2.13. 空间滤波¶
另一个经常泄露不同性质有价值信息的处理过程是空间过滤。虽然这种技术不太常见，但它探索了不同亮度的像素在图像上的分布，尤其是检测和锐化边界不连续性。场景照明的这些变化通常是渐进的，而不是突然的，产生了一种我们定量地表示为“空间频率”的关系。空间频率定义为沿图像中特定方向每单位距离（例如，10个周期/mm）图像dn值的变化周期数。只有一个空间频率的图像由等间距的条纹（栅格线）组成。例如，打开电视机的空白电视屏幕上有水平条纹。这种情况对应于水平方向的零频率和垂直方向的高空间频率。
一般来说，实际感兴趣的图像由几个主要的空间频率组成。图像中的细微细节涉及的每单位距离的变化比图像的总体特征要多。将图像分割成各种空间频率分量的数学技术称为傅立叶分析。将图像分割成其组成部分（以“傅立叶变换”的形式进行）后，可以强调相对于其他频率的某些频率组（或“频带”），并将空间频率重新组合成增强图像。为此，算法被称为“滤波器”，因为它们抑制（去强调）某些频率，并传递（强调）其他频率。滤波器通过高频，因此，强调细节和边缘，被称为高通滤波器。低通滤波器抑制高频，对平滑图像很有用，可以减少或消除“盐和胡椒”噪声。
卷积滤波是实现空间滤波器的常用数学方法。在这种情况下，每个像素值都被以该像素为中心的正方形区域的平均值所取代。方形大小通常为3 x 3、5 x 5或9 x 9像素，但其他值可以接受。在低通滤波中，这会减少与局部平均值的偏差，从而使图像平滑。输入图像和低通图像之间的差异是高通滤波输出。通常，空间过滤的图像必须进行对比度拉伸才能使用全范围的图像显示。然而，过滤后的图像往往是平的。
接下来，我们将对来自莫罗湾的TM波段2应用三种类型的滤波器。我们首先显示的是一个低通（平均值）滤波器产品，它倾向于概括图像：
在本例中，场景保留其一般外观，但它突出显示街道，并且更好地定义了一些山脊。注意，沉积物边界也更容易看到。
1-13: Comment further (evaluate) the three filter images shown above in terms of what information you extract visually. Include detrimental aspects. `ANSWER <answer.html#1-13>`__