遥感图像处理A课件 第二章+基本概念+-+遥感图像处理

2023/6/13遥感图像处理RemoteSensingDigitalImageProcessing唐家奎副教授jktang国科学院研究生院资环学院第二章基本概念

2.1数字图像数字图像的性质与特点什么是数字图像？模拟图像：普通像片那样的灰度级及颜色连续变化的图像数字图像：而是以数字形式表示的遥感影像。包括把模拟图像分割成同样形状的小单元，以各个小单元的平均亮度值或中心部分的亮度值作为该单元的亮度值进行数字化的图像。把前一部分的空间离散化处理叫采样（sampling），而后一部分的亮度值的离散化处理叫量化（quantization），以上两种过程结合起来叫图像的数字化（digitization）。

数字图像又称数字化图像，是一种以二维数组（矩阵）形式表示的图像。或者称为相应区域内地物电磁辐射强度的二维分布。该数组由对连续变化的空间图像作等间距抽样所产生的抽样点——像元（像素）组成。

2023/6/13单波段图像

每个像素的信息由一个量化的灰度级来描述的图像，没有彩色信息。2023/6/13多波段图像

每个像素的信息由多个波段构成。2023/6/13图像数字化

连续图像经采样、分层、量化、编码等步骤变成数字图像才能进入计算机。

2023/6/13图像数字化--采样将在空间上连续的图像转换成离散的采样点（即像素）集的操作。由于图像是二维分布的信息，所以采样是在x轴和y轴两个方向上进行。模拟图象若在x方向采M个点，y方向采N个点，就可得到M*N个点的数字化图象的形式。采样是图象进入计算机的第一个处理过程。

采样采样的原理2023/6/13图像数字化--采样定理采样过程中的像元的形状可以是正三角形、方形、正六角形等各种形状，但为方便图像输入输出及计算机处理，最好采用正方形特别是正方形的形状。正方形点阵正三角形点阵正六角形点阵实际采样时，选择采样点的间隔是个非常重要的问题。如果间隔大原图像还原性差，反之间隔小，采样数据的精度提高（分辨率提高）但数据量增加。因此，最佳的采样间隔，用香农采样处理（Shannon’ssamplingtheorem）解释为：香农采样处理（Shannon’ssamplingtheorem）解释为：以原模拟波形中所含最大频率的倒数的1/2为间隔进行采样，将不产生信息损失。

1τ≤2s0τ为采样间隔，s0为最大频率。2023/6/13当采样频率fs.max大于信号中最高频率fmax的2倍时(fs.max>=2fmax)，采样之后的数字信号完整地保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的5～10倍；采样定理又称奈奎斯特定理。1928年由美国电信工程师H.奈奎斯特首先提出来的，因此称为奈奎斯特采样定理。1948年信息论的创始人C.E.香农对这一定理加以明确地说明并正式作为定理引用，因此在许多文献中又称为香农采样定理。2023/6/13采样间隔效果示意图

300dpi50dpi2023/6/13采样间隔对图像的影响2023/6/13图像数字化--量化

采样后的图像只是在空间上被离散化，成为样本的阵列，每个取样样本称为像素，用Pixel来表示。但是由于原f(x,y)是连续图像，因此每个Pixel还是可能取值为无穷多个值的量。为了进行计算机处理，必须把无穷多个离散值约简为有限个离散值，即量化，这样才便于赋予每一个离散值互异的编码以进入计算机。

2023/6/13图像数字化--量化

将各个像素所含的明暗信息离散化后，用数字来表示称为图像的量化，一般的量化值用整数来表示。充分考虑到人眼的识别能力之后，目前非特殊用途的图像均为8bit量化，即用0〜255描述“黑〜白”。

在3bit以下的量化，会出现伪轮廓现象2023/6/13图像数字化--量化2023/6/13图像数字化--量化技术量化可分为均匀量化和非均匀量化。均匀量化是简单地在灰度范围内等间隔量化。非均匀量化是对像素出现频度少的部分量化间隔取大，而对频度大的量化间隔取小。

2023/6/13图像数字化--量化噪声用有限个离散灰度值表示无穷多个连续灰度的量必然引起误差，称为量化噪声.

