图像灰度变换实验报告

一份优质的报告，需要以总结性的语录、合理的格式，进行工作与学习内容的记录。想必你也正在为如何写好报告而发愁吧？以下是小编精心整理的《图像灰度变换实验报告》，希望对大家有所帮助。

第1篇：图像灰度变换实验报告

数字图像处理图像变换实验报告

数字图象处理实验指导书

实验一 图象变换实验

实 验

实验名称：图像处理姓名：刘强

班级：电信

学号：

报 告

1102

1404110128

数字图象处理实验指导书

实验一 图象变换实验

实验一 图像变换实验——图像点运算、几何变换及正交变换

一、 实验条件

PC机 数字图像处理实验教学软件

大量样图

二、 实验目的

1、 学习使用“数字图像处理实验教学软件系统”，能够进行图像处理方面的简单操作;

2、 熟悉图像点运算、几何变换及正交变换的基本原理，了解编程实现的具体步骤;

3、 观察图像的灰度直方图，明确直方图的作用和意义;

4、 观察图像点运算和几何变换的结果，比较不同参数条件下的变换效果;

5、 观察图像正交变换的结果，明确图像的空间频率分布情况。

三、 实验原理

1、 图像灰度直方图、点运算和几何变换的基本原理及编程实现步骤

图像灰度直方图是数字图像处理中一个最简单、最有用的工具，它描述了一幅图像的灰度分布情况，为图像的相关处理操作提供了基本信息。

图像点运算是一种简单而重要的处理技术，它能让用户改变图像数据占据的灰度范围。点运算可以看作是“从象素到象素”的复制操作，而这种复制操作是通过灰度变换函数实现的。如果输入图像为A(x,y)，输出图像为B(x,y)，则点运算可以表示为：

B(x,y)=f[A(x,y)] 其中f(x)被称为灰度变换(Gray Scale Transformation，GST)函数，它描述了输入灰度值和输出灰度值之间的转换关系。一旦灰度变换函数确定，该点运算就完全确定下来了。另外，点运算处理将改变图像的灰度直方图分布。点运算又被称为对比度增强、对比度拉伸或灰度变换。点运算一般包括灰度的线性变换、阈值变换、窗口变换、灰度拉伸和均衡等。

图像几何变换是图像的一种基本变换，通常包括图像镜像变换、图像转置、图像平移、图像缩放和图像旋转等，其理论基础主要是一些矩阵运算，详细原理可以参考有关书籍。

实验系统提供了图像灰度直方图、点运算和几何变换相关内容的文字说明，用户在操作过程中可以参考。下面以图像点运算中的阈值变换为例给出编程实现的程序流程图，如下：

数字图象处理实验指导书

实验一 图象变换实验

2、 图像正交变换的基本原理及编程实现步骤 数字图像的处理方法主要有空域法和频域法，点运算和几何变换属于空域法。频域法是将图像变换到频域后再进行处理，一般采用的变换方式是线性的正交变换(酉变换)，主要包括傅立叶变换、离散余弦变换、沃尔什变换、霍特林变换和小波变换等。正交变换被广泛应用于图像特征提取、图像增强、图像复原、图像压缩和图像识别等领域。

正交变换实验的重点是快速傅立叶变换(FFT)，其原理过于复杂，可以参考有关书籍，这里不再赘述。至于FFT的编程实现，系统采用的方法是：首先编制一个一维FFT程序模块，然后调用该模块对图像数据的列进行一维FFT，再对行进行一维FFT，最后计算并显示幅度谱。程序流程图如下：

四、 实验内容

图像灰度直方图

点运算：图像反色、灰度线性变换、阈值变换、窗口变换、灰度拉伸和灰度

数字图象处理实验指导书

实验一 图象变换实验

均衡

几何变换：图像镜像变换、图像转置、图像平移、图像缩放和图像旋转 正交变换：傅立叶变换、离散余弦变换、沃尔什变换、霍特林变换和小波正反变换

注意：

1、 所有实验项目均针对8位BMP灰度图像进行处理，其它格式(如JPG)的图像可以利用系统提供的图像格式转换工具进行转换，再进行处理;

