（4）图像匹配的一些算法如下：
1）相关系数测度 2）差分测度
（5）基于小面元微分纠正的图像间自动配准
该算法利用了摄影测量中图像匹配的研究成果，即图像特征提取与基于松弛法的整体图像匹配，全自动地获取密集同名点对作为控制点，由密集同名点对构成密集三角网（小面元），利用小三角形面元进行微分纠正，实现图像精确配准。 （6）数字图像镶嵌
1）图像的几何纠正；2）搜索最佳镶嵌边；3）亮度和反差调整；4）平滑边界线 作业:
1 名词解释：几何精纠正
2 对遥感图像进行几何纠正时，如何选择控制点？ 3论述遥感图像几何精纠正的过程（步骤）
4试论述几何校正的基本原理及三种重采样方法的优缺点。 教学总结：
本次课程旨在让学生了解图像几何误差的主要来源，掌握几何精纠正的基本原理及其操作步骤，地面控制点的选择、重采样过程是几何精纠正的主要步骤，
为了让学生能掌握几何精纠正，对上面两点内容做了详尽讲解。
- 31 -
第8讲
课 题 ： 图像变换与图像增强处理
目的要求：1. 熟悉二维傅立叶变换定义、性质及其应用；2. 掌握一维傅立叶变换算法及频谱分析方法；3. 熟悉并掌握本章基本概念、空间域图像增强的原理、方法及其特点；4. 了解频率域图像增强的方法及其实现过程；
重 点 ：掌握直方图修正方法、特点及其应用；空间域平滑、锐化和彩色增强技术。
难 点 ：频率域图像增强的方法及其实现过程 教学课时：2课时
教学方法：授课为主、鼓励课堂交流
本次课涉及的学术前沿：傅立叶变换在图像处理中的作用
第六章 图像变换
图像变换的目的在于：①使图像处理问题简化；②有利于图像特征提取；③有助于从概念上增强对图像信息的理解。
图像变换通常是一种二维正交变换。一般要求： ①正交变换必须是可逆的； ②正变换和反变换的算法不能太复杂； ③正交变换的特点是在变换域中图像能量将集中分布在低频率成分上，边缘、线状信息反映在高频率成分上，有利于图像处理。
因此正交变换广泛应用在图像增强、图像恢复、特征提取、图像压缩编码和形状分析等方面。
（1） 傅立叶变换
在学习傅立叶级数的时候，一个周期为T的函数f(t)在[-T/2,T/2]上满足狄利克雷（Dirichlet)条件，则在[-T/2,T/2]可以展成傅立叶级数。
a0?fT(t)???(ancosnwt?bnsinnwt) 2n?1其复数形式为
fT(t)?n????cen?jnwt
其中
- 32 -
1cn?T?T2?T2fT(t)e?jnwtdt 可见，傅立叶级数清楚地表明了信号由哪些频率分量组成及其所占的比重，从而有利于对信号进行分析与处理。
傅立叶变换：
指非周期函数的正弦和或余弦和乘以加权函数的积分表示。 傅里叶变换分为连续傅里叶变换和离散傅里叶变换 （2）连续函数的傅立叶变换 1）一维连续函数的傅立叶变换 2）二维连续函数的傅立叶变换 （3）离散函数的傅立叶变换 1）一维离散函数的傅立叶变换 2）二维离散函数的傅立叶变换
一般来说，对一幅图像进行傅立叶变换运算量很大，不直接利用以上公式计算。现在都采用傅立叶变换快速算法，这样可大大减少计算量。为提高傅立叶变换算法的速度，从软件角度来讲，要不断改进算法；另一种途径为硬件化，它不但体积小且速度快。
二维离散傅立叶变换的若干性质： 1）周期性和共轭对称性 2）分离性 3）旋转性质
第七章 图像增强
图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。例如采用一系列技术有选择地突出某些感兴趣的信息，同时抑制一些不需要的信息，提高图像的使用价值。
图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。 空间域增强是直接对图像各像素进行处理；
频率域增强是对图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的图像。 7.1图像增强的点运算
- 33 -
7.1.2 灰度变换
灰度变换可调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。
1．线性变换
令图像f(i，j)的灰度范围为[a,b]，线性变换后图像g(i，j)的范围为[a′,b′]，如图，g(i，j)与f(i，j)之间的关系式为：
g(i,j)?a??b??a?(f(i,j)?a) b?a2．分段线性变换
为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。
设原图像f(x,y)在[0，Mf],感兴趣目标的灰度范围在[a,b],欲使其灰度范围拉伸到[c,d],则对应的分段线性变换表达式为
?(c/a)f(x,y)0?f(x,y)?a?g(x,y)??[(d?c)/(b?a)][f(x,y)?a]?ca?f(x,y)?b
?[(M?d)/(M?b)][f(x,y)?b]?db?f(x,y)?Mfgf?3．非线性灰度变换
当用某些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度的非线性变换。
①对数变换、②指数变换 7.1.3 直方图修整法
灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系,它能描述该图像的概貌。通过修改直方图的方法增强图像是一种实用而有效的处理技术。
直方图修整法包括直方图均衡化及直方图规定化两类。 1.直方图均衡化
直方图均衡化是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。
- 34 -
2.直方图规定化
在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。
利用直方图规定化方法进行图像增强的主要困难在于要构成有意义的直方图。图像经直方图规定化，其增强效果要有利于人的视觉判读或便于机器识别。
7.2 图像的空间域平滑
任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。
7.2.1局部平滑法
局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。
设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y),则有
g(x,y)?1Mi,j?s?f(i,j) 式中x,y=0,1,…,N-1；s为（x,y）邻域内像素坐标的集合；M表示集合s内像素的总数。
可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。
7.2.2 超限像素平滑法
对邻域平均法稍加改进，可导出超限像素平滑法。它是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g′(x,y)。其表达式为
7.2.3 灰度最相近的K个邻点平均法
该算法的出发点是：在n×n的窗口内，属于同一集合体的像素，它们的灰
- 35 -