（1）量化分层越多，则量化误差越小；而分层越多则编码进入计算机所需比特数越多，相应地影响运算速度及处理过程。

（2）量化分层的约束来自图像源的噪声，即最小的量化分层应远大于噪声，否则太细的分层将被噪声所淹没而无法体现分层的效果。也就是说噪声大的图像，分层太细是没有意义的。反之要求很细分层的图像才强调极小的噪声，如某些医用图像系统把减少噪声作为主要设计指标，是因为其分层数要求2000层以上，而一般电视图像的分层用200多级已能满足要求。2023/6/13低bit量化的伪轮廓现象示意图2023/6/13均匀量化效果示意图2023/6/13非均匀量化效果示意图2023/6/13量化级别对图像的影响量化量化的概念像元的量值，通常为抽样区间内连续变化的景物的均值化量值，一般为亮度值或灰度值，它们的最大、最小值区间代表该数字图像的动态范围。0<=f(x,y)<=Gxbelongto[0,xmax],ybelongto[0,ymax]式中,G为灰度值的上界.因此,一幅图像可用M(行)N(列)的矩阵函数表示:127123456345612342323568945865126453453434239923343456456756在遥感图像处理中,既需要将光学图像转换为数字图像进行计算机处理,也需要将处理后的数字图像变成光学图像输出。光学图像为模拟量，数字图像又称数字量，它们之间的转换称模/数转换，记作A/D,反之称数/模转换，记D/A2023/6/13BinaryDecimal222120

00000011010201131004101511061117以一景Landsat4或5的TM数字图像为例，共7个波段，其中6个波段有6166行，6166列，代表地面约185kmx185km的范围。每一个波段约有6166x6166=38M个像元，则7个波段共(6x38M)+24M=252M个像元，即需要252M字节存储空间才能存下一景全部的TM数据。遥感卫星地面站（气象卫星接受站）提供计算兼容的数字磁带，输入计算机图像处理系统，形成数字图像。记录在胶片上的影像可在专用设备上进行数字化。也可以使用胶片，即透明正片，用一束强度固定的光束扫描，透射光用光电增强管进行量度，通过抽样和量化而成为一连串的数字，可以存储在磁盘上或记录磁带上，成为数字图像文件。随着计算机技术的发展，如今遥感数字图像可存储在光盘上，或通过网上传递。黑白图像和彩色图像通过扫描产生单波段数字图像。也可将彩色胶片通过红、绿、蓝三个滤色镜数字化后成为三个波段的数字图像。数字图像的性质与特点

由于传感器上探测元件的灵敏度直接影响有效量化的级数，因此，不同传感器提供的有效量化的级数是不同的。传感器类型卫星名称有效量化级数信息量/bitMSSLandsat646TMLandsat2568HRV(S)Spot2568HRV(PA)Spot646AVHRRNOAA102410常用的遥感数字图像有效量化级数。数字图像的性质与特点

像素（像元）是遥感数字图像最基本的单位，是成像过程的采样点，也是计算机图像处理的最小单元。像素具有空间特征和属性特征。由于传感器从空间观测地球表面，因此每个像素含有特定的地理位置的信息，并表征一定的面积。对于多光谱扫描仪提供的数字图像来说，一个像素对应的地表面积是由传感器上瞬间视场角所决定的，瞬间视场角在地表的投影面称地面分辨率（或空间分辨率），由于传感器种类不同，它的瞬间视场角也不同，因此，对应的地面分辨率是不同的。数字图像的性质与特点数字图像的性质与特点

