第一章： 绪论
1.图像是对客观对象的一种相似性的描述或写真，它包含了被描述或写真对象的信息，是人们最主要的信息源。
2.图像分类：
（1）图像:数字图像
可见的图像:图片:照片，图和画
光图像
不可见的图像
（2）按图像的明暗程度和空间坐标的连续性划分
图像：数字图像和模拟图像
(3)根据波段的多少划分
图像：单波段图像，多波段图像和超波段图像
3. 遥感数字图像是指以数字形式表述的遥感影像。最基本的单位是像素，每个像素具有其空间位置特征和属性特征。
4.遥感数字图像处理是利用计算机图像处理系统对遥感图像中的像素进行系列操作的过程。
5. 遥感数字图像处理的主要内容：
(1)图像增强：着重强调特定的图像特征，在特征提取、图像分析和视觉信息的显示中很有用。
(2)图像校正：也称图像复原、图像恢复。主要是对传感器或环境造成的退化图像进行模糊消除、噪声滤除、几何失真或非线性校正。
(3) 信息提取：根据地物光谱特征和几何特征，确定不同地物信息的提取规则，利用该规则从校正后的遥感数据中提取各种有用的地物信息。
6. 遥感数字图像处理是整个遥感对地观测过程的一个基本组成部分：
地物->成像系统->采样和量化->数字存储->计算机->显示和记录
观测 数字化 存储 图像处理
7. 遥感数字图像处理系统包括：
硬件系统：进行图像处理所必须具备的设备，包括输入、存储、处理、显示、输出等设备。
软件系统：用于图像处理的各种程序。
专业的遥感数字图像处理的软件系统主要有：ERDAS、PCI、ENVI。
第二章 遥感数字图像的获取和存储
1. 遥感是遥感信息的获取、传输、处理以及分析判读和应用的过程。
2. 遥感系统是一个从地面到空中乃至整个空间，从信息收集、存储、传输、处理到分析、判读、应用的技术体系，主要包括遥感试验、信息获取(传感器、遥感平台)、信息传输、信息处理、信息应用等5个部分。
3. 传感器分辨率指标主要有：
辐射分辨率：是传感器区分反射或发射的电磁波辐射强度差异的能力。
光谱分辨率：是传感器记录的电磁光谱中特定波长的范围和数量。波长范围越窄，光谱分辨率越高；波段数越多，光谱分辨率越高。
空间分辨率：是指遥感图像上能够详细区分的最小单元的尺寸或大小，即传感器能把两个目标物作为清晰的实体记录下来的两个目标物之间最小的距离。
时间分辨率：对同一目标进行重复探测时，相邻两次探测的时间间隔称为时间分辨率。
4. 图像数字化
的过程就是把一幅遥感模拟图像分割成一个个小区域（像元或像素），并将各小区域灰度用整数表示。
数字化包括两个过程：采样和量化。
采样：将空间上连续的图像变换成离散点(即像素)的操作称为采样。
量化：量化是将像素灰度值转换成整数灰度级的过程。
5. 根据传感器选用的波长范围不同，遥感图像可以划分为下面两种类型：
不相干图像：为光学遥感所产生的图像，通过自然光源或者通过非相干辐射源得到。
相干图像：为微波遥感所产生的图像。
6. 元数据是关于图像数据特征的表述，是关于数据的数据。
元数据是重要的信息源，没有元数据，图像就没有使用价值。
7.图像文件的大小=图像行数*图像列数*每个像素的字节数*波段数*辅助参数
第三章 遥感数字图像的表示和统计描述
1. 每个像素的取值为0或1的图像称为二值图像。
二值图像中没有颜色的概念，数值仅包括0或1。
2. 灰度图像是每个像素由一个量化的灰度值(灰度级)来描述的图像。
3. 彩色图像指每个像素由红、绿、蓝（分别用R,G,B表示）三原色构成的图像，其中R,G,B由不同的灰度级分别描述。
4. 众数：图像中出现次数最多的灰度值,反映了图像中分布较广的地物反射能量。
5. 方差：像素值与平均值差异的平方和，表示像素值的离散程度。
6. 变差：像素最大值与最小值的差。
变差表示图像灰度值的变化程度，间接地反映了图像的信息量。
