下载文档原格式
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>equalization2.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4.图像平滑（1）均值平滑，在主窗口中打开can_tmr.img文件。
主窗口>enhance>filter>smooth[3*3]。
结果如图所示（2）中值平滑，在主窗口中打开can_tmr.img文件。
遥感图像处理的图像增强和特征提取方法遥感图像处理是利用遥感技术获取和处理地球表面信息的一种方法。
在遥感图像处理中，图像增强和特征提取是两个重要的步骤。
本文将探讨遥感图像处理的图像增强和特征提取方法，并介绍其在实际应用中的重要性和挑战。
一、图像增强方法图像增强是通过改善遥感图像的质量和清晰度来提取更多有用信息的过程。
在遥感图像处理中，常用的图像增强方法包括直方图均衡化、滤波和增强算法等。
1. 直方图均衡化直方图均衡化是一种通过调整图像的亮度分布来增强图像对比度的方法。
它通过将图像的亮度值映射到一个更均匀分布的直方图来使图像的细节更加清晰。
直方图均衡化能够有效地提高图像的视觉质量，但在某些情况下可能会导致过度增强和失真。
2. 滤波滤波是一种通过去除图像中的噪声和不必要的细节来改善图像质量的方法。
在遥感图像处理中，常用的滤波方法包括中值滤波、高斯滤波和小波变换等。
这些滤波方法能够有效地降低图像的噪声和模糊度，提高图像的清晰度和边缘保持能力。
3. 增强算法增强算法是一种通过对图像进行像素级别的调整和处理来增强图像质量的方法。
常用的增强算法包括灰度拉伸、对比度增强和边缘增强等。
这些算法能够根据图像的特点和需求来调整图像的亮度、对比度和细节等，从而提高图像的视觉效果和信息提取能力。
二、特征提取方法特征提取是通过从遥感图像中提取和表示有用的信息和模式来分析和识别图像内容的过程。
在遥感图像处理中，常用的特征提取方法包括纹理特征提取、频谱特征提取和形状特征提取等。
1. 纹理特征提取纹理特征提取是一种通过分析图像中的纹理信息来描述和表示图像内容的方法。
常用的纹理特征提取方法包括灰度共生矩阵、小波变换和局部二值模式等。
这些方法能够有效地提取图像中的纹理细节和结构特征，用于图像分类、目标检测和地物识别等应用。
2. 频谱特征提取频谱特征提取是一种通过分析图像的频域信息来描述和表示图像内容的方法。
常用的频谱特征提取方法包括傅里叶变换、小波变换和高斯金字塔等。
图像增强技术在遥感图像处理中的应用教程遥感技术作为一种获取地球表面信息的手段，广泛应用于农业、城市规划、环境保护等领域。
然而，由于受到地球自然条件、拍摄设备等因素的限制，遥感图像常常存在一些问题，诸如噪声、光照不均匀等问题。
为了更好地从遥感图像中提取有用的信息，图像增强技术被广泛应用。
图像增强技术是指通过对原始图像进行一系列的处理，以改善图像的质量和可视化效果。
在遥感图像处理中，应用图像增强技术可以使图像更加清晰、明亮，并突出显示目标物体的特征，有助于进一步分析和应用。
下面将介绍几种常用的图像增强技术及其在遥感图像处理中的应用。
1. 噪声去除：噪声是由于成像设备的限制、传感器的干扰等因素引起的图像中的无用信息。
在遥感图像中，噪声会使图像变得模糊、失真，降低图像的可用性。
常用的噪声去除方法包括均值滤波、中值滤波和小波变换等。
这些方法能够有效地消除高斯噪声、椒盐噪声等，提升图像的质量。
2. 对比度增强：对比度是指图像中不同物体之间亮度差异的程度。
在遥感图像中，由于光照条件的变化，图像中的对比度常常不够明显。
对比度增强技术可以通过调整图像的灰度级分布，使图像中不同物体的亮度差异更加明显。
常用的对比度增强方法有直方图均衡化、拉伸变换和CLAHE（对比度限制自适应直方图均衡化）等。
3. 去雾处理：遥感图像中常常受到大气中的雾、烟尘等干扰，导致图像的可视化效果变差。
去雾处理技术可以通过估计大气光的强度和传播距离，消除图像中的雾霾效果，使图像更加清晰、真实。
常见的去雾处理方法有暗通道先验法、逆向辐射传输模型等。
4. 彩色增强：遥感图像中，彩色信息对于物体分类和目标识别至关重要。
彩色增强技术可以使图像更加饱满、生动，进一步提升图像的可视化效果。
常用的彩色增强方法有RGB增强、HSV变换和IHS变换等。
这些方法可以调整图像的颜色分量，使图像更加逼真、亮丽。
5. 图像融合：图像融合技术是将多个从不同传感器、角度或时间拍摄的遥感图像进行组合，形成一幅增强的图像。
