实验六 图像分割
一、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。
二、实验内容
1、利用直方图进行图像分割 2、提取指定颜色的对象 3、去除图片的背景噪声
4、提取厦门市TM遥感影像中的水体信息
5、提取线性地物信息 6、图像形态学基本方法 三、实验条件
电脑、ENVI软件。厦门市TM遥感影像、实验数据 四、实验步骤
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，并分别应用，查看拉伸后的图像。
使用下面的表达式去除天空，其中，b1，b2，b3对应图像的R，G，B通道，b4对应原始图像。
b4*(1-b1 lt 150)* (b2 lt 160) * (b3 lt 150) 2.彩色图像的分割
（1） 提取图像中的兰花
关闭所有打开的窗口和文件 图像：兰花.jpg
要求：将兰花从图像分割出来
主要操作：利用直方图，查看当前像素值工具比较兰花在各个通道上的灰度值的差异，确定兰花与周围物体最大的通道或通道的组合。 提示：兰花是蓝色的。 表达式：（b1 gt b2)* (b1 gt b3)，其中b1是蓝通道，b2，b3对应绿和红通道。 （2）去除背景噪声，提取图像中的娃娃
关闭所有打开的窗口和文件 图像：娃娃.jpg
选择“波段“作为直方图数据来源，进行图像拉伸。思考以下问题①直方图有什么特征？②任意对RGB波段进行拉伸，图像发生了什么变化？③按照如下设置进行图像拉伸，R：154~184,G:8~100,B:0~160,图像发生了什么变化？④如何去除背景中的噪声？步骤：使用float（b1）/ float（b2）对通道R和G进行代数运算，产生图像m1；对于
1
m1图像，使用b1 gt 0.98进行代数运算，产生图像m2；使用原始图像的RGB作为b1（在变量与波段匹配的对话框中，点击按钮Map Variable to input file），使用m2作为b2，进行代数运算b1*b2，产生新的图像m3，按照R，G，B顺序合成显示。
1) 比较分析合成后的图像m3与原图像有什么差异？ 2) 为什么要进行比值运算？0.98是怎么确定的？
进行运算：（1-b1）*255，其中，b1为m2，结果图像为m4.
进行运算：b1+b2，其中，b1为m3中的R通道，b2为m4，结果图像为m5. 进行RGB合成。合成后图像的颜色发生了什么变化？ （3）去除背景噪声，增强图像中的字符信息
关闭所有打开的窗口和文件。 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。 查看噪声的分布范围。构造代数表达式提取字符。 表达式：255*｛1-（（b3 lt 200）and （b2 lt 100）and （b1 lt 100）｝ 3.提取TM图像中的水体信息
思路，寻找指定地物与其他地物差异最大的波段或波段组合，构造代数表达式产生新的图像进，使用阈值进行分割。
图像：厦门TM影像 （1） 查看图像的直方图
使用（4，3，2）进行RGB合成显示（窗口#1），以Scroll窗口为数据源，查看三个通道的直方图。 （2） 查看光谱剖面图
图像窗口tools-profiles-Z profile（spectrum），在image窗口移动矩形框，查看光谱剖面曲线的变化。
（3） 查看指定路线上的光谱值变化
指定数据源为：image
在image窗口的图像中，单击鼠标左键，拖曳一条直线过海域，单击鼠标左键，点击右键两次。
在图像窗口中绘制矢量线也使用相同的操作。 系统自动弹出空间剖面窗口（spatial profile）。 设置数据的显示参数 设置空间剖面绘图窗口参数，使用RGB对应的颜色，线型分别为线、虚线点，thick为2.
