lv fe ii ws1415 4 envi einführung
Post on 22-Dec-2015
11 Views
Preview:
DESCRIPTION
TRANSCRIPT
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 57
ENVI Classic Basic Tools ▶ Band Math ENVI (Neu) Toolbox: Band Ratio > Band Math Anwendungsbeispiele:
Band-Ratios, Differenzbilder etc. Variablen beginnen hier mit „B“ float() verwenden, da das Ergebnis
sonst integer() ist!
Mathematische Operatoren ( ) ^ * / MOD + - Logische Operatoren: NOT EQ NE LE LT
GE GT AND OR XOR Funktionen z.B.: sin() cos() tan() asin() sinh()
exp() alog() alog10() sqrt() abs() Weiteres Beispiel zum Testen:
(B1 LT 80) * 80 + (B1 GE 80) * B1 Alle Werte, die kleiner als 80 sind, werden in den Wert 80 geändert! Ergebnis überprüfen über Verlinkung (Link Displays…) und Wertevergleich (Cursor Location/Value…)
Rechenoperationen mit Band Math
NIR - Rot
NIR + Rot NDVI =
Normalized Differential Vegetation Index (NDVI)
1. 2.
3.
4.
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 58
Rechenoperationen mit Band Math NDVI Ergebnis
Rot: sehr vitale gesunde Vegetation
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 59
Resampling-Verfahren bei ENVI
Zum Vergrößern oder Verkleinern von Bildern bzw. Bildpixeln Vergrößern (Oversampling) = Auflösung verbessern, d.h. Pixel teilen z.B. von 10m auf 5m Pixel
(KEINE Informationsverbesserung!!!) Verkleinern = Auflösung reduzieren z.B. von 5m auf nur 20m
ENVI Classic ▶ Basic Tools ▶ Resize Data (Spatial/Spectral) ENVI (Neu) Toolbox: Raster Management > Resize Data
Bei gleichzeitiger Änderung der Projektion: ENVI Classic ▶ Map ▶ Convert Map Projection ENVI (Neu) Toolbox: Raster Management > Reproject Raster
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 60
Vergrößern eines Bildes (1) xfac/yfac > 1.0
Möglichkeiten mit ENVI: Vergrößern eines Bildes (A)
- Nearest Neighbor (B) - Benutzt das
nächst gelegene Pixel ohne Interpolation
- Bilinear (C) - Lineare Interpolation von
vier benachbarten Pixeln
- Cubic Convolution (D) - Interpolation anhand 16 Pixeln auf Basis kubischer Funktion (Polynomfunktion); deutlich langsamer als die anderen Methoden
B
C
D
A
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 61
Vergrößern eines Bildes (2)
Möglichkeiten mit ENVI: Vergrößern eines Bildes
- Nearest Neighbor
- Bilinear
- Cubic Convolution
Beispiel: Ein Wert für das vergrößerte gelbe Pixel soll ermittelt werden. Bei Nearest Neighbor erhält das gelbe Pixel den Wert des nächst gelegenen Pixel (hier rot dargestellt)
Neues, vergrößertes Bild
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 62
Vergrößern eines Bildes (3)
Möglichkeiten mit ENVI: Vergrößern eines Bildes
- Nearest Neighbor
- Bilinear
- Cubic Convolution
Bei Bilinear (bzw. Cubic Convolution) errechnet sich der Wert des gelben Pixels anhand Entfernung zu den am nächsten gelegenen 4 (bzw. 16) Pixel Interpolation
Neues, vergrößertes Bild
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 63
Verkleinern eines Bildes xfac/yfac < 1.0
Möglichkeiten mit ENVI: Verkleinern eines Bildes (A)
- Nearest Neighbor (B) - Das dem neuen Pixel
nächstgelegene Pixel wird ohne Interpolation verwendet
- Pixel Aggregate (C) - Gewichtete Mittelung aller Pixel, die einen Anteil an dem neuen (resultierenden) Pixel besitzen
A
B
C
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 64
Filter in der Bildbearbeitung
Digitale Filter gehören zu den wirkungsvollsten Methoden der Bildverarbeitung. Ziele von Digitalen Filtern:
relevante Bildinhalte hervorheben (z.B. Kanten mit Hochpaßfilter/Kantenoperatoren), Störungen beseitigen (z.B. Entrauschen mit Tiefpaßfilter/Glättungsoperatoren) und die visuelle Beurteilung erleichtern (z.B. Beseitigung feiner Strukturen mit morphologischen
Operatoren)
Original Leicht verrauscht Stark verrauscht
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 65
ENVI (neue GUI)
Filter-Verfahren bei ENVI
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 66
Filter-Verfahren - Allgemein
Digitale Filter sind lokale lokale Bildoperatoren, bei denen die Filterung entweder:
im Ortsraum mit Masken-Operatoren erfolgt (Faltung) oder im Frequenzraum durch Multiplikation der Fourier-Transformierten des Bildes mit einer
Transferfunktion (FFT-Filterung)
Filter sind somit auf zwei äquivalente Arten definierbar!