2、 本次实验的重点是图像的灰度直方图和点运算，几何变换和正交变换只作一般性了解。

五、 实验步骤

以图像灰度阈值变换为例说明实验的具体步骤，其它实验项目的步骤与此类似。

1、 打开计算机，在系统桌面上双击“数字图像处理实验教学软件系统”的可执行文件“图象处理”的图标，进入实验系统;

2、 执行文件→打开，在OPEN对话框中选择待处理的图像，按【OK】后系统显示出图像;

3、 执行查看→图像基本信息，将显示图像基本信息对话框，如图所示;

数字图象处理实验指导书

实验一 图象变换实验

4、 执行查看→灰度直方图，查看图像的灰度直方图，如图所示;

5、 执行图像变换→正交变换→傅立叶变换，查看图像的频率域分布情况，如图所示;

数字图象处理实验指导书

实验一 图象变换实验

6、 执行图像变换→正交变换→小波变换，查看图像经过小波变换的效果，如图所示;

7、 执行图像变换→点运算→阈值变换，修改阈值变换对话框中的阈值参数，如图所示;

数字图象处理实验指导书

实验一 图象变换实验

8、 设置完阈值参数后按【OK】,系统显示阈值变换后的图像，与原图像进行比较，观察阈值变换的效果，如图所示;

9、 重复步骤4，查看阈值变换后图像的直方图分布情况;

数字图象处理实验指导书

实验一 图象变换实验

10、 重复步骤5，查看阈值变换后图像的频率域分布情况;

11、执行文件→保存或另存为，保存处理后的图像;

12、执行文件→重新加载，重新加载原始图像，但要注意先前对图像的处理将会丢失; 注意：

13、在执行步骤2时可能会出现有些图像文件不能打开的情况，如图所示，此时可以先利用图像格式转换工具将图像文件转换为8位BMP图像，再利用系统进行处理。步骤14和15是使用图像格式转换工具的方法;

14、在桌面上双击图像格式转换工具Jpg2bmp的图标，进入转换工具界面，如图所示;

15、按照界面提示，把JPG格式的图像文件转换成8位BMP图像。

数字图象处理实验指导书

实验一 图象变换实验

步骤13示意图

步骤14示意图

六、 思考题

1、 图像灰度线性变换、阈值变换、窗口变换、灰度拉伸和灰度均衡之间有何区别?

灰度线性变换就是将图像的像素值通过指定的线性函数进行变换，以此增强或者减弱图像的灰度。

灰度的阈值变换可以让一幅图像变成黑白二值图。

灰度的窗口变换也是一种常见的点运算。它的操作和阈值变换类似。从实现方法上可以看作是灰度折线变换的特列。窗口灰度变换处理结合了双固定阈值法，与其不同之处在于窗口内的灰度值保持不变。

灰度拉伸又叫做对比度拉伸，它与线性变换有些类似，不同之处在于灰度拉伸使用的是分段线性变换，所以它最大的优势是变换函数可以由用户任意合成。

灰度均衡是增强图像的有效方法之一。灰度均衡同样属于改进图像的方法，灰度均衡的图像具有较大的信息量。从变换后图像的直方图来看，灰度分布更加均匀。

2、 利用图像镜像和旋转变换可以实现图像转置吗?如果可以，应该怎样实现?

可以。进行一次镜像变换，顺(逆)时针旋转两次，再以与第一次相反的方向镜像变换。

数字图象处理实验指导书

实验一 图象变换实验

实验二 图像增强及复原实验

七、 实验条件

PC机 数字图像处理实验教学软件

大量样图

八、 实验目的

1、 熟练使用“数字图像处理实验教学软件系统”;

2、 熟悉图像增强及复原的基本原理，了解编程实现的具体步骤;

3、 观察图像中值滤波、平滑、锐化和伪彩色编码的结果，比较不同参数条件下的图像增强效果;

