遥感数字图像增强处理课件

第五章遥感数字图像增强处理1为什么进行图像增强？图像的目视效果较差，对比度不够、图像模糊，边缘部分或线状地物不够突出，波段多数据量过大等等。图像增强的目的：通过图像增强技术，改善图像质量、提高图像目视效果、突出所需要的信息、压缩图像数据量，有利于分析判读或作进一步的处理。图像增强的方法：改变图像的灰度等级，提高图像对比度；消除边缘和噪声，平滑图像；突出边缘或线状地物，锐化图像；合成彩色图像；压缩图像数据量，突出主要信息等。2总体上，图像增强的方法主要归属于两类

空间域增强：通过改变单个像元及相邻像元的灰度值来增强图像；

频率域增强：对图像进行傅里叶变换，然后对变换后的频率域图像的频谱进行修改，以达到增强的目的。3伪彩色增强是将一个波段或单一的黑白图像变换为彩色图像，从而把人眼不能区分的微小的灰度差别显示为明显的色彩差异，更便于解译和提取有用信息。5

假彩色合成又称彩色合成。根据加色法或减色法，将多波段单色影像合成为假彩色影像的一种彩色增强技术。合成彩色影像常与天然色彩不同，且可任意变换，故称假彩色影像。6彩色变换反色

彩色图转灰度图

真彩图转256色图（真彩图中包含最多达224种颜色）7K-T变换：Kanth-Thomas于1976年发现了一种线性变换，是坐标轴发生旋转，选转之后坐标轴的方向与地物，特别是和植被的生长及图土壤有密切的关系。这种变换就是K-T变换，又称缨帽变换。

MSS：

y1亮度分量，主要反映了土壤反射率变化的信息；

y2绿度分量，主要反映了地面植物的绿度；

y3黄度分量，主要说明了植物的枯萎程度；y4没有实际意义。

TM：

y1亮度，TM六个波段亮度值的加权和，反映了总体的亮度变化。

y2绿度，与亮度分量垂直，是近红外与可见光波段的对比。y3湿度，与土壤的湿度有关。95.1辐射增强空间域：指图像平面所在的二维平面。

空间域增强：指在图像平面上直接针对每个像元点进行处理，处理后像元的位置不变。包括点运算和邻域运算。

点运算：对于一幅输入图像，经过点运算后产生的输出图像的灰度值仅由相应输入像素点的灰度值决定，与周围的像元不发生直接联系。又可称为对比度增强、对比度拉伸或灰度变换，是辐射增强的主要方法。10辐射增强：通过直接改变图像中像元的亮度值来改变图像的对比度，从而改善图像质量的图像处理方法。一般来说，原始遥感数据的灰度值范围都比较窄，增强处理可将其灰度范围拉伸到0～255的灰度级之间来显示，从而使图像对比度提高，质量改善。

辐射增强主要以图像的灰度直方图作为分析处理的基础。1113直方图数字影像142.直方图的性质反映了图像中的灰度分布规律；任何一幅特定的图像都有惟一的直方图与之对应，但不同的图像可以有相同的直方图；如果一幅图像有两个不相连的区域组成，并且每个区域的直方图已知，则整幅图像的直方图是该两个区域的直方图之和。15从直方图形态判断影像质量174.累积直方图以横轴表示灰度级，纵轴表示每一灰度级及其以下所具有的像元数或此像元数占总像元数的比值，做出的直方图。可看做是累积离散概率分布。x表示灰度级，h(x)为灰度级的概率密度即某灰度级的像元比例值，c(x)为某灰度级的累积概率密度即某灰度级的累积比例值。1819线性变换1原始图像：f(x,y)，灰度范围：[a,b]，变换后图像：g(x,y)，灰度范围：[c,d]，则线性变换可表示为：

21将亮度值为0～15影像拉伸为0～30，要设计一个线性变换函数，横坐标xa为变换前的亮度值，纵坐标xb为变换后的亮度值。当亮度值xa从0～15变换成xb从0～30，变换函数在图中是一条直线OO’，方程式为22变换前直方图数字影像最小值最大值23一般情况下，当线性变换时，变换前影像的亮度范围xa为a1～a2，变换后影像的亮度范围xb为b1～b2，变换关系是直线，则变换方程为