Filtertypen: Tiefpassfilter (Glättungsoperatoren)
Hochpassfilter (Kantenoperatoren)
Nichtlineare Filter
Rangordnungsoperatoren Morphologische Operatoren
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 67
Tiefpassfilter (Low Pass)
„Glättungsfilter“ Tiefpassfilter schwächen die hochfrequenten Teile des Bildinhaltes (lokale Variationen),
also feine Strukturen im Ortsraum ab! Die niedrigfrequenten Anteile eines Bildes bleiben somit erhalten.
Typische Merkmale:
Das Bild wirkt „weicher“, d.h. unschärfer weniger Details Kanten werden abgeschwächt und verwischt Bildrauschen wird minimiert In homogenen Bereichen haben sie keine Auswirkung
Meist durch Mittelwertbildung innerhalb des Filterkerns (Kernel) Beispiele:
Rechteckfilter Gauß-Filter
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 68
Hochpassfilter (High Pass)
„Kantenfilter“ Hochpassfilter werden eingesetzt, um feine Strukturen in Bildern zu verstärken. Filter für Erhöhung der Schärfe: Entfernt die niedrigfrequenten Anteile, erhält lokale
Variationen
Typische Merkmale: Das Bild wirkt „härter“, d.h. schärfer mehr Details Starke Kontraste, d.h. Kanten werden verstärkt bzw. extrahiert schleichende Grauwertwechsel unterdrückt homogene Bereiche gelöscht
Operatoren geeignet, die Grauwert-Änderungen erkennen Beispiele:
Sobel-Operator (richtungsabhängig vertikal, horizontal, diagonal) Laplace-Operator (richtungsunabhängig) Roberts-Operator
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 69
Lineare und nichtlineare Filter
Original-Bild, verrauscht mit „Salt & Pepper“ Effekt
Gefiltert mit Gauß-Glättungs-Filter
Gefiltert mit Median-Filter
Que
lle: h
ttp:
//de
.wik
iped
ia.o
rg/w
iki/
Bild
vera
rbei
tung
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 70
Nichtlineare Filter (1)
Lineare Filter besitzen in manchen Fällen Nachteile: So unterdrückt ein linearer Glättungsoperator zwar das Rauschen, aber er verursacht gleichzeitig Unschärfe bei den Kanten!
Nichtlineare Filter besitzt keine inverse Operatoren, d.h. die Werte, die in das neue Bild
geschrieben werden sind nicht berechnet, sondern durch den Filter anhand bestimmter Kriterien aus dem Einflussbereich des Filters ausgewählt
Rangordnungsoperatoren: Grauwerte der Nachbarpixel werden sortiert, ein Wert ausgewählt und dem Pixel
zugewiesen Beispiele:
Median-Filter (mittlerer Wert) glättet ein Bild, entfernt lokale Extrema, Kanten bleiben bestehen, wenn sie größer als der Kernel sind
Modal-Filter (häufigster Wert) nur für große Kernel geeignet; mehrere Lösungen bei bi-modaler Häufigkeitsverteilung möglich
Morphologische Operatoren:
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 71
Morphologische Operatoren: Minimum-Filter (Erosion):
Kleinster Grauwert einer sortierten Liste ausgewählt und aktuelles Pixel ersetzt Helle Pixel werden aus dunklen Regionen entfernt Glättung ohne Veränderung der
Kantensteilheit Anwendung: Kontrastverstärkung von kleinen dunklen Strukturen z.B. Striche
Maximum-Filter (Dilatation): Größter Grauwert einer sortieren Liste ausgewählt und aktuelles Pixel ersetzt Dunkle Pixel werden aus hellen Bereichen entfernt Glättung ohne Veränderung der
Kantensteilheit Anwendung: kleine dunkle Löcher schließen; helle Flächen werden größer
Opening: Erosion mit nachfolgender Dilatation Ausgefranste Objetränder werden „glatt“ und kleine Strukturen z.B. Pixelstörungen unterdrückt
Closing: Dilatation mit nachfolgender Erosion Kleine Lücken an Objekträndern werden geschlossen
