本篇博客旨在将自己对遥感数字图像显示和拉伸的初步理解记录下来......
- 照片和遥感数字图像
- 遥感数字图像的表示和统计描述
- 图像显示和拉伸
————————————————————————————————
图像（picture、image、pattern）是对客观对象一种相似性的描述或写真，它包含了被描述或写真对象的信息，是人们最主要的信息源。
根据人眼的视觉可视性可将图像分为可见图像和不可见图像。可见图像有图片、照片、素描和油画等，以及用透镜、光栅和全息技术产生的各种可见光图像。不可见图像包括不可见光成像（如紫外线、红外线、微波成像）和不可见测量值（如温度、压力、人口密度）的分布图。
按图像的明暗程度和空间坐标的连续性，可将图像分为数字图像和模拟图像。数字图像是指用计算机存储和处理的图像，是一种空间坐标和灰度均不连续、以离散数学原理表达的图像。在计算机内部，数学图像表现为二维阵列（网格），属于不可见图像。模拟图像（又称光学图像）指空间坐标和明暗程度连续变化的、计算机无法直接处理的图像，属于可见图像。
利用计算机技术，模拟图像和数字图像直接可以相互转换。把模拟图像转变为数字图像成为模/数转换，把数字图像转变为模拟图像成为数模转换。
遥感数字图像是数字形式的遥感图像。不同的地物能够反射或辐射不同波长的电磁波，利用这种特性，遥感系统可以产生不同的遥感数字图像。遥感数字图像中的像素值成为亮度值（或灰度值、DN值）。亮度值的高低由遥感传感器所探测到的地物电磁波的辐射强度决定。由于地物反射或辐射电磁波的性质不同受天气的影响不同，相同地点不同图像（不同波段、不同时期、不同种类的图像）的亮度值可能不同。
照片和遥感数字图像
遥感数字图像的表示和统计描述
在图像处理中，为了便于问题的分析，需要用数字方式来表示图像。表示图像的基本方法有两类，即确定的与统计的。确定的表示法是写出图像函数表达式，对于数字图像，则表示成矩阵或向量形式。统计的表示法则是用一种平均特征来表示图像。
- 图像的确定性表示
- 图像的统计学表示
由于测量上的误差以及各种干扰因素存在图像的像素值变化具有随机性的特点。一般来说，图像的概率分布难以用某一分析式来表达，但通过分析直方图，灰度级内的像素频数总是可以找出来。从统计学角度来说，图像数字特征可作为区分或识别图像中地物的依据。因此，图像处理中，普遍将图像的灰度级看做随机变量。
把图像作为一个随机向量X，按照概率论可以有两种方法来表示。一种用密度函数来表示（或用分布函数来表示）；另一种用统计特征参数来表示，这往往是在密度函数不可知条件下的表示，如期望、方差、协方差等。
将图像看做具有正态分布的随机变量，则可以使用统计学方法对图像进行统计描述。使用的统计特征可以用来对不同的图像或图像的处理效果进行比较。统计的图像范围根据需要确定，或者是整景图像，或者是指定的地物类型。
- 单波段图像的统计特征
（1）基本统计特征
反映像素值平均信息的统计参数（均值、中值、众数）
反映像素值变化信息的统计参数（方差、变差、反差）
方差：像素值与平均值差异的平方和，表示像素值的离散程度；
变差：像素最大值与最小值的差；表示图像灰度值的变化程度，间接地反映了图像的信息量；
反差：反映图像的显示效果和可分辨性，有时也称为对比度。
（2）直方图
直方图是灰度级的函数，描述的是图像中各个灰度级像素的个数。对于数字图像来说，直方图实际就是灰度值概率密度函数的离散化图形。
直方图的应用：根据直方图的形态可以大致判断图像的反差，然后可通过有目的地改变直方图形态来改善图像的对比度。
一般来说，如果图像的直方图形态接近正态分布，则这样的图像反差适中；如果直方图峰值位置偏向灰度值大的一边，图像偏亮；如果峰值位置偏向灰度值小的一边，图像偏暗；峰值变化过陡、过窄，则说明图像的灰度值过于集中，反差小。
- 多波段图像的统计特征
遥感图像处理往往是多波段数据的处理，处理中不仅要考虑单个波段图像的统计特征，也要考虑波段间存在的管理，多波段图像之间的统计特征不仅是图像分析的重要参数，而且也是图像合成方案的主要依据之一。
如果各个波段或多幅图像的空间位置可以相互比较，那么，可以计算它们之间的统计特征。协方差和相互系数是两个基本的统计量，其值越高，表明两个波段图像之间的协变性越强。在使用的遥感图像中，高光谱数据各个波段之间的相关性尤其显著。
利用图像之间或波段之间的相关性，可以实现图像的压缩处理（例如，主成分变换方法），图像信息的复原（例如，基于暗像素的大气校正方法）等。
直方图匹配......
图像显示和拉伸
图像显示和拉伸属于图像增强，图像增强过程本身不会增加数据中原有的信息内容，仅仅是突出了特定的图像特征，使得图像更易于可视化的解释和理解。
数字图像是以数字形式存储的，具有不可视性。图像的内容只有通过可视化的方式加以显示，才能为人们所感觉，并进行处理和分析。
图像的显示过程是将数字化图像从一组离散数据还原为一幅可见图像的过程。
图像可以全色显示，也可以彩色显示。
显示过程：
图像拉伸：
拉伸是最基本的图像处理方法，主要用来改善图像显示的对比度。如果对比度比较低，那么无法清楚地表现图像中地物之间的差异，因此，往往需要在显示的时候进行拉伸处理。
拉伸以波段为处理对象，它通过处理波段中单个像素值来实现增强的效果。在此过程中，图像直方图是选择拉伸具体方法的基本依据。对于多波段图像，往往需要对每个波段分别进行拉伸后再进行彩色合成显示。
拉伸：
- 灰度拉伸（线性拉伸、非线性拉伸、多波段拉伸）
线性拉伸：最常用的方法，通过对像素值进行比例变化来实现；
非线性拉伸：如果拉伸函数（指数函数、对数函数、平方根、高斯函数等）是非线性的，即为非线性拉伸。
多波段拉伸：图像经彩色合成显示后，可以对各个波段分布进行线性或非线性拉伸处理，以便综合增强图像中的地物信息。
如果拉伸后的图像的直方图不理想，可以通过直方图均衡化做适当修改。
- 直方图修正（均衡化、规定化）
直方图均衡化的基本思想是对原始图像的像素灰度做某种映射变换，使变换后图像灰度的概率密度呈均匀分布，即变换后图像的灰度级均匀分布。这意味着图像灰度的动态范围得到了增加，从而提高了图像的对比度。
直方图规定化是为了使单波段图像的直方图变成规定形状的直方图而对图像进行转换的增强方法。规定形状的直方图可以是参考图像的直方图，通过转换，使两幅图像的亮度变化规律尽可能地接近；规定形状的直方图也可以是特定函数形式的直方图，从而使转换后图像的亮度变化尽可能地服从各种函数分布。
直方图规定化的原理是对两个直方图都作均衡化，变成归一化的均匀直方图。以此均匀直方图做中介，再对参考图像作均衡化的逆运算即可。