1 实验目的
1.1理解遥感图像的变换处理方法和原理；
1.2掌握遥感图像的变换处理，包括主成份变换和逆变换、缨穗变换、色彩变换与逆变换；
2 实验方法（要求将实验步骤过程中的对话框及成果图拷屏到报告中）
2.1主成分变换处理（K-L变换）
2.1.1 K-L变换原理
（1）K-L变换是离散（Karhunen-Loeve）变换的简称，又被称作主成分变换。它是对某一多光谱图像X，利用K-L变换矩阵A进行线性组合，而产生一组新的多光谱图像Y，表达式为
Y=AX
式中，X为变换前的多光谱空间的像元矢量；
Y为变换后的主分量空间的像元矢量；
A为变换矩阵。
（2）对图像中每一个像元矢量逐个乘以矩阵A，便得到新图像中每一个像元矢量。A的作用是给多波段的像元亮度加权系数，实现线性变换。由于变换前各波段之间有很强的相关性，经过K-L变换组合，输出图像Y的各分量yi之间将具有最小的相关性，这就是变换矩阵A的作用。
（3）从几何意义来看，变换后的主分量空间坐标系与变换前的多光谱空间坐标系相比旋转了一个角度。而且新坐标系的坐标轴一定指向数据信息量较大的方向。
2.1.2K-L变换步骤
(1)Interpreter图标>Spectral Enhancement> Principal Comp. 确定输入文件lanier.img，输出文件principal.img
文件坐标类型：Map，处理范围为默认
输出数据类型：Float Single
输出数据统计时忽略零值：Ignore Zero in Stats
特征矩阵输出设置（Eigen Matrix）
在运行日志中显示：Show Session Log
写入特征矩阵文件：Write to File（必选项，逆变换时需要）特征矩阵文件名（Output TextFile）：lanier.mtx
需要的主成份数量（Number of Components Desired）:3
OK，执行主成份变换处理，
(2)下面进行主成份逆变换处理，将三个主分量转换到RGB彩色空间
Interpreter图标>Spectral Enhancement> Inverse Principal Comp.
确定输入文件Principal.img
确定特征矩阵（Eigen Matrix File）：lanier.mtx
定义输出文件：inverse_pc.img
文件坐标类型Map，处理范围默认
输出数据选择（Output Options）：两种选择
输出数据拉伸到0-255：Stretch to Unsigned 8 bit
输出数据统计时忽略零值：Ignore Zero in Stats OK，执行主成份逆变换
2.2实验成果
bianhuan.img:
Bianhuan1.img:
2.2K-T变换（缨帽变换）
2.2.1 K-T变换原理
K-T变换是Kauth-Thomas变换的简称，也称缨帽变换。这种变换也是一种线性组合变换，其变换公式为：
Y＝BX
式中，X为变换前多光谱空间的像元矢量；
Y为变换后的新坐标空间的像元矢量；
B为变换矩阵。
（1）该变换也是一种坐标空间发生旋转的线性变换，但旋转后的坐
标轴不是指向主成分方向，而是指向与地面景物有密切关系的方向。（2）K-T变换的应用主要针对TM数据和曾经广泛使用的MSS数据。它抓住了地面景物，特别是植被和土壤在多光谱空间中的特征，这对于扩大陆地卫星TM影像数据分析在农业方面的应用有重要的意义。
2.2.2K-T变换步骤
Interpreter图标>Spectral Enhancement>Tasseled Cap 确定输入文件lanier.img，输出文件:tasseled.img
文件坐标类型：Map，处理范围默认
输出数据选择
输出数据拉伸到0-255：Stretch to Unsigned 8 bit
输出数据统计时忽略零值：Ignore Zero in Stats
定义相关系数（Set Coefficinets）：点击Set Coefficients按钮打开Tasseled Cap Coefficients对话框
首先确定传感器类型（Sensor）：Landsat TM5
定义相关系数（Coefficient Definition）：可利用系统缺省值OK，关闭Tasseled Cap Coefficients对话框
OK，关闭Tasseled Cap对话框，执行缨穗变换。
2.2.3K-T变换成果图
Tasseled.img:
y1分量：亮度
y2分量：绿度
y3分量：湿度
3 实验心得
哈尔滨工业大学 遥感图像处理及遥感系统仿真 实验报告 项目名称：《遥感图像处理及遥感系统仿真创新》 姓名：蒋国韬 学号：24 院系：电子与信息工程学院 专业：遥感科学与技术 指导教师：胡悦 时间：2017年7月
实验一：遥感数字图像的增强 一、实验目的： 利用一幅城市多光谱遥感图像，分析其直方图，并利用对比度增强和去相关拉伸方法对遥感图像进行增强。 二、实验过程： 1.用multibandread语句读取一幅多光谱遥感图像（7波段，512x512图像）的可 见1，2，3波段（分别对应R，G，B层）； 2.显示真彩色图像； 3.通过研究直方图（imhist），分析直接显示的真彩色图像效果差的原因；
4.利用对比度增强方法对真彩色图像进行增强（imadjust,stretchlim）； 5.画出对比度增强后的图像红色波段的直方图；