4、 观察图像退化和复原的结果，比较不同复原方法的复原效果。

九、 实验原理

1、 图像增强和复原的基本原理

对降质图像的改善处理通常有两类方法：图像增强和图像复原。

图像增强不考虑图像降质的原因，只将图像中感兴趣的特征有选择地进行突出，并衰减图像的次要信息，改善后的图像不一定逼近原始图像，只是增强了图像某些方面的可读性，如突出了目标轮廓，衰减了各种噪声等。图像增强可以用空域法和频域法分别实现，空域法主要是在空间域中对图像象素灰度值直接进行运算处理，一般包括中值滤波、模板平滑和梯度锐化等，空域法可以用下式来描述：

g(x,y)=f(x,y)*h(x,y) 其中f(x,y)是处理前图像，g(x,y)表示处理后图像，h(x,y)为空间运算函数。图像增强的频域法是在图像的频率域中对图像的变换值进行某种运算处理，然后变换回空间域，系统涉及的各种滤波器属于频域法增强，这是一种间接处理方法，可以用下面的过程模型来描述：

其中：F(u,v)=[ f(x,y)]，G(u,v)= F(u,v)H(u,v)，g(x,y)=1[ G(u,v)]，和1分别表示频域正变换和反变换。实验系统提供了图像增强相关内容的文字说明，用户在操作过程中可以参考。

图像复原是针对图像降质的原因，设法去补偿降质因素，使改善后的图像尽可能逼近原始图像，提高了图像质量的逼真度。关于图像复原的详细原理可以参考相关书籍，这里不再赘述。本系统提供了图像的噪声退化、卷积退化和运动模糊退化操作，并提供了相应的逆滤波复原、维纳复原和运动模糊复原操作。本次

数字图象处理实验指导书

实验一 图象变换实验

实验中图像复原只作一般性了解。

2、 编程实现步骤

下面以图像增强中的中值滤波操作为例给出编程实现的程序流程图，如下：

十、 实验内容

图像增强：中值滤波、图像模板平滑、理想低通滤波器平滑、巴特沃斯低通滤波器平滑、梯度锐化、拉普拉斯锐化、理想高通滤波器锐化、巴特沃斯高通滤波器锐化和伪彩色编码

图像复原：图像的噪声退化、卷积退化、卷积加噪声退化、运动模糊退化、逆滤波复原、维纳复原和运动模糊复原

注意：

3、 所有实验项目均针对8位BMP灰度图像进行处理;

4、 本次实验的重点是图像增强中的中值滤波和模板平滑，图像复原只作一般性了解。

十一、 实验步骤

以图像中值滤波操作为例说明实验的具体步骤，其它实验项目的步骤与此类似。

11、 打开计算机，在系统桌面上双击“数字图像处理实验教学软件系统”的可执行文件“图象处理”的图标，进入实验系统;

12、 执行文件→打开，在OPEN对话框中选择待处理的图像，按【OK】后系统显示出图像;

数字图象处理实验指导书

实验一 图象变换实验

13、 执行查看→图像基本信息，将显示图像基本信息对话框，如图所示;

14、 执行查看→灰度直方图，查看图像的灰度直方图，如图所示;

数字图象处理实验指导书

实验一 图象变换实验

15、 执行图像变换→正交变换→傅立叶变换，查看图像的频率域分布情况，如图所示;

16、 执行图像增强→中值滤波，选择或自定义对话框中的滤波器参数，如图所示;

数字图象处理实验指导书

实验一 图象变换实验

17、 设置完滤波器参数后按【OK】,系统显示中值滤波后的图像，与原图像进行比较，观察中值滤波的效果，如图所示;

18、

重复步骤4，查看中值滤波后图像的直方图分布情况;

数字图象处理实验指导书

实验一 图象变换实验

19、 重复步骤5，查看中值滤波后图像的频率域分布情况;

10、执行文件→保存或另存为，保存处理后的图像;

11、执行文件→重新加载，重新加载原始图像，但要注意先前对图像的处理将会丢失。

数字图象处理实验指导书

实验一 图象变换实验

十二、

思考题

1、 图像中值滤波和模板平滑之间有何区别?

图像平滑处理就是用平滑模板对图像进行处理，以减少图像的噪声。而中值滤波是一种非线性的信号处理方法。

2、 图像增强和图像复原之间有何区别?

