直方图增强改变显示对比但不增加观测信息
说明线性拉伸、分位截断、直方图均衡与匹配如何重分配显示值,并区分视觉增强和定量数据变换。
直方图增强改变显示对比但不增加观测信息
遥感影像常以较高位深保存物理量,而显示设备只有有限亮度范围。若直接把完整数值范围映射到屏幕,少量极端值会压缩大多数像元,地表差异看起来一片灰。对比度增强重新分配显示亮度,使已有差异更容易看见。
增强不会创造新的空间或光谱信息。它可以帮助解释和选样,却也可能放大噪声、改变相对亮度并制造视觉边界。定量分析应保留原始或物理校正值,把显示变换与数据计算分开。
直方图概括数值分布而不包含位置
直方图统计各数值区间的像元数量。它能显示动态范围、峰、偏斜和饱和,却不知道这些像元位于何处。两幅空间结构完全不同的影像可以拥有相同直方图。
计算范围会改变直方图。全景、当前视窗、陆地区域或去云区域得到的分布不同。交互软件若随缩放自动重算拉伸,用户会看到颜色跳变,应在界面说明拉伸范围。
无数据、云、边框和异常填充值必须先排除。把极大无数据值纳入统计,会让有效地表挤在极窄区间。
线性拉伸建立可解释的显示映射
最简单方法把输入下限到上限线性映射到显示范围。下限以下截为黑,上限以上截为白。若上下限使用真实最小和最大值,极端异常会降低主体对比。
分位截断用例如低、高分位作为端点,对异常更稳健,但被截像元会失去层次。端点比例应根据场景和任务记录,不应只保存增强后截图。
分段线性拉伸可对某一重要范围分配更多显示级别,例如突出中等植被值。它改变的是视觉敏感度,不代表这一范围测量更精确。
非线性变换适应偏斜分布
对数变换扩展低值、压缩高值,适合跨度很大的正值数据;幂律或 gamma 变换可调整暗部与亮部。变换前要处理零值、负值和单位,不能因公式方便随意平移物理量后再用于定量解释。
直方图均衡试图让输出亮度分布更均匀,能增强占比小的数值差异,也可能过度放大噪声并改变整体明暗关系。离散值和大面积同值区域会产生阶梯。
局部均衡按邻域增强对比,适合同时存在亮暗区域的影像,却可能在均匀区放大传感器噪声,并让相邻块出现不同视觉尺度。需要限制增益并检查拼接边界。
直方图匹配用于显示一致而非辐射校准
直方图匹配把一幅影像的分布变换得接近参考影像。它可用于地图拼接的视觉协调,但相同直方图不表示同一地物具有相同反射率。
两期影像若土地覆盖变化明显,强制匹配会压低真实变化或制造补偿。跨传感器还存在波段响应、大气和观测角度差异,显示匹配不能替代辐射定标、表面反射率处理和交叉校准。
参考影像的云、阴影和异常若未屏蔽,也会被传播到目标映射。应在稳定地物和共同有效区域上估计,并保留映射函数与适用范围。
多波段增强要维护颜色语义
RGB 合成中逐波段独立拉伸会改善每个通道对比,却改变通道比例和地物颜色。用于视觉判读可以接受,但不能再从屏幕颜色读取原始光谱关系。
统一端点保持跨波段比例,却可能让动态范围较小的通道对比不足。选择取决于是真彩色近似、假彩色判读还是跨期比较,图例和说明要明确波段组合与拉伸方式。
跨时相地图若每期自动独立拉伸,颜色变化可能只来自端点变化。时间对比应固定映射,或使用共同参考范围,并把超范围值明确显示。
增强结果需要防止进入分析链
最稳妥的系统将原始数据、分析数据和显示样式分层保存。后端统计和模型读取物理值,前端样式在渲染时应用拉伸。若必须导出增强影像,应在元数据中标记缩放、截断和输出位深。
从 16 位缩放到 8 位会合并数值,截断区域不可恢复。反复对已增强影像再增强会累积量化误差,不能用逆变换声称恢复原始值。
评价增强不只看“更清楚”。可检查饱和比例、噪声放大、边缘可辨性和不同显示设备的一致性,并由目标用户完成判读任务。直方图增强是表达工具,它让既有信息进入人的可见范围,但不提高传感器的测量精度。
拼接地图需要共同的表达基准
相邻景分别自动拉伸时,同一地物会在接缝两侧呈现不同颜色。可以在共同有效区域估计统一端点,或选择稳定参考景做受控匹配,但要先完成大气、云和异常值处理。若两景本身存在季节差异,强行消除接缝也可能掩盖真实现象。
面向多级缩放的服务还要决定统计是在全数据、区域金字塔还是当前瓦片上计算。逐瓦片均衡会产生棋盘状明暗,逐视窗拉伸则让用户平移时颜色不断变化。稳定地图通常采用预先计算、版本化的全局或分区样式参数。
表达参数应与图层版本一同缓存和失效。数据更新却继续使用旧直方图,可能导致新值饱和;只更新样式又会使历史截图不可复现。保存样式版本、色带、端点和统计范围,才能让视觉成果进入正式审计链。
资料依据
- Rafael C. Gonzalez、Richard E. Woods:Digital Image Processing, Fourth Edition,https://www.pearson.com/en-us/subject-catalog/p/digital-image-processing/P200000003224/9780133356779
- NASA Applied Remote Sensing Training Program:Fundamentals of Remote Sensing,https://appliedsciences.nasa.gov/sites/default/files/Fundamentals_RS_Session2_Land_Final.pdf