205彪图像分割汇总.docx

205彪图像分割汇总.docx

《205彪图像分割汇总.docx》由会员分享，可在线阅读，更多相关《205彪图像分割汇总.docx（16页珍藏版）》请在冰豆网上搜索。

205彪图像分割汇总

杭州师范大学

遥感数字图像处理方法

实验报告

实验名称：

图像分割

姓名：

彪

学号：

425

班级：

地信141

老师：

成绩：

2016年5月19号

实验七图像分割

1实验目的

利用光谱特征进行遥感图像的分割和分割后处理

2实验要求

能够根据图像的特征，综合使用不同的方法分割出地物对象

熟练掌握图像直方图的应用

掌握彩色图像分割的基本方法

掌握利用波段组合进行图像分割的工作流程

3实验内容

利用直方图进行图像分割

提取指定颜色的对象

去除图片背景噪声

提取南京TM图像的中的水体信息

4实验步骤

4.1利用直方图进行图像分割

图像：

地物与直方图DSCF0153.jpg

打开图像并显示图像的直方图。

在直方图窗口，移动RGB拉伸的最小值分别为150,160,150。

分别查看拉伸之后的图像。

如图7.1

图7.1RGB分别拉伸后的图像

图7.1说明：

天空在三个波段中的灰度值总体来说是大于150的。

使用下列表达式去进行波段运算：

（b1gt150）*（b2gt160）*（b3gt150）

其中b1b2b3分别对应RGB，显示如图7.2

图7.2波段算后的图像

图7.2说明：

波段运算后的图像是一个二值图，天空范围的值为1，其他地方为0。

其中（b1gt150）表示波段b1的灰度值大150，返回值为1。

（b2gt160）、（b3gt150）也是一样。

进行波段运算b4*（b1gt150）*（b2gt160）*（b3gt150））：

其中b4为原始图像。

运算结果如图

图7.3波段运算结果

图7.3说明：

天空被保留下来了，原始图像乘于二值图，是二维平面上对应点相互的乘积。

（可以将二值图上0区域的图像归0，1区域保留原始图像灰度值）

进行波段运算：

b4-b4*（b1gt150）*（b2gt160）*（b3gt150））或b4*（1-（b1gt150）*（b2gt160）*（b3gt150）），运算结果如图7.4

图7.4使用直方图去除图像中的天空

4.2提取指定颜色的对象

关闭envi，重新打开envi并打开图像“兰花.jpg”。

右键双击，显示兰花在不同通道上的灰度值。

会发现，与其他地物相比，兰花在B通道上有个突变，并明显比R、和G通道的值大的多。

可以利用（b1gtb2）*（b1gtb2），其中b1为蓝通道，b2,b3为绿和红通道。

（b1gtb2）*（b1gtb2）：

将蓝通道大于其他通道的区域归为1，其他地区归为0。

结果为二值图。

如图7.5

图7.5提取兰花的二值图

将原始图像乘于二值图，可以将兰花从原始图像中分割出来。

波段运算：

b4*（b1gtb2）*（b1gtb2）

结果如下图7.6

图7.6分割出来的兰花

问题1：

将兰花中间的白色也一同提取出来。

如果能对二值图进行部分赋值操作就好了。

提取非兰花部分

用原始图像减去提取出的兰花，就行了

结果如图7.7：

图7.7原始图像中的非兰花部分

4.3去除图片中的背景噪声

4.3.1提取图像中的娃娃

关闭envi，再次打开envi，并打开图像“娃娃.bmp”

使用float（b1）/float（b2）对通道R，G进行代数运算，产生m1图像。

对于m1图像，使用m1gt0.89进行代数运算，产生m2.