7. 反差：反映图像的显示效果和可分辨性，有时又称为对比度。
用像素值的最大值/最小值、最大值-最小值、方差等来表示。反差小，地物之间的可分辨性小。
8. 直方图：根据图像像素的灰度级范围,以适当的灰度间隔为单位划分为若干等级，以横轴表示灰度级，以纵轴表示每一灰度级具有的像素数或该像素数占总像素数的比例值，做出的统计图即为灰度直方图。
9. 直方图的性质：
（1）直方图反映了图像灰度的分布规律。它描述每个灰度级具有的像素个数，但不包括这些像素在图像中的位置信息。在遥感数字图像处理中，可通过修改图像的直方图来改变图像的反差。
（2）任何一幅特定的图像都由唯一的直方图与之对应，但不同的图像可以有相同的直方图。
（3）如果一幅图像仅包括两个不相连的区域，并且每个区域的直方图已知，则整幅图像的直方图是这两个区域的直方图之和。
（4）由于遥感图像数据的随机性，在图像像素数足够多且地物类型差异不是非常悬殊的情况下，遥感图像数据与自然界的其他现象一样，服从或接近于正太分布
10. 累积直方图：以横轴表示灰度级，以纵轴表示
每一灰度级及其以下灰度级所具有的像素数或此像素数占总像素数的比值，做出的直方图即为累积直方图。
11. 多波段图像的统计特征
多波段图像之间的统计特征不仅是图像分析的重要参数，而且也是图像合成方案的主要依据之一。
协方差和相关系数是两个基本的统计量，其值越高，表明两个波段图像之间的协变性越强。
利用图像之间或波段之间的相关性，可以实现图像的压缩处理等。
小知识：
方差反应参数的波动情况；而两个不同参数之间的方差就是协方差，度量两个随机变量协同变化程度的方差。
12. 相关系数是描述波段图像间的相关程度的统计量，反映了两个波段图像所包含信息的重叠程度。
13. 滤波一词来源于通信理论，它是指从含有干扰的接收信息中提取有用信号的一种技术。
在现代汉语词典里，“信号”是用来传递消息或命令的光、电波、声音.动作等。
狭义地说，滤波是指改变信号中各个频率分量的相对大小、或者分离出来加以抑制，甚至全部滤除某些频率分量的过程。
广义地说，滤波是把某种信号处理成为另一种信号的过程。
14. 纹理是由纹理基元按某种确定性的规律或只是按某种统计规律重复排列组成的。
15. 纹理可分为人工纹理和自然纹理。
人工纹理是由自然背景上的符号排列组成的，这些符号可以是线条、点、字母、数字等等。
自然纹理是具有重复排列现象的自然景物，如森林、草地之类的照片。
人工纹理往往是有规则的，而自然纹理往往是不规则的。
16. 共生矩阵方法
在图像中任意取一点(x，y)及偏离它的另一点(x+a,y+b)构成点对，该点对的灰度值为(f1,f2)，再令点(x,y)在整幅图像上移动，则会得到不同的(f1,f2)值。
对于整幅图像，统计出每一种(f1,f2)值出现的次数，然后排列成一个方阵，再用(f1,f2)出现的总次数将它们归一化为出现的概率P(f1,f2)，由此产生的矩阵为灰度共生矩阵。
共生矩阵是用来描述纹理中灰度基元之间空间联系的基础，反映了纹理中灰度分布的性质。
第四章 图像显示和拉伸
1. 颜色是外界光作用于人的视觉器官而产生的主观感觉，分为两大类：非彩色（消色）和彩色。
非彩色就是黑、白以及从黑过度到白的一系列的灰色，它们对光谱上各个波长的反射是没有选择性的，称之为中性色。
黑白系列的非彩色只能反映物质的光反射率的变化，其在视觉上的感觉是亮度的变化。
彩色是指除黑白系列以外的各种颜色。彩色有3个基本性质：
明度：是人眼对光源或物体明亮程度的感觉。
色调：是色彩彼此相互区分的特性。
饱和度：是彩色纯洁的程度，也就是光谱中波
长段是否窄，频率是否单一的表示。
2. 灰色梯尺:亮度可以用一条灰度级色带表示，一端是纯黑色，另一端是纯白色
3. 常用的颜色空间模型：