空间剖面窗口：edit-data parameters 在显示的数据参数窗口中，选择波段（1），设置颜色（2），线型（3），厚度为（4）。其中，颜色的设置为：右键单击颜色色块，在弹出菜单中选择颜色名称。
（4） 查看不同像素位置光谱值的变化
①显示图像和直方图
②确定直方图分级点的像素值
在直方图窗口中移动鼠标，查看显示的DN值，确定谷底的灰度级（显示在窗口下
2
面的状态条中） ③设置拉伸的范围
保持最小值0不变，改变最大值为25（该阈值由同学们自己判断）？，应用拉伸。通过这种操作，初步提取了水体。
（5） 查看（542）合成图像中水体与非水体光谱的差异
使用（532）合成显示，窗口为#1
重复上面的操作，查看海域水体与周围的光谱差异。
（6） 比较不同地物的像素差异
在Spatial profile tool窗口中，单击off，关闭空间剖面提取，然后进行下面的操作，#1的image窗口，tools-spectral pixel editor。
（7） 提取当前位置的像素值
在image窗口中，移动光标位置到海域中，然后spectral pixel editor窗口中，
点击edit-extract 8 pixel average
水域取不同的三个点，林地取一个点，城区中的建筑取一个点，取其周围8个像素的均值，共5条曲线。编辑数据参数，前三条曲线使用蓝色显示，厚度为2；
后两条取红色，厚度为1.
观察水体，水体与非水体最大差异发生在哪些波段。
（8） 提取水体
进行图像代数运算：b2-b5，其中b2，b5分别对应图像的波段2和波段5。 在#3窗口显示运算的结果，并查看运算结果的直方图。
分别设置拉伸的最大的灰度为40，25，10，应用拉伸，比较不同的拉伸结果。 （9） 密度分割11
将代数运算产生的图像按照如下的阈值分为4级： 0~10，red 11~25，green 25~40，blue 41~255，black 4提取线状地物信息
利用拉普拉斯锐化从高分辨率图像IKONOS中提取线状地物信息。 图像：IKN Nj pan.bmp
这是灰阶图像，使用R通道数据即可。
显示图像，查看图像的直方图。（直方图有什么特点？能否利用直方图直接分割？） 使用拉普拉斯进行锐化，进行如下操作，并对比锐化后的结果。其中，低通滤波使用高斯低通滤波方法，拉普拉斯锐化的是高斯低通后的数据。锐化结果=原始数据+拉普拉斯梯度数据（表1）
表1 不同参数锐化后的图像直方图变化比较
3
流程 0 1 2 3 4 低通滤波 - 3*3 5*5 7*7 7*7 拉普拉斯梯度 - 3*3 3*3 5*5 3*3
锐化结果 原始图像 A B C D 结果图像直方图 利用流程4的结果图像，从直方图中选择250作为阈值，构造表达式：b1 ge 250进行图像分割。保存分割结果：IKN Nj Pan–seg，在下面实验中使用。 5.图像数学形态学基本方法
利用形态学方法对分割结果进行后处理。
（1） 二值数据的形态学处理
图像：IKN Nj Pan–seg。 菜单：主菜单“滤波”（filter）-“卷积和形态学方法“（convolutions and morphology tool）。在出现的窗口中，点击才菜单morphology。 操作：腐蚀、膨胀、开元算、闭运算。 使用3*3窗口，进行1轮操作，数值为二值数据，然后快速应用（quick apply）设定进行图像处理。
改变轮次为2，重复上述操作。 （2） 灰度值数据的形态学处理
打开图像IKN nj Pan.bmp，在#1窗口显示。 对该图像使用快速应用方式进行形态学处理： 轮次：1，数据：灰阶
处理结果显示在#2窗口中。连接#1和#2窗口，对比操作的结果。 （3） 分割结果的形态学处理
打开图像AA，使用如下表示式进行提取水体： b 5/b2 eq 0
得到水体图像AA-water
对提取的水体图像进行形态学处理。
6.栅格矢量化
将图像分割结果进行矢量化处理并保存为shape文件。 （1） 栅格矢量化
操作：主菜单Vector-raster to Vector
选择AA-water图像作为形态学处理的结果作为输入，对DN=1的结果进行矢量化，结果保存在AA-water-vec.evf中 确定后，系统产生矢量文件。 （2） 矢量层另存为shape文件
File-export layers to shapefile结果保存到AA-water-vec.shp中
五、作业
4
以已给的遥感影像为例，按实验内容、要求完成实验报告。
5