VC数字图像处理编程讲座之八（2）

 VC数字图像处理编程讲座之八（2）

图像增强

9.2 空间域滤波

空间域滤波是一种邻域处理方法，它运算较简便。

边缘增强
平滑滤波
定向滤波
中值滤波

9.2.1 边缘增强

　

    遥感数字图像中地物的边缘包括地物的边界、地质线性构造和环状构造等，在对图像进行解译和识别时，常需要突出目标的轮廓或边缘信息，这可以通过图像边缘增强（图像锐化）处理来实现。边缘增强主要通过微分而使图像边缘突出、清晰。常用的方法有梯度算子和拉普拉斯算子。 遥感数字图像中地物的边缘包括地物的边界、地质线性构造和环状构造等，在对图像进行解译和识别时，常需要突出目标的轮廓或边缘信息，这可以通过图像边缘增强（图像锐化）处理来实现。
    边缘增强主要通过微分而使图像边缘突出、清晰。常用的方法有梯度法和拉普拉斯算子法。

    对于图像函数f(x,y) ，它在点(x,y) 处的梯度定义为一个矢量：

式中： 数。
梯度的两个重要性质是：
（1）矢量G[f(x,y)]指向f(x,y)在（x,y）点的最大变化率方向；
（2）用G_M[f(x,y)]表示G[f(x,y)]的幅度（梯度的模），并由下式给出

G_M[f(x,y)]等于在G[f(x,y)]的方向上每单位距离f(x,y)的最大变化率。
    对于图像用微分运算不便，一般用差分来近似。常用的梯度差分法有两种：

第一种为

　

第二种为Robert梯度算子，它是

　

    对于数字图像f(i,j),其在（i,j）点处的拉普拉斯运算为：

上式表明，（i,j）点与相邻四点的总差值代表该点的拉普拉斯算子值，这样便可以用一个3×3的矩阵（式6。2。1）对全图象f(i,j)卷积运算得到拉普拉斯值，见式6.2.2。

式中：*为卷积运算符。
    边缘增强的另一种方法是从原图象上减去拉普拉斯计算值，即有：

其中f^/(i,j)为增强的图像。
    拉普拉斯算子除了有边缘增强的作用外，还可以有效地消除图象上因扩散作用产生地模糊，使图像清晰化。

          

                   梯度算子增强                              拉普拉斯算子增

9．2．2 平滑滤波

　

    平滑滤波是低频增强的空间域滤波技术。它的目的有两类：一类是模糊；另一类是消除噪音。空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择邻域的大小。

9．2．3 定向滤波

　

定向滤波又称匹配滤波。它是通过一定尺寸的方向模板对图像进行卷积运算，并以卷积值代替各像元点灰度值，其强调的是某一些方向的地面形迹，例如水系、线性影像。所谓方向模板是一个各元素大小按一定的规律取值，并对某一方向灰度变化最敏感的矩阵。定向滤波计算公式为：
k=f1g1+ f2g2+…+ fMgM
方向模板分零模板和非模板两种，所谓零模板就是模板各元素值的和为零，非零模板就是模板各元素值的和不为零如图6－2－1
定向滤波技术的关键是模板的选择，除了模板方向选择外，模板内元素间的差值大小也要影响增强的强度。

9．2．4 中值滤波

   

    中值滤波是一种非线性滤波。它是把邻域内的所有像元值从小到大排序，取中间值作为邻域中心像元点的输出值。中间值取法如下：当邻域内的像元数为奇数时，取排序后的中间像元值；当邻域内的像元数为偶数时，取排序后的中间两像元值的平均值，其邻域也可选择不同方式。它的突出优点是在消除噪音的同时，还能防止边缘模糊。