遥感程序报告内容：
1：完成实现了的任务――
实现了对遥感图像实施平滑，
中值滤波和图像的锐化（包括梯度锐化，拉普拉斯锐化），
伪彩色编码等处理；
2：熟悉了VC++的MFC；
3：熟悉了C++的语言和各种功能实现的算法；
一 图像增强处理内容与背景
就如我们所知的那样，一般情况下，各类图像系统中图像的传送和转换重要造成图像的某些降质。比如摄像时，由于光学系统失真等等会使得图像模糊；在传输过程中，由于噪声污染，会使得图像质量的下降。因此我们必须对这些降质的图像进行处理改善。
一般的改善的方式有两种：
第一类是不考虑降质的原因，而仅仅将图像中感兴趣的特征又选择的突出，从而衰减次要的信息。这样可以提高图像的可读性，改善后的图像比一定逼近原始图像，这类方法通常为图像增强技术。
第二类设法去补偿降质的因素，从而改善后的图像尽可能的逼近原始的图像。这种方法能提高图像质量的逼真度，一般称为图像的复原技术。
二 图像处理的方法与算法
在这个遥感软件中，我们主要实现了图像的平滑，中值滤波，和图像的锐化（包括梯度锐化，拉普拉斯锐化），伪彩色编码。
1：图像的平滑：
图像的平滑的主要的目的是为了减少图像的噪声。一般情况下，在空间域内可以用领域平均来减少噪声；在频率域，由于噪声频谱通常多在高频段，因此可以采用各种形式的低通办法来减少噪声。
在图像中，通过邻接点的相互平均可以去掉一突然变化的点，从而过滤掉一定的噪声，达到平滑的目的，但图像有一定程度上的模糊。例如，3×3的平滑模板为：
1 1 l
1 1 l
1 l l
即每一个像素都是周围8个像素和自身的平均值，这是一种最简单的平滑模板。它通过抑制图像中的高频成分，保留低频成份减少图像噪声，又称为低通滤波。在这种平均算法中，没有考虑各点位置的影响，也就是说周围九个点的权值都相同，没有加权系数。若考虑加权系数则可用二维高斯函数得到卷积模板，这种称为高斯平滑。其相应的模板为：
1 2 1
2 4 2
1 2 1
由于高斯滤波模板的值都大于1，因此应该用这些权值的和去除卷积的结果。对应以上模板，比例系数应为16。
模板法的运算过程是：先用模板中心点逐一对准每一个像素h(m，n)，然后将模板之元素与它所“压上”的图像元素对应相乘，最后求和，其结果就是该中心像素点平滑后的输出h’(m，n)。这里存在一个问题就是如何处理图像边缘两行两列的元素。一种方法是采用补充的办法，即补充四周两行两列的像素，既可以用外插法，也可以直接取与最上、最下两行，最左、最右两列元素完全相同的两行、两列元素来补充；另一种更为简单的方法是不允许模板移出边界，而对边界上无法处理的点，直接复制原图像的灰度值。
2：中值噪声：
中值滤波是一种去除噪声的非线性处理方法。起初，中值滤波用于时间序列分析，后来被用于图像处理，在去噪复原中得到了较好的效果。中值滤波在一定条件下可以克服线性滤波器的最小均方滤波，均值滤波等带来的图像的细节模糊，而且对滤除脉冲干扰以及图像扫描噪声最为有效。由于在实际运算过程中不需要图像的统计特征，这也带来了不方面便。但是对于一些细节多，特别是点，线，尖顶细节多的图像不宜采用中值滤波。
中值滤波是基于图像的这样一种特性：噪声往往以孤立的点的形式出现，这些点对应的像素很少，而图像则是由像素数较多，面积较大的小块构成。在一维的情况下，中值滤波器是一个含有奇数个像素的窗口。在处理之后，位于窗口正中的像素灰度值，用窗口内各像素灰度值的中值代替。中值滤波器在某些情况下抑制噪声，而在另一些情况却会抑制信。应用中值滤波的一种方法就是先试用长度为3的窗口对信号进行处理，若无明显信号损失再把窗口延长到5，对原图像作中值滤波，直到既有较好的噪声滤除的效果，又不过分损坏图像细节为止。还有一种方法就是对信号进行级联的中值滤波，采用固定的或可变长度的窗口．一般地说，一次滤波不改变的区域，以后几次也将不变。小于窗宽的1/2的区域，每经一次滤波该区域将连续改变，一直进行到所得到信号的区间大于窗宽的1/2为止。中值滤波器很容易推广N--维的情况。二维窗口的形式可以是正方形的、近似圆形的或十字形的．一个二维的LX L中值滤波器比用LX 1和1 X L的两个滤波器分YJII JJ~。序进行垂直和水平的处理更能抑制噪声，但同时也带来了更大的对信号的抑制。
