遥感图像处理之空间域增强&卷积滤波&形态学滤波

空间域增强处理是通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像。这种增强方式往往是有目的的，如增强图像中的线状物体细部部分或者主干部分等。

卷积滤波

卷积（Convolutions）滤波是通过消除特定的空间频率来使图像增强，根据增强类型（低频、中频和高频）不同可分为低通滤波、带通滤波和高通滤波。此外还可以增强图像某些方向特征的方向滤波等。它们的核心部分是卷积核。ENVI提供很多卷积核，包括高通滤波（High Pass）、低通滤波（Low Pass）、拉普拉斯算子（Laplacian）、方向滤波（Directional）、高斯高通滤波（Gaussian High Pass）、高斯低通滤波（Gaussian Low Pass）、中值滤波（Median）、Sobel、Roberts，还可以自定义卷积核。具体操作如下：

（1）          打开自带图像文件can_tmr.img。

（2）          在主菜单中，选择Filter->Convolutions and Morphology。

（3）          在Convolutions and Morphology Tool中，选择Covolutions->滤波类型。

（4）          不同的滤波类型对应不同的参数，主要包括三项参数：

1)   Kernel Size

卷积核大小，以奇数来表示，如3x3、5x5等，有些卷积核是不能改变大小，包括Sobel 和 Roberts。默认卷积核是正方形，如果需要使用非正方形，选择Options-> Square kernel。

2)   Image Add Back

    输入一个加回值（add back）。将原始图像中的一部分“加回”到卷积滤波结果图像上，有助于保持图像的空间连续性，该方法经常用于图像锐化。“加回”值是原始图像在结果输出图像中所占的百分比。例如：如果为“加回”值输入40%，那么40%的原始图像将被“加回”到卷积滤波结果图像上，并生成最终的结果图像。

3)   Editable Kernel

卷积核中各项的值。在文本框中双击鼠标可以进行编辑，选择File->Save Kernel或者Restore Kernel，可以把卷积核保存为文件（.ker）或者打开一个卷积核文件。

（5）          卷积增强图像中的单个波段：

a)    选择Covolutions->High Pass，其它项按照默认设置，单击Quick Apply按钮，第一次点击此按钮会提示选择选择增强的波段，增强后的波段在Display中显示。如果要更改卷积增强波段，选择Options-> Change Quick-Apply Input Band。

b)    选择File-> Save Quick Result to File，可以将增强结果保存。

（6）          卷积增强图像文件：

a)    单击Apply To File按钮，在Convolution Input File对话框中选择图像文件。

b)    选择输出路径及文件名。

图5.1 Convolutions and Morphology Tool

下面对ENVI中各种滤波作一个简单的说明，如表5.1。

表5.1 各种滤波说明

滤波	说明
高通滤波器（High Pass）	高通滤波在保持图像高频信息的同时，消除了图像中的低频成分。它可以用来增强纹理、边缘等信息。高通滤波通过运用一个具有高中心值的变换核来完成（周围通常是负值权重）。ENVI 默认的高通滤波器使用3×3的变换核（中心值为“8”，周围像元值为“-1”），高通滤波卷积核的维数必须是奇数。
低通滤波器（Low Pass）	低频滤波保存了图像中的低频成分，使图像平滑。ENVI默认的低通滤波器使用3×3的变换核，每个变换核中的元素包含相同的权重，使用外围值的均值来代替中心像元值。
拉普拉斯算子（Laplacian）	拉普拉斯滤波是边缘增强滤波，它的运行不用考虑边缘的方向。拉普拉斯滤波强调图像中的最大值，它通过运用一个具有高中心值的变换核来完成（一般来说，外围南北向与东西向权重均为负值，角落为“0”）。ENVI中默认的拉普拉斯滤波使用一个大小为3x3，中心值为“4”，南北向和东西向均为“-1”的变换核。所有的拉普拉斯滤波卷积核的维数都必须是奇数。
方向滤波器（Directional）	方向滤波是边缘增强滤波，它有选择性地增强有特定方向成分的（例如：梯度）图像特征。方向滤波变换核元素的总和为0。结果在输出的图像中有相同像元值的区域均为0，不同像元值的区域呈现为较亮的边缘。
高斯高通滤波（Gaussian High Pass）	高斯高通滤波器通过一个指定大小的高斯卷积函数对图像进行滤波。默认的变换核大小是3×3，且卷积核的维数必须是奇数。
高斯低通滤波（Gaussian Low Pass）	高斯低通滤器波通过一个指定大小的高斯卷积函数对图像进行滤波。默认的变换核大小是3×3，且卷积核的维数必须是奇数。
中值滤波器（Median）	中值滤波在保留大于卷积核的边缘的同时，平滑图像，这种方法对于消除椒盐噪声或斑点非常有效。ENVI的中值滤波器用一个被滤波器的大小限定的邻近区的中值代替每一个中心像元值。默认的卷积核大小是3x3。
Sobel	Sobel滤波器非线性边缘增强滤波，它是使用Sobel函数的近似值的特例，也是一个预先设置变换核为3×3的，非线性边缘增强的算子。滤波器的大小不能更改，也无法对卷积核进行编辑。
Roberts	Roberts滤波是一个类似于Sobel的非线性边缘探测滤波。它是使用Roberts函数预先设置的2×2近似值的特例，也是一个简单的二维空间差分方法，用于边缘锐化和分离。滤波器的大小不能更改，也无法对卷积核进行编辑。
自定义卷积核	可以通过选择和编辑一个用户卷积核，定义常用的卷积变换核（包括矩形或正方形变换核）。

数学形态学滤波

ENVI中的数学形态学滤波包括以下类型：膨胀（Dilate）、腐蚀（Erode）、开启（Opening）、闭合（Closing），它们在增强二值图像和灰度图像中各有特点，详见表5.2。

表5.2 数学形态学滤波

滤波类型	特点
膨胀（Dilate）	被用来在二值或灰度图像中填充比结构元素（变换核）小的孔。只能用于unsigned byte， unsigned long-integer，和 unsigned integer 数据类型。
腐蚀（Erode）	被用来在二值或灰阶图像中消除比结构元素（变换核）小的像元。
开启（Opening）	开启滤波器可以用于平滑图像边缘、打破狭窄峡部（break narrow isthmuses）、消除孤立像元、锐化图像最大最小值信息。图像的开启滤波被定义为先对图像进行腐蚀滤波，然后再用相同的结构元素（变换核）进行膨胀滤波。先对图像进行腐蚀滤波，然后再进行膨胀滤波可以达到和开启滤波类似的效果。
闭合（Closing）	闭合滤波器可以用于平滑图像边缘、融合窄缝和长而细的海湾、消除图像中的小孔、填充图像边缘的间隙。图像的封闭滤波被定义为先对图像进行填充滤波，然后再用相同的结构元素（变换核）进行侵蚀滤波。先对图像进行膨胀滤波，然后再进行腐蚀滤波可以达到和闭合滤波类似的效果。

数学形态学滤波的操作过程和卷积滤波基本一样，在Convolutions and Morphology Tool面板中，选择Morphology->对应的滤波。这里对其中两个特有的参数进行说明一下：

l  Cycles：滤波的重复次数

l  Style：滤波格式“Binary”（二值的）、“Gray”（灰阶）, 或“Value”。选择“Binary”，则输出的像元呈黑色或白色；选择“Gray”保留梯度；选择“Value”表示允许对所选像元的变换核值进行膨胀或腐蚀。