◆RGB(红/绿/蓝)模型: RGB颜色空间是根据人眼锥体接受光线的方法构造成的模型，是由红、绿、蓝三原色混合得到的颜色集合所构成的颜色空间。RGB模式 ：用于显示彩色图像的相加混色模型 。
◆CMYK(青/洋红/黄/黑)模型: CMYK颜色空间是彩色胶片的染料和印刷油墨所形成的颜色空间。是与设备相关的颜色空间。以红、绿、蓝的补色青(Cyan)、品红(Magenta)、黄(Yellow)为原色构成的CMY颜色模型，常用于从白光中滤去某种颜色，又被称为减性原色系统。
◆LAB(目标色调说明标准)模型
YIQ颜色模型
用于彩色电视广播。
◆ HSI(色调/饱和度/强度)模型: 色调H是描述纯色的颜色属性，饱和度S提供了白光冲淡纯色程度的量度。强度或亮度成分I在图像中与颜色信息无关。它是面向彩色图像处理的最常用的颜色模型。
4. 彩色图像可以分为真彩色图像和假彩色图像。
◆ 真彩色图像的颜色与人眼视觉所看到的颜色基本一致。
◆ 假彩色图像是图像的色调与实际地物色调不一致的图像。
彩色合成包括伪彩色合成、真彩色合成、假彩色合成和模拟真彩色合成4种方法。
? 伪彩色合成是把单波段灰度图像中的不同灰度级按特定的函数关系变换成彩色，然后进行彩色图像显示的方法，主要通过密度分割方法来实现。
? 密度分割方法是对单波段遥感图像按灰度分级，对每级赋予不同的色彩，使之变为一幅彩色图像。
? 如果彩色合成中选择的波段的波长与红绿蓝的波长相同或近似，那么得到的图像的颜色与真彩色近似，这种合成方式称为真彩色合成。
? 优点：合成后图像的颜色更接近于自然色，与人对地物的视觉感觉相适应，更容易对地物进行识别。
? 对于多波段遥感图像，选择其中的任意3个波段，分别赋予红、绿、蓝3种原色，即可在屏幕上合成彩色图像。由于三原色波段的选择是根据增强目的确定的，与原来波段的真实颜色不同，所合成的彩色图像并不表示地 物真实的颜色，因此，这种合成方法称为假彩色合成。
模拟真彩色合成:由于蓝光容易受大气中气溶胶的影响，有些传感器舍弃了蓝波段，因此通过彩色合成无法得到真彩色图像。这时，可通过某种形式的运算得到模拟的红、绿、蓝3个通道，然后通过彩色合成近似地产生真彩色图像。
5. 相加混色的基本规律是：
红色+绿色=黄色
红色+蓝色=品红
蓝色+绿色=青色
红色+蓝色+绿色=白色
这里的三基
色是红色、绿色、蓝色。青色、品红、黄色称为它们的补色
6. 相减混色有下列规律：
黄色=白色-蓝色
品红=白色-绿色
青色=白色-红色
黄色+品红=白色-蓝色-绿色=红色
黄色+青色=白色-蓝色-红色=绿色
品红+青色=白色-绿色-红色=蓝色
黄色+品红+青色=白色-红色-绿色-蓝色=黑色
7. 拉伸是最基本的图像处理方法，主要用来改善图像显示的对比度。
8. 灰度拉伸分为线性拉伸和非线性拉伸两种方法。
? 线性拉伸是最常用的方法，通过对像素值进行比例变化来实现。
(1)全域线性拉伸
(2)分段线性拉伸
非线性拉伸
? 如果拉伸函数是非线性的，即为非线性拉伸。
? 常用的非线性函数有指数函数、对数函数、平方根、高斯函数等。
9.直方图均衡化的基本思想是对原始图像的像素灰度做某种映射变换，使变换后图像灰度的概率密度呈均匀分布，即变换后图像的灰度级均匀分布。
10. 对单波段图像进行直方图均衡化的具体步骤如下：
? （1）统计原图像每一灰度级的像素数和累积像素数。
? （2）计算每一灰度级xa均衡化后对应的新值，并对其四舍五入取整，得到新灰度级xb。
? （3）以新值代替原灰度值，形成均衡化后的新图像。
11. 直方图均衡化的特点是：
? （1）各灰度级中像素出现的频率近似相等。
? （2）原图像上像素出现频率小的灰度级被合并，实现压缩；像素出现频率高的灰度级被拉伸，突出了细节信息。
12. 直方图规定化是为了使单波段图像的直方图变成规定形状的直方图而对图像进行转换的增强方法。
13.