像素的属性特征采用亮度值来表达，在不同波段上，相同地点的亮度值可能是不同的，这是因为地物在不同波段上辐射电磁波的特征不同造成的。遥感数字图像中像素的数值是由传感器所探测到的地面目标地物的电磁辐射强度决定的。入射到传感器中的电磁波被探测器元件转化为电信号，经过模/数转换，成为绝对辐射亮度值R。为便于应用，R又被转换为能够表征地物辐射亮度的相对值。数字图像的性质与特点像素有正像素和混合像素之分。正像素：像素内只包含一种地物。如水体，它的亮度值代表了水体的光谱特征。混合像素：像素内包括两种或两种以上地物。如出苗不久的麦田，它的一个像素亮度位内包含麦苗和土壤的光谱特征。数字图像的性质与特点数字图像的特点便于计算机处理与分析：计算机是以二进制方式处理各种数据的。采用数字形式表示遥感图像，便于计算机处理。因此，与光学图像处理方式相比，遥感数字图像是一种适于计算机处理的图像表示方法。图像信息损失低：由于遥感数字图像是用二进制表示的，因此在获取、传输和分发过程中，不会因长期存储而损失信息，也不会因多次传输和复制而产生图像失真。而模拟方法表现的遥感图像会因多次复制而使图像质量下降。抽象性强：尽管不同类别的遥感数字图像，有不同的视觉效果，对应不同的物理背景，但由于它们都采用数字形式表示，便于建立分析模型，进行计算机解译和运用遥感图像专家系统。2.2遥感图像的基本统计分析遥感图像数据在很大程度上可以看成是随机变量，其亮度值受到多方面随机变化的因素影响，其亮度值也是随机变化的，具有统计性质。因此，在进行图像处理之前对遥感图像的统计特征的了解，有利于应用统计特征改善图像的质量，提高图像处理的效率。2.2.1图像的基本统计量包括：中心趋势统计量（均值、中值和众数）；变化程度统计量（数值域、方差、标准差）。2023/6/13均值：指一幅图像中所有像元的亮度值的算术平均值。

X=

ΣΣ

xijMi=1j=1NMNM行，N列X小，图像暗，X大，图像亮中值：图像中所有不同亮度值的中间值。

Med=(Max+Min)/2

众数：是图像中出现的次数最多的一个亮度值，代表图像中分布较广的一种地物类型。均值、中值、众数在多数情况下是比较接近的，少数情况下，他们之间有显著差别。这与图像数据的概率分布或直方图的特征有密切关系。2023/6/132023/6/132023/6/132.2.2概率分布及直方图

即每个波段中所有不同亮度值的概率（频率）分布。2023/6/132023/6/13

1234566432211664663456661466231364661234565456214灰度直方图图像灰度直方图2023/6/131234565456214频率的计算式为：图像灰度直方图2023/6/132023/6/132023/6/132023/6/132023/6/13直方图性质

①灰度直方图只能反映图像的灰度分布情况，失去了图像具有的空间信息（二维特征）②不同图像具有不同直方图③图像分几个区域的直方图，加起来可得整个直方图2023/6/132023/6/132023/6/13图像灰度直方图--直方图的应用1.数字化参数（判断量化是否恰当）直方图给出了一个简单可见的指示，用来判断一幅图象是否合理的利用了全部被允许的灰度级范围。一般一幅图应该利用全部或几乎全部可能的灰度级，否则等于增加了量化间隔。丢失的信息将不能恢复。

(a)恰当量化

(b)未能有效利用动态范围

(c)超过了动态范围

2023/6/13图像灰度直方图应用--边界阈值选取

假设某图象的灰度直方图具有二峰性，则表明这个图象的较亮的区域和较暗的区域可以较好地分离，以这一点为阈值点，可以得到好的２值处理的效果。2023/6/13图像灰度直方图应用--面积统计当物体部分的灰度值比其它部分灰度值大时，可利用直方图统计图像中物体的面积。

A=

式中n为图像像素总数，

vi是图像灰度级为i的像素出现的频率。

2023/6/13图像灰度直方图应用--计算图像信息量

Pi是图像灰度级为i的像素出现的频率，图像的灰度范围在[0，L-1]。

2023/6/13信息是个很抽象的概念。人们常常说信息很多，或者信息较少，但却很难说清楚信息到底有多少。比如一本五十万字的中文书到底有多少信息量。直到1948年，香农提出了“信息熵”的概念，才解决了对信息的量化度量问题。信息论之父克劳德·艾尔伍德·香农第一次用数学语言阐明了概率与信息冗余度的关系2023/6/13图像灰度直方图应用--遥感数据评价对影像上地物进行整体分析2.2.3多波段数据的统计特征

对多波段数据，可以把每个像元在不同波段的亮度值作为一个向量，计算和统计这些亮度值向量在多维空间中概率密度分布或多维直方图。

2023/6/132023/6/132023/6/132023/6/13图像的增强处理在很大程度上是为了压缩或排除不同波段之间的相关性或信息的重复，突出那些不相关的部分，以明确分辨不同的地物。因而对于相关特征不同的图像应该区别对待，选择不同的方法或处理参数以及不同的波段和比值结合，才能取得事半功倍的效果。通过研究图像数据的