在卫星无人机遥感领域,获取高质量的影像是至关重要的。然而,由于多种因素,原始影像往往需要经过一系列的处理才能达到理想的效果。影像拉伸处理就是其中一种常见的技术,用于改善影像的视觉效果和提升分析价值。
那么,什么是影像拉伸处理?为何要进行这种处理?有哪些主要方式?我们常说的“动态拉伸”又是什么?影像拉伸的不同方式适用于哪些行业和应用场景?就让数小简用一篇文章带大家快速了解这些问题。
什么是影像拉伸处理?
影像拉伸处理,是一种数字图像处理技术,通过调整影像的像素值范围来增强影像的亮度和对比度,这种处理可以使得原本在原始影像中不明显的细节或特征变得更加清晰可见,从而改善图像质量并帮助更准确地进行地理空间分析和解译。
通过数简影像基础平台动态拉伸处理的卫星影像的前后对比
卫星无人机遥感影像拉伸需要根据具体的应用需求和数据特点来选择合适的拉伸方式和参数,以确保拉伸后的图像能够准确地反映地物信息和提高可视化效果。同时,影像拉伸处理可与波段映射功能结合使用,以达成更为明显的视觉对比效果,或对特定地物的信息突出与提取。
为何需要影像拉伸处理?
改善图像对比度:原始影像可能由于传感器特性或环境因素,导致整个影像或其中某些区域的对比度不足,拉伸处理可以改善这一点。
提高图像目视解译效果:提高影像的对比度有助于专业人员更准确地识别和分析地表特征。
突出感兴趣的地物信息:不同的应用场景需要针对某些地物类别提升对比度,不同的影像拉伸处理方式可提供针对需求突出特定目标。
机器学习和计算机视觉:辅助计算机视觉突出特定的图像区域或地物目标,以更准确地进行识别或学习。例如在图像分割任务中,线性拉伸可以帮助突出特定的图像区域,使得分割算法更容易识别目标;在神经网络输入等图像处理算法中,线性拉伸可以将图像的像素值范围归一化到[0,1]或[-1,1]。
具体有哪些拉伸方式?
基于拉伸采用的函数形式,可分为线性拉伸与非线性拉伸,而相对于整体来说,也有几种较为通用与基础的拉伸方式。数简平台支持常用的【线性拉伸】、【标准差拉伸】、【直方图均衡化】以及【伽马拉伸】四种影像拉伸方式,并可进行实时在线的动态处理与全分辨率即时浏览。
接下来,我们对这些拉伸方式与应用场景做具体介绍。
线性拉伸:线性拉伸是一种基础的图像处理技术,主要通过重新分配像素值范围来改善图像的对比度,使得图像的最小和最大像素值分别映射到0和255(在8位图像中),可用于增强图像的视觉效果,其适用场景较为广泛,特别是当图像的对比度较低、且整体对比度已相对均匀时。
假设原图像f(x、y)的灰度范围为[a,b],线性变换后图像g(x、y)范围为[a',b']。g(x、y)与f(x、y)之间的关系式为:
【2%线性拉伸】
例如常见的2%线性拉伸,以上公式中a取累计直方图的2%,b取累计直方图的98%,即在相应的拉伸时去除小于2%和大于98%的部分,这些部分被认为是异常值,它们可能是由于图像获取或处理过程中的噪声、异常点或其他因素导致的。通过去除这些异常值,2%线性拉伸可以更专注于图像中主要的、有价值的信息,从而提高图像的对比度和清晰度。这种拉伸方式适用于那些需要保留图像整体亮度和对比度,同时希望增强图像中非常暗或非常亮区域细节的情况。
数简平台对影像在线浏览效果默认值是2%线性拉伸,在全分辨率在线浏览时可获得较好的视觉体验,同时也支持用户自主拉伸处理时自由设置最大到5%的拉伸百分比;在设置拉伸处理方式同时,也可按需求设置波段映射自由组合参数,即时输出综合处理成果,在线全分辨率流畅浏览。
上方动图展示数简平台对一份1.2GB影像数据的动态拉伸处理,处理步骤为:将影像的拉伸效果从默认的【2%线性拉伸】切换为【不拉伸】、波段映射参数从默认的[3,2,1]切换为[4,3,1],无需等待,平台实时呈现处理结果并全分辨率浏览,即为该份数据在不拉伸情况下只改变波段的效果;再保持波段映射参数[4,3,1]不变,并将拉伸方式从【不拉伸】切换回【2%线性拉伸】,可见影像处理成果即时动态更新,即为该数据在在同样的波段映射基础上,进行2%线性拉伸的视觉效果。
值得注意的是,百分比线性拉伸的原理在于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,如果在需要提取分析异常值时,不应采用线性拉伸方式。
【标准差拉伸】
利用图像的像素值的标准差来调整图像的对比度,使得像素值的分布更加均匀,具体为通过修剪影像极值,然后对其他像素值进行线性拉伸来使影像的对比度增加。这种拉伸方式可以使得色调较暗的栅格数据集变亮,从而改善图像的显示效果和显示质量,提高影像的清晰度,突出便于分析的地物信息,使得地物更易于辨识。
🔼 数简平台对GB级影像的实时动态标准差拉伸(由直方图均衡化切换为标准差拉伸,波段为[4,3,1]),并支持用户自由设置最大到5%的拉伸百分比,同样对输出成果可进行即时在线全分辨率浏览
【最大最小值拉伸】