遥感数据图像处理实验四、图像增强处理实验四、图像增强实验内容：1. 空间增强处理（Spatial Enhancement）2. 辐射增强处理（Radiometric Enhancement）1.空间增强处理（Spatial Enhancement）⼀、⾮定向边缘增强（Non-directional Edge）（以c:\program files\ imagine 8.4\examples\lanier.img为例）⾮定向边缘增强应⽤两个⾮常通⽤的滤波器（Sobel滤波器和Prewitt滤波器），⾸先通过两个正交卷积算⼦（Horizontal算⼦和Vertical算⼦）分别对遥感图像进⾏边缘探测，然后将两个正交结果进⾏平均化处理。
⾮定向边缘增强具体操作过程如下：ERDAS IMAGINE 8.4图标⾯板菜单条:Main→Image Interpreter(或单击ERDAS IMAGINE 8.4图标⾯板⼯具条“Interpreter”图标)→打开Image Interpreter对话框→选择Spatial Enhancement→打开Spatial Enhancement对话框→选择Non-directional Edge→打开Non-directional Edge对话框在Non-directional Edge对话框中需要⾊置下列参数：→Input File（确定输⼊⽂件）：lanier.img→Output File（定义输出⽂件）：non-direct.img→Coordinate Type（⽂件坐标类型）：Map→Subset Definition（处理范围确定）：ULX,ULY;LRX，LRY（缺省状态为整个图像范围）→Output Data Type（输出数据类型）：Unsigned 8 bit→Filter Selection(滤波器选择):Sobel→选定Ignore Zero in Stats(输出数据统计时忽略零值)→单击OK按钮（关闭Non-directional Edge对话框，执⾏⾮定向边缘增强）⼆、纹理分析（以c:\program files\ imagine 8.4\examples\lanier.img为例）纹理分析通过在⼀定的窗⼝内进⾏⼆次变异分析（2nd-order Variance）或三次⾮对称分析(3rd-order Skewness),使图像的纹理结构得到增强，操作的关键是窗⼝⼤⼩（Window Size）的确定和操作函数（Operator）的定义。
实验二遥感图像增强—对比度变化
1.本次实验的目的和要求
1）认识遥感图像的基本结构，了解数字图像；
2）学习掌握图像直方图变化与图像亮度变化的关系；
3）掌握图像线性拉伸的方法和过程。
2.实验内容或原理
遥感图像可以表示为数字图像，即表示为f（x,y），它是以有序的数字反映地物或景观反射或发射电磁波的特性及其变化。
通过对数字图像的处理和分析，可判别出地物的属性及其分布。
图像增强的目的是改善图像显示的质量，以利于图像信息的提取和识别。
在方法上是通过突出重要信息，去除不重要或不必要信息来实现的。
可以通过增强数字图像的直方图，进行像元亮度值之间的数字运算或数字变换达到图像增强的目的。
3.需要的仪器或试剂等
电脑和CAI软件或photoshop。
4.实验步骤
操作实习CAI，进行图像拉伸
1）从实习CAI主界面进入“遥感图像处理”系统；
2）在菜单上选择处理>增强>拉伸，进入“拉伸”对话框；
3）单击关于本例按钮，阅读关于本操作的介绍；
4）单击操作模拟按钮，进入操作界面，双击界面中的输入图像框，输入图像名为B-Stren，双击输出图像框，输出图像名为A-Stren，选取线性拉伸类型，标题为“线性拉伸”，其他值保留为缺省值。
点击确定，得到图像A-Stren。
5.实验结果
请写出拉伸前后的不同点.。
遥感图像解译中的图像增强和分类技术介绍概述：遥感图像解译是指通过对遥感数据进行处理和解析，来获取地理信息的过程。
在这一过程中，图像增强和分类技术是至关重要的工具，可以提高图像质量和准确度。
本文将介绍遥感图像解译中的图像增强和分类技术的原理和应用。
一、图像增强技术图像增强技术是指通过对原始遥感图像进行处理，改善图像质量的方法。
1. 直方图均衡化直方图均衡化是通过变换图像的灰度级分布，增强图像的对比度和亮度。
该方法适用于单一场景中的图像。
通过对原始图像中每个像素的像素值进行统计，可以得到图像的灰度级分布。
根据统计分布，可以将原始图像中的灰度级重新映射，使得图像的灰度级分布更均匀。