25通过调整参数a1，a2，b1，b2，即改变变换直线的形态，可以产生不同的变换效果。若a2-a1<b2-b1，则亮度范围扩大，影像被拉伸，若a2-a1>b2-b1，亮度范围缩小，影像被压缩。对于a2与a1，是取在影像亮度值的全部或部分，偏亮或偏暗处，均可根据对影像显示效果的需要而人为地设定。26为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区域，可采用分段线性变换。分段线性变换时，变换函数不同，在变换坐标系中成为折线，折线间断点的位置根据需要决定。从图中可以看出，第一、三段为压缩，第二段为拉伸，每一段的变换方程为：

①②③

变化前亮度值0123456789101112131415变化后亮度值0011122468101213141415结果比较2.分段线性变换局部提高、局部降低对比度29常用的三段线性变换法如下页图所示，其数学表达式如下：30线性变换的灵活性大，可以根据需求，有目的地选取间断点的位置，决定拉伸那一段或压缩那一段的灰度范围，或者只处理其中某一段的灰度。这种变换适用于在黑色或白色附近有噪声干扰的情况。31（a）原始图像（c）变换结果（b）灰度变换函数00.51S=kr+b10.5（e）反转效果（d）反转函数00.51S=kr+b10.532对比度拉伸——提高、降低对比度2551282551420降低对比度不同斜率的变换的作用－增加变换的任意性33255482550218提高对比度P1P2削波处理34原来的灰度级196-48=152的一段扩展成为216-23=193局部提高、局部降低对比度35通过直方图得到两个拐点P1、P2的位置363、灰度级切片255482550255142255214134017648切片的目的：突出需要部分A图只有需要的亮的（二值图象）B图突出需要部分保持背景不变37是经过清除背景的灰度窗口变换处理后的图(灰度窗口取[200-255])，将夜景中大厦里的灯光提取了出来。38是经过保留背景的灰度窗口变换处理后的图(灰度窗口取[200-255])，将夜景中大厦里的灯光提取了出来，同时保留了大厦的背景。39电影“阿甘正传”的特技制作，丹尼上校的那个断腿是怎么拍出来的呢？其实方法很简单，先拍一幅没有演员出现的背景画面，然后拍一幅有演员出现，其它不变的画面。要注意的是，此时演员的腿用蓝布包裹。把前后两幅图输入计算机进行处理。第二幅图中凡是遇到蓝色的象素，就用第一幅图中对应位置的背景象素代替。这样，一位断腿的上校就逼真的出现在屏幕上了。这就是电影特技中经常用到的“蓝幕”技术。4041输出灰度级sL-10L/2L/2L-1输入灰度级r(r2,s2)T(r)(r1,s1)

(a)分段线性函数(c)灰度拉伸(d)灰度二值化（b）原始图像425.1.3非线性变换当变换函数是非线性时，即为非线性变换。非线性变换的函数很多，常用的有指数变换和对数变换。

431.指数变换其意义是在亮度值较高的部分xa扩大亮度间隔，属于拉伸，而在亮度值较低的部分xb缩小亮度间隔，属于压缩，其数学表达式为a，b，c为可调参数，可以改变指数函数曲线的形态，从而实现不同的拉伸比例。442.对数变换与指数变换相反，它的意义是在亮度值较低的部分拉伸，而在亮度值较高的部分压缩，其数学表达式为a，b，c仍为可调参数，由使用者决定其值。45亮度调整——加亮、减暗图像2551282552182551282553246ERDAS默认打开图像是以2倍方差拉伸原始图像,所以用其打开时候图像显示的都很清晰。如果想不要拉伸图像,可以在打开图像前,选中对话框的option,然后勾选nostretch就不会拉伸原始影像了.47查拉表拉伸它是遥感图像对比度拉伸的总和，是通过修改图像的查拉表（lookuptable），使输出图像值发生变化。通过定义，可实现线性拉伸、分段线性拉伸、非线性拉伸等处理。48在ERDAD图标面标工具条中，点出Interpreter/RadiometricEnhancement/LUTStretch—--打开LUTstretch对话框，并设置参数如下：49变换：50其中关建是：点击View/customTable进入查找表编辑状态。根据需要修改查找表。51利用Inquirecursor5253线性拉伸54（局部线性拉伸(PiecewiseLinearStretch:Raster一Contrast一PiecewiseContrast一ContrastTool对话框。

