1:N bi=zeros(lines,samp

6、les); for j=1:samples img=fopen(D:MATLABsample_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:MATLABtifbandst

7、if,int2str(i),.tif; imwrite(tif,name,tif); tilt=,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

8、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

9、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：clear allclcimg=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(:,:,:),

10、img0(:,column,:); img2=img1(1,:,:); img1(:,:,:); img1(row,:,:); filtered=zeros(row,column,band);for ii=1: row for jj=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,:

11、) + 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clear allimg=imread(2.jpg);row,column,band=size(img);img0=double

12、(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);for ii=1: row for jj=1: column filtered(ii,jj,:)=f11*img2(ii,jj,:) + f12*img2(ii,jj+1,:) + f13*img2(ii

13、,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 RGB原图像);subplot(1,2,2),imshow(filtered1);title(图2 边缘提取后的图像);imwrite(filtered1,

14、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