图像增强：利用一定的技术手段，不用考虑图像是否失真(即原 始图像在变换后可能会失真)而且不用分析图像降质的原因。针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。

图像复原：针对质量降低或者失真的图像，恢复图像原始的内容或者质量。图像复原的过程包含对图像退化模型的分析，再对退化的图像进行复原。图像退化是由于成像系统受各种因素的影响，导致了图像质量的降低，称之为图像退化。这些因素包括传感器噪声、摄像机聚焦不佳、物体与摄像机之间的相对移动、随机大气湍流、光学系统的象差、成像光源和射线的散射等。 图像复原大致可以分为两种方法：

一种方法适用于缺乏图像先验知识的情况，此时可对退化过程建立模型进行描述，进而寻找一种去除或消弱其影响的过程，是一种估计方法;

另一种方法是针对原始图像有足够的先验知识的情况，对原始图像建立一个数学模型并根据它对退化图像进行拟合，能够获得更好的复原效果。

3、 图像维纳复原为什么比逆滤波复原效果好?

维纳滤波复原的原理可表示为

对于维纳滤波，由上式可知，当

时，由于存在 项，所以数字图象处理实验指导书

实验一 图象变换实验

不会出现被0除的情形，同时分子中含有项，在处，。当时，，此时维纳滤波就变成 了逆滤波;当时，，表明维纳滤波避免了逆滤波中 出现的对噪声过多的放大作用,也就是说图像维纳复原比逆滤波复原效果好。

第2篇：遥感图像处理实验报告

班级 11资环 姓名 学号 实验专题 实验室 F楼机房 成绩评定 教师签字

专题一：DEM图像进行彩色制图··························································2 (叙述制图过程并把自己处理结果加载到本文档里)

专题二：TM与SPOT数据融合····························································3 (叙述该过程并处理结果加载到本文档里。注意用两种方法融合的过程)

专题三：航片的配准与镶嵌·····························································4 (叙述该过程并处理结果加载到本文档)

专题四：切取某研究区域的操作·························································5 (具体要求：卫星影象叠加，选择其中三波段彩色合成，采用ROI切取研究区)

专题五：地图制图的方法·······························································6 (主要是快速制图。并任选一样例加载制图后结果)

专题六：使用ENVI进行三维曲面的浏览与飞行············································7 (叙述该过程并处理结果加载到本文档里)

