ENVI的几种图像拉伸方式 | 您所在的位置:网站首页 › 遥感图像裁剪的几种方法 › ENVI的几种图像拉伸方式 |
前言
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 一、线性拉伸(Linear) 1.线性拉伸(Linear)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。 二、直方图(Histogram) 1.直方图均衡化(Histogram Equalization)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。 2.直方图匹配(Histogram Matching)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。 三、高斯拉伸(Gaussian)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。 四、平方根拉伸(SquareRoot)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。 ![]() 参考 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 |
CopyRight 2018-2019 实验室设备网 版权所有 |