6.利用Decorrelation去相关拉伸方法（decorrstretch）对图像进行增强；
7.显示两种图像增强方法的结果图像。
三、实验分析： （1）高光谱影像由于含有近百个波段，用matlab自带的图像读写函数imread和imwrite往往不能直接操作，利用matlab函数库中的multibandred函数，可以读取多波段二进制图像。512×512为像素点，7位波段数，bil为图像数组的保存格式，uint8=>uint8为转换到matlab 的格式，[3 2 1]的波段分别对应RGB三种颜色。 （2）直接观察真彩复合图像发现，图像的对比度非常低，色彩不均匀。通过观察红绿蓝三色的波段直方图，可以观察到数据集中到很小的一段可用动态范围内，这是真彩色复合图像显得阴暗的原因之一。另外，根据三种颜色的三维散点图，如下
遥感图像处理实验报告 遥感图像处理实验报告 引言： 遥感图像处理是一门应用广泛的技术，它通过获取、分析和解释地球表面的图 像数据，为地质勘探、环境监测、农业发展等领域提供了重要的支持。本实验 旨在探索遥感图像处理的基本方法和技术，以及其在实际应用中的价值和意义。 一、图像预处理 图像预处理是遥感图像处理的第一步，它主要包括图像的去噪、增强和几何校 正等操作。在本实验中，我们使用了一张卫星图像作为样本，首先对图像进行 了去噪处理，采用了中值滤波算法，有效地去除了图像中的椒盐噪声。接着， 我们对图像进行了增强处理，采用了直方图均衡化算法，使得图像的对比度得 到了显著提高。最后，我们进行了几何校正，通过对图像进行旋转和缩放，使 得图像的几何形状与实际地理位置相符合。 二、图像分类 图像分类是遥感图像处理的关键步骤之一，它通过对图像中的像素进行分类， 将其划分为不同的地物类型。在本实验中，我们使用了监督分类方法，首先选 择了一些具有代表性的样本像素，然后通过训练分类器，将这些样本像素与不 同的地物类型进行关联。接着，我们对整个图像进行分类，将图像中的每个像 素都划分为相应的地物类型。最后，我们对分类结果进行了验证，通过与实地 调查结果进行对比，验证了分类的准确性和可靠性。 三、图像融合 图像融合是遥感图像处理的一项重要技术，它可以将多个不同波段或分辨率的
图像融合成一幅高质量的图像。在本实验中，我们选择了两幅具有不同波段的 卫星图像，通过波段归一化和加权平均的方法，将这两幅图像融合在一起。融 合后的图像不仅保留了原始图像的颜色信息，还具有更高的空间分辨率和光谱 分辨率，可以提供更全面和准确的地物信息。 四、图像变化检测 图像变化检测是遥感图像处理的一项关键任务，它可以通过对多幅图像进行比较，检测出地表发生的变化情况。在本实验中，我们选择了两幅具有不同时间 的卫星图像，通过差异图像法和指数变化检测法，对这两幅图像进行了变化检测。通过对比差异图像和变化指数图，我们可以清晰地看到地表发生的变化， 如城市扩张、植被变化等，为城市规划和环境监测提供了重要的参考依据。 结论： 通过本实验，我们深入了解了遥感图像处理的基本方法和技术，以及其在实际 应用中的价值和意义。图像预处理可以提高图像的质量和准确性，图像分类可 以实现地物的自动识别和分析，图像融合可以提供更全面和准确的地物信息， 图像变化检测可以监测地表的动态变化。遥感图像处理在地质勘探、环境监测、农业发展等领域具有广泛的应用前景，对于推动地球科学的发展和进步具有重 要的推动作用。
实验一 遥感图像统计特性 一、实验目的 掌握遥感图像常用的统计特性的意义和作用，能运用高级程序设计语言实现遥感图像统 计参数的计算。 二、实验内容 编程实现对遥感图像进行统计特性分析，均值、方差（均方差）、直方图、相关系数等。 三、实验原理 1.均值 像素值的算术平均值，反映图像中地物的平均反射强度。 11 00 (,) N M j i f i j f MN --=== ∑∑ 2.方差（或标准差） 像素值与平均值差异的平方和，反映了像素值的离散程度。也是衡量图像信息量大小的 重要参数。 11 2 00 2[(,)] N M j i f i j f MN σ--==-= ∑∑ 3. 相关系数 反映了两个波段图像所包含信息的重叠程度。f , g 分别为两个波段的图像，它们之间的 相关系数计算公式为： 11 [((,))((,))] (,)M N f g f i j e g i j e C f g ---?-= ∑∑ 其中， e f , e g 分别为两个波段图像的均值。 四、实验步骤和内容 1.实验代码 clc clear all I =imread ('m1.jpg'); whos I %显示图像信息 figure (1),imshow (I ); R =double (I (:,:,1)); G =double (I (:,:,2)); B =double (I (:,:,3)); %求图像的R,G,B 的均值,avg=mean(mean(I))
%求图像的R,G,B的均值 mean(R(:)) mean(G(:)) mean(B(:)) %求R,G,B的方差 varR=var(R(:)); varG=var(G(:)) varB=var(B(:)) %求RG,RB,GB的相关系数 corrcoef(R(:),G(:)) corrcoef(R(:),B(:)) corrcoef(B(:),G(:)) 2.原始图像 Figure 1原始图像3.实验结果 R,G,B的均值
