第一.二章.采样，量化，数字图像的表示 基本的数字图像处理系统
系统的层次结构 I 应用程序 I
开发工具
操作系统
设备驱动程序
I 硬件 I
图像处理的主要任务：
图像获取与数字化
图像增强
图像恢复
图像重建
图像变换
图像编码与压缩
图像分割
特点：
(1) 处理精度高。
(2) 重现性能好。
(3) 灵活性髙
1•图像的数字化包括两个主要步骤：离散和量化
2. 在数字图像领域，将图像看成是许多大小相同、形状一致的像素组成
3. 为便于数字存储和计算机处理可以通过数模转换(A/D)将连续图像变为数字图像。
4•数字化包括取样和量化两个过程：
取样：对空间连续坐标(x,y)的离散化
量化：幅值f(x,y)的离散化(使连续信号的幅度用有限级的数码表示的过程。)
5.数字化图像所需的主要硬件：
♦采样孔、图像扫描机构、光传感器、量化器、输岀存储体
6•取样和量化的结果是一个矩阵
7.其中矩阵中的每个元素代表一个邃塞
8•存储一幅图像的数据量又空间分辨率和幅度分辨率决定 9•灵敏度、分辨率、信噪比是三大指标
第三章，傅里叶变换，DCT变换，WHT
•余弦型变换： •傅里叶变换(DFT)和余弦变换(DCT)O •方波型变换：
•沃尔什•哈达玛变换(DWT)
1•二维连续傅里叶正反变换:
F(u,v)= I f f(x.y)e J_oc J_oc
f g y)= \ f F(u, v)ej27r(nA+vv)dwdv J —oo J —oo
二维离散傅里叶变换：
M — 1 N — I
=乏疋 Fgg 宀 SS)
if=o v=O
。F(u, v)即为f (x, y)的频谱
。频谱的直流成分说明在频谱原点的傅里叶变换尸(0,0)等于图像的平均灰度级 卷积定理：
/(x,y)*^(x, y)= ss /O, n)g(x 一 m, y~n)
/?/=() n=0
2•二维离散余弦变换(DCT)
一维离散余弦变换：
数字图像处理基础
第4章图像增强
(第三讲)
4.3 图像尖锐化处理(Image Sharpening)
图像尖锐化处理主要用于增强图像的边缘及灰度跳变部分。通常所讲的勾边增强方法就是图像尖锐化处理。与图像平滑化处理一样，图像尖锐化处理同样也有空域和频域两种处理方法。
4.3.1 微分尖锐化处理
4.3.2 零交叉边缘检测
4.3.3 高通滤波法
在图像平滑化处理中，主要的空域处
理法是采用邻域平均法，这种方法类似于
积分过程，积分的结果使图像的边缘变得
模糊了。积分既然使图像细节变模糊，那
么，微分就会产生相反的效应。因此，微
分法是图像尖锐化方法之一。
微分尖锐化的处理方法最常用的是梯度法。由场论理论知道，数量场的梯度是这样定义的：
设一数量场u，u=u(x,y,z)，把大小是在某一点方向导数的最大值，方向是取得方向导数最大值的方向的矢量叫数量场的梯度。kzujyuixu)u(grad
由这个定义出发，如果给定一个函数f(x,y) ，在坐标(x,y) 上的梯度可定义为一个矢量
gradfxyfxfy[(,)]
(4—40)
由梯度的定义可知它有两个特点：（１）矢量grad[f(x,y)]是指向f(x,y)最大增加率的方向；（２）如果G[f(x,y)]用来表示grad[f(x,y)]的幅度，那么Gfxygradfxy
fxfy[(,)]max{[(,)]}
+ 2212(4—41)
这就是说G[f(x,y)]等于在grad[f(x,y)]
的方向上每单位距离f(x,y)的最大增加率。显
然，式(4—41)是一个标量函数，并且G[f(x,y)]
永远是正值。由于我们经常用到的是式(4—41)，
因此，在后续讨论中将笼统地称“梯度的模”
为梯度。
在数字图像处理中，仍然要采用离散形式，
为此用差分运算代替微分运算。式(4—41)可用下面的差分公式来近似
数字图像处理基础
第4章图像增强
(第二讲)
4.1.1 直方图
4.1.2 直方图修改技术的基础
4.1.3 直方图均衡化处理
4.1.4 直方图规定化处理
