(第八章)空间滤波分析解读

空间域滤波空间域滤波基础 某些邻域处理⼯作是操作邻域的图像像素值以及相应的与邻域有相同维数的⼦图像的值。

这些⼦图像可以被称为滤波器、掩模、核、模板或窗⼝，其中前三个词是更为普遍的术语。

在滤波器⼦图像中的值是系数值，⽽不是像素值。

空间滤波就是在待处理图像中逐点地移动掩模。

在每⼀点 (x, y) 处，滤波器在该点的响应通过事先定义的关系来计算。

对于线性空间滤波，其响应由滤波器系数与滤波掩模扫过区域的相应像素值的乘积之和给出。

对于⼀个尺⼨为 m×n 的掩模，我们假设 m=2a+1 且 n=2b+1，这⾥的 a、b 为⾮负整数。

在后续的讨论中，处理的掩模的长与宽都为奇数。

⼀般来说，在 M×N 的图像 f 上，⽤ m×n ⼤⼩的滤波器掩模进⾏线性滤波由下式给出： 这⾥，a=(m-1)/2 且 b=(n-1)/2。

为了得到⼀幅完整的经过滤波处理的图像，必须对 x=0, 1, 2, …, M-1 和 y=0, 1, 2, …, N-1 依次应⽤公式。

这样，就保证了对图像中的所有像素进⾏了处理。

式中的线性滤波处理与频率域中卷积处理的概念很相似。

因此，线性空间滤波处理经常被称为“掩模与图像的卷积”。

类似地，滤波掩模有时也可以称为“卷积模板”或“卷积核”。

当滤波中⼼靠近图像轮廓时发⽣的情况 考虑⼀个简单的⼤⼩为 n×n 的⽅形掩模，当掩模中⼼距离图像边缘为 (n-1)/2 个像素时，该掩模⾄少有⼀条边与图像轮廓相重合。

如果掩模的中⼼继续向图像边缘靠近，那么掩模的⾏或列就会处于图像平⾯之外。

⽅法⼀：最简单的⽅法就是将掩模中⼼点的移动范围限制在距离图像边缘不⼩于 (n-1)/2 个像素处。

如果要保持与原图像⼀样⼤⼩，可以直接将未处理的图像边缘像素直接复制到结果图像，或者⽤全部包含于图像中的掩模部分滤波所有像素。

通过这种⽅法，图像靠近边缘部分的像素带将⽤部分滤波掩模来处理。

⽅法⼆：在图像边缘以外再补上 (n-1)/2 ⾏和 (n-1)/2 列灰度值为0（也可为其它常值）的像素点，或者将边缘复制补在图像之外。

空间滤波（spatial filters）空间滤波（又称local operation）空间滤波是一种通用的光栅图像处理操作。

是根据某像素周围像素的数值,修改图像中的该像素值.它能增强或抑制图像的空间细节信号，提高图像的可视化解释。

如应用滤波增强图像的边界信息，去除或减少图像中的噪音图案。

突出结构特征等.空间频率（Spatial frequency）空间频率是所有类型的光栅数据共有的特性，它的定义是指图像中的任何一特定部分,每单位距离内数据值的变化数量.对图像上数据变化小、或渐进变化的区域称为低频区域（如平滑的湖面），对图像上数据变化大、或迅速变化的区域称为高频区域（如布满密集公路网的城区）.空间滤波分为三大类：低通滤波(Low pass filters）：强调的是低频信息，平滑了图像的噪音、减少了数据的菱角。

因为它不在重视图像的细节部分,所以低通滤波有时又称为平滑或均值滤波。

高通滤波（High pass filters）:强调的是高频信息，增强或锐化线性特征,象公路、断层、水陆边界。

因为它没有图像的低频部分,增强了图像的细节信息，所以高通滤波有时又称为锐化滤波。

边界检测滤波(Edge detection filters）：强调的是图像中目标或特征的边界，以便更容易分析。

边界检测滤波通常建立一个灰色背景图和围绕图像目标或特征边界的黑白色线.卷积核(convolution kernels）卷积核是指二维矩形滤波距阵（或窗口），包含着与图像像素值有关的权值。