第五章 图像校正
1.为什么进行辐射校正？
利用传感器观测目标的反射或辐射能量时，传感器的测量值与目标的光谱反射率或光谱辐亮度等物理量是不一致的，这是因为测量值中包含了太阳位置和角度条件、薄雾等大气条件、或因为传感器的性能不完备等条件引起了失真。
2. 反射率、吸收率和透射率
反射率是反射能量与入射能量的比值；
吸收率是吸收能量与入射能量的比值；
透射率是透射能量与入射能量的比值。
3. 反照率
反照率不同于反射率，指的是界面反射的辐照度与内部反射的辐照度之和与入射的辐照度的比值。
4. 传感器所得到的目标测量值与目标的光谱反射率或光谱辐亮度等物理量之间的差值称为辐射误差。
? 辐射误差产生的原因有两种：
（1）传感器的响应特性。
（2）外界（自然）环境：大气(雾和云)和太阳辐射等。
5. 大气对电磁波辐射的散射和吸收。
6. 散射引起什么样的影响？
散射增强了到达卫星传感器的能量，
从而降低了遥感图像的反差。
7．太阳辐射：由于太阳高度角和方位角的变化以及地形部位的变化，不同地表位置接收到的太阳辐射是不同的。
8. 辐射校正：消除图像数据中依附在辐射亮度中的各种辐射误差的过程称为辐射量校正
9. 辐射校正的目的是尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度条件及某些不可避免的噪声引起的传感器的测量值与目标的光谱反射率或光谱辐亮度等物理量之间的差异；尽可能恢复图像的本来面貌，为遥感图像的分割、分类、解译等后续工作做好准备。
10. 辐射校正包括：
系统辐射误差校正
传感器端的辐射校正
大气校正
地表辐射校正
11. 图像几何误差的主要来源：
? 遥感图像的几何误差可分为静态误差和动态误差两大类。
? 静态误差是指成像过程中，传感器相对地球表面呈静止状态时所具有的各种误差。可分为内部误差与外部误差。
内部误差主要是由于传感器自身的性能、技术指标偏离标准数值造成。
外部误差指的是传感器本身处在正常工作的条件下，由传感器以外的各因素所造成的误差：包括传感器的外方位（位置、姿态）变化、地球曲率、地形起伏、地球旋转等因素所引起的变形误差等。
? 动态误差则主要是由于成像过程中地球的旋转所造成的图像误差。
12. 几何精纠正又称为几何配准（registration）,是把不同传感器具有几何精度的图像、地图或数据集中的相同地物元素精确地彼此匹配、叠加在一起的过程。
几何精纠正以基础数据集作为参照。
如果基础数据集是图像，该过程称为相对纠正，即以一景图像作为基础，纠正其他图像，这是图像-图像纠正。
如果基础数据是标准的地图，则称为绝对纠正，即以地图作为基础，纠正图像，这是图像-地图纠正。
13. 图像几何纠正的内容包括：
系统几何纠正，该工作由遥感数据接收部门进行；
投影变形纠正，需要根据传感器的特征，选择适当的传感器模型进行处理，这些模型一般由传感器研制部门提供；
几何精纠正，根据不同的精度要求，将遥感图像纠正到用户需要的地图投影，这部分的工作由用户完成，是图像处理之前必须进行的工作。
14. 几何精纠正的基本原理是回避成像的空间几何过程，直接利用地面控制点数据对遥感图像的几何畸变本身进行数学模拟，并且认为遥感图像的总体畸变可以看做是挤压、扭曲、缩放、偏移以及更高次的基本变形的综合作用的结果。因此，校正前后图像相应点的坐标关系可以用一个适当的数学模型来表示。
15. 控制点（同名点），即图像上的一些已知点，这些点在原始图像和标准
图像上的坐标已知。
地面控制点是几何纠正中用来建立纠正方程的基础，是最关键的数据。
16. 图像中控制点的确定
? 首先，应在图像上确定控制点。
? 受图像空间分辨率的影响，控制点在图像上可能比较模糊。
? 控制点应该在容易分辨、相对稳定、特征明显的位置。
17. 校正使用中应注意以下问题：
? (1) .多项式纠正的精度与地面控制点的精度、分布和数量及纠正的范围有关。地面控制点的精度越高、分布越均匀、数量越多，几何纠正的精度就越高。
? (2) .采用多项式纠正时，在GCP处的拟合较好，但在其他点的误差可能会较大。平均误差小，并不能保证图像各点的误差都小。
? (3) .多项式阶数的确定，取决于对图像中几何变形程度的认识。如果变形不复杂，那么1阶多项式就可以满足要求了，并非多项式的阶数越高，纠正的精度越高。
18. 重采样过程包括两步：像素位置变换和像素值变换
19. 直接成图法: 纠正过程是从原始图像出发，利用纠正方程将图像中的行列转换为新图像的坐标
