ENVI的几种图像拉伸方式

不同遥感影像的DN值分布情况不同，在对影像处理完后。相应的DN值分布也会发生一些变化。因此，总结了一些ENVI的拉伸方式的不同与区别。根据DN值的分布情况，以及实际效果选择合适的拉伸方式。仅供参考，如有错误，敬请指正！

目录

前言

一、线性拉伸(Linear)

1.线性拉伸（Linear）

 2.优化线性拉伸（Optimized Linear）

二、直方图（Histogram）

1.直方图均衡化（Histogram Equalization）

2.直方图匹配（Histogram Matching）

三、高斯拉伸（Gaussian）

四、平方根拉伸（SquareRoot）

参考

linear拉伸包括线性拉伸和百分比拉伸。liner 0-255是线性拉伸，默认指的是将图像的DN值拉伸到0-255范围内。linear 1%和2%指的是百分比的图像拉伸，linear 2%就是拉伸时去除小于2%和大于98%的部分，这些部分被认为是异常值，会在拉伸时去除。除此之外，ENVI还提供了linear 5%。

线性拉伸的效果明显的体现出将低于和高于规定百分比的DN值去除，这些DN值往往作为异常出现，在需要提取分析异常值时，不应采用线性拉伸方式。

ENVI还提供了优化线性拉伸。相比普通线性拉伸，优化的线性拉伸提供了更多的参数来控制输出的平均值，暗部和亮部。

直方图均衡化是非线性拉伸，是一种典型的图像增强技术。它的目的是将原本较为集中的灰度直方图分布，分散到全局中去。通过一个变化函数，将已有的灰度直方图扩大到更宽的范围中。当已知直方图均衡化函数时，该操作就可逆。有一点需要注意，直方图均衡化只是对亮部和暗部的增强，而不是颠倒。

直方图均衡化通常被用于增加全局对比度。增大反差，使得图像更清晰。不会损失DN值，但会根据变化函数改变原始DN值。

直方图匹配又称直方图规定化。直方图匹配的思想是，通过对图像进行数学变化，使得图像的灰度直方图与另一张图像的灰度直方图类似。常用于多张影像的拼接或者是多时遥感影像的动态观察方面。

直方图匹配还可以消除太阳高度角和大气校正的影响。

高斯拉伸的目的在于使处理结果更接近正态分布，如图3红线所示。ENVI中高斯拉伸默认以127为中间值，低于和高于三个标准差的DN值设为0和255。指数拉伸和对数拉伸（logarithmic）都是非线性拉伸，指数拉伸可以增强亮区，减弱暗区；对数拉伸可以增强暗区，减弱亮区。0-127部分的DN值以指数方式拉伸，127-255以对数方式拉伸。

 与直方图均衡化拉伸相比，高斯拉伸后云层偏灰色，地形和地貌对比度相对变差，但城市的对比度增强。

对图像直方图，按照取平方根处理。平方根的结果变得更加平滑，如图4红线所示，影像对比度下降。

ENVI使用教程之直方图_envi直方图_Shona-G的博客-CSDN博客

遥感图像处理（北师）笔记_高斯拉伸_love_lqz的博客-CSDN博客用Python实现ENVI中的“优化的线性拉伸”_envi线性拉伸工具在哪_碧血洒长空的博客-CSDN博客envi图像显示的原理？ - 老白网络用Python实现ENVI中的“优化的线性拉伸”_envi线性拉伸工具在哪_碧血洒长空的博客-CSDN博客

http://support.supermap.com.cn/DataWarehouse/WebDocHelp/iMobileForAndroid/ProgrammingReference/com/supermap/mapping/ImageStretchType.html遥感图像处理（北师）笔记_高斯拉伸_love_lqz的博客-CSDN博客

ENVI%2线性拉伸算法实现_文档下载