Пример. 8. Улучшение визуального качества изображения

Мы «окажем, как с помошыо методов, изложенных в ланной главе, можно улучшить визуальное качество изображений, полученных с ИСЗ системы “Ландсэт". На рисунках 8. а. в и 1. а показаны типичные изображения, полученные с ИСЗ “Ландсэт". Это изображения района Таравера (на о. Северный в Новой Зеландии), которые были получены на основе данных в диапазонах (соответственно) 600—700, 700—800 и 800—1100 нм. Обычно эти диапазоны называют полосами 2. 3 и 4.

Рис. 8. и был получен удалением полосатости из оригинальных данных для полосы 2 (см. § 45), геометрической коррекцией (см. § 47) их в соответствии с картой Новой Зеландии при интервале дискретизации наконец, выделением польпображення. Рис. 8. 6 представляет собой результат эквилизаиии гистограммы (см. § 45) изображения а. Изображения а соответствуют в полосе 3 изображениям а и 6 в полосе 2.

Улучшение визуальной различимости деталей на изображениях по сравнению с изображениями а и а наглядно иллюстрирует достоинства метола эквализации гистограммы.

Информация, неявно содержащаяся в изображении, иногда может быть выделена без нелинейного растяжения изображения. Достаточно осуществить линейное растяжение гистограммы с помощью просмотровой таблицы (см. § 45). На рис. представлена гистограмма (нормированная на значение 100 в максимуме изображения На рис. 8, з представлена просмотровая таблица, соог ствуюшая линейному растяжению (от значения 4 до 156, при срезании примерно с каждого края гистограммы), в результат которого и» изображения в получено изображение На изображении неясные летали выражены более четко, чем на изображении (как явствует из изображения изображение в содержит только около половины из числа 256 имеющихся значений элементов изображения). Распределение элементов изображения на гистограмме (например, рис. 8, и) изображения значительно более равномерно, чем на гистограмме (например, рис. 8, ж) изображения в.

Разумеется, гистограмма, показанная на рис. 8. и, далеко не полностью эквализована. На рис. представлена нелинейная просмотровая таблица, которая применялась к гистограмме (например, рис. изображения в для получения значений элементов изображения На рис. 8. представлена гистограмма последнего изображения. Средняя плотность распределения значений элементов изображения на рис. грубо говоря, постоянна, что равнозначно утвржденню, что накопленная гистограмма [формула (45.1)], соответствующая рис. 8. приблизительно линейна. Заметим тем не менее, что изображение не обязательно более предпочтительно, чем изображение во всем значимом, что имеется на последнем. Но они. безусловно, лучше изображения в.

Улучшение визуального контраста методом эквализации гистограммы становится менее эффективным при наличии шумов. Уровень шума может быть понижен методом фильтрации нижних частот, хотя в этом случае приходится жертвовать разрешением. Мы иллюстрируем это изображением которое представляет

собой обработанную фильтром нижних частот коплю изображения в, полученную путем применения рамочного фильтра (см. § 46) размером элементов к изображению На гистограмме (например, рис. 8, и) изображения разброс значений элементов изображения юраздо меньше, чем на гистограмме (например, рис. 8, и) изображения Но соответственно этому ниже разрешение изображения.

Изображения в лвух спектральных полосах могут бить при необходимости улучшены одновременно таким образом, что на них будет выявлена информация, незаметная при обработке каждого июбражения в отдельности. Мы проиллюстрируем это примером двумерной эквализашш гистограмм (см. § 49). На рис. 8, н приставлен логарифм лвумерной гистограммы изображений а Значения элементов изображения в интервале от 0 до 255 отложены но горизонтали для полосы 2 и по вертикали для полосы 3, причем начало координат (с нулевыми значениями элементов изображения) в обеих полосах находится в верхнем левом углу.

Значение каждого элемента изображения двумерной гистограммы, показанной на рис. 8, н, пропорционально частоте, с которой соответствующая комбинация значений элементов изображения в полосах 2 и 3 встречаегся на изображениях а и в (соответственно). Мы можем рассматривать двумерную гистограмму как состоящую из нескольких перекрывающихся распределений значений элементов изображения, характеризующих разные классы (в гаком же смысле этого слова, как и в лвух последних абзацах § 45). например различных типов земной поверхности, таких, как вола, лес, луг, голая земля и т. д. Необходимость эквализации гистограммы в двумерном случае (см. рис. 8. н) гораздо заметнее, чем в одномерном (см. рис. 8, ж), так как здесь лишь очень малая часть плоскости лвумерной гистограммы занята значениями элементов полос 2 и 3.