该命令用于对图像局部区域通过分割LUT表进行增强，通常将LUT表分为低、中、高三段，然后分段调整其亮度和对比度，可增强阴影区等。该命令常常与查询光标（InquireCursor）一同使用，首先查询特定区域各波段的灰度值，然后设置RangeSpecifications分段值。5556因为做2倍线性拉伸，0－128的对比度是原始值除以128。128以后因为图像亮度全部变化为255，所以统一为1。5758从原始表看出这是一个分段线性拉伸，亮度从1－32做拉伸，32以后全部变成255。根据自己的需要进行修改59选择要用何种丰富进行影像stretch选择要改变这张影像局部地区的像元(Pixel)值，还是整张影像的Pixel值，亦或仅改变其屏幕显示的LookupTable(LUT)值60可同时开启InquireCursor，比较不同方法Stretch从单一个Pixel的Pixel值或LUT值的变化。亦可直接以滑鼠拉動十字絲來決定欲檢視的地點61可利用Undo的功能将上一個Stretch的动作还原62StandardDeviationStretch

(UseHistogramofWholeImage)StandardDeviationStretch

(UseHistogramofViewExtent)Brightness↓，Contrast↑NoStretch633、高斯变换（GaussianTransform）式中：—是图像像元亮度值的平均值—是图像像元亮度值的标准差6465665.1.4其它非线性变换为了使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到增强的目的，通常采用直方图均衡化及规定化。1.直方图均衡化将原图像的直方图通过变换函数变为均匀的直方图，然后按均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。6768xa表示原图像的灰度值，xb表示直方图均衡化后的新图像的灰度值；ha(xa)为原图像中任一灰度出现的概率，hb(xb)为新图像中任一灰度出现的概率，由于变换后的图像灰度分布均匀，对应于任一灰度出现的概率hb(xb)相同。69变换函数为累积直方图曲线对于连续的图像：

对于离散的函数：直方图均衡化的效果为：（1）各灰度级出现的频率近似相等；（2）原图像上频率小的灰度级被合并，实现压缩；频率高的灰度级被拉伸，因此可以使亮度集中于中部的图像得到改善，增强图像上大面积地物与周围地物的反差。若hb(xb)=1,则N/L-1=1，变换函数就是累积直方图本身。70均衡化后图像的最大灰度值为L-1，像元总数为N。(L-1)/N称为拉伸因子。具体计算用拉伸因子和累计像元统计值相乘即可以得到变换后的值。71对一幅图像进行直方图均衡化的具体步骤：（1）统计原图像每一灰度级的像元数和累积像元数；（2）根据变换函数式计算每一灰度级xa均衡化后对应的新值，并对其四舍五入取整，得到新灰度级xb；

（3）以新值替代原灰度值，形成均衡化后的新图像；（4）根据原图像像元统计值对应找到新图像像元统计值，做出新直方图；直方图均衡化后的图像每个灰度级的像元频率，理论上应相等。实际上均衡化后的直方图呈现参差不齐的外形，这时由于图像是离散函数，各灰度级可能的像元个数有限造成的。在一些灰度级处可能没有像元，在另外一些灰度级处则像元很拥挤。72737475原灰度级像元统计值累计像元统计值变换后值新灰度级新像元统计值0000001220.7142241.313151.6214382.63552103.3363134.24374175.66486237.58695289.1951053310.81151143712.11241234013.113313343141431424514.71541524715.3151624916162N=49，L-1=16，因此拉伸因子为（L-1）/N=16/49。762.直方图规定化是指使一幅图像的直方图变成规定形状的直方图而对图像进行变换的增强方法。规定的直方图可以是一幅参考图像的直方图，通过变换，使两幅图像的亮度变换规律尽可能地接近；规定的直方图也可以是特定函数形式的直方图，从而使变换后图像的亮度变换尽可能地服从这种函数分布。直方图规定化的原理是对两个直方图都做均衡化，变成相同的归一化的均匀直方图。以此均匀直方图起到媒介作用，再对参考图像做均衡化的逆运算即可。77设为原图像直方图均衡化的变换函数；为参考图像直方图均衡化的变换函数，变换后的灰度值均为所以78直方图规定化(直方图匹配)直方图匹配是对图像查找表进行数学变换，使一幅图像的直方图与另一幅图像类似。直方图匹配经常作为相邻图像拼接或应用多时相遥感图像进行动态变化研究的预处理工作，通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的效果差异。