这样可以增强图像的对比度，使得图像中的目标更加清晰可见。
2. 滤波技术滤波技术通过对图像进行空域或频域的滤波处理，来改善图像的质量。
常用的滤波方法包括线性滤波和非线性滤波。
线性滤波方法包括均值滤波、中值滤波等，主要用于降噪和平滑图像。
非线性滤波方法包括边缘增强滤波、退化滤波等，主要用于增强图像的边缘信息。
3. 多尺度分析多尺度分析是一种基于图像的不同尺度表示，来提取图像不同层次特征的方法。
常用的多尺度分析方法包括小波变换、尺度空间分析等。
通过对不同尺度下的图像进行处理和分析，可以获得更全面的图像信息。
这些信息可以用于图像分类和目标检测等应用。
二、图像分类技术图像分类技术是将遥感图像中的像素点或图像区域划分为不同的类别的过程。
图像分类是遥感图像解译的关键步骤，它可以帮助我们理解和分析图像中的地物信息。
1. 监督分类监督分类是一种通过人工标签指定不同类别的样本进行训练的分类方法。
在监督分类过程中，我们首先需要选择一种合适的分类算法，如支持向量机（SVM）、决策树、人工神经网络等。
然后，根据已标注的样本，使用分类算法进行训练和分类预测。
监督分类方法适用于有充足样本且具有明显特征的图像。
2. 无监督分类无监督分类是一种不依赖于人工标签的分类方法。
遥感图像增强实验报告引言遥感技术在地球科学和环境科学领域有着广泛的应用，其中图像增强是遥感图像处理的重要环节之一。
图像增强旨在改善遥感图像的视觉效果，使得图像的细节更加清晰、对比度更加鲜明，以便更好地进行地表特征的识别和分析。
在本次实验中，我们将探讨常用的图像增强方法，并且使用实际遥感图像进行增强实验。
实验目的1. 了解遥感图像增强的基本概念和方法。
2. 掌握常见的图像增强方法的实施过程。
3. 分析和比较不同图像增强方法的效果，选择最适合的增强方法。
实验步骤1. 数据准备：选择一张遥感图像作为实验数据，确保图像分辨率适中、含有一定的地表特征。
2. 灰度拉伸：使用灰度拉伸方法增强图像的对比度。
首先计算图像的最小灰度值（Min）和最大灰度值（Max），然后通过线性变换将灰度值映射到0-255的范围内。
3. 直方图均衡化：利用直方图均衡化方法增强图像的细节。
首先计算图像的灰度直方图，然后按照直方图均衡化的公式对每个灰度值进行调整。
4. 自适应直方图均衡化：对比直方图均衡化方法，自适应直方图均衡化能够避免对整个图像进行均衡化，而是通过使用局部领域内的信息来进行均衡化。
5. 对比度增强：使用对比度增强方法增强图像的对比度。
可以通过调整图像的亮度、对比度和饱和度来实现。
6. 结果分析：根据实验结果分析不同图像增强方法的效果，选择最佳的增强方法。
实验结果与分析经过实验，我们得到了经过不同图像增强方法处理后的图像。
通过对比实验前后的图像，我们可以得出以下结论：1. 灰度拉伸方法能够有效增强图像的对比度，使得图像的亮度范围更广，细节更加清晰。
2. 直方图均衡化方法能够增强图像的细节，特别是在暗部和亮部细节的表现上有显著提升。
3. 自适应直方图均衡化方法相比于普通直方图均衡化方法在处理具有大范围对比度差异的遥感图像时效果更好，避免了过度增强和信息损失。
4. 对比度增强方法可以通过调整图像的亮度、对比度和饱和度来增强图像的视觉效果，但对于某些场景可能会导致图像过度增强或过度饱和。
《遥感原理与应用》课程上机ENVI初步学习和影像增强处理一. 实验目的学习ENVI软件的基本操作，能够将图像进行相应变换和增强处理，在此操作中加深对理论知识的理解和掌握二.数据介绍介绍实验数据为软件自带数据，实习前应将实验数据所用图像改为本人姓名拼音原始图像三. 实验过程（一）空间域增强点运算1.线性对比度拉伸Linear Contrast Stretch）线性变换所用的变换函数是线性的或分段线性的，是将像元值的变动范围按线性关系扩展到指定范围，变换函数y=a*x+b.目的是为了改善图像的对比度，改变图像像元的灰度值。
线性对比度拉伸是系统默认的交互式拉伸。
线性拉伸的最小和最大值分别设置为 0 和 255，两者之间的所有其它值设置为中间的线性输出值具体做法如下所示：Enhance->interactive stretching,从 Interactive Contrast Stretching 对话框内，选择Stretch_Type > Linear Contrast Stretch，要限定最小和最大输入值，点击“Apply” ，把拉伸应用于显示的数据。
