数字图像处理编程实习报告.doc

遥感灰度图像地物识别预处理XX武汉大学 遥感科学与技术专业, 武汉 430079E-mail: XXXXXXX.com摘 要:通过航摄等方式获取的遥感图像往往是灰度图像，辨识度不高，为了更好地分辨植被、水系、建筑等不同地物及其分布状况，就需要对图像进行预处理，包括平滑、边缘锐化、伪彩色增强等。关键词: 遥感图像，预处理，平滑，锐化，伪彩色增强1 引言随着遥感技术的快速发展及日益增长的生产生活需求，遥感图像在现实中的应用越来越广泛。为了使图像拥有更好的显示效果，发挥更大作用，就需要与相关的数字图像处理方法联系起来。1.1 问题的提出 遥感图像很大一部分是灰度图像，不能展现真实的地物原貌，辨识度不高，需要想办法解决。1.2 本报告研究的意义 本报告主要介绍遥感灰度图像为了更好地进行地物识别而采取的部分简单处理步骤，使笔者对遥感生产实践加深了了解，同时巩固了相关数字图像处理知识。1.3 本报告研究的结构安排 本报告分为引言、算法描述、实验结果及分析、总结与展望、实习心得与体会等五个部分阐述。2 算法描述2.1 算法1-中值滤波刚获取的原始遥感图像由于仪器质量、大气因素、光照因素等多方面影响，会产生部分干扰及噪声。预处理的第一步就是通过空间域平滑抑制噪声，比较了各种具体的平滑方法后，笔者决定采用中值滤波。该方法是一种非线性的平滑法，对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。下面介绍一下其具体算法。中值滤波需要对一个滑动窗口内的诸像素灰度值排序，用其中值代替窗口中心像素的灰度值。该窗口可以是一维，也可以是多维（在此处采用二维窗口，通常有33、55等规格）。窗口按照一定的顺序（如先从左到右，再从上到下）进行滑动，依次改变图像内的每一个像素值。如图1，这个33窗口中的各像素值中值为6，因此窗口中心像素值便被替换成了6，有效的抑制了10这个可能的噪声信号。 图 1: 中值滤波示例在数字图像处理相关程序中实现中值滤波功能的核心代码如图2：图 2: 中值滤波相关代码对含有较多椒盐噪声的灰度图像进行中值滤波处理后效果如图3、图4所示： 图 3: 处理前 图4: 处理后2.2 算法2-高通滤波在进行中值滤波处理后的图像中，噪声受到了一定程度的抑制，但同时由于整体平滑使得边缘或多或少变得模糊，不利于识别。此时就需要进行锐化增强图像的边缘和轮廓信息，使不同地物之间的边界更加突出、清晰、易于判读。常用的空间域锐化方法有梯度算子、Roberts算子、Prewitt算子、Sobel算子、Laplacian增强算子、高通滤波等，此处笔者采用的是最后一种。一幅图像通常由不同的频率成分组成，根据一般图像频谱的概念，高的空间频率对应影像中急剧变化的部分，而低的频率则代表灰度缓慢变化的部分。对于遥感图像，高频分量常常包含地物的空间结构，对于影像分析格外重要。高通滤波法就是在空间域用高通滤波算子和图像卷积来增强图像边缘。通过定义一个模板来对原始图像中的目标像素的一组邻域进行处理，然后将处理结果赋给模板中心对应的目标像素。常用的算子如图5、图6所示。 图5 图6 笔者实验中所写程序要求算子要运行者自行输入，增强了可选择性，核心代码及运行界面如图7、图8。图 7: 高通滤波相关代码图 8: 高通滤波运行界面笔者高通滤波处理前后的图像如图9、图10所示。 图 9: 处理前 图10: 处理后2.3 算法3-伪彩色增强灰度图像颜色的差别不大，细微的变化人眼很难分辨，而伪彩色增强正是把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。这样就使得原图像细节更易辨认，目标更容易识别。伪彩色增强的方法主要有密度分割法、灰度级一彩色变换和频率域伪彩色增强三种。而此处笔者用的是一种自创的方法，效果并不是很好，但毕竟比起黑白图像还是一定程度上提高了辨识度。核心代码如下：CMy2011302590024HRDoc* pDoc = GetDocument();CBmpFile srcBmp,desBmp;srcBmp = pDoc-bmpfile;desBmp.CreateBmp(srcBmp.m_Cols,srcBmp.m_Rows,3);int r,g,b;for(int i=0;ibmpfile=desBmp;Invalidate(); 主要的思路是将黑白图像每个像素的灰度值按照不同的比例转换成伪彩色的R、G、B三个分量，然后显示成RGB颜色。3 实验结果及分析原遥感灰度图像及其经过中值滤波、高通滤波、伪彩色增强等步骤处理后的结果如图11、图12所示：图 11: 处理前图 12: 处理后 可以看到，处理后的图像相比原图像少了些噪声干扰，边缘更加突出，颜色更加丰富，易于分辨出不同地物所分布的范围。 然而，由于程序不够完善，探究不够深入，伪彩色增强后的图像仍然不能真实地反应地物实际特征，例如河流颜色过深、植被颜色不应该是红色而应该是绿色、土壤颜色太过鲜艳等。4 总结与展望总体来说该报告的各项算法基本实现了初始目的，一定程度上达到了预期效果，但还是有一些问题。比如，中值滤波虽然对干扰、噪声的抑制效果不错，但对于点、线等细节较多的图像却不太合适，这时候就需要尝试其他更合适的平滑方法；高通滤波两个算子可能对某些图像都不适用，这时候就需要寻找其他算子。；又比如之前所提到的伪彩色增强中根据地物实际特征合理设置颜色的问题。这些都需要进一步思考钻研加以解决。5 实习心得与体会通过为期两周的实习，我编程实现了图像的格式转换、线性变换、局部处理、几何变换、二值化处理、伪彩色增强、编码压缩等基本功能，受益匪浅。首先，巩固了对课程专业知识的掌握，并学会将其应用到具体实践中；同时，通过解决编程中遇到的各种问题增强了VC编程技术，熟悉了更多算法思想；此外，体会到细心、耐心的重要性，学会虚心求教与自主思考相结合。希望以后该课程实习前老师可以更详细地讲解下各算法的基本思路（包括选作部分），而将具体的编程实现交给学生完成，因为有些内容书本上介绍得实在太少，自己找资料自学又比较难懂。致谢感谢实习老师在编程方面的宝贵指导以及提供本文Word格式模板。感谢遥感学院提供机房作为实习场地。参考文献1 贾永红. 数字图像处理. 武汉: 武汉大学出版社, 2003.2 贾永红，崔卫红，余卉. 数字图像处理实习教程.武汉: 武汉大学出版社，2007