79直方图规定化的具体步骤：（1）做出原图像的直方图；（2）做出原图像的累积直方图，对原图像进行均衡化变换；（3）做出参考图像的直方图或确定参考直方图；（4）做出参考累积直方图，进行均衡化变换；（5）对于原图像中的每一灰度级的累积值，在参考累积直方图中找到对应的累积值；如果G为数学公式可直接计算求值，则得到对应的新灰度值。（6）以新值替代原灰度值，形成均衡化后的新图像；（7）根据原图像像元统计值对应找到新图像像元统计值，做出新直方图。80原灰度级像元统计值累计像元统计值变换后值新灰度级新像元统计值0000001/1620.040.069/1652/1620.080.063/1610.100.064/1630.160.1810/1655/1620.200.186/1630.270.3311/1677/1640.350.338/1660.470.5113/16119/1650.570.5110/1650.670.6712/16511/1640.760.8214/16712/1630.820.8213/1630.880.9215/16514/1620.920.9215/1620.961141211在参考图像直方图统计表中查找对应的参考累积值，采用近似方法，根据四舍五入的原则选用最临近的对应值，再找到对应的新灰度值，新像元的统计值由其所对应的原像元统计值合并而得到。818283输出的数据分段84直方图匹配主要是消除由于太阳高度角或大气影响造成的相邻图像效果差异。85亮度反转处理：对图像亮度范围进行线性或非线性取反，产生一幅与输入图像亮度相反的图像。Inverse表示条件反转，reverse表示简单反转，输出与输入图像等量相反。86去霾处理(hazereduction)是降低多波段图像或全色图像的模糊度。该方法实质上是基于缨帽变换的，首先对图像进行主成分变换，删除与模糊度有关的成分，再进行主成分逆变换回到RGB空间，达到去霾的目的。87降噪处理：是利用自适应滤波方法去除图像中的噪声去条带处理:是针对tm的图像扫描特点进行的三次卷积处理，以达到去除条带的目的。885.2空间增强以突出图像上的某些特征为目的（如突出边缘或线性地物，也可去处某些特征如抑制图像上在获取和传输过程中所产生的各种噪声），通过像元与周围相邻像元的关系，采取空间域中的邻域处理的方法，在被处理像元周围的像元参与下进行运算处理，也叫“空间滤波”。895.2.1邻域处理在对图像进行处理时，某一像元处理后的值由处理前该像元的小邻域N(i,j)中的像元值确定，为局部处理。表示对N(i,j)邻域内的像元进行的某种运算。(i,j)(i,j)905.2.2卷积运算从影像左上角开始开一与模板同样大小的活动窗口，影像窗口与模板像元的亮度值对应相乘再相加。假定模板大小为M*N，窗口为f(m,n)，模板为φ(m，n)，则模板运算为:91IllustrationforConvolution将计算结果r（i，j）放在窗口中心的像元位置，成为新像元的灰度值。然后活动窗口向右移动一个像元，再按公式做同样的运算，仍旧把计算结果放在移动后的窗口中心位置上，依次进行，逐行扫描，直到全幅影像扫描一遍结束，则新影像生成。