1 实验目的 1.1理解遥感图像的变换处理方法和原理； 1.2掌握遥感图像的变换处理，包括主成份变换和逆变换、缨穗变换、色彩变换与逆变换； 2 实验方法（要求将实验步骤过程中的对话框及成果图拷屏到报告中） 2.1主成分变换处理（K-L变换） 2.1.1 K-L变换原理 （1）K-L变换是离散（Karhunen-Loeve）变换的简称，又被称作主成分变换。它是对某一多光谱图像X，利用K-L变换矩阵A进行线性组合，而产生一组新的多光谱图像Y，表达式为 Y=AX 式中，X为变换前的多光谱空间的像元矢量； Y为变换后的主分量空间的像元矢量； A为变换矩阵。 （2）对图像中每一个像元矢量逐个乘以矩阵A，便得到新图像中每一个像元矢量。A的作用是给多波段的像元亮度加权系数，实现线性变换。由于变换前各波段之间有很强的相关性，经过K-L变换组合，输出图像Y的各分量yi之间将具有最小的相关性，这就是变换矩阵A的作用。
（3）从几何意义来看，变换后的主分量空间坐标系与变换前的多光谱空间坐标系相比旋转了一个角度。而且新坐标系的坐标轴一定指向数据信息量较大的方向。 2.1.2K-L变换步骤 (1)Interpreter图标>Spectral Enhancement> Principal Comp. 确定输入文件lanier.img，输出文件principal.img 文件坐标类型：Map，处理范围为默认 输出数据类型：Float Single 输出数据统计时忽略零值：Ignore Zero in Stats 特征矩阵输出设置（Eigen Matrix） 在运行日志中显示：Show Session Log 写入特征矩阵文件：Write to File（必选项，逆变换时需要）特征矩阵文件名（Output TextFile）：lanier.mtx
大学水利与环境学院 遥感技术实验报告 （适用于地理信息系统专业） 专业班级： *********** 学生： ******* 学生学号： *********** 指导教师： ****** 实验成绩： ***年***月
实验一、遥感图像认知与输入/输出的基本操作 一、实验要求 1.了解遥感卫星数字影像的差异。 2.掌握查看遥感影像相关信息的基本方法。 3.掌握遥感图像处理软件ERDAS的基本视窗操作及各个图标面板的功能。 4.了解遥感图像的格式，学习将不同格式的遥感图像转换为ERDASimg格式，以及将ERDASimg 格式转换为多种指定的格式图像。 5.学习如何输入单波段数据以及如何将多波段遥感图像进行波段组合。 6.掌握在ERDAS系统中显示单波段和多波段遥感图像的方法。 二、实验容 1.遥感图像文件的信息查询。 2.空间分辨率。 3.遥感影像纹理结构认知。 4.色调信息认知。 5.遥感影像特征空间分析。 6.矢量化。 7.遥感图像的格式。 8.数据输入/输出。 9.波段组合。 10.遥感图像显示。 三、实验结果及分析：简述矢量功能在ERDAS中的意义。 矢量功能可以将栅格数据转化为矢量数据。矢量数据有很多优点：1.矢量数据由简单的几何图元组成，表示紧凑，所占存储空间小。2.矢量图像易于进行编辑。3.用矢量表示的对象易于缩放或压缩，且不会降低其在计算机中的显示质量。 四、实验结果及分析：简述不同传感器的卫星影像的特点和目视效果。 SPOT卫星最大的优势是最高空间分辨率达10m，并且SPOT卫星的传感器带有可以定向的发射镜，使仪器具有偏离天底点（倾斜）观察的能力，可获得垂直和倾斜的图像。因而其重复观察能力由26天提高到1~5天，并在不同的轨道扫面重叠产生立体像对，可以提供立体观测地面、描绘等高线，进行立体绘图的和立体显示的可能性。 CBRES的轨道是太阳同步近极地轨道，轨道高度是778km，卫星的重访周期是26天，其携带的传感器的最高空间分辨率是19.5m。 IKONOS使用线性阵列技术获得4个波段的4m分辨率多光谱数据和一个波段的1m分辨率的全色数据。其波段分配为：多光谱波段1（蓝色）0.45~0.53μm，波段2（绿色）0.52~0.61μm，波段3（红色）0.64~0.72μm，波段4（近红外）0.77~0.88μm。全色波段为0.45~0.90μm。数据的收集可达2048灰度级，记录为11bit。
图像灰度变换报告 一.实验目的 1.学会使用Matlab ； 2.学会用Matlab 软件对图像进行灰度变换，观察采用各种不同灰度变换发法对最终图像效果的影响； 二.实验内容 1.熟悉Matlab 中的一些常用处理函数 读取图像：img=imread('filename'); 取实验用图像：. 使用imread 函数将图像读入Matlab 。 3 .产生灰度变换函数T1，使得： r < s = + (r – ≤ r ≤ 1 + (r – 1) r > 用T1对原图像进行处理，使用imwrite 函数保存处理后的新图像。 4.产生灰度变换函数T2，使得： s = 5.用T2 6.分别用 s = ; s = ; s = 对图像进行处理。为简便起见，使用Matlab 中的imadjust 函数，最后用imwrite 保存处理后的新图像。 7.对图像实施反变换（Negative Transformation ）。s =1－r; 使用imwrite 保存处理后的新图像。 8.对图像实施灰度切片 当 ≤ r ≤ 时，将r 置为, 当r 位于其他区间时, 保持其灰度与原图像一样。使用imwrite 保存处理后的新图像。 9.利用灰度变换对做增强处理，突出图中的人物，改善整个图像过于灰暗的背景。通过调节参数，观察变换后的图像与原始图像的变化，寻找出最佳的灰度变换结果。写出所采用的拉伸表达式。 三．实验结果与分析 1.采用T1函数 变换前 变换后
