当前位置：文档之家 › 遥感数字图像处理实习报告

遥感数字图像处理实习报告

  • 格式：doc
  • 大小：4.91 MB
  • 文档页数：26

辽宁工程技术大学《数字图像处理》上机实习报告教学单位辽宁工程技术大学专业摄影测量与遥感实习名称遥感数字图像处理班级测绘研11-3班学生姓名路聚峰学号471120212指导教师孙华生实习1 读取BIP 、BIL、BSQ文件一、实验目的用Matlab读取BIP 、BIL、BSQ文件，并将结果显示出来。

遥感图像包括多个波段，有多种存储格式，但基本的通用格式有3种，即BSQ、BIL和BIP格式。

通过这三种格式，遥感图像处理系统可以对不同传感器获取的图像数据进行转换。

BSQ是像素按波段顺序依次排列的数据格式。

BIL 格式中，像素先以行为单位块，在每个块内，按照波段顺序排列像素。

BIP格式中，以像素为核心，像素的各个波段数据保存在一起，打破了像素空间位置的连续性。

用Matlab读取各个格式的遥感数据，是图像处理的前提条件，只有将图像读入Matlab工作空间，才能进行后续的图像处理工作。

二、算法描述1.调用fopen函数用指定的方式打开文件。

2.在for循环中调用fread函数，用指定的格式读取各个像素。

3.用reshape函数，重置图像的行数列数。

4.用imadjust函数调整像素的范围，使其有一定对比度。

5.用imshow显示读取的图像。

三、Matlab源代码1.读取BSQ的源代码：clear allclclines=400;samples=640;N=6;img=fopen('D:\sample_BSQ','rb');for i=1:Nbi=fread(img,lines*samples,'uint8');band_cov=reshape(bi,samples,lines);band_cov2=band_cov'; band_uint8=uint8(band_cov2);tif=imadjust(band_uint8);mkdir('D:\MATLAB','tifbands1')name=['D:\MATLAB\tifbands1\tif',int2str(i),'.tif'];imwrite(tif,name,'tif');tilt=['波段',int2str(i)];subplot(3,2,i),imshow(tif);title(tilt);endfclose(img);2.读取BIP源代码clear allclclines=400;samples=640;N=6;for i=1:Nimg=fopen('D:\MATLAB\sample_BIP','rb');b0=fread(img,i-1,'uint8');b=fread(img,lines*samples,'uint8',(N-1));band_cov=reshape(b,samples,lines);band_cov2=band_cov';%תÖÃband_uint8=uint8(band_cov2);tif=imadjust(band_uint8);mkdir('E:\MATLAB','tifbands')name=['E:\MATLAB\tifbands\tif',int2str(i),'.tif'];imwrite(tif,name,'tif'); %imwrite(A,filename,fmt)tilt=['波段',int2str(i)];subplot(3,2,i),imshow(tif);title(tilt);fclose(img);end3.读取BIL的源代码clear allclclines=400;samples=640;N=6;for i=1:Nbi=zeros(lines,samples);for j=1:samplesimg=fopen('D:\MATLAB\sample_BIL','rb');bb=fread(img,(i-1)*640,'uint8');b0=fread(img,1*(j-1),'uint8');bandi_linej=fread(img,lines,'uint8',1*(N*samples-1));fclose(img);bi(:,j)=bandi_linej;endband_uint8=uint8(bi);tif=imadjust(band_uint8);mkdir('D:\MATLAB','tifbands')name=['D:\MATLAB\tifbands\tif',int2str(i),'.tif'];imwrite(tif,name,'tif');tilt=['波段',int2str(i)];subplot(3,2,i),imshow(tif);title(tilt);end四、运行结果图1：读取文件的六个波段图实习2 均值/中值滤波、边缘信息提取一、实验目的与原理各种图像滤波算子可以实现图像的增强，去噪，边缘提取等。