92实际应用中，经常使图像窗口与模板像元的灰度值对应相乘再相加，相加的总和再除以模板内所有值的和作为中心像元新的灰度值。93一般，若模板为3×3，新图像比原图像左右各少一列，上下各少一行；若模板为5×5，则各少两行两列，依次类推。为了保持图像大小不变，可在新图像的上、下、左、右各加一行或一列，使所加像元的值与相邻像元相同或全部为0。主要用于对图像进行平滑和锐化处理。945.2.3平滑图像在获取或传输过程中，受传感器和大气等因素的影响会存在噪声。在图像上，这些噪声表现为一些亮点或亮度过大的区域，为了抑制噪声，改善图像质量所做的处理称为图像平滑95噪声是各种影响人的视觉器官对图像信息理解或分析的因素，一般噪声是不可预测的随机信号，它只能用概率统计的方法去认识，由于噪声影响图像的输入、采集、处理的各个环节以及输出的全过程，尤其是图像输入、采集的噪声必然影响处理全过程以及最终结果，因此抑制噪声已成为图像处理中的极重要的步骤。96图像噪声的分类内部噪声：系统内部产生。外部噪声：指图像处理系统外部产生的噪声。如电磁波从电源线窜入系统产生。97噪声特征单波段图像可看作是二维亮度分布，噪声可看作是对亮度的干扰，噪声是随机性的，需用随机过程描述，即要知道其分布函数或密度函数，但在许多情况下这些函数很难测出或描述，甚至不可能得到，常用统计特征来描述噪声，如均值、方差、总功率等。98常见噪声高斯噪声：含有强度服从高斯或正态分布的噪声，噪声的像素值分布可以使用高斯概率密度函数来描述。0均值的高斯噪声指每个像素值中附加了0均值的，具有高斯概率密度的函数值。99椒盐噪声（脉冲噪声）：脉冲噪声随机改变一些像素值，在二值图像上表现为使一些像素点变白，一些像素点变黑。100均值平滑是将每个像元在以其为中心的区域内取平均值来代替该像元值，以达到去掉尖锐“噪声”和平滑影像目的的。区域范围取作M×N时，求均值公式为

具体计算时常用3×3的模板作卷积运算，其模板为M=N时101为了避免中心像元值过高影响平均值升高，在运算时可不取中心值，用周围4个或8个像元进行计算。102均值平滑算法简单，计算速度快，但在去掉尖锐噪声的同时造成图像模糊，特别是对图像的边缘和细节削弱很多。而且随着邻域范围的扩大，在去噪能力增强的同时模糊程度严重。5x5模板1039x9模板104为了保留图像的边缘和细节信息，可对该算法进行改进，引入阈值T，将原图像灰度值f(i,j)和平均值g(i,j)之差的绝对值与选定的阈值进行比较，根据比较结果决定像元（i,j）的最后灰度值g(i,j)。当差小于阈值时取原值；差大于阈值时取均值。其表达式为：105中值滤波是将每个像元在以其为中心的邻域内取中间亮度值来代替该像元值，以达到去尖锐“噪声”和平滑影像目的的。具体计算方法与模板卷积方法类似，仍采用活动窗口的扫描方法。取值时，将窗口内所有像元按亮度值的大小排列，取中间值作为中间像元的值。所以M×N取奇数为好。106如3X3窗口：从小到大排列，取中间值1074276321052334175610432412674466341122333475664324677采用1X3的模板对其做中值滤波，令最左和最右两列保持原值。从中值滤波的结果可以看出，在噪声点10和12被去除的同时，图像中间部分的灰度变化趋势保守。108例如：3x3的模板，第5大的是中值，5x5的模板，第13大的是中值， 7x7的模板，第25大的是中值， 9x9的模板，第41大的是中值。对于同值象素，连续排列。如（10,15,20,20,20,20,20,25,100）109一维中值滤波的几个例子，取1×5的模板也可推广到二维，二维中值滤波效果比一维更好。

窗口的形状可以线状、方形、十字形、菱形等。110中值滤波与均值平滑的目的都是为了去除图像上的尖锐“噪声”，平滑处理图像，但两者之间又有区别，选用哪一种方法要根据图像特点和处理目的来决定。111一般来说，影像亮度为阶梯状变化时，取均值平滑比取中值滤波要明显得多，而对于突出亮点的“噪声”干扰，从去“噪声”后对原图的保留程度看取中值要优于取均值。中值滤波后图像保持不变，阶梯保留，而均值平滑后阶梯消失，边缘模糊、灰度值呈渐变趋势。112原图椒盐噪声中值（3*3）平均（3*3）自适应（3*3）高斯噪声中值（3*3）平均（3*3）自适应（3*3）斑点噪声中值（3*3）平均（3*3）自适应（3*3）113椒盐噪声原图中值（3*3）中值（5*5）中值（7*7）114最大值滤波：