函数图像 该方法采用分段函数对图像进行处理，对灰度值大的进行拉伸，使灰度增大，而灰度值小的，也进行拉伸，使灰度值更小，从而产生如图所示的结果。 2.采用T2函数 变换前变换后 T2函数图 T2函数也比较好的完成了T1函数所达到的效果，但是T2函数更加平滑一点，对于图像的边界处理的较好一些。 3. 变换前图像变换前灰度图 采用s = 变换采用s = 变换采用s = 变换 三种函数的对比 三种变换方式都对图像的每一个像素灰度作线性拉伸，有效地改善图像的视觉效果，但如果选择的拉伸尺度过大，会引起图像的失真，利用s = 变换是比较适合的。 4.对灰度图进行反变换 变换前图像变换后图像 由图可以看出，该方法将灰度值进行翻转，是输出图像的灰度值随输入图像的灰度值增加而减小，如黑图像变成白图像。这样可以增强灰暗背景下的白色细节的亮度。 5.对图像实施灰度切片 变换前图像变换后图像 函数图 经过灰度切片变化，图像中有很大一部分灰度统一为，这样导致了很多不必要的失真，可以再进行调节，使范围更加的准确。 6. 利用灰度变换对做增强处理，利用分段函数突出图中的人物，改善整个图像过于灰暗的背景。通过调节参数，观察变换后的图像与原始图像的变化，寻找出最佳的灰度变换结果。 原图通过变换后 分段线性变换的公式如下： r < s = + ≤ r ≤ r >
1.灰度变换与空间滤波 一种成熟的医学技术被用于检测电子显微镜生成的某类图像。为简化检测任务，技术决定采用数字图像处理技术。发现了如下问题：（1）明亮且孤立的点是不感兴趣的点；（2）清晰度不够，特别是边缘区域不明显；（3）一些图像的对比度不够；（4）技术人员发现某些关键的信息只在灰度值为I1-I2的范围，因此，技术人员想保留I1-I2区间范围的图像，将其余灰度值显示为黑色。（5）将处理后的I1-I2范围内的图像，线性扩展到0-255灰度，以适应于液晶显示器的显示。请结合本章的数字图像处理处理，帮助技术人员解决这些问题。 1.1问题分析及多种方法提出 （1）明亮且孤立的点是不够感兴趣的点 对于明亮且孤立的点，其应为脉冲且灰度值为255(uint8)噪声，即盐噪声，为此，首先对下载的细胞图像增加盐噪声，再选择不同滤波方式进行滤除。 均值滤波： 均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。 优点：速度快，实现简单； 缺点：均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。 其公式如下： 使用矩阵表示该滤波器则为：
中值滤波： 滤除盐噪声首选的方法应为中值滤波，中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。 其过程为： a 、存储像素1，像素2.....像素9的值； b 、对像素值进行排序操作； c 、像素5的值即为数组排序后的中值。 优点：由于中值滤波本身为一种利用统计排序方法进行的非线性滤波方法，故可以滤除在排列矩阵两边分布的脉冲噪声，并较好的保留图像的细节信息。 缺点：当噪声密度较大时，使用中值滤波后，仍然会有较多的噪声点出现。 自适应中值滤波： 自适应的中值滤波器也需要一个矩形的窗口xy S ，和常规中值滤波器不同的是这个窗口的大小会在滤波处理的过程中进行改变（增大）。需要注意的是，滤波器的输出是一个像素值，该值用来替换点),(y x 处的像素值，点),(y x 是滤波窗口的中心位置。 其涉及到以下几个参数：
实习五波谱信息增强 一、实验目的 1、掌握应用不同滤波器进行滤波的方法与步骤。 二、实验准备 预备知识： 滤波操作可在主菜单Filter菜单下进行，在ENVI中可进行如下操作：卷积滤波、形态学滤波、纹理滤波、自适应滤波和频率域滤波。卷积滤波在空间域中对图像进行滤波处理，形态滤波根据数学形态学运算对图像进行增强，纹理滤波可以提取图像的纹理方面的信息，自适应滤波能够在保留边缘的情况下进行平滑减噪处理。本节我们将主要介绍两种主要的滤波：空间域滤波（卷积滤波）和频率域滤波（快速傅立叶变换）。在数学空域中作卷积相当于在频域中作乘积，所以两者实质上是一样的。 滤波通常通过消除特定的空间频率来使图像增强。空域上的频率可以理解为像元亮度值随距离的变化。高频信息通常反应局部的变化，而低频信息通常反应整体的轮廓特征。 空域滤波是通过将图像与一个模板进行运算而进行的，由于模板的对称性，这种运算相当于数学中的卷积运算，所以也叫卷积滤波，进行滤波的模板也称为卷积算子。用户选择卷积算子与图像进行卷积生成一个新的空间滤波图像。ENVI中的卷积滤波包括以下类型：高通、低通、拉普拉斯、方向滤波、高斯高通、高斯低通、中值、Sobel、Roberts、用户自定义滤波。 1．高通滤波 高通滤波在保持高频信息的同时，消除了图像中的低频成分。它可以用来增强不同区域之间的边缘，犹如使图像尖锐化。通过运用一个具有高中心值的变换核来完成（典型地周围是负值权重）。ENVI 默认的高通滤波用到的变换核是3×3 的（中心值为“8”，外部像元值为“-1”）。