Nichtlineare Filter (2)
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 72
Erosion
Ergebnis: mehr Strukturen erkennbar durch Zerlegung
http://emanuelaboros.ro/SOCIS-NEST/
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 73
Dilatation
Ergebnis: dunkle Kontrastkanten verwischt/entfernt
http://emanuelaboros.ro/SOCIS-NEST/
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 74
Filterung mit Konvolutions-Matrizen (Kernel) (1)
Low Pass 3x3 Kernel: 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 Beispiel (DN):
170 177 177 174 176 176 172 173 174 Ergebnis:
1569 / 9 = 174,3
Original-Bild 5x5 Low Pass 5x5 High Pass 5x5 Median
High Pass 3x3 Kernel: -1/9 -1/9 -1/9 -1/9 8/9 -1/9 -1/9 -1/9 -1/9
Beispiel (DN): 170 177 177 174 176 176 172 173 174
Ergebnis: (-1393 + 8*176) / 9 = 15
Gaussian (ohne Abbildung!) z.B. 5x5 Kernel: 0.0000 0.0007 0.0024 0.0007 0.0000 0.0007 0.0314 0.1131 0.0314 0.0007 0.0024 0.1131 0.4067 0.1131 0.0024 0.0007 0.0314 0.1131 0.0314 0.0007 0.0000 0.0007 0.0024 0.0007 0.0000
Beispielhafte Visualisierung:
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 75
Filterung mit Konvolutions-Matrizen (Kernel) (2)
Eingabe der Kernel-Größe
Eingabe des Anteils in %, der von dem originalen Bild erhalten bleiben soll. Dies wird oft bei einer Bildschärfung (High-Pass-Filterung) gemacht.
Eingabe des Kernels
Der Kernel läuft über das Bild (engl. „Moving Window“) und berechnet jeweils für das zentrale Pixel einen neuen Wert, z.B. die Summe aller Werte des Kernels multipliziert mit den Pixel-Werten
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 76
Filterung mit Konvolutions-Matrizen (Kernel) (3) Beispiel: Median 5x5
- Filterfenster von 5x5 Pixel („Moving Window“) - Das mittlere Element der sortierten DN-Werte aller Pixel
(im Beispiel: 176) wird dem zentralen Pixel zugeordnet
Beispiel (DN-Werte): Beispiel Bildausschnitt: 170 177 177 179 178 174 176 176 180 179 172 173 174 178 178 172 174 173 176 177 169 172 174 177 181
Sortierte Liste:
169 170 172 172 172 173 173 174 174 174 174 176 176 176 177 177 177 177 178 178 178 179 179 180 181
Original-Bild
5x5 Median
169 170 171 172 173 174 175 176 177 178 179 180 181
Häufig- keit
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 77
Filterung mit Konvolutions-Matrizen (Kernel) (4) Benutzerdefinierte Kernel Convolutions ▶ User Defined
Beispiel Emboss-Filter
Erzeugt einen 3D-Effekt („Relief-Darstellung“) Definition des Emboss-Kernels:
3x3 Kernel 5x5 Kernel
Berechnung des Effekts
eines 3x3 Emboss-Filters auf das nebenstehend Bild
5 5 9 9 9 5 5 5 5
5 9 9 9 9 9 5 5 5
9 9 9 9 9 9 9 5 5
9 9 9 9 9 9 9 5 5
5 9 9 9 9 9 5 5 5
5 5 9 9 9 5 5 5 5
5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5
9 9 9 9 9 9 9 5 5
2.5
2.5
6.5
4.5
4.5
4.5
4.5
0.5
2.5
0 0 -0.5
1 0 0
0 0 0
0 0 0 0 -0.25
-0.5 0 0 0 0
0 1 0 0 0
0 0 0 0 0
0 0 0 0 0
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 78
Filterung mit Konvolutions-Matrizen (Kernel) (5) Ergebnis eines Emboss-Filter am Beispiel der METEOSAT-Daten Öffne: MSG_HRV-Zeitreihe_20060727 HRV_20060727-095740.tif
Original-Bild
Emboss 5x5
Institut für Geotechnik und Markscheidewesen
Wintersemester 2014/2015 - Fernerkundung II d.walter · igmc · tu-clausthal · 2014 79
Filterung mit Konvolutions-Matrizen (Kernel) (6) Beispiel Landsat-7 ETM+ (Band 8, panchromatisch Band8_Pan_subset.bsq)
Original Low Pass, 5x5 High Pass, 5x5 High Pass, 5x5, 80%
Gaussian Low Pass, 5x5 Gaussian High Pass, 5x5 Median, 5x5 Sobel, 5x5
top related