计算公式：R=max{zk|k=1,2,…,9}

主要用途：寻找最亮点

115最小值滤波：

主要用途：寻找最暗点

计算公式：R=min{zk|k=1,2,…,9}

1164.2.4锐化为了突出影像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。有时可通过锐化，直接提取出需要的信息。锐化后的影像已不再具有原遥感影像的特征而成为边缘影像。平滑通过积分过程使得图像边缘模糊，图像锐化则使图像上边缘与线状目标的反差提高，以突出边缘。1175x5模板1-118-11-111-11-111-1-1-1-1-1-1-1-1-1-1-11/25*1183x3模板-1-18-1-1-1-1-1-11/9*1191.梯度法（最常用的微分方法）图像f(x,y)在像元点(x,y)处的剃度可定义为一个矢量梯度的模为各分量的平方和再求平方根120梯度实际上反映了相邻像元之间灰度的变化率，图像中的边缘，例如河流、湖泊的边界、道路等处灰度的变化率较大，因此在边缘处一定有较大的梯度值；而大面积的平原、海面灰度变换较小，一定具有较小的梯度值；对于灰度级为常数的区域，梯度值为0。因此，以梯度值替代像元的原灰度值生成梯度图像，在梯度图像上梯度值较大的部分就是边缘。121对于数字图像，连续导数形式可以用求差来近似表示。梯度算法对应的模板为：＝＝1222.Roberts梯度采用交叉差分的方法。用模板表示为：＝＝123这种方法的意义在于用交叉的方法检测出像元与其在上下之间或左右之间或斜方向之间的差异。相当于在图像上开一个2×2的窗口，用模板t1计算后取绝对值再加上模板t2计算后取绝对值。将计算值作为中心像元（x，y）的梯度值。124这种算法的意义在于用交叉的方法检测出像元与其在上下之间或左右之间或斜方向之间的差异。采用Roberts梯度对图像中每一个像元计算其梯度值，最终产生一个梯度图像，达到突出边缘的目的。1253.Prewitt和Sobel梯度Prewitt算法较多地考虑了邻域点的关系，扩大了模板，从2×2扩大到3×3来进行差分，如图＝＝

其模板为：126Sobel梯度在其基础上，对4邻域采用加权方法进行差分，因而对边缘的检测更加准确。模板为：＝＝12766612121212666121212126661212121266612121212666666666666666666666原图像00120000001200000012000000612121212000000000000000000000Roberts算法12866612121212666121212126661212121266612121212666666666666666666666原图像00242400000242400000242400000243624242400122424242400000000000000Sobel算法129两种算法之间存在差异，Roberts提取的边界为边缘处的一边，Sobel算法则提取了边缘处的双边，即两个像元的宽度。因此，在处理一个或两个像元宽度的线性目标时，要根据具体情况选择处理方法。根据以上的各种算法求出各个像元的梯度值后，可以根据不同的需求生成不同的梯度图像，方法有：130（1）以各像元的梯度值代替其原灰度值，即此方法得到的图像完全失去了原图像的面目而成为一幅边缘图像，梯度值大的边缘轮廓被突出显示，而灰度变化比较平缓或均匀的区域则几乎为黑色。（2）为了在突出主要边缘信息的同时保留图像背景，适当选取一个非负阈值T，使梯度值>=T的各点的灰度等于该点的梯度值，其它则保留原灰度值，形成背景，即131原图T=0.12（Roberts）T=0.04（Roberts）T=0.08（Roberts）132（3）根据需要指定一个灰度级LG，以LG表示边缘，其他保留原背景值，即（4）指定一个灰度级LB表示背景，例如，令LB＝0，形成黑背景，保留边缘梯度变化。即（5）将边缘与灰度图像分别以灰度级LG和LB表示，如，255表示边缘，0表示背景，形成二值图像，即1334.Laplace算法Laplace算子是线性二阶微分算子，即对于离散的图像，二阶导数可以用二阶差分近似计算，表达式为：其模板可以表示为：0101－41010即取某像元的上下左右４个相邻像元的值相加的和减去该像元的４倍，作为该像元新的灰度值。134