滤波距阵(或窗口）在图像上从左向右，自上而下，进行平移滑动，窗口中心的像素值是根据其周围像素值与窗口中对应的每个像素的权值乘积就和而计算出来的。

ER Mapper滤波对话框如图1—1。

包含着滤波文件名、滤波距阵和滤波编辑等项。

图1-1 ER Mapper滤波对话框实习目的：建立和删除滤波，应用不同的滤波距阵，查看结果。

实习步骤：（一)增加滤波1．打开和显示一个已存在的算法文件①在标准工具条上，点击Open按钮,打开图像显示窗口和文件输入窗口。

空间滤波实验观察报告实验目的：通过进行空间滤波实验，观察和分析不同滤波器对图像的处理效果和特点。

实验原理：空间滤波是基于图像中像素点周围的领域信息进行像素值改变的一种图像处理方法。

在本实验中，我们将使用一些常见的空间滤波器，如均值滤波器、中值滤波器和高斯滤波器。

实验步骤：1. 实验准备- 载入待处理的图像，确保图像格式正确。

- 选择合适的滤波器，如均值滤波器、中值滤波器和高斯滤波器。

2. 均值滤波实验- 将选择的滤波器应用于图像，将图像中每个像素点的值替换为其领域内像素点的平均值。

- 观察处理后的图像，注意边缘和细节的变化。

3. 中值滤波实验- 将选择的滤波器应用于图像，将图像中每个像素点的值替换为其领域内像素点的中值。

- 观察处理后的图像，注意对椒盐噪声和悬浮粒子等噪声的去除效果。

4. 高斯滤波实验- 将选择的滤波器应用于图像，将图像中每个像素点的值替换为其领域内像素点的加权平均值。

- 观察处理后的图像，注意平滑程度和对边缘的影响。

5. 记录观察结果- 针对每个滤波器，观察处理后的图像，记录并比较其效果和特点。

- 注意观察图像的细节变化、噪声去除效果和平滑程度等。

实验结果与分析：经过实验观察和比较，我们得出以下结论：- 均值滤波器对图像进行平滑处理，可以去除高频噪声，但会导致细节部分的模糊。

- 中值滤波器能够很好地去除椒盐噪声和其他离群像素，对图像的平滑效果也较好，但在某些情况下可能会对细节造成损失。

- 高斯滤波器在平滑图像的同时，对边缘的保留效果较好，能够更好地抑制高频噪声，但在一些情况下可能会导致图像的细节模糊。

综上所述，在不同的应用场景下，选择合适的空间滤波器可以实现对图像的不同处理需求。

根据实际需求，可以灵活选择对应的滤波器。

空间频谱与空间滤波一， 实验背景：阿贝成像原理认为：透镜成像过程可分为两步，第一步是通过物体衍射的光在系统的频谱面上形成空间频谱，这是衍射引起的“分频”作用；第二步是代表不同空间频率的各光束在像平面上相互叠加而形成物体的像，这是干涉引起的“合成”作用。

这两步从本质上对应着两次傅里叶变换。

如果这两次傅里叶变换完全理想，则像和物应完全一样。

如果在频谱面上设置各种空间滤波器，当去频谱中某一频率的成分，则将明显地影响图像，此即为空间滤波。

二， 实验目的：1， 掌握光具座上光学调整技术；2， 掌握空间滤波的基本原理，理解成像过程中“分频” 与“合成”作用。

3， 掌握方向滤波，高通滤波，低通滤波等滤波技术，观察各种滤波器产生的滤波效果，加深对光学信息处理实质的认识。

三， 实验原理：1， 傅立叶变换近代光学中，对光的传播和成像过程用傅立叶变换来表达，形成了傅立叶光学，可以处理一些无法用经典光学理论解决的问题。

傅立叶变换时处理振荡和波这类问题的有力工具。

对振动和波的傅立叶分析一般在时域和频域中进行，而对光的传播与成像分析是在空间和倒数空间中进行的。

不考虑时域，单色平面光波的表达式如下：0()[()]f r Aexp i k r ϕ=⋅+ （1）直角坐标系中，k 的方向余弦为(cos ,cos ,cos )αβγ，r 为（x ，y ，z ）2(cos cos ,cos )k r x y z παβγλ⋅=+ （2） 波矢量的物理意义可以理解为平面波的空间频率，在x ，y ，z 方向上三个分量分别为222cos , cos , cos x y z f f f πππαβγλλλ=== （3）在傅立叶光学中，将物光作为一个输入函数（物函数），研究其经过具有傅立叶变换作用的光学元件后在接收面上得到的输出函数（像函数）。

以物是平面图像为例，物函数g （x ，y ）可以表示成一系列不同空间频率的单色平面波的线性叠加，即(,)(,)exp[2()]x y x y x y g x y G f f i xf yf df df π∞-∞=+⎰⎰ (4)其中(,)x y G f f 被称为物函数的空间频谱函数。