高通滤波变换核的大小必须是奇数。 2．低通滤波 低频滤波保存了图像中的低频成分。相当于对图像进行平滑化。ENVI缺省的低通滤波使用3×3模板，模板中所有元素的和为1，相当于对模板内的像素求平均然后赋给中间像元。 3．拉普拉斯滤波 拉普拉斯滤波是一个二阶导数算子，它不检测均匀的亮度值变化，而检测变化的变化率，计算出的图像更加突出亮度值突变的位置。而且它满足各向同性的要求，是同时增强所有方向的边缘和线条信息的简单而有效的方法。拉普拉斯算子的特点是中心像元为正，南北和东西方向为-1，角落为0，缺算的为3×3。 4．方向滤波 方向滤波是一个一阶导数算子，它有选择性地增强有特定方向的边缘。 5．高斯滤波 高斯滤波通过一个指定大小的高斯卷积函数对图像进行滤波，可以高通也可以低通，缺省大小为3×3。 6．中值滤波 中值滤波在保留比变换核大的边缘的同时，平滑图像。它用模板内的像元的中值（注意非均值）代替中心像元亮度值，中值滤波对消除图像的“椒盐噪声”（黑白斑点）非常有效。 Sobel和Roberts滤波 Sobel和Roberts滤波算子属于非线性边缘增强，基于Sobel和Roberts函数，前者为两个3×3模板，后者为两个2×2模板。滤波器的大小不能被更改，也不能编辑变换核的大小。 用户自定义的卷积滤波 可以通过选择和编辑一个用户变换核，定义习惯上用到的卷积变换核，包括矩形或正方形。使用卷积滤波：
数字图像处理实验02图像灰度级修正 一、数字图像处理实验 实验二图像灰度级修正 一、实验目的 掌握常用的图像灰度级修正方法，即图象的灰度变换法和直方图均衡化法，加深对灰度直方图的理解。 观察图象的增强效果，对灰度级修正前后的图像加以比较。 二、实验内容 1. 编程实现图像的灰度变换。改变图像输入、输出映射的灰度参数范围(拉伸和反比)，观看图像处理结果。 2. 修改可选参数gamma 值,使其大于1、等于1和小于1，观看图像处理结果。 3. 对图像直方图均衡化处理，显示均衡前后的直方图和图像。 三、实验原理 灰度级修正是图像空间域的增强方法，它以图像的灰度映射变换为基础，直接对图像中的像素进行处理，主要是利用点运算来修改图像像素的灰度。其变换函数通常可写作如下的简单形式：)(r T s = (2.1) 其中，r 表示图像f 中相应点(x,y)的灰度，s 表示图像g 中相应点(x,y)的灰度。 1. 灰度变换 1）图像增强常用的三个基本灰度变换类型函数有：线性的（正
比和反比）、对数的（对数和反对数变换）、幂次的（n 次幂和n 次方根变换）。 线性变换为最一般的函数。假定原图像),(y x f 的灰度范围为],[b a ，希望变换后图像),(y x g 的灰度范围扩展至],[d c ，则线性变换可表示为公式（2.2）所示： 图1.2 灰度范围的线性变换 2）幂次变换 用于图像获取、打印和显示的各种装置根据幂次规律进行响应。幂次变换的基本形式为： γcr s = (2.3) 其中s 为变换后的图像灰度级，c 和r 为正常数。当1==r c 时，将简化为正比变换。幂次等式中的指数是指伽马值。用于修正幂次响应现象的过程称作伽马校正。 2. 直方图均衡化 直方图均衡是直方图修正技术中的一种常用的方法。 1) 采用灰度频数直方图统计
数字图像灰度变换技术的研究总结 数字图像处理一直是计算机科学中最重要的方向之一，而灰度变换则是处理数字图像时常用的一种技术。灰度变换是数字图像处理中广泛应用的一种方法，其主要功能是将原始数字图像像素映射为新的像素值，从而改变数字图像的亮度、对比度等特征。在数字图像处理中，灰度变换被广泛应用于医学图像处理、遥感图像处理和计算机视觉等领域。 灰度变换技术主要有三种基本方法：对数变换、幂次变换和分段线性变换。其中，对数变换和幂次变换实质上是两种相反的变换方法，它们可以将原始图像的亮度分布在灰度直方图上向左或向右平移。分段线性变换更为常用，它可以通过使用多个不同的线性转换阶段，将原始图像的亮度细分为多个不同的阶段来映射。 在实践应用中，无论是对数变换还是幂次变换都常常与分段线性变换配合使用。常见的使用方法是先使用对数变换或幂次变换来改变原始图像的亮度分布，然后使用分段线性变换来将新图像细分为相应的灰度级别。 数图像灰度变换的具体应用范围很广，例如在医学图像处理中，医生可以通过对CT、MRI或X光图像进行灰度变换来显示相关组织和器官。在遥感图像处理中，可以使用灰度变换来显示地表的不同特征，例如冰川、水体和植被等。在计算机视觉中，灰度变换可以被用来提高图像质量和增强特定特征，例如边缘、纹理等。
然而，灰度变换技术也存在一些缺陷。灰度变换过程中会产生信息丢失，图像的动态范围会变小。此外，灰度变换直接影响图像的亮度和对比度，但不是所有的图像特征都可以用这两个参数来描述。因此，需要其他先进的技术来处理数字图像的其他特征。 数字图像灰度变换技术是数字图像处理中最基本、最重要的技术之一。灰度变换可以改变原始图像的亮度、对比度等特性，以及提高图像质量和增强图像特征。但是，这种技术也存在缺陷，如信息丢失等，因此需要进一步研究和发展其他技术来满足数字图像处理的需求。
