1 引言
在遥感影像处理和分析中，色彩增强是一个常见的任务。通过色彩增强，我们可以更清晰地展示影像中的某些特征，如植被、水体等。本篇博客将介绍如何使用GDAL（地理空间数据抽象库）和Python进行影像植被色彩增强处理，并实现批量处理功能。
遥感影像自然真彩色合成可分为以下几种方法：
1、直接用多光谱影像的红、绿、蓝通道合成，一般用于高分辨率影像；
2、利用其它波段加权处理，重新生成红、绿、蓝波段，一般用于增强某种地物颜色层次，如植被、水体等；
3、利用其它波段信息重新生成某一波段，一般用于缺少波段的传感器，如SPOT、Aster等。
2 数据
目前只针对国产的高分系列中的光学影像。
3 植被色彩增强方法
这里输入数据可以是原始的L1级数据，也可以是经过大气校正、几何RPC校正后的L2级数据。
输出数据为4波段的8bit的数据。
简单地说一下方法流程：
1.依次读取输入数据的第一、第三、第四波段，对这些波段数据进行线性拉伸，把数据拉伸到8bit。再保存为输出数据的第一、第三、第四波段。
2.读取输入数据的第二波段、第四波段，利用第二波段、第四波段计算NDVI。
3.对NDVI进行二维掩膜，NDVI大于0.2的像素赋值为1，NDVI小于0.2的像素赋值为0，该掩膜记为mask。
4.在输入数据的第二波段，令符合mask=1的像素，根据以下公式进行赋值：
new_data = band2 * a + band4 * (1-a)
这里的band2指绿波段、band4指近红外波段、a是增强数值
5.在输入数据的第二波段，令符合mask=0的像素,进行线性拉伸，把数据拉伸到8bit。与步骤4的结果进行合并，保存为输出数据的第二波段。
4 结果对比
原始数据在ENVI以线性拉伸的可视化结果
植被增强后，无需拉伸，在ENVI可视化的结果
局部放大对比
原始数据在ENVI以百分之二线性拉伸的可视化结果
植被增强后，无需拉伸，在ENVI可视化的结果
原始数据在ENVI以百分之一线性拉伸的可视化结果
植被增强后，无需拉伸，在ENVI可视化的结果：
5 缺点
这种色彩增强的目的是为了某种地物更加鲜艳。
但是，这样做法会破坏光谱信息，后续不能作于遥感反演。
6 总结
通过使用GDAL和Python，我们可以轻松实现影像的色彩增强处理，并且支持批量处理。这种方法可以帮助我们更好地分析和展示遥感影像中的重要特征。
明晚把植被色彩增强的写成一个简易软件，然后通过云盘的方法进行分享、学习。
今天先到这里了。
（完）
往期文章回顾
为什么看好Geopackage而不是shapefile或Geojson
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