专题七：监督分类试验(任选一种监督分类方法，并叙述···································8 (其过程将其结果加载到本档里)。

1 实验专题： 专题一：DEM图像进行彩色制图

1、加载一幅DEM的灰度图像，使用系统默认的IDL颜色表来调整屏幕的颜色表。

2、给生成的彩色图像添加图名、格网、比例尺、灰度条、等高线及数值等信息。

3、调整位置，保存图像。结果如下图

2 实验专题： 专题二：TM与SPOT数据融合

1、主图象窗口选择Transform > Image Sharpening > HSV，从一个打开的彩色图像中选择三个波段进行变换。

2、对原DEM图像进行拉伸处理。

3、将HSV图像重新转换为RGB图像。分别对应H-R,S-G,拉伸图像-B。

4、加载最终图像，并保存结果。 结果如图所示：

实验专题： 专题三：航片的配准与镶嵌

1、加载两幅图像，其中一幅作为base image，一幅作为warp image。

2、在主菜单Registration里的Select GCP(Ground Control Points)来选择地面控制点，并调整误差。

3、执行图像—地图配准。

4、图像镶嵌。执行Map> Mosaicking > Pixel Based。

5、在Pixel Based Mosaic对话框，选择Import > Import Files and Edit Properties，调整羽化、背景等参数。

6、输入其他参数，加载结果图并保存。 结果如图：

实验专题： 专题四：切取某研究区域的操作

1、加载一多波段彩色图像，在主图像窗口中，选择Overlay > Region of Interest。

2、ROI的类型选择polygon，在image窗口中画出研究的区域。

3、通过选择Basic Tools > Masking > Build Mask，建立掩膜。

4、选择Basic Tools > Masking > Apply Mask，应用掩膜来切取研究区域。结果如下：

实验专题： 专题五：地图制图的方法

1、打开显示要输出的图像。

2、从主图像显示窗口中，选择File>Quickmap>New Quickmap，修改输出页的大小、页的范围以及地图的比例。

3、设置图名、投影并添加map key等信息，保存图像。结果如下：

实验专题： 专题六：使用ENVI进行三维曲面的浏览与飞行

1、在显示图像的主图像窗口中，选择Tools> 3-D SurfaceView。

2、选择相应的数字高程模型(DEM) 输入文件及所需要的DEM Resolution(像元数) 复选框。

3、调整垂直方向的放大系数，输入的值将使得垂直方向真正放大。值越高，放大越多。

4、执行User Defined Mode对话框以调整3D图像的位置，角度等信息。

5、选取最佳视觉位置保存。

实验专题： 专题七：监督分类试验

1、首先选择感兴趣区域，即ROI。

2、选择Classification > Supervised > 需要的分类方法，以平行六面体(Parallelepiped)为例。

3、输入一般的分类参数(分类参数对话框中列出的那些)，这一对话框包含了一个额外的参数—标准差数，用于ROI平均值周围。在“Max stdev from Mean”文本框里，键入一个数值。标准差的默认值3被自动输入到这一文本框里。

4、执行，并保存结果。如图所示

第3篇：光学图像处理实验报告

直方图均衡化的研究

一、摘要

直方图均衡化就是把一已知灰度概率分布的图像经过一种变换,使之演变成一幅具有均匀灰度概率分布的新图像。它是以累积分布函数变换法为基础的直方图修正法。分析和总结灰度直方图的均衡化算法并通过VC++实验验证该方法能有效达到图像增强的目的。对于较为暗淡的图像，采用直方图均衡化能够增强其整体对比度，获的较为理想的观察效果。

二、关键字

灰度统计

直方图

均衡化

三、实验原理

1、直方图的理论基础：

(1)直方图概念：灰度直方图表示图像中每种灰度出现的频率。 (2)直方图的作用： 反映一幅图像的灰度分布特性

n(3)直方图的计算：

p(rk)k0rk1k0,1,2,,l1 n式中：nk为图像中出现rk级灰度的像素数，n是图像像素总数，而nk/n即为频数。

2、设计目的： 产生一幅灰度级分布具有均匀概率密度的图像，扩展像素取值的动态范围，达到了图象增强的目的。

3、直方图均衡化的效果 ：

1)变换后直方图趋向平坦，灰级减少，灰度合并。

2)原始象含有象素数多的几个灰级间隔被拉大了，压缩的只是象素数少的几个灰度级，实际视觉能够接收的信息量大大地增强了，增加了图象的反差。同时，也增加了图象的可视粒度。

4、离散情况下的直方图均衡化的算法：

A、列出原始图像的灰度级 fj,j0,1,,L1

B、统计各灰度级的像素数目 nj,j0,1,,L1

C、计算原始图像直方图各灰度级的频数 Pf(fj)nj/n,j0,1,,L1

kD、计算累积分布函数 C(f)j0Pf(fj),j0,1,,k,L1

F、应用以下公式计算映射后的输出图像的灰度级，P为输出图像灰度级的个数，其中INT为取整符号：

giINT[(gmaxgmin)C(f)gmin0.5] G、用的映射关系修改原始图像的灰度级，从而获得直方图近似为均匀分布的输出图像。



四、实验内容及源程序

1、灰度分布密度的统计 程序代码如下：

/*********************************************** *函数名称：ZhiFangTu(float *tongji) *函数类型：void *变量说明：tongji，灰度分布密度统计 *功能：对图像进行灰度直方图统计

***********************************************/ void CAAAView::OnZhifangtu(float *tongji) { // TODO: Add your command handler code here

int huidu[256];//灰度计数

CAAADoc* pDoc = GetDocument();

LPSTR lpDIB; LPSTR

lpDIBBits;

lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) pDoc->GetHDIB());

lpDIBBits = ::FindDIBBits(lpDIB);//原图数据区指针

int iH,iW; memset(huidu,0,sizeof(huidu));//变量初始化

iH = ::DIBHeight(lpDIB);//宽

iW = ::DIBWidth(lpDIB); //长

LPBYTE temp1=new BYTE[iH*iW];//新图像缓冲区

memcpy(temp1,lpDIBBits,iH*iW);//复制原图像到缓冲区

for(int i=0;i

{ for(int j=0;j

{

unsigned char temp;

temp=temp1[iW*i+j];//灰度统计计数

huidu[temp]++; } } for( i=0;i<256;i++)//统计灰度分布密度

tongji[i]=huidu[i]/(iH*iW*1.0f); }

2、直方图分布的均衡化

(1)统计直方图数组，用一个数组p记录pi; (2)i从1开始，令sisi1pi;