4.1.5 图像对比度处理
由于图像的亮度范围不足或非线性会使图像
的对比度不甚理想，可用像素幅值重新分配的方
法来改善图像对比度。扩大图像的亮度范围可以
用线性映射的方法，这种方法如图4—10所示。
由图可以看出原图像的范围较小，经映射后的图
像亮度范围展宽了。4.1.5 图像对比度处理
图4—10 数字图像对比度增强
在这种转换中，设计转换函数应考虑到灰度
量化问题，如果原始图像的灰度级为k 级，映
射后输出图像的灰度级仍然是k级，这样由
于输出图像的灰度范围加大了，因此，使每一级
灰度分层的跳变比原始图像大，由此将会产生伪
轮廓效应。如果能适当地加多输出图像的灰度分
层数就有可能减小这种效应。
在对比度处理法中，根据不同的目的可以设计出不同的转换函数。例如图4—10是对比度转换函数。图4—11是线性转换函数，这种函数将图像在整个灰度范围内作线性映射。
图4—11 图像灰度的线性映射变换
另外一种映射转换函数如图4—12所示。这种转换是将图像中两个极端的灰度值加以限幅，这种限幅的比例也是可以选择的。
图4—12 限幅的线性映射变换
除此之外，为了不同的目的还有其他一些类型的转换函数。这些转换函数的形式如图4—13(a)、(b)、（c）所示。
图4—13 其他一些转换函数
灰度变换的效果如图4.14 (a) (b) 所示，其中（a）是原像，(b)是处理后的图像。
图4—14 灰度变换处理效果
灰度反转的转换函数是把图像的低亮度区域
转到较高的亮度区，而高亮度区转换为低亮度区，
其效果如图4—15所示，其中(a)是原像，(b)是
处理后的图像。
图4—15 灰度反转处理效果
锯齿形转换可以把几段较窄的输入灰度区间
都扩展到整个输出灰度范围内，这种处理可以
把灰度变化较平缓的区域也较鲜明地显示出来。
其效果如图4—16所示，其中（a）是原像，（b）
ENVI遥感图像增强处理
任务五图像增强
⽬录1.空间域增强处理 (1)
1.1卷积滤波 (1)
2.辐射增强处理 (2)
2.1交互式直⽅图拉伸 (2)
3.光谱增强处理 (4)
3.1波段⽐的计算 (4)
3.2⾊彩空间变换 (5)
3.3NDVI计算 (6)
4.傅⾥叶变换 (6)
4.1快速傅⾥叶变换 (6)
4.2定义FFT滤波器 (7)
4.3反向FFT变换 (8)
5.波段组合 (8)
5.1RGB合成显⽰ (8)
图像增强的主要⽬的是提⾼图像的⽬视效果，以便处理结果图像⽐原图像更适合于特定的应⽤要求，⽅便⼈⼯⽬视解译、图像分类中的样本选取等。ENVI图像增强的内容主要包括：
●空间域增强处理
●辐射增强处理
●光谱增强处理
●傅⾥叶变换
●波段组合
1.空间域增强处理
空间域增强处理是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。1.1卷积滤波
卷积滤波是通过消除特定的空间频率来增强图像。它们的核⼼部分是卷积核，ENVI提供很多卷积核，包括⾼通滤波、低通滤波、拉普拉斯算⼦、⽅向滤波、⾼斯⾼通滤波、⾼斯低通滤波、中值滤波、Sobel、Roberts，还可以⾃定义卷积核。
使⽤数据：lena.jpg
具体操作：
通过尝试ENVI提供的各种图像增强算⼦，观察⽐较图像增强的效果。
（1）打开图像⽂件lena.jpg。
（2）在主菜单中，选择Filter→Convolutions and Morphology。
（3）在Convolutions and Morphology Tool中，选择Convolutions→滤波类型。（4）不同的滤波类型对应不同的参数，主要包括三项参数：
●Kernel Size（卷积核的⼤⼩）
卷积核的⼤⼩，以奇数来表⽰，如3×3、5×5等，有些卷积核不能改变⼤⼩，包括Sobel和Roberts。
●Image Add Back（输⼊加回值）
将原始图像中的⼀部分“加回”到卷积滤波结果图像上，有助于保持图像的空间连续性。该⽅法常⽤于图像锐化。“加回”值是原始图像在结果输出图像中所占的百分⽐。