间接成图法: 以具有地理坐标的空白图像阵列为基础，根据纠正公式计算规则网的地理坐标（X,Y）在原始图像中对应的位置（x,y）；根据（x,y）与周围像素之间的关系内插产生新的像素值，然后把像素值写到（X,Y）。
20. 图像重采样方法
1）最近邻重采样：在待纠正的图像中直接取距离(x,y)最近的像素值为重采样值。
2）双线性内插重采样：取采样点周围4个像元的值参与计算，先计算水平（或垂直）方向两两像元的线性内插，所得到的两个内插值在垂直方向上再线性内插一次，得到采样点的灰度值。
3) 三次卷积内插：取采样点周围16个像元的值参与计算，先对水平（垂直）方向上的像元值进行卷积运算，再对所得到的4个值进行卷积运算。
三种重采样方法优缺点:
最近邻法计算量最小，但处理后的图像的亮度具有不连续性，线性地物易产生锯齿状。
双线性内插法的精度和计算量适中，并带有低通滤波的效果，细节信息丢失，边缘受到一定的平滑作用。
三次卷积法内插精度高且带有边缘增强的效果，缺点是运算量大。
4）双像素重采样法: 将原始数字图像的像素在(x,y)方向均扩大一倍后再进行重采样的方法。
21.注意：
控制点的数目不如控制点的分布对纠正结果的影响大。只有在符合空间均匀分布要求的情况下，增加控制点的数目才可能提高纠正精度。同时要注意的是，软件系统提供的纠正误差仅仅是GCP的平均误差，只能供参考，不能由此认为纠正后的每个像素的误差都小于该误差值。
第六章 图像
变换
1. 图像变换可以理解为为达到图像处理的某种目的而使用的数学方法，通过这种数学变换，图像处理起来较变换前更加方便和简单。
2. 图像变换的目的
? 简化图像处理。
? 便于图像特征提取。
? 图像压缩。
? 从概念上增强对图像信息的理解。
3. 图像变换方法：
? 傅里叶变换：指非周期函数的正弦和或余弦和乘以加权函数的积分表示。
傅里叶变换分为连续傅里叶变换和离散傅里叶，在数字图像处理中经常用到的是二维离散傅里叶变换。
傅里叶变换的流程：正向FFT-定义滤波器-逆向FFT。
(1)正向FFT：指定图像的一个波段，按照计算公式进行FFT，产生频率域图像。
(2)定义滤波器：以频率域图像为参照，定义滤波器。
(3)逆向FFT：将定义的滤波器应用到频率域图像，并进行逆向FFT，得到空间域的图像，然后进行显示。
? 主成分变换：
? 缨帽变换：
? 代数运算：
? 彩色变换：
4. 常用的5种滤波器：（图像的低频能量都集中在中心部分，高频能量分布在四周。）
卷积定理是频率域分析的基础。
① 低通滤波器：用来保留图像中的低频成分，滤除图像中的高频成分，图像平滑的作用。
② 高通滤波器：与低通滤波器相反，用来保留高频成分，图像锐化的作用。
③ 带通滤波器：用来保留特定频率范围的信息。
④ 带阻滤波器：用来阻止特定频率范围的信息。
⑤ 自定义滤波器：根据频率域图像中的频率分布，人为定义，应用比较灵活。
5. 主成分变换的流程：主成分正变换-主成分逆变换
6. K-T变换，形象地称为“缨帽变换” ：既可以实现信息压缩，又可以帮助解译分析农作物特征。
K-T变换前3个分量的实际物理意义如下：
（1）亮度：反映了总体的反射值。
（2）绿度：反映了绿色生物量的特征。
（3）第三分量：土壤湿度。
? 7. 常用的植被指数有以下几种：（IR红外波段，R红波段。）
? (1)比值植被指数：RVI=IR/R
? (2)归一化植被指数：NDVI=(IR-R)/(IR+R)
? (3)差值植被指数：DVI=IR-R
? (4)正交植被指数： PVI=1.6225(IR)-2.2978(R)+11.0656或 PVI=0.939(IR)-0.344(R)+0.09
8. HSI彩色变换
? 遥感图像处理系统中还经常会采用HSI模型，即色调、强度、 饱和度。
? RGB系统从物理角度出发描述颜色。
? HSI系统从人眼主观感觉出发描述颜色。
? 把RGB系统变换为HSI系统称为HSI正变换。
? 把HSI系统变换为RGB系统称为HSI逆变换。
彩色变换的一般工作流程：
选择波段进行RGB合成显示-进行彩色变换-进行其他图像处理-进行彩色逆变换-RGB合成显示。
彩色变换的主要应用：
? 1.进行不同分辨率图像的融合。
? 2.增强合成图像的饱和度。
? 3.通过对强度I成分的
处理进行图像增强。
? 4.多源数据综合显示
? 5.其他应用
第七章 图像滤波
1.图像滤波可分为空间域滤波和频率域滤波两种方法。
空间域是指图像平面所在的二维平面.