线性灰度变换 一、实验(shíyàn)目的 1结合实例学习如何在视频显示(xiǎnshì)程序中增加图像处理算法； 2理解和掌握(zhǎngwò)图像的线性变换和直方图均衡化的原理和应用； 3了解平滑处理的算法和用途，学习使用均值滤波(lǜbō)、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法； 4 了解噪声模型及对图像添加噪声的基本方法。 二、实验原理 1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。 2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。按照图像概率密度函数PDF的定义： 通过转换公式获得：
3 均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。将模板中的全体像素的均值（中值）来代替原来像素值的方法。 4 拉普拉斯算子如下： 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。 三、实验步骤 1 启动MATLAB程序，对图像文件分别进行灰度线性变换（参考教材57页，例4.1）、直方图均衡化（参考教材64页，例4.6）、均值滤波（参考教材69页，例4.9）、中值滤波（参考教材73页，例4.11）和梯度锐化操作（参考教材76页，例4.12）。添加噪声，重复上述(shàngshù)过程观察处理结果。 2记录(jìlù)和整理实验报告： 对图像文件进行(jìnxíng)灰度线性变换 （1）对图像(tú xiànɡ)pout.tif，将其小于30的灰度值不变，将30到150的灰度值拉伸到30到200，同时压缩150到255的灰度值到200到255之间。 I=imread('pout.tif'); imshow(I); I=double(I); [M,N]=size(I); for i=1:M for j=1:N if I(i,j)<=30 I(i,j)=I(i,j);
数字图像处理基本操作及灰度调整实验报告 实验目的 1.掌握数字图像处理的基本概念和原理。 2.学会使用Python编程语言进行图像处理。 3.理解并实现图像灰度调整的方法。 4.分析实验结果，讨论图像处理方法的优缺点。 2.1 数字图像处理概述
数字图像处理（Digital Image Processing，DIP）是一门研究使用计算机对图像进行处理的技术。它的目的是改善图像的质量，使之更适合人类或计算机对图像进行观察和分析。数字图像处理涉及到图像采集、存储、传输、分析以及图像的恢复等方面。 2.2 图像的表示和描述 数字图像由图像元素（像素）组成，每个像素有一个对应的灰度值。灰度值表示像素的亮度，通常用8位二进制数表示，其范围为0~255。像素的灰度值越高，亮度越高。数字图像可以表示为一个矩阵，矩阵中的每个元素对应一个像素的灰度值。彩色图像通常采用RGB颜色模型，每个像素包含三个分量，分别对应红色、绿色和蓝色通道的亮度。 2.3 图像灰度调整 图像灰度调整是指调整图像像素的灰度值，以改善图像的质量。常用的图像灰度调整方法有： 1.线性灰度变换：通过线性映射关系改变图像灰度值，可以实现图像亮度的调整和对 比度的拉伸。 2.直方图均衡化：通过调整图像的灰度直方图，使其均匀分布，可以提高图像的对比 度。 •操作系统：Windows 10 •编程语言：Python 3.8 •图像处理库：OpenCV 4.5.2 •集成开发环境：Visual Studio Code 4.1 图像读取和显示 首先，我们需要使用OpenCV库读取和显示图像。以下是读取和显示图像的Python代码：
遥感影像灰度值计算 遥感影像灰度值是指影像中每个像素点的亮度级别，其反映了被 观察物体或地表的特征信息。灰度值计算对于遥感影像的解译和分析 具有重要意义。本文将介绍遥感影像灰度值的计算方法，并探讨其在 不同应用领域中的重要性与指导意义。 一、灰度值的计算方法 1. 线性灰度变换：将影像中的原始灰度值转化为可视化的灰度级别。常用的线性灰度变换方法有线性拉伸、分段线性变换等。 2. 直方图均衡化：通过重新调整影像中各个灰度级别出现的频数，实现亮度的增强和对比度的改善。直方图均衡化可以提高影像的视觉 效果，使各个物体特征更加明显。 3. 比例拉伸：根据影像中最小和最大灰度值，进行线性转换，将 原始灰度值映射到特定的范围内。比例拉伸可以突出影像的细节信息，提高目标的可辨识度。 二、灰度值计算的重要性 1. 物体提取与分类：通过计算遥感影像的灰度值，可以帮助识别 和分类不同的物体。不同物体的灰度值往往存在明显差异，可以通过 灰度值计算来区分它们，进而实现地物提取和分类。 2. 土地利用与覆盖分析：遥感影像灰度值与地物覆盖类型之间存 在一定的关联性。通过对灰度值的计算和分析，可以了解不同地表特
征的分布情况，从而进行土地利用和覆盖分析，为城市规划、环境保护等提供依据。 3. 灾害监测与评估：遥感影像灰度值的变化可以反映灾害事件的发生和演化过程。通过实时计算和监测灰度值的变化，可以及时发现并评估自然灾害，为灾害管理和救援提供有效支持。 4. 环境变化监测：遥感影像灰度值的变化可以反映自然环境的演变和变化趋势。通过定期计算和比较灰度值，可以监测和评估气候变化、植被覆盖变化等环境变化情况，为环境保护和可持续发展提供科学依据。 三、灰度值计算的指导意义 1. 优化影像解译：灰度值计算可以帮助解译遥感影像，提取目标信息。根据不同应用领域的需求，灰度值计算可以优化影像的解读和分析过程，提高解译的准确性和效率。 2. 支持决策制定：通过灰度值计算可以获得遥感影像的空间信息和特征参数，为决策制定提供科学依据。无论是城市规划、灾害管理还是环境监测，都可以通过灰度值计算来支持决策制定，实现资源的合理配置和风险的预测。 3. 促进科学研究：灰度值计算为科学研究提供了可靠的数据支撑和分析手段。无论是地学、环境科学还是遥感技术，灰度值计算的应用都能够推动学科的发展，为新的发现和创新奠定基础。