如图2分段线性对比度拉伸（Piecewise Linear Contrast Stretch）分段线性变换就是在一些灰度段拉伸，另一些灰度段压缩分段线性对比度拉伸可以通过使用鼠标在输入直方图中放置几个点进行交互地限定。
当在点之间提供线性拉伸时，线段在点处连接起来。
具体做法如下所示：选择Stretch_Type > Piecewise Linear.，要限定最小和最大输入值，点击“Apply” ，把拉伸应用于显示的数据。
如图3高斯对比度拉伸（Gaussian Contrast Stretch）系统默认的 Gaussian 拉伸是围绕DN平均值127的三个标准差的数据分布（centered at a mean DN of 127 with the data distributed over a range of 3 standard deviations）。
卫星图像遥感处理中的图像增强和目标检测算法研究图像增强和目标检测是卫星图像遥感处理中的两个关键任务，它们在提高图像质量和提取目标信息方面具有重要意义。
本文将从图像增强和目标检测两个方面进行详细研究，介绍常见的算法和技术，并探讨它们在卫星图像遥感处理中的应用。
一、图像增强算法研究图像增强的目标是改善图像的视觉质量和可读性，使得图像中的细节更加清晰、对比度更强、噪声更少。
主要的图像增强算法包括直方图均衡化、自适应直方图均衡化、灰度拉伸等。
1. 直方图均衡化直方图均衡化是一种常用的图像增强方法，它通过调整图像的灰度直方图来扩展图像的动态范围。
具体而言，直方图均衡化将像素的灰度值按照一定的规则进行映射，使得图像中的亮度分布更加均匀。
这种方法能够增强图像的整体对比度，但可能导致图像的细节丢失。
2. 自适应直方图均衡化自适应直方图均衡化是对直方图均衡化的改进，它将图像分成多个小块，并对每个小块进行直方图均衡化。
这种方法能够在增强图像对比度的同时，保留更多图像的细节信息。
3. 灰度拉伸灰度拉伸是一种通过设置灰度级范围来增强局部对比度的方法。
这种方法通过将图像的灰度范围进行压缩或拉伸，使得图像中的细节更加清晰可见。
二、目标检测算法研究目标检测是卫星图像遥感处理中的关键任务，其目标是自动地在图像中定位和识别感兴趣的目标。
常见的目标检测算法包括基于滑动窗口的方法、基于卷积神经网络（CNN）的方法等。
1. 基于滑动窗口的方法基于滑动窗口的方法是一种经典的目标检测算法，其基本思想是在图像上滑动一个固定大小的窗口，并使用分类器来判断窗口内是否包含目标。
这种方法简单直观，但在实际应用中存在着计算复杂度高、目标尺度变化等问题。
2. 基于卷积神经网络的方法基于卷积神经网络的方法在目标检测领域取得了很大的突破，如今已成为最常用的目标检测算法之一。
这种方法通过在卷积神经网络中引入检测头和回归头，实现对目标的位置和类别的同时预测。
由于神经网络的强大特征提取和表达能力，这种方法在目标检测精度和速度方面都有了显著提高。
ENVI遥感图像处理之图像增强一、对比度增强1、快速拉伸步骤：打开数据—>加载图像到窗口—>图像主窗口Enhance菜单进入图像增强的菜单选项。
原始显示的影像：进行线性拉伸后的影像：进行高斯拉伸后的影像：说明：本菜单栏中包含的图像快速拉伸的功能还有0-255的线性拉伸（这应该是实际的遥感影像的灰度值，而刚开始说的那个原始影像实际上已经经过了2%的线性拉伸的）、均衡化拉伸、均方根拉伸等。
2、交互式拉伸步骤：选择图像主窗口中的Enhance菜单—>Interactive Stretching进入交互式拉伸的界面在Stretch_Type菜单下可以选择交互拉伸的类型，有线性拉伸、分段线性拉伸等。
可以在Stretch旁边的文本框中直接输入拉伸的图像的灰度范围，亦可以在input histogram 窗体中用鼠标左键拖动两条竖直虚线进行拉伸范围的选择。
原始图像：交互式线性拉伸后的图像：分段线性拉伸后的影像：高斯拉伸后的影像：3、直方图匹配步骤：进行直方图匹配之前必须打开两个窗口显示两个波段或两幅影像。
在两窗口中显示两幅遥感影像—>在待匹配的遥感影像主窗口中选择Enhance菜单—>选择Histogram matching…进入直方图匹配的对话框—>选择匹配到的窗口和匹配的方式，点击OK完成直方图的匹配。
匹配前直方图：待匹配影像直方图：匹配到影像直方图：匹配后的直方图：匹配的交互式对话框：匹配前影像：匹配后影像：二、空间增强1、锐化步骤：打开窗口主菜单中的Enhance菜单—>选择Filter选项—>Sharpen即可对图像进行锐化。