光学空间滤波实验研究1．阿贝成像原理1873年，阿贝(Abbe)在研究显微镜成像原理时提出了一个相干成像的新原理，这个原理为当今正在兴起的光学信息处理奠定了基础。

如图1-1所示，用一束平行光照明物体，按照传统的成像原理，物体上任一点都成了一次波源，辐射球面波，经透镜的会聚作用，各个发散的球面波转变为会聚的球面波，球面波的中心就是物体上某一点的像。

一个复杂的物体可以看成是无数个亮度不同的点构成，所有这些点经透镜的作用在像平面上形成像点，像点重新叠加构成物体的像。

这种传统的成像原理着眼于点的对应，物像之间是点点对应关系。

阿贝成像原理认为，透镜的成像过程可以分成两步：第一步是通过物的衍射光在透镜后焦面(即频谱面)上形成空间频谱，这是衍射所引起的“分频”作用；第二步是代表不同空间频率的各光束在像平面上相干叠加而形成物体的像，这是干涉所引起的“合成”作用。

成像过程的这两步本质上就是两次傅里叶变换。

如果这两次傅里叶变换是完全理想的，即信息没有任何损失，则像和物应完全相似。

如果在频谱面上设置各种空间滤波器，挡去频谱某一些空间频率成份，则将会使像发生变化。

空间滤波就是在光学系统的频谱面上放置各空间滤波器，去掉(或选择通过)某些空间频率或者改变它们的振幅和相位，使二维物体像按照要求得到改善。

这也是相干光学处理的实质所在。

以图l-l 为例，平面物体的图像可由一个二维函数g(x,y)描述，则其空间频谱G(f x ，f y )即为g(x ，y)的傅里叶变换：2(,)(,)(,)x y i f x f y x y G f f g x y edxdy π∞-∞-=⎰⎰ （1-1）设,x y ''为透镜后焦面上任一点的位置坐标，则式中为x x f F λ'=，y y f Fλ'= （1-2） 方向的空间频率，量纲为L -1, F 为透镜焦距，λ为入射平行光波波长。

再进行一次傅里叶变换，将(,)G fx fy 从频谱分布又还原到空间分布(,)g x y '''''。

实验名称：空间滤波一、 实验内容1. 对影像进行中值滤波。

2. 对影像进行Sobel 滤波。

二、 实验所用的仪器设备，包括所用到的数据Window7/XP 操作系统电脑一台，遥感影像处理软件（ENVI4.3)，TM 单波段卫星遥感影像PCA 。

三、 实验原理（一） 中值滤波1. 定义：是一种非线性的平滑方法，对一个滑动窗口内的诸像素灰度值排序，用其居于中间位置的值代替窗口中心像素的灰度值。

2. 中间值的取法：当邻域内像元数为偶数时，取排序后中间两像元值的平均值；当邻域内的像素数为奇数时，取排序后的位于中间位置的像元的灰度。

3. 优缺点：抑制噪声的同时能够有效保护边缘少受模糊，但是对点、线等细节较多的图像却不太合适。

当窗口内噪声点的个数大于窗口宽度的一半时，中值滤波的效果不好，因此正确选择窗口的尺寸是用好中值滤波的重要环节。

（二） Sobel 滤波1. Sobel 算子： Sobel 算子是图像处理中的算子之一，主要用于边缘检测。

在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。

在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。

2. 核心公式：该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。

如果以A 代表原始图像，Gx 及Gy 分别代表经横向及纵向边缘检测的图像，其公式如下:AG and A G +⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+++---=+⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+-+-+-=121000121101202101y x 图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。

然后可用以下公式计算梯度方向。

如果以上的角度θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。

3. Sobel 滤波：Sobel 滤波是通过Sobel 算子与原始影像进行卷积实现的。

4. 优缺点：该滤波方式使图像的非线性边缘增强。

空间滤波名词解释
空间滤波是指在图像处理中，通过改变像素周围的邻域像素值来改善图像质量或提取图像特征的一种处理方法。

其原理是通过对图像中每个像素点周围邻域的像素值进行加权平均或非线性操作，从而改变该像素点的像素值，进而达到图像增强、去噪、边缘检测等目的。

常见的空间滤波方法包括线性滤波和非线性滤波。

线性滤波是指根据像素周围邻域的加权平均运算来得到滤波后的像素值，常用的方法包括均值滤波、高斯滤波、中值滤波等。

非线性滤波则通过非线性运算来改变像素值，如边缘保留滤波、形态学滤波等。

空间滤波在图像处理中应用广泛，能够改善图像的质量、增强图像的细节信息、去除图像中的噪声等，有助于提高图像的视觉感受性和实际应用效果。