空间域滤波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，这是当前主要的滤波方法。
通过空间滤波可以有目的的突出影像上的某些特征，如边缘或纹理。也可以有目的的平滑某些特征。
空间滤波可通过模板的卷积运算来实现。
频率域滤波的概况（像元的灰度值随位置变化的频繁程度可以用频率来表示）
保留图像的低频部分抑制高频部分的处理称为低通滤波，起到平滑的作用。
为了抑制噪声、改善图像质量所做的处理称为图像平滑。
保留图像的高频部分抑制低频部分的处理称为高通滤波，起到锐化的作用。
频率域滤波是对图像进行傅里叶变换，然后对变换后的频率域图像中的频谱进行滤波。
3. 图像噪声的种类（△）
? 按其产生的原因：外部噪声和内部噪声。
? 从统计理论观点可分为：平稳噪声和非平稳噪声。
? 从噪声幅度分布形态可分为：高斯噪声和瑞利噪声。
? 按产生过程进行分类：量化噪声和椒盐噪声。
噪声的模型：按噪声对图像的影响可分为加性噪声模型和乘性噪声模型。
遥感图像中常见的噪声：高斯噪声、脉冲噪声(椒盐噪声)和周期噪声。
均值滤波对高斯噪声比较有效。中值滤波对于随机噪声的抑制比均值滤波差一些，但对脉冲噪声干扰的椒盐噪声，中值滤波是非常有效的。高斯滤波器对于高斯噪声的去除非常好。
4. 梯度倒数加权法：（△）
梯度倒数加权平滑的第一步是：建立归一化的权重矩阵作为模板，通过卷积运算计算中心像素的新值。
5.选择式掩膜平滑：（△）
噪声消除法和均值滤波法在消除噪声的同时，都不可避免地带来平滑化的缺憾，致使尖锐变换的边缘或线变得模糊。选择式掩模平滑旨在追求即完成滤波操作，又不破坏区域边界的细节。
6. 为了突出图像中的地物边缘、轮廓或线状目标，可以采用锐化的方法。锐化提高了边缘与周围像素之间的反差，因此也称为边缘增强。
线性锐化滤波器
线性高通滤波器是最常用的线性锐化滤波器。
这种滤波器必须满足滤波器的中心系数为正数，其他系数为负数。
梯度法（非线性锐化滤波器）
7. Laplacian算子是线性二阶微分算子(算出来是负数)
在锐化结果中出现负值，一种解决办法是用原图像的值减去Laplacian算法的计算结果的整数倍
与梯度算子不同， Laplacian算子是各向同性的。 Laplacian锐化效果容易受图
像中的噪声的影响。因此，在实际应用中，经常先进行平滑滤波，然后才进行Laplacian锐化。
8. 按照信号处理理论，根据滤除的频率的特征，滤波有3种：
（1）低通滤波：对频率域的图像通过滤波器消弱或抑制高频部分而保留低频部分的滤波方法。
（2）高通滤波：对频率域的图像通过滤波器来突出图像的边缘或轮廓，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。
9. 同态滤波是减少低频增加高频，从而减少光照变化并锐化边缘或细节的图像滤波方法。
同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法，它依靠图像的照度/ 反射率模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像的质量。
10. 同态滤波的基本原理是：将像元灰度值看作是照度和反射率两个组份的产物。由于照度相对变化很小，可以看作是图像的低频成份，而反射率则是高频成份。通过分别处理照度和反射率对像元灰度值的影响，达到揭示阴影区细节特征的目的。
第8章 图像分割（△)
1. 图像分割是指把图像分成各具特性的区域并提取出感兴趣的目标的技术与过程。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。
2. 图像分割的原则：
? 分割算法基于灰度值的两个基本特性：
不连续性和相似性。
? 不连续性---依据像素灰度值的不连续性进行分割。