3：图像的锐化：
图像的锐化的目的是让模糊的图像变得更加清晰起来。图像模糊的实质是图像受到平均或者积分运算造成的，因此可以对图像进行逆运算使图像清晰化。在频谱角度看，图像模糊的实质是其高频分量被衰减，因而可以通过搞通滤波操作来清晰图像。要注意的是，能够进行锐化处理的图像必须有较高的信噪比，否则锐化后图像信噪比反而降低，从而使噪声的增加的逼信号还要多，所以一般还是先去除或减轻噪声后在进行锐化处理。一般的锐化有两种方法：一种是微分法，另一种是高通滤波法，高通铝箔的原理和低通的相似。
与平滑相反，锐化滤波通过增强高频成分减少图像的模糊，因此又被称为高通滤波。微分求导运算即为一种高通滤波，它只记录图像的变化，而不保留图像的能量，在一般的增强应用中，锐化滤波可以通过组合微分滤波器和原图像得到。
有梯度锐化和拉普拉斯算子。
梯度是代表描述最大变化方向与大小的一个各向同性的微分算子。
设某离散的数字图像为f(x，y)，它在某点(j，j)的梯度的幅度G[f(i，j)]可以表示为：
为了计算方便，通常采用下面的近似计算公式：
该近似计算公式被称为Roberts梯度。
由上面的公式可见，如果直接采用梯度位G[f(x，y)]来表示图像，即令
g(x，y)＝G[f(x，y)]，那么在图像变化缓慢的地方其值很小(对应于图像较暗)，而在边缘和轮廓等变化较快的地方其值很大，这就达到了锐化的目的。
还有常用的微分算子是拉普斯算子，它是一个二维二阶微分算子，而且无方向性。
3×3的拉普斯卷积模板为：
－1 －1 －1
－1 9 －1
－1 －1 －1
它相当于将原图像减去拉普斯运算的结果。应当注意的是锐化处理在增强图像边缘效果的同时势必同时增加了图像的噪声。
4：伪彩色编码：
对于一幅灰度图像，需要将它认为地转换成一幅彩色图像。因为人眼对灰度微弱递变的敏感程度远远小于对彩色变化的敏感程度。因此将一幅图像按照特定的彩色编码表进行彩色变换，可以使得看到图像更加精细结构。一般的，要将灰度图进行伪彩色变换，可以采用一个256色的调色板，其中定义了每种对应颜色的RGB值。
伪彩色增强技术作为一大类基本的图像处理技术，其目的是对图像进行加工，以得到对具体应用来说视频效果更好，更有用的图像。由于具体的应用和要求的不同，所需要的具体伪彩色编码也可以大不相同。伪彩色图像增强就是把图像的各个灰色值，按照一定的函数关系映射成相应的彩色，不同的灰度级对应不同的彩色。根据色度学原理，任何一种颜色都可以由红、绿、蓝三基色按不同的比例来合成，因此图像的伪彩色处理首先要设定红、绿、蓝三个变色函数，对应每一个f(x，y)都有相应的红、绿、蓝输出，之后三者又合成一个彩色，用下面配色方程表示：
R(x，y)=TR(f(x，y))
G(x，y)=TC(f(x，y))
B(x，y)=TB(f(x，y))
(R，G，B)={R(z，y)，G(z，y)，B(z，y))
下面为一组简单的映射可以将黑白图像的256个灰度级转化为一幅按可风光谱中彩色渡长来表示其灰度值的伪彩色图像。设f(x，y)为一幅黑白图像R(x，y)，G(x，y)，B（x，y)为f(x，y)映射到RGB空间的三个颜色分量。
由于噪声点对边缘检测有一定的影响，因此有必要对上面的两种算法做出改进。Marr和Hildreth提出的拉普拉斯一高斯边缘检测算子被誉为最佳边缘检测器之一。它主要是把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好。
三 总结
图像平滑、中值滤波、梯度锐化和拉普拉斯锐化等方法能够明显地改善图像的视觉效果，但从文中给出的处理结果来看，它们的增强效果不一样，也就是说，应该根据不同的应用领域选取不同的图像增强方法。