锐化前影像：锐化后影像：2、平滑步骤：打开窗口主菜单中的Enhance菜单—>选择Filter选项—>Smooth（后面的3*3、5*5等代表的是模板的大小）即可对图像进行平滑。
平滑前影像：平滑后影像：3、中值步骤：打开窗口主菜单中的Enhance菜单—>选择Filter选项—>Median（后面的3*3、5*5等代表的是模板的大小）即可对图像进行中值化。
图像处理（Image processing）基本概念数字图像处理（digital image processing）指的是使用计算机巧妙处理以数字格式存储图像数据的过程。
其目的是提高地理数据质量，使其对使用者更有意义，并能提取定量信息，解决问题。
数字图像（digital image）的存储是以二维数组或网格的形式保存像素值，每个像素在空间上对应着地表一块小面积。
数组或网格又称光栅，所以图像数据经常叫着光栅数据。
光栅数据的排列是这样：水平行叫着线（lines），垂直列叫着样品（samples）（如图1-1）。
图像光栅数据的每个像素代表着是数字（digital number），简称DN。
图1-1 光栅数据图像数字DNs在不同的数据源中，代表着不同的数据类型。
如对Landsat、SPOT卫星数据，DNs代表的是地物在可见光、红外或其它波段的反射强度。
对雷达图像，DNs代表的是雷达脉冲返回到天线的强度。
对数字地形模型（DTMs），DNs代表的是地形高程。
通过应用数学变换，图像转化为数字图像。
ER Mapper可以增强数字图像，突出和提取传统手工方法难以得到的细小信息。
这就是为什么图像处理能成为所有地球科学应用的强大工具的原因多光谱数据（multispectral data）指的是多波段数据，图像数据中含有多个波段的反射强度。
图像处理技术随着合并不同波段的信息而发展，突出了一些特别类型的信息，如植被指数、水质量参数、地表矿物出现类型等。
图像处理广泛应用在地球科学的制图、分析和模型应用上。
主要有：土地利用/土地覆盖制图和变迁勘察（land use/land cover mapping and change detection）、农业评价和监测（agricultural assessment and monitoring）、海岸线和海洋资源管理（coastal and marine resource management）、矿产勘查（mineral exploration）、石油和天然气勘查（o il & gas exploration）、森林资源管理（forest resource management）、城市规划和变迁勘察（ urban planning and change detection）、无线通讯定点和规划（telecommunications siting and planning）、海洋物理学（physical oceanography）、地质和地形制图（geology and topographic mapping）、冰川探测和制图（sea ice detection and mapping）等。
图像处理（Image processing）基本概念数字图像处理（digital image processing）指的是使用计算机巧妙处理以数字格式存储图像数据的过程。
其目的是提高地理数据质量，使其对使用者更有意义，并能提取定量信息，解决问题。
数字图像（digital image）的存储是以二维数组或网格的形式保存像素值，每个像素在空间上对应着地表一块小面积。
数组或网格又称光栅，所以图像数据经常叫着光栅数据。
光栅数据的排列是这样：水平行叫着线（lines），垂直列叫着样品（samples）（如图1-1）。
图像光栅数据的每个像素代表着是数字（digital number），简称DN。
图1-1 光栅数据图像数字DNs在不同的数据源中，代表着不同的数据类型。
如对Landsat、SPOT卫星数据，DNs代表的是地物在可见光、红外或其它波段的反射强度。
对雷达图像，DNs代表的是雷达脉冲返回到天线的强度。
对数字地形模型（DTMs），DNs代表的是地形高程。
通过应用数学变换，图像转化为数字图像。
ER Mapper可以增强数字图像，突出和提取传统手工方法难以得到的细小信息。
这就是为什么图像处理能成为所有地球科学应用的强大工具的原因多光谱数据（multispectral data）指的是多波段数据，图像数据中含有多个波段的反射强度。
图像处理技术随着合并不同波段的信息而发展，突出了一些特别类型的信息，如植被指数、水质量参数、地表矿物出现类型等。