一种基本的线性拉伸技术,它通过使用图像的全局最小和最大像素值,即将图像中最暗和最亮的像素值映射到显示设备的最低和最高灰度级,来增强图像的对比度。一般适用于拉伸像素值分布密集的栅格影像,当图像的对比度较低,且像素值主要分布在一个较窄的范围内时,最大最小值拉伸可以有效地扩展这些值,使得图像的动态范围更加广泛,突出地表特征。
非线性拉伸:如果拉伸函数是非线性的,如直方图均衡化、指数拉伸、对数拉伸等,那么这种拉伸就称为非线性拉伸。非线性拉伸适用于需要特别强调图像特定部分或改善极端对比度的场景。
【直方图均衡化】
通过非线性变换使得图像的灰度级概率分布趋于均匀,从而提高图像的全局对比度。这项技术主要针对那些动态范围较小,即灰度级集中在较窄区间的图像,如过曝光或曝光不足的图像。直方图均衡化通过重新分配图像的灰度级,使得新的灰度直方图更加均匀分布,从而提高了图像的视觉效果。
直方图均衡化是一种简单而有效的方法,它通过改变图像的灰度分布来增强图像的对比度,使得图像的细节更加清晰可见。这种方法在图像预处理阶段较为常用,尤其是在需要改善图像质量以便于后续处理或分析的情况下。
🔼 数简平台对GB级影像的实时动态直方图均衡化拉伸(由2%线性拉伸→直方图均衡化拉伸,波段为[4,3,1]),并对输出结果实时全分辨率在线浏览
在机器学习和计算机视觉中,作为图像预处理步骤,直方图均衡化可以提高图像特征的可识别性,从而改善机器学习模型的性能。然而,这种方法可能会导致图像的某些细节丢失,特别是当原始图像的动态范围很小时。因此,在应用直方图均衡化时,需要根据具体的应用需求和图像特性进行权衡。
【伽马拉伸】
对输入图像灰度值进行的非线性操作,使输出图像灰度值与输入图像灰度值呈指数关系,让图像的整体亮度值得到提升,同时低灰度处的对比度得到增加,更利于分辨低灰度值时的图像细节。
🔼 数简平台支持对GB级影像的实时动态伽马拉伸处理(标准差拉伸→伽马拉伸,波段为[4,3,1]),并支持自定义拉伸因子,对输出结果实时全分辨率在线浏览
小于 1 的伽马值将降低较暗区域的对比度并增加较亮区域的对比度。这将使影像变暗,但不会降低影像的黑暗或明亮区域的饱和度。这有助于呈现较亮要素的细节,如建筑物顶部。相反,大于1的伽马值将增加较暗区域的对比度,如建筑物阴影。使用高程数据时,大于1的伽马值也将有助于呈现较低高程区域的细节。
在空间探索方面,伽马拉伸对于月球数据这样的灰度影像能够更好地分辨地物轮廓并提取信息。数简伽马拉伸处理,已从单一数值表示的拉伸方式,扩展为拉伸+拉伸因子模式,以更好地呈现地表要素细节及月球表面细节与信息。
通过数简影像基础平台拉伸处理的月球影像(右侧),可见灰度影像中增加呈现了更丰富的细节和信息
本期涉及到的影像拉伸动态处理完整操作
数简时空平台教程05 如何让卫星影像更清晰、更易于识别地物?数简平台的卫星影像四种动态拉伸方式 让遥感人提前下班!
什么又是“动态拉伸”?
熟悉数简,用过数简产品的朋友一定听过数简支持“动态拉伸”处理,这又指的是什么?
我们刚刚了解了拉伸的概念和主要方式,在实际业务中,用户通常需要进行数据成果分享和在线展示,然而卫星无人机采集到的影像数据因为体量较大,可达几十GB-TB级,需要先通过切片处理发布后,才能进行后续的校正、增强和计算等处理,一旦需求发生改变,就要重新对影像进行预处理,并在处理发布完成后浏览成果。
通过以上的操作展示,大家也可以体会到数简平台操作方式的不同——
数简通过核心技术创新,即使是大体量的卫星无人机影像数据,只需要在发布之前设置好自身所需的拉伸处理方式,平台会在影像发布过程中自动进行同步实时处理,用户看到发布成果就是已经按照参数设置拉伸处理完成的数据产品与OGC标准服务,可即时全分辨率在线浏览并一键分享展示;也支持将已发布的影像服务快速更改设置,输出结果也将动态更新。
数简时空基础平台对无人机影像的多光谱波段自由组合与标准差拉伸结合的动态处理,同样支持对输出结果的实时全分辨率在线浏览
同时,如果在组织内部或个人使用,原始影像无需发布也可进行拉伸等处理,同样支持立即全分辨率浏览处理后的成果,也可以在拉伸方式输出效果不满意时,灵活切换,用户可直接浏览动态更新的拉伸效果。具体可见下面这个实际操作教程案例
数简时空平台教程02 卫星无人机影像发布与管理 百GB级数据秒级发布与图层灵活管理
同样类型的实时在线动态处理功能,数简平台还支持动态投影、动态rpc校正,以及多光谱波段自由组合,不仅支持卫星遥感影像,同样也支持无人机影像,在低空经济和人工智能时代,助力充分发挥低空数据要素价值,为机器学习和计算机视觉的大模型训练提供高效基础。
影像拉伸业务场景应用
农业监测:通过拉伸处理,可以更清晰地识别作物生长状况和土地利用类型。标准差拉伸可以用于增强地表特征的对比度,帮助分析不同地形或植被类型。
环境监测:增强的水体和植被细节有助于监测环境变化和灾害。2%线性拉伸可以用来增强地表特征,如植被、水体等。
测绘测量:城市建筑和道路的清晰度提高、特征突出,有助于对路网等要素进行提取,也可作为DOM生产的预处理环节。
空间探索:在月球等星球太空探索中,特定的拉伸处理功能有利于分辨地物轮廓不明显,或灰度影像中的细节信息。