? 相似性---依据同一区域内部像素的灰度值具有相似性进行分割。
3. 图像分割的主要方法：
4．图像分割的工作流程：
(1)确定待分割的对象
(2)选择对分割对象敏感的波段
(3)选择分割方法进行分割
(4)将分割后的结果图像转为矢量图
5. 灰度阈值法的基本思想：
（1）.首先确定一个合适的阈值T （阈值选定的好坏是此方法成败的关键） 。
（2）.所有灰度值大于或等于这个阈值的像素都被判属于目标，所有灰度值小于该阈值的像素都被排除在目标之外（背景）。
6. 确定阈值的方法：
根据分割对象与背景之间的差异，产生不同的确定阈值的方法。
（1）.全局阈值法
如果背景的灰度值在整个图像中可合理地看为恒定，且所有目标与背景都具有几乎相同的对比度，那么，只要选择了正确的阈值，使用一个固定的全局阈值就会有较好的分割效果。
（2）.自适应阈值法
背景的灰度值并不是常数，目标和背景的对比度在图像中也有变化。在这种情况下，可把灰度阈值取成一个随位置变化而缓慢变化的函数值，这种方法称为自适应阈值法。
（3）.最佳阈值的选择
1）直方图方法
2）自适应阈值方法(自适应分割可
用二次图像处理实现。)
处理前，根据目标的大小将图像划分成大小固定的块。根据各块的灰度直方图，阈值被确定为背景峰值与数据峰值的中点。
3）分水岭算法(△)
图像最初在一个低灰度值上阈值化。该灰度值把图像分割成正确数目的目标，但它们的边界偏向目标内部。随后，阈值逐渐增加，每一次增加一个灰度级，目标的边界将随阈值的增加而扩展，直到边界相互接触。这些初次接触的点构成了相邻目标间的最终边界。该过程在阈值达到背景的灰度级之前中止。
7. 梯度方法: 图像中，灰度变化较大的区域梯度值较大，变化缓慢的区域梯度值较小，在灰度均匀的区域梯度值为零。
当梯度计算完之后，采用什么形式来突出图像的轮廓呢？下面是几种常用的方法，可根据需要选择使用。
1) 梯度图像直接输出，使各点的灰度等于该点的梯度幅度
2) 加阈值的梯度输出,其他保留背景。
3) 给边缘规定一个特定的灰度级，边缘用固定的灰度级来表示。
4) 将背景设为特定的灰度级，背景用固定的灰度级来表示。
8. 边缘检测：
应用不同的锐化算法可进行边缘检测。
常用的算法：
? 梯度算子
? Roberts算子
? Prewitt算子
? Sobel算子
? Laplacian算子
边缘检测的基本思想是通过检测每个像素和其邻域的状态，决定该像素是否位于一个目标的边界上。
9. 边缘连接是将近邻的边缘点连接起来从而产生一条闭合的连通边界的过程。
一幅边缘图常用边缘点勾画出各个目标的轮廓，但很少能形成图像分割所需要的闭合且连通的边界。因此，需要对间隙加以填充。
（1） 启发式搜索
（2） 曲线拟合
（3） 边界跟踪
10. 区域生长方法
实际应用时需要注意3个问题：
（1）选择一组能正确代表区域的种子像素；（2 ）确定生长过程中能将相邻像素包括进来的规则；（3）制定让生长停止的条件或准则。
通过像素集合的区域增长，算法实现。
11.区域分割方法
（1）简单区域扩张法
通常利用这种方法将图像分割成不同的小区域，再研究与其相邻的各个小区域之间的特征，把具有类似特征的小区域依次合并起来，步骤如下：
1） 对图像进行扫描，求出不属于任何区域的像素；
2） 把该像素的灰度与其周围的4邻域或8邻域内不属于任何一个区域的像素灰度比较，如果其差值在某一阈值以下，就把它作为同一区域加以合并；
3) 对于那些新合并的像素反复进行第2步的操作；
4) 反复进行第2、3步，直至区域不能扩张为止；
5) 返回到第1步，寻找能成为新区域出发点的像素。
对上述问题，会将两个区域合并起来。可以把第2步改为：比较已经存在区域的平
均灰度与该区域邻接像素的灰度值。
产生问题：以不同的像素作为起始点进行区域扩张，最后分割的结果会不同。