图像处理广泛应用在地球科学的制图、分析和模型应用上。
主要有：土地利用/土地覆盖制图和变迁勘察（land use/land cover mapping and change detection）、农业评价和监测（agricultural assessment and monitoring）、海岸线和海洋资源管理（coastal and marine resource management）、矿产勘查（mineral exploration）、石油和天然气勘查（o il & gas exploration）、森林资源管理（forest resource management）、城市规划和变迁勘察（ urban planning and change detection）、无线通讯定点和规划（telecommunications siting and planning）、海洋物理学（physical oceanography）、地质和地形制图（geology and topographic mapping）、冰川探测和制图（sea ice detection and mapping）等。
ER Mapper图像处理特点：发展了一个全新的方法，叫算法，将许多处理过程合并成简单的一步，没有原始数据的复制存储，只将处理步骤保存在算法文件中（如图1-2）。
处理结果在屏幕上实时显示。
取代了传统的图像处理中的每步文件保存的方法。
图1-2 ER Mapper图像处理方法示意图ER Mapper中算法可用于数据简单浏览、多图像的复杂处理和模型操作、数据转换、不同类型数据叠加等，将图像融合、镶嵌、各种类型的数学变换如波段比、主成分分析等变得更加容易。
图像处理任务：从数据输入到最终结果输出，图像处理的主要任务可概括为一个流程图，如图1-3。
图1-3 ER Mapper图像处理流程示意图数据读入（Data read/import）“数据读入”是图像处理的第一步。
ER Mapper中基本的数据类型有二种，为光栅数据(.ers)和矢量数据(.erv)。
光栅图像数据是常用的输入数据类型。
主要来源有：卫星图像、数字航空相片、数字地形模型和地球物理、地震勘测数据。
ER Mapper可以直接读取的数据格式有：ER Mapper Raster Dataset (.ers)、E R Mapper compressed image (.ecw)、ESRI BIL and GeoSPOT (.hdr)、Windows BMP (.bmp)、GeoTIFF/TIFF (.tif)、JPEG (.jpg)、USGS Digital Ortho Quad (.doq)、RESTEC/NASDA CEOS (.dat)。
其它格式的数据需要经过ER Mapper的数据转换。
矢量数据是保存线、点、多边形的数据。
矢量数据是许多地理系统保存数据的一个格式。
在图像处理中，有时在卫星图像上叠加公路网格的矢量数据是很有用的。
“图像显示”（Image display）输完数据，接下来一步就是将图像在监视器上显示出来。
显示的方法有：简单黑白或假彩色显示、RGB （red-green-blue）或HSI（hue-saturation-intensity）彩色合成显示，可以通过图形形式如直方图、散点图、剖面图等查看图像数据的统计信息。
“图像校正”（Image geocoding）多数情况下，光栅图像数据是以原始状态提供的，包含着几何误差。
无论何时，精确的地区、方向和距离测量是必需的。
原始图像数据必须进行处理，消除几何误差或校正图像到真实的世界坐标系统。
注册（Registration）是几何校正图像的过程，允许图像被分层或覆盖。
校正（Rectification）是几何矫正光栅图像的过程，使图像对应真实世界地图和坐标系统（如Latitude/Longitude or Eastings/Northings）。
正射投影校正（Orthorectification）是更精确的校正方法，它考虑了地形和传感器校准数据。
高级的正射投影校正还用到平台位置资料。
图像镶嵌（Image mosaicing）镶嵌是指将两副或多副有重叠的图像拼接成一副连续地区的图像。
已校正的图像可以参照同样的处理算法，ER Mapper将自动完成图像镶嵌的建立。
每个图像在镶嵌中都是一个独立的实体，保存数据时无须将所有图像存入一个大文件中。
图像增强（Image enhancement）图像增强通常用于数字图像处理，是为了提高使用者对图像的可视化解释或提取定量信息而进行的多种类型的图像处理操作。