图像增强的目的在于：1.采用一系列技术改善图像的视觉效果，提高图像的清晰度，2.将图像转换成一种更适合于人或机器进行分析处理的形式。

它不是以图像保真度为原则，而是通过处理，设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。

图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强。

空间域增强就是直接对图像像素灰度进行操作；频率域增强是对图像经傅里叶变换后的频谱成分进行操作，然后经傅里叶逆变换获得所需结果。

图像滤波可分为空间域滤波和频率域滤波，前者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。

后者对图像进行傅立叶变换，然后对频谱进行滤波。

空间域图像滤波称为平滑和锐化，强调像素与其周围相邻像素的关系。

去噪滤波为平滑滤波包括均值滤波和中值滤波。

锐化滤波包括罗伯特梯度、索伯尔梯度、拉普拉斯算法、定向检测，用以提取线状地物和边缘。

此实验用Matlab 采用各种滤波对图像进行了处理，处理结果如下：二、算法描述1.用imread读取图像文件，并用size获取图像的大小。

2.设计各种滤波算子。

3利用卷积公式对图像的没一个像素进行处理，得到滤波后的图像。

4.用imshow显示滤波后的图像。

三、Matlab源代码1.均值滤波源码：clear allclcimg=imread('2.jpg');[row,column,band]=size(img);img0=double(img);f11=1/9; f12=1/9; f13=1/9;f21=1/9; f22=1/9; f23=1/9;f31=1/9; f32=1/9; f33=1/9;img1=[img0(:,1,:), img0(:,:,:), img0(:,column,:)];img2=[img1(1,:,:); img1(:,:,:); img1(row,:,:)];filtered=zeros(row,column,band);for ii=1: rowfor jj=1: columnfiltered(ii,jj,:)=f11*img2(ii,jj,:) + f12*img2(ii,jj+1,:) + f13*img2(ii,jj+2,:)+ ...f21*img2(ii+1,jj,:) + f22*img2(ii+1,jj+1,:) + f23*img2(ii+1,jj+2,:) + ...f31*img2(ii+2,jj,:) + f32*img2(ii+2,jj+1,:) + f33*img2(ii+2,jj+2,:);endendfiltered1=uint8(filtered);subplot(1,2,1),imshow(img);title('图1 原始RGB图像');subplot(1,2,2),imshow(filtered1);title('图2 均值滤波后的图像');imwrite(filtered1,'flower_filtered_mean.jpg');2.中值滤波代码：image = imread('flower.jpg');[m,n,p] = size(image);image0 = double(image);image1=[image0(:,1,:), image0(:,:,:), image0(:,n,:)];image2=[image1(1,:,:); image1(:,:,:); image1(m,:,:)];clear image1image1 = zeros(m,n,p);for i = 1:mfor j = 1:nA = image2(i:i+2,j:j+2,:);B = sort(A);midum = B(2,2,:);image1(i,j,:) = midum;endendimage1 = uint8(image1);subplot(1,2,1),imshow(image);title('图1：原始的RGB图像');subplot(1,2,2),imshow(image1);title('图2：中值滤波后的图像');3.边缘提取滤波源代码clear allimg=imread('2.jpg');[row,column,band]=size(img);img0=double(img);f11=1; f12=0; f13=-1;f21=1; f22=0; f23=-1;f31=1; f32=0; f33=-1;img1=[img0(:,1,:), img0(:,:,:), img0(:,column,:)];img2=[img1(1,:,:); img1(:,:,:); img1(row,:,:)];filtered=zeros(row,column,band);for ii=1: rowfor jj=1: columnfiltered(ii,jj,:)=f11*img2(ii,jj,:) + f12*img2(ii,jj+1,:) + f13*img2(ii,jj+2,:)+ ...f21*img2(ii+1,jj,:) + f22*img2(ii+1,jj+1,:) + f23*img2(ii+1,jj+2,:) + ...f31*img2(ii+2,jj,:) + f32*img2(ii+2,jj+1,:) + f33*img2(ii+2,jj+2,:);endendfiltered1=uint8(filtered);subplot(1,2,1),imshow(img);title('图1 RGB原图像');subplot(1,2,2),imshow(filtered1);title('图2 边缘提取后的图像');imwrite(filtered1,'flower_filtered_edge.jpg');四、运行结果图1：原始RGB图像图2：均值滤波后的图像图3：中值滤波后的图像图4：边缘提取后的图像实习3 傅里叶变换、傅里叶逆变换，及频域滤波一、实验目的按照信号处理理论，根据滤除的频率特征，滤波有3种：1.低通滤波。

合集下载

遥感数字图像处理教程实习报告

遥感数字图像处理教程实习报告

遥感数字图像处理教程实习报告《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09-1班姓名：梁二鹏学号：310905030114指导老师：刘春国----------------------------------------------实习成绩：教师评语：教师签名：年月日实习一：图像彩色合成实习一、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、实验步骤1、显示灰度图像主要步骤：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。

如图所示：红色方框。

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。

2、伪彩色合成的主要步骤：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3、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，4、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按钮，即可显示修改后的效果。

遥感图像处理实验报告

遥感图像处理实验报告

遥感图像处理实验报告遥感图像处理实习报告姓名：学号：联系方式：日期：一、实习要求（一）掌握使用ENVI进行各种图像基本操作；（二）熟练运用ENVI中工具进行图像图像校正、裁剪拼接、融合及图像增强处理；二、实习操作过程与实现结果（一）辐射校正及大气校正1、辐射校正（1）选择File->open，选择Landset8武汉数据中的‘’文件。

（2）选择T oolbox->Radiometric Correction->Radiometric Calibration工具，选择要校正的‘LC8LGN00_MTL_MultiSpectral’多光谱数据，设置定标参数（存储格式：BIL；单位转换“Scale Factor”的设置，单击Apply FLAASH Settings得到相应的参数），得到辐射定标后的结果。

2、大气校正（1）选择Toolbox->Radiometric Correction->Atmospheric Correction Module->FLAASH Atmospheric Correction工具；打开工具后设置参数：在FLAASH Atmospheric Correction Module Input Parameters 面板中如图设置各项参数；点击apply运行大气校正。

