205彪图像滤波讲解.docx

1、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 图像平滑 图像锐化 卷积核大小对图像平滑和锐化的影响 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：transfo

2、rmsImage sharpening）4.1 图像平滑4.1.1 低通滤波数据：AA主菜单：FilterConvolutions and Morphology(卷积与形态学方法)在出现的窗口菜单里单击Convolutions（卷积方法）。Low Pass:低通。Median：中通。Gaussian Low Pass：高斯低通。这几个为平滑处理。其余的方法为锐化。选择Low Pass。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

3、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。

4、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“Quick Apply”,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

5、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”（optionsChange Quick Apply Input Band）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、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

7、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：ConvolutionsUser Defined 。基本梯度为10-10H1 = 1-100H2 = 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

8、于b波段图5.11 B通道H1卷积核的处理效果图定义卷积核为图5.12图5.12 H2卷积核对B波段进行处理，结果如图5.13图5.13 B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）1000-10000L2 = 0-10100000L2 = 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5.15 L1+L2卷积核处理效果图4.2.3 Sobel梯度卷积核设定为K1，K2-1-2-1000121K1 = -101-202-101K2 = 处理结果如图5.16图5.

9、16 K1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5.17 K1+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_sobel la.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“Apply to File”,选择EE_sobel la.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

10、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

11、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：FilterConvolutions and Morphology(卷积与形态学方法)在出现的窗口菜单ConvolutionsDirectional，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5.24 AA图像定向滤波处理图（30度）练习2 1、对“机场 锐化线性地物 from google map.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。