經常和遙感影像打交道的同學，不知道有沒有碰到過條帶雜訊的情況，或者叫「丟線」、「壞線」，即一副影像上出現規則的黑色條帶，這些黑色條帶裡的像元值是無效的。例如下面這張圖：
咱們放大點來看下：
咱們先來說一說條帶雜訊產生的原因，來看一段專業解釋：
簡而言之，就是拍攝影像的衛星感測器出問題了，從而週期性的造成影像記錄錯誤。去條帶雜訊屬於影象處理的範疇了，有很多相關的研究，例如傅利葉變化濾波、主成分分析、直方圖匹配、矩匹配法等等。一些專業遙感軟體envi、erdas有專門的去條帶外掛程式可以處理，今天我們來看看從arcgis的角度怎麼處理條帶雜訊。
在arcgis中檢視，可發現條帶裡的像元值為0，我們希望用周邊的非0像元值填充，nibble工具可以幫助我們實現。下圖為nibble工具的處理思路，inrs是原始柵格，maskras是掩膜柵格，其中nd象元值是nodata，處理後，原始柵格與nodata對應的象元值被原始柵格周邊的像元值替換了。
所以，除了原始的條帶雜訊影像，我們還需要乙個掩膜，即把條帶象元處理成
nodata
。arcgis
中有很多任務具可以生成
nodata
，例如setnull
、con
等等。以下我用
setnull
工具，將原影像中值為
0的象元進行了處理，得到了
nibble
工具需要的掩膜柵格。
接著，我們就可以用
nibble
工具來處理了。
看看處理前後的對比：
還有一種更為簡單的方法，借鑑了鑲嵌資料集的函式鏈動態處理功能，使用掩膜函式和鄰域統計函式進行處理，具體引數設定請參考此文
。www.higis.cn/tech/tech/tid/7
傳統去噪 小波去噪
通過短波實現噪音消除，與高斯去噪的基本原理一致。小波變換具有如下特點 低熵性，小波係數的稀疏分布，使得影象變換後的熵降低 多解析度，由於採用了多解析度的方法，可以刻畫訊號的非平穩特徵 去相關性，小波變換可以對訊號進行去相關，且雜訊在變換後具有白化趨勢，所以小波域比時域更利於去噪 對於小波去噪問題的本...
python opencv濾波去噪
利用均值濾波去除雜訊，python版opencv的安裝不再贅述 左邊是原圖，右邊是濾波之後的結果 附 import cv2 生成8000個噪點 a random.randint 0 499 b random.randint 0 499 img01 a,b 255 cv2.imshow origina...
NLM去噪理解
參考 a non local algorithm for image denoising 參考部落格 內含 彩色影象 對於影象，我們設 v i u i n i 其中 v i 為帶雜訊的所觀測到的影象，u i 為真實不帶雜訊的影象，n i 是畫素點 i 的雜訊擾動。如下給出乙個帶雜訊的影象 其中 i ...