上一篇文章介绍了百分比截断拉伸,本篇介绍标准差拉伸,线性拉伸的思想还是不变,寻找极值范围,极值范围的值直接映射到目标像素极值上,其他值仍旧线性拉伸。
标准差拉伸寻找的极值有一个参数,那就是标准差倍数,ArcGis默认2.5倍的标准差范围作为极值范围,Erdas默认2倍标准差范围,也就是超过这个标准差范围的值将直接映射到目标像素范围的极值上。首先放算法:
/// \brief 标准差拉伸
/// \param pInter const T * poSrcData, 原始数据
/// \param T * poDstData, 目标数据块
/// \param int nSizex 数据长度
/// \param T smin, T smax 原始像素值域
/// \param T dmin, T dmax 目标像素值域
/// \param double StandardDeviation, 标准差
/// \param double avg 平均值
/// \param int Kn 倍数
/// \return
template<typename T>
inline int CImageCorrectionDlg::StandardDeviationTension(const T * poSrcData, T * poDstData, int nSizex,
T smin, T smax, T dmin, T dmax,
double StandardDeviation, double avg, int Kn)
{
//double k = (double)(dmax - dmin) / (smax - smin);
//double b = (double)(smax*dmin - smin*dmax) / (smax - smin);
0~K倍标准差 范围的值做映射其他值做极值
//double kb = K*StandardDeviation;
double ucMax = avg + Kn * StandardDeviation;
double ucMin = avg - Kn * StandardDeviation;
double k = (double)(dmax - dmin) / (ucMax - ucMin);
double b = (double)(ucMax*dmin - ucMin*dmax) / (ucMax - ucMin);
if (ucMin <= 0)
{
ucMin = 0;
}
#pragma omp parallel for
for (int i = 0; i < nSizex; i++)
{
if (poSrcData[i] == 0)
{
poDstData[i] = 0;
continue;
}
//当前点的标准差,
//int sd = (T)poSrcData[i] - (T)avg;
if (poSrcData[i] <= ucMin)
{
poDstData[i] = 0;
continue;
}
else if (poSrcData[i] >= ucMax)
{
poDstData[i] = 255;
continue;
}
//else if (poSrcData[i] >= ucMin && poSrcData[i] <= ucMax)
//{
// poDstData[i] = double(poSrcData[i] - ucMin) / (double)(ucMax - ucMin) * 255;
//}
int tmp = k*poSrcData[i] + b;
if (tmp <= 0)
{
if (poSrcData[i] == 0)
poDstData[i] = 0;
else
poDstData[i] = 1;//原来不是0的如果直接拉伸0将变为nodata
}
else if (tmp >= 255)
poDstData[i] = 255;
else
poDstData[i] = (T)tmp;
}
return 0;
}
算法结果图如下:
目前对这几种拉伸算法的应用场景还未做细致研究,后面将骤渐熟悉。