На рис. 8, о представлена двумерная гистограмма, полученная изображений и Здесь заполнена гораздо большая часть плошали двумерной гистограммы. Тем не менее это не оптимальная гистограмма, так как она была образована из лвух одномерных гистограмм. Заметим также, что в этих двух одномерных гистограммах довольно велики интервалы квантования. Еще более полного заполнения плошали двумерной гистограммы можно добит выполнив интерполяцию в двух измерениях между ненулевыми значениями элементов на изображении о. чтобы получить более гладкую гистограмму. Мы начали с пяти проходов специального фильтра нижних частот с рамкой При каждом проходе фильтрации учитывались только ненулевые значения элементов изображения в рамке, окружающей рассматриваемый элемент. Для каждого элемента изображения вычисляется среднее ненулевых значений внутри рамки. Конкретное значение элемента изображения заменяется вычисленным, только если оно было нулевым до окружения рамкой. Пекле этою мы проводим дальнейшее сглаживание сначала однократной фильтрацией с помощью стандартного фильтра нижних частот с рамкой затем однократной фильтрацией с помощью стандартною фильтра нижних частот с рамкой (под стандартным фильтром мы подразумеваем такой фильтр, для которого все значения элементов изображения являются ненулевыми и который изменяет все элементы изображения согласно предписанию фильтра). На рис. показан результат обработки рис. 8, о. На рис. 8. п площадь двумерной гистограммы заполнена гораздо лучше.

На рис. 8. иллюстрируется метод теневого рельефа [см. абзац, содержащий формулу (45.5)]. Изображение было получено тахим образом, что каждое значение его элемента изображения рассматривалось как высота, причем считалось, что Солнце находится на северо-западе под утлом возвышения 45°.

На рис. 8. с представлено изображение, полученное методом отношения полос (см.

5 49, третий абзац). Были вычислены отношения соответственных элементов изображений а и в и гистограмма этих отношений была зквализована, что и дало элементы изображения с. Нетрудно заметить кажущуюся “уплощенность" этою изображения в сравнении с изображениями а

(кликните для просмотра скана)

(кликните для просмотра скана)

Метод классификации (см. § 45) позволяет просто генерировать изображение с выделением определенной информации. Например, на рис. напечатаны белым все элементы изображения о разрешенном интервале значений для волы (для изображения в полосе 3. показанного на рис. 8, в) и черным — все элементы изображения, лежашие вне этого интервала. Этим подчеркивается форма озер. Другого выделения можно добиться методом Голея (см. § 45). На рис. показан результат увеличения на 5 элементов белых областей рис. 8, т. Получившиеся белые зоны отвечают самим озерам и полосам шириной 250 м прибрежной суши.

Гранииы облает ей на изображении можно подчеркнуть несколькими способами. Изображение это результат применения фильтра верхних частот с рамкой (см. § 46) к изображению в и последующей эквапизаиии гистограммы. Здесь заметно усилена каждая деталь изображения с линейными размерами 15 или более элементов. В результате четко выделяются границы между сушей и водой (в данном случае в виле черных контуров). Белые контуры границ между сушей и водой можно получить следующим образом. Вычисляется максимальная разность значений девяти элементов изображения, окружающих, каждый элемент изображения, и полученный массив значений элементов линейно растягивается. Изображение результат такого преобразования изображения в. Растяжение производилось между значениями элементов изображения 1 (черный) и 127 (белый). На рис. представлен пример изображения, на котором четко показаны плавно меняющиеся летали исходного изображения, но в то же время подчеркнуты гранииы (между областями резко различающихся типов). Чтобы добиться этого, мы классифицировали изображение х таким образом, что значения элементов изображения в диапазоне от 0 до 255 были оставлены без изменения, а все остальные значения были приравнены нулю. И юбражение и сходно с изображением но на нем имеются темные контуры но краям озер.

Одним из крупных достижений техники изображений, передаваемых с ИСЗ, явилось то, что по ним легко определять расположение сельскохозяйственных и лесных угодий, геологических и других объектов на всей поверхности Земли. Легче всею это осуществляется. когда гистограммы носят "сосредоточенный” характер, распадаются на отдельные участки, каждый из которых соответствует (как можно надеяться) одному интересующему нас признаку. Гистограмма н менее сосредоточена, чем хотелось бы. Рис. представляет собой результат подавления сравнительно слабых значений элементов изображения Хотя изображение содержит мало деталей, на нем ясно видны раздельных пятна (кстати, оказалось, что яркая точка в верхнем левом углу соответствует воде).

Рельефное графическое представление может иногда быть более информативным, чем полутоновое изображение изображение, значения элементов которых перелаются их яркостью). Это особенно верно в случае простых изображений. Для иллюстрации на рис. представлена перспективная проекция гауссовской ФРТ, приводившейся ранее на рис. 2, и (напомним, что эффективная ширина этой ФРТ в примере 2 равна 15 элементам изображения). Перспективная проекция осуществлялась с “юго-востока”, значение элемента изображения перелается высотой. Изображение было получено с помощью графического пакета программ PLOT79.