梯度运算检测了图像上的空间灰度变化率，因此，图像上只要有灰度变化就有变化率。而laplace算子检测的是变化率的变化率，是二阶微分，在图像上灰度均匀和变化均匀的部分，计算出的算子为0，因此，它不检测均匀的灰度变化，产生的图像更加突出灰度值突变的部分。135使用中需要注意的是，某些软件使用的模板的符号与上面的相反，也就是说，在模板中，中心的值为4，四周相邻的值为-1（例如ENVI），此时，处理后的图像等于原始图像+laplace算法计算结果。136891011121212891011121212891011121212891011121212888888888888888888888原图1000000-100-1-1-2-3-5-4-4112344400000000000000Laplace计算结果137在锐化结果中出现了负值，而图像的灰度值应为非负数，对所有值加上一个常数〔如计算结果中最大的绝对值〕即可解决。8910111312128810111312128910111312129101214171616776544488888888888888138另外一种处理方法是用原图像的值减去Laplace算法的计算结果的整数倍，即这样的处理既保留了原图像作为背景，又扩大了边缘处的对比度，锐化效果更好。除了上述算法，Laplace算子还有其他一些算法，模板为：139与梯度算子不同，拉普拉斯算法是各向同性的，其锐化结果很容易受到图像中噪声的影响，因此在实际中，经常首先进行平滑滤波，然后再进行拉普拉斯锐化。一般用高斯函数作为平滑滤波核140（a）原图（b）拉氏算子锐化（c）a+b（d）sobel算子锐化实例：1415.定向检测上面介绍的方法在提取边缘时没有指定特定的方向。为了有目的的提取某一特定方向的边缘、线状目标或纹理特征，可以选定特定的模板进行卷积运算，常用的模板有：(1)检测垂直边界或(2)检测水平边界或142(3)检测对角线边界或此外还有很多模板可以选择，根据具体情况和具体需求选择。143ImageofCHURNFarmDaedalus1268ATMChannel3144Directionaloredgedetectingfiltershighlightlinearfeatures,suchasroadsorfieldboundaries.Verticaledges（垂直边缘）145HorizontaledgesDirectionalEdgefilterscanalsobedesignedtoenhancefeatureswhichareorientedinspecificdirectionsandareusefulinapplicationssuchasgeology,forthedetectionoflineargeologicstructures.

146在增强了边的同时，丢失了图像的层次和亮度锐化的缺点和问题：147典型的算子和图像增强的目的如表空间滤波3×3的算子效果Sobel|A|+|B|或(A2+B2)0.5-10-1-1-2-1A=-202B=000-10-1121梯度（差分）Prewitt|A|+|B|或(A2+B2)0.5-101-1-1-1A=-101B=000-101111梯度（差分）148典型的算子和图像增强的目的如表空间滤波3×3的算子效果拉普拉斯算法010111A=1-41或B=1-81010111微分平滑化1/91/91/901/50A=1/91/91/9或B=1/51/51/51/91/91/901/50平滑化中值滤波用3×3的直方图的中间值置换噪声消除149典型的算子和图像增强的目的如表空间滤波3×3的算子效果高通滤波0-10-1/9-1/9-1/9A=-15-1或B=-1/98/9-1/90-10-1/9-1/9-1/9边缘增强清晰化0-101/9-8/9-1/9A=-15-1或B=-8/937/9-8/90-101/9-8/91/9鲜明的图像150一般图像数据量很大，所以经常采用3×3的算子，但有时也采用5×5的算子或7×7的算子。高频核（HighFrequencyKernel）,或者高通核，具有提高遥感图像空间频率的效果。用做边缘增强，因为它产生同质像元组之间的边缘，使相对较低的像元值变得更低，较高的像元值变得更高，从而提高了影像的空间分辨率。如卷积核-116-1-116-1