使用b1*b2（b1为原始图像，b2为m2）产生m3

如图7.8

图7.8背景噪声去除对比图

运算（1-b1）*255，其中b1为m2。

结果图像为m4

运算b1+b2，其中b1为m3的R通道，b2为m4。

结果如图7.9

图7.9使用图像分割方法去除背景噪声

4.3.2增强图像中的字符信息

图像：

JH0001.jpg

打开图像，灰阶显示，查看各个通道的噪声和直方图，发现B通道的噪声比较明显，分布在灰度值200以上，R通道和G通道的噪声不太明显，噪声在灰度值100以上

使用表达式：

255*{1-（（b3lt200）and（b2lt100）and（b1lt100）}

结果如图7.10

图7.10去除图像中背景增强字符信息

选作题：

对图片文字进行翻译，图片文字如下图7.11

图7.11图片文字

译文：

许多人已经游遍了世界各地，但没有人能做到像弗朗西斯·奇切斯特爵士那样。

弗朗西斯·奇切斯特爵士作为一个英国的冒险家，他许多年前就一直希望走遍世界各地。

在他65岁那年，他单枪匹马地从英国驾驶一个名为“GipsyMothIV”的游艇去环游世界，尽管当时他患有肺癌。

在九个月的航行中，他战胜了艰难万苦，并成功地独自一人环游全世界，成为当时最伟大的航海探险者之一。

4.4提取南京TM图像中的水体信息

思路：

寻找指定地物与其他地物的差异的波段或波段组合，构造代数表达式产生新的图像，使用阈值进行分割。

4.4.1查看直方图

用envi打开图像AA，使用（4,3,2）进行RGB合成显示（窗口#1），以Scroll窗口为数据来源，查看三个通道的直方图，如图7.12

图7.12AA数据三个通道的直方图

查看光谱剖面信息

在#1的image窗口菜单里Tools>Profiles>ZProfiles（Spectrum）…

在image窗口移动矩形框，查看光谱剖面曲线的变化。

如图7.13

图7.13AA图像的Z剖面光谱曲线图

图7.13说明：

水体和非水体之间在band5差异较大。

查看指定路线上的光谱信息变化

在#1的image窗口菜单里Tools>Profiles>ArbitraryProfiles（Transect）….

指定数据源为image。

在image窗口中，单击鼠标左键，拖拽一条直线过长江，单击鼠标左键，点击右键两次。

系统自动弹出空间剖面窗口。

如图7.14

图7.14Image窗口划线上的空间剖面图

设置空间剖面窗口参数Edit>DataParameters。

使用RGB对应的颜色，线型分别为线、虚线、，Thick为2。

应用后如图7.15

图7.15RGB波段在所画直线上的Z剖面光谱图

查看不同像素位置光谱值的变化

在空间剖面窗口移动鼠标，观察Image窗口和Zoom窗口中光标为位置的变化，观察光谱剖面中对应位置的光谱变化。

如图7.16

图7.16图像的光谱剖面

灰阶显示band5图像，显示窗口为#2，查看窗口的直方图。

在直方图中移动鼠标，查看显示的DN值，确定谷底的灰度级，如图7.17

图7.17图像直方图（谷底的灰度级为25）

拉伸范围0~25，应用拉伸结果如图7.18

图7.18直方图分割后的图像（已经初步提取了水体信息）

关闭空间剖面提取，在image窗口菜单里Tools>SpectralPixelEditor。

在Image窗口中，点击Edit>Extract8PixelAverage

依次移动光标到玄武湖、秦淮河、紫荆山上的林地、城区中的建筑提取位置周围8个像素的均值，共5条曲线，编辑参数列表，前三条用蓝色显示，厚度为2；后两条曲线用红色显示，厚度为1。

如图7.19

图7.19光谱剖面

水体与非水体光谱最大差异发生在band5。

进行图像代数运算：

b2–b5,，其中，b2和b5分别对应图像中的band2和band5。

#3显示图像运算结果。

图7.20代数运算后的图像及其直方图

分别设置拉伸的最大灰度为40、25、10应用拉伸，比较不同拉伸结果。

如图7.21

图7.21不同拉伸灰度对比图

密度分割

将代数运算产生的图像按照如下的阈值分为4级，结果如图7.22

0~10，red

11~25，green

26~40，rblue

41~255，black

图7.22提取的水体进行密度分割后的显示图像

练习1：

使用（b2–b5）/（b2+b5）进行代数运算，然后以0,1,2,3为阈值进行分割。

其结果如下图7.22

图7.22密度分割结果图

与上图相比较，本次分割出来的信息要比上图多出来很多，但在水体信息提取方面没有上图准确。