遥感数字图像处理实验报告 （三） 姓名：学号：班级：指导老师： 1）项目名称：遥感图像空域增强处理 2）实验目的： 1. 掌握遥感图像直方图增强的各种方法，对各种增强结果进行对比分析，了解和掌握使 用各种方法进行图像处理的特点和优势，有助于突出哪方面的信息等。 2. 掌握遥感图像的各种邻域增强方法，进行算子分析和结果对比，掌握各种方法的特点以及使用该增强方法有助于突出的信息。 3）实验原理： 空间增强技术是利用像元自身及周围像元的灰度值进行计算，达到增强图像、突出图像中的某些方面信息的目的。实验选择使用ERDAS IMAGINE 软件进行操作。该软件共提供了如下空间增强处理功能：对应的如图1 4）数据来源及数据基本信息：（下载源、波段数、对应的波长、分辨率、投
影、地区） 图像数据来自国际科学数据服务平台，Landsat5 2010年9月18日的图像，是经裁剪后的图像。图像共7个波段，波段1-5和波段7的空间分辨率为30米，6波段（热红外波段）的空间分辨率为120米。对应的波段、波长、分辨率、主要作用如表： 图像采用的投影为WGS 84投影，条带号为122，行编号为36，覆盖豫东、皖北、苏北、鲁西四省交界地区。裁剪后的图像范围为河南省永城市东西城区及周边。 5）实验过程： 空间邻域增强： 1）卷积增强（Convolution）卷积处理的关键是卷积算子即系数矩阵的选择，该系数矩阵又称卷积核。ERDAS IMAGINE 卷积算子分为3×3、5×5、7×7三 组，每组有都包括Edge Detect、Edge Enhance、Low Pass、High Pass、 Horizontol、Vertical、Summary等七种不同的处理方式，本实验仅选取3×3、 5×5、7×7的Edge Detect 边缘检测和5×5的Edge Enhance、Low Pass、High Pass、Horizontol、Vertical、Summary 共计9种处理方式以做对比。 具体步骤：——— ，弹出Convolution对话框,如图1，分别选取不同卷积处理方式，对比处理结果，如图2—9：
课程实验报告
我们选择的是对比度不足的pout.tif图像，从它的直方图可以算出，它的灰度值大概在[0.3 0.7]这个范围内，所以我们要调整它的灰度范围，改为[0 1],增大灰度范围，从而增强对比度。 2.直方图均衡：选择一幅灰度直方图不均匀的图像，对该图像进行直方图均衡处理，显示处理前、后的图像以及它们的灰度直方图。
由图可以看出，原始图像直方图很不均匀，大多数像素值集中分布在零附近的低灰度区，反映原图像偏暗而不清晰；均衡化后图像的直方图比较均匀，反映均衡化后图像图像比原图像清晰。
由图可以看出，原始图像直方图分布不均匀，大多数像素集中在[0.3 0.7]这个范围内，反映原图像不清晰；均衡化后图像直方图比较均匀，反映均衡化后图像比原图像清晰。 实验中的体会（如实验过程中遇到的问题及其解决的方法等） 本次实验并不难，在课上就能做完实验和完成实验报告，觉得这样的实验挺好的，课后有更多的时间可以看书。实验过程中还是遇到了软件的问题，很不解为什么同样的代码在实验课上不能通过，但是在宿舍就可以，有时候会浪费一些时间解决软件问题。不过还是挺开心的，每次实验课完成都能够更理解更清楚理论课的知识。 附录: （MATLAB程序） %EX1 close all; clear all; I=imread('pout.tif'); J=imadjust(I,[0.3 0.7],[0 1]); figure; subplot(2,2,1);imshow(I);title('原始图像'); subplot(2,2,3);imhist(I);title('原始图像的直方图');
遥感图像增强实验报告 1. 实验目的和内容 实验目的： （1）遥感图像的空间域增强：通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像，是图像增强技术的基本组成部分，包括点运算和邻域运算。 （2）遥感图像的频率域增强：通过对频率域的调整对遥感图像进行平滑和锐化，平滑主要是保留图像的低频部分抑制高频部分，锐化则保留图像的高频部分而削弱低频部分。 （3）遥感图像的彩色增强：将黑白图像转换成彩色图像，使地物的差别易于分辨，突出图像的有用信息，从而提高对图像的解译和分析能力。 实验内容： （1）遥感图像的空间域增强：点运算—直方图均衡化、灰度拉伸、任意拉伸，邻域运算—图像平滑、图像锐化。 （2）遥感图像的频率域增强：定义FFT，反向FFT，再进行对比。 （3）遥感图像的彩色增强：多波段影像—彩色合成、单波段影像—伪彩色增强、色彩空间变换、遥感数据融合。 2. 图像处理方法和流程 A.遥感图像的空间域增强 1.直方图均衡化 (1)在主窗口中打开can_tmr.img文件。
(2)以gray形式显示一个波段。 (3)Display窗口>enhance>equalization