许多人认为“图像增强”就是“图像处理”，其实不然。
典型的图像增强操作包括：图像融合（Image merging or data fusion），合并不同质量的图像，来帮助解释。
例如融合Landsat TM 和SPOT Pan 图像，即将SPOT Pan 空间详细数据合并到Landsat TM图像上。
彩色覆盖（Colordraping），将一种类型的数据覆盖到另一种类型的数据上，建立合并显示，允许分析2个或3个变量。
例如将由卫星数据得到的植被图覆盖到同地区的空间磁场图像上，检测它们的相关性。
对比度增强（Contrast enhancements），最大化图像黑白区的对比度，提高图像的表达。
或突出某特定数据范围或空间区域的图像。
滤波（Filtering），增强边界、平滑噪音，或突出或压制图像中的线性或空间特性。
例如应用一个方向递度滤波，可以突出南北方向的线性特征。
公式处理（Formula processing），应用数学操作来合并多波段图像数据，推出特殊专题信息。
如阀值、不同波段比值、主成分分析和空间模型。
分类（Classification），将图像数据的统计组或群定义为专题类或特性类。
例如在Landset 卫星图像上分类出土地覆盖类型的专题图。
彩色平衡（Color balancing），平衡不同航空相片镶嵌的色彩，建立它们之间的无缝连接。
动态连接层（Dynamic Link layers）ER Mapper提供了与外界产品或文件格式进行连接的动态连接方式，建立的连接数据放在光栅图像数据的头文件中。
主要的连接类型有：与GIS产品连接（Links to GIS products），提取和显示ARC/INFO 软件的GIS产品，如覆盖GIS矢量数据，如公路网、行政边界或土地利用分类。
与数据库连接（Links to database products），提取和显示象Oracle数据库中的表格数据，如覆盖地理参照点符号数据，如城市、井点位置或地表样品点位置。
与外界文件格式连接（Links to external file formats），显示专业化注释、矢量数据或以PostScript, DXF, DGN等格式保存的数据文件。
图件制作（Map composition）ER Mapper提供注释和写作工具，用户可以在图像上输入文字、线条、图案等内容。
还可以设计图像输出的大小和比例尺等要求。
数据输出（Data save/export and hardcopy）ER Mapper可以支持200多种硬件输出设备，保存的光栅图像格式有：ER Mapper Raster Dataset (.ers)、ER Mapper compressed format (.ecw)、ER Mapper Virtual dataset (.ers)、ESRI BIL and GeoSPOT (.hdr)、Windows BMP (.bmp)、GeoTIFF/TIFF (.tif)、JPEG (.jpg)、UDF (.ers and .hdr)。
一、认识ER Mapper界面及菜单、窗口操作ER Mapper界面基础（interface basics）：ER Mapper用户物理界面GUI（graphical user interface）设计简单、易学易操作。
ER Mapper运行后，GUI界面出现在屏幕右上角。
主要由两部分组成：一是主菜单，二是工具条，如图1-4。
主菜单是由各执行命令名按任务性质分类组织而成。
工具条则是由一系列快速执行命令的功能按钮行组成。
一行工具条，包含着某一研究领域的方法按钮，如GIS工具条包含着GIS的许多功能按钮、DEM工具条包含着DEM的许多功能按钮，每行工具条的增减通过主菜单项Toolbars选项完成。
图1-4 ER Mapper主菜单无论进行菜单选项，还是工具按钮的选定，ER Mapper都会出现对话框或图像窗口、算法窗口等界面。
如在选定主菜单项File中的Open子菜单，“文件选择器”对话框出现。
，如图1-5。
选定Open子菜单，“打印”对话框出现，如图1-6。
图1-5 “文件选择器”对话框图1-6 “打印”对话框但在ER Mapper中，每种界面的使用，主要是通过鼠标的指向和单击、双击鼠标左右键来实现的。
很少用到键盘。
ER Mapper中鼠标的设计内容非常丰富。
不同的界面，鼠标指针的符号不同，作用不一样（如表1-1）。
需要在今后的实践中，体会和掌握。