(3)一个数组L记录新的s的索引值，即令Lisi*(2561);

(4)依次循环每个像素，取原图的像素值作为数组L的下标值，取该下标值对应的数组值作为均衡化之后的像素值。 程序代码如下：

/*********************************************** *函数名称：zhifangtujunheng *函数类型：void *变量说明：无

*功能：对图像进行灰度分布均衡化处理

***********************************************/ void CAAAView::OnZhifangtujunheng() { // TODO: Add your command handler code here CAAADoc* pDoc = GetDocument();

LPSTR lpDIB; LPSTR

lpDIBBits;

lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) pDoc->GetHDIB());

lpDIBBits = ::FindDIBBits(lpDIB);//原图数据区指针

float Hdmd[256];//灰度密度

float temp[256];//中间变量

int a[256]; long i,j; memset(temp,0,sizeof(temp));//初始化

OnZhifangtu(Hdmd);//获取图像的灰度密度分布

for(i=0;i<256;i++)//进行均衡化处理

{

if(i==0)

{

temp[0]=Hdmd[0];

}

else

{

temp[i]=temp[i-1]+Hdmd[i];

}

a[i]=(int)(255.0f*temp[i]+0.5f); }

long iH,iW;

iH = ::DIBHeight(lpDIB);//宽

iW = ::DIBWidth(lpDIB); //长

for(i=0;i

{ for(j=0;j

{ unsigned char temp1;//将转换后的灰度分布写入dib图像

temp1=*(lpDIBBits+i*iW+j);

*(lpDIBBits+i*iW+j)=a[temp1]; } } pDoc->UpdateAllViews(NULL); ::GlobalUnlock((HGLOBAL) pDoc->GetHDIB()); EndWaitCursor(); }

五、实验结果的分析与比较

a原图如下所示：

b均衡后的结果如下：

结论：图像直方图趋于平坦化，且灰度间隔被拉大，从而有利于图像的分析和识别。对于较为暗淡的图像，采用直方图均衡化能够增强其整体对比度，获的较为理想的观察效果。

六、参考文献

VC++图像处理程序设计(第二版)(杨淑莹等 编著)

第4篇：遥感图像处理应用实验报告 西北农林科技大学2010 实习二

实验二分层分类法

一、实验原理：

面对自然界复杂的事物或现象，我们不可能用一个统一的分类模式来描述或进行区域景物的识别与分类。需要深入研究它们的总体规律及内在联系，理顺其主次或因果关系，建立一种树状结构的框架。即建立所谓的分类树，来说明它们的复杂关系，并根据分类树的结构逐级分层次地把所研究的目标一一区分、识别出来。这就是分层分类法

二、实验数据：

杨凌2003年0614影像，分类模板12类地物。实验一通过训练区区分的12类地物的统计结果，均值，标准差。

三、实验步骤：

设计叠合光谱图

根据12类地物的统计结果，以均值为中心，标准差长度为星线表示各类地物各个波段平均光谱响应，将导出的数据导入到Excel里，在Excel里进行数据处理，制作叠合光谱图。横坐标为灰度值，纵坐标为地物类型，12种地物分别为1=水库，2=河流，3=柏油路，4=水泥路，5=农村，6=城市，7=乔木林，8=灌木林，9=果园，10=草地，11=有作物，12=无作物。

根据叠合光谱图进行分层分类

首先根据1波段将十二种地物划分成1,2,9,10,11与7,8与3,12与4,5,6四种，然后根据4,5波段将1,2,9,10,11分成1与2与9,10,11，根据4,6波段将7,8地物分开，根据2,3,5,6波段将3,12地物分开，根据第3波段将4,5,6分成4,5与6，最后根据第6波段将9,10,11划分成9,11与10，根据第7波段将4,5地物分开。

形成判别树

根据上述依据画出将12种地物区分开的分层分类树。

四、实验结果：

五、实习总结：

制作分层分类树时用到了Excel制作图表的知识，使用时学到了很多Excel制表方面的知识。它使用到分类模板，导出报表，使用报表中的标准差，协方差来进行制图处理。得到图表以后，通过不同地物之间的交叉重叠等，区别出不同的地物，然后根据依据的波段画出分层分类树。为遥感解译提供依据。