2.灰度拉伸 (1)Display窗口>enhance>interactive stretching
(2)弹出的对话框>stretch_type>linear (3)在STRETCH对应的两个文本框中输入需要拉伸的范围，然后单击对话框上的APPLY按钮，图像显示为线性拉伸后的效果。
3.任意拉伸 （1）弹出的对话框>stretch_type>Arbitary，在output histogram中单击绘制直方图，右键结束 （2）点击apply，结果如图所示
数字图像灰度变换技术总结 篇一：图像的灰度变换 昆明理工大学（数字图像处理）实验报告实验名称：图像的灰度变换专业：电子信息科学与技术姓名：学号：成绩： [实验目的] 1、理解并掌握灰度变换的基本原理和方法。 2、编程实现图像灰度变换。 3、分析不同的灰度变换方法对最终图像效果的影响。 [实验内容] 1、灰度的线性变换； 2、灰度的非线性变换； 3、图像的二值化； 4、图像的反色处理； [实验原理] 图像的灰度变换(grayscaletransformation,GST)处理是图像增强处理技术中一种非常基础、直接的空间域图像处理方法,也是图像数字化软件和图像显示软件的一个重要组成部分。灰度变换是指根据某种目标条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法。目的是为了改善画质,使图像的显示效果更加清晰。灰度变换有时又被称为图像的对比度增强或对比度拉伸。从图像输入装置得到的图像数
据,以浓淡表示,(:数字图像灰度变换技术总结)各个像素与某一灰度值相对应。设原图像像素的灰度值d=f(x,y),处理后图像像素的灰度值d′=g(x,y),则灰度增强可表示为: g(x,y)=T[f(x,y)] 或d′=T(d) 要求d和d′都在图像的灰度范围之内。函数T(d)称为灰度变换函数,它描述了输入灰度值和输出灰度值之间的转换关系。灰度变换主要针对独立的像素点进行处理,通过改变原始图像数据所占据的灰度范围而使图像在视觉上得到良好的改观,没有利用像素点之间的相互空间关系。因此,灰度变换处理方法也叫做点运算法。点运算可以按照预定的方式改变一幅图像的灰度直方图。除了灰度级的改变是根据某种特定的灰度变换函数进行之外,点运算可以看做是“从像素到像素”的复制操作。根据g(x,y)=T[f(x,y)],可以将灰度变换分为线性变换和非线性变换。 1、灰度的线性变换 若g(x,y)=T[f(x,y)]是一个线性或分段线性的单值函数,例如g(x,y)=T[f(x,y)]=af(x,y)+b 则由它确定的灰度变换称为灰度线性变换,简称线性变换。 某图像的灰度范围相当窄,灰度值d仅在较小区间内,灰度直方图集中于一部分,所看到的图像模糊,好像没有灰度级似的,造成目标图像灰度值与背景灰度值相接近,人眼无法分辨检出。若利用灰度变换函数进行线性变换，使图像的直方图分布于整个灰度部分,图像的对比度
《数字图像处理》 课程实习报告 （ 2011 - 2012学年第 1 学期） 专业班级：地信09-2班 姓名：罗辉 学号：310905030213 指导老师：刘春国 ------------------------------- --------------- 实习成绩： 教师评语：
教师签名： 年月日 实验一图像彩色合成 一、实验目的 在学习遥感数字图像彩色合成基础上，应用所学知识，基于遥感图像处理软件ENVI进行遥感数字图像彩色合成。 二、实验内容 彩色合成：利用TM图像can_tmr.img，实现灰度图像的密度分割、多波段图像的真彩色合成、假彩色合成和标准假彩色合成。 三、操作步骤 显示灰度图像： 1、打开ENVI4.7,单击FILE菜单，在下拉菜单中选择open image file 选项， 然后在弹出的对话框中选择can_tmr.img文件，单击打开。 2、在可用波段列表对话框中，选中某一波段图像，选中gray scale单选按钮，单击LOAD BAND按钮，显示一幅灰度图像。 3、在可用波段列表对话框中，选择其他某一波段图像，进行显示。
4、利用可用波段列表中的display按钮，同时有多个窗口显示多个波段图像。 5、链接显示。利用图像窗口tool菜单下的link子菜单link display实现多图像的链接显示。
6、使用tool菜单下的Cursor Location/value和pixel Locator功能在确定像素的值和位置。 伪彩色合成 1、打开ENVI4.7,单击FILE菜单，在 下拉菜单中选择open image file 选 项，然后在弹出的对话框中选择 can_tmr.img 文件，单击打开。 2、在可用波段列表对话框中，选中 gray scale单选按钮，单击LOAD BAND 按钮，在#1 TM BAND1:CAN_TMR.IMG 对话框中，单击菜单栏上的OVERLAY 菜单，在下拉菜单中选择DENSITY SLICE…按钮，在弹出的对话框中选择 任意一个波段名称，本例选择1波段， 点击OK按钮。在弹出的对话框中显示 系统默认的密度分割，通过定义MIN 和max的值可以定义需要分割的密度 范 围，通过EDIT RANGE ,deleted range，clear ranges三个按钮可以 对默认的分割进行修改，待修改完毕 后，单击APPLY按后的效果。