不依赖于起始点的区域扩张方法：
(1) 设灰度差的阈值为0，用前面第1-5步进行区域扩张；
(2) 求出所有邻接区域的平均灰度差，合并具有最小灰度差的邻接区域组；
(3) 通过反复进行第2步，依次把区域合并。
(4) 在适当的阶段停止区域合并。
(2) 统计假说检测法
根据小区域内灰度分布的相似性进行区域合并，步骤：
1) 把图像分成相互稀疏的，大小为n*n的小矩形区域；
2) 比较邻接区域的灰度直方图，如果灰度分布情况相似就合并成一个区域；
3) 反复进行第2步，直至区域完成合并为止。
(3) 试探法
以区域的形状作为判断标准，首先把图像分割成灰度固定的区域，然后根据以下的评价标准进行区域合并：
1) 把任意的邻接区域R1、R2的周长设为P1、P2，把在两个区域的共同边界两侧的灰度差在某一阈值a以下的那部分长度设为W。如果W/min{P1,P2}>c1(c1为阈值)则合并R1、R2。
2) 把R1、R2的共同边界的长度设为B，如果W/B>c2(c2为阈值)，则合并R1、R2。
⊙1是为了合并得到一致的理想形状。
⊙2 用来合并共同边界中低对比度比较多的区域。
12. 数学形态学方法
在遥感图像处理中，数学形态学主要用来从高分辨率图像中提取几何信息，对于二值图像最为有效。
形态学的基本思想是使用具有一定形态的结构元素来度量和提取图像中的对应形状，从而达到对图像进行分析和识别的目的。
二值形态学中的运算对象是集合，通常给出一个图像集合和一个结构元素集合，利用结构元素对图像进行操作。
结构元素是一个仅由0和1组成的矩阵。
13. 腐蚀是消除目标所有边界点的一种过程，其结果是目标沿其周边比原物体小一个像素的面积。腐蚀对从一幅分割后的图像中去除小且无意义的目标来说是很有用的。
14. 膨胀是将与目标接触的所有背景点合并到该目标中的过程。该过程的结果是使目标的面积增大了相应数量的点。膨胀对于填补分割后目标的空洞很有用。
15. 膨胀与腐蚀的对偶关系
16.开运算: 使用同一个结构元素对图像先进行腐蚀然后进行膨胀的运算称为开运算。它具有消除细小目标、在纤细处分离目标、平滑较大目标的边界时不明显改变其面积的作用。
17.闭运算: 先膨胀后腐蚀的过程称为闭运算。它具有填充目标内细小空洞、连接近邻目标、在不明显改变目标面积的情况下平滑其边界的作用。
开运算平滑图像轮廓，去掉长的突起、边缘、毛刺。
闭运算平滑图像的轮廓，融合窄的缺口和细长的弯口，填补图像的裂
缝及破洞。
开运算对圆形地物的分割效果较好，闭运算对封闭矩形地物的分割效果较好。
18. 收缩是将区域缩小为单一像素的过程。
19. 细化是指减小物体的截面宽度。可将一个曲线形目标细化为一条单像素宽的线，从而圆形化地显示出其拓扑性质。
20. 抽骨架也称为中轴变换或焚烧草地技术，是一种用来确定物体骨架的细化技术。是所有与目标在两个或更多非邻接边界点处相切的圆心的轨迹。
21. 剪枝:通常，细化和抽骨架过程会在所生成的图中留下毛刺。可通过一系列的消除端点的3×3运算除去，然后再重建那些留下的分支，这个过程就叫剪枝。
22. 粗化:一些分割技术通常孤立目标的最佳边界太紧贴而不利于后续测量。粗化可在不合并彼此分离的目标的前提下扩大边界，从而修正了这种不足。
23. 距离变换是一种可用于二值图像的运算，运算结果不是另一幅二值图像，而是一个灰度级图像。每个像素的灰度级是该像素与距其最近的背景像素间的距离。
倒角算法只需对图像进行两次扫描就可实现一个距离变换。
24. 分水岭算法(从一个初始的高阈值逐渐降低)可以把距离图像分割为由单个成员构成的目标。在距离变换图像上运用分水岭算法可以有效地将接触在一起的圆形目标分开。
25.边界曲率分析:一条曲线上某点处的曲率定义为该点沿曲线方向的切线角度的变化。一个目标的边界的曲率在凸出取正值，在凹处取负值。
边界曲率函数可用来协助检测分割错误。