（2）大气校正运行结果（二）图像裁剪与拼接1、15米全色波段图像裁剪拼接（1）选择File->open，选择‘县界.shp’‘LC8LGN00_MTL’及‘LC8LGN00_MTL’文件。

（2）选择Toolbox->Regions of Interest->Subset Date from ROIs 工具；双击打开后input file面板选择38区段15米分辨率文件，input ROIs面板选择‘县界’文件。

点击‘OK’，38区段文件裁剪后如图。

（3）重复（2）中工具选择步骤；双击打开后在input file 面板选择39区段15米分辨率文件，在input ROIs面板选择‘县界’文件。

遥感制图实习报告

遥感制图实习报告

遥感图像处理实验报告班级姓名学号实验室成绩评定教师签字专题一: DEM图像进行彩色制图（叙述制图过程并把自己处理结果加载到本文档里）实验目的:1.实验步骤:2.选择File > Open Image File>bhdemsub.img,出现由主图像窗口、滚动窗口和缩放窗口组成的ENVI 图像。

3.选择主图像窗口内的功能菜单Tools>Color Maping>Density Slice, 出现Density Slice对话框。

4.选择Clear Ranges, 清除Defined Density Slice Ranges下的内容。

5.选择Options>Add New Ranges, 其中RangeStart: 1219 ；Range End;1701；#of Ranges:10。

在Density Slice对话框中Defined Density Slice Ranges下出现十组内容。

6.逐个组将Red条依次改为25, 50, 75, 100, 125, 150, 175, 200, 225, 250。

Greeen与Blue不变。

选择Apply按钮, 主图像窗口、滚动窗口和缩放窗口组成的ENVI图像的颜色改变。

选择主图像窗口内的功能菜单File>Save Image As> Image File 出现Output Dispiay to Image File对话框, Output File Type选择JPEG, Enter Output Filename选择保存位置, Compression Facter（0-1）选择0.750.实验结果:专题二: TM与SPOT数据融合（叙述该过程并处理结果加载到本文档里。

注意用两种方法融合的过程）实验目的:1. 进行快速对比度拉伸、直方图执行交互式对比度拉伸和直方图匹配的操作2. 快速滤波、滤波的操作3. ENVI中变换（Transform）菜单功能的了解实验步骤:1. 选择File > Open Image File>Lon.spot文件,点击No Display>new display>load band2. 选择File > Open Image File>Lon.tm文件,点击No Display>new display>load band3. 选择Basic Tools>Resize Data>选择Lon.tm文件>点击OK(弹出对话框, 分别填写内容)4. 选择Basic Tools>Stretch实验结果:专题三: 航片的配准与镶嵌（叙述该过程并处理结果加载到本文档）1配准●图像-图像地面控制点 (Select GCPs: Image-to-Image)●图像-图像配准需要两幅图像均打开。

《遥感数字图像处理》实验报告

《遥感数字图像处理》实验报告

《遥感数字图像处理》实验报告《遥感技术原理与应用》期末报告研究生《遥感技术原理与应用》期末考试报告题目：利用TM遥感数据进行土地覆盖分类和制图专业：地图学与地理信息系统2015．12一、研究方法缨帽变换：也称K-T变换，是一种特殊的主成分变换。

但与主成分不同，其旋转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，特别是与植物生长过程和土壤有关。

传统的NDVI植被信息提取方法受到影像空间分辨率的限制，对影像上信息量少的植被（如道路两旁的行道树、居民小区中的绿地等）提取效果不佳。

缨帽变换对区分不同类型植被类型如树、灌木、草地、农作物等非常有效，此次试验具有较好的应用。

支持向量机分类法：是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折中，以求获得最好的推广能力。

最大似然分类法：假设每一个波段的每一类统计都呈正态分布，计算给定像元属于某一训练样本的似然度，像元最终被归并到似然度最大的一类当中。

二、研究内容及数据对富民县散旦乡TM影像进行信息挖掘后突出植被和水体等地物信息；结合二调数据，选择样本，分别用最大似然和支持向量机（SVM）分类法对散旦乡进行分类，通过对比分类精度，比较两种分类方法的优缺点。

数据：对富民县进行裁剪后得到的散旦乡Landsat TM影像；富民县二类调查小班数据；富民县县行政区数据。

三、研究过程1.裁剪研究区域将富民县行政区数据导入ArcGIS软件中，根据属性表查找得到散旦乡数据，导入ENVI，再利用ENVI提供的不规则裁剪工具进行裁剪得到散旦乡TM影像（4，3，2假彩色合成），见图1、2。

图1散旦乡在富民县的位置图2研究区原始影像2.缨帽变换在主菜单Transforms→Tassled Cap中使用缨帽变换对研究区影像进行正交变换，变换结果包括亮度“Brightness”、绿度“Greenness”、第三波段“Third”三个波段信息。