如何選擇合適的遙感圖像拉伸方法

❶ 遙感圖像處理的圖像增強的方法有哪些

影像縮小與放大、空間剖面、光譜剖面、對比度增強（線性、非線性）、波段比、空間濾波（空間卷積、傅立葉變換）、主成分分析、植被變換、紋理分析

❷ 遙感圖像增強處理方法

圖像增強的方法主要又兩大類：空間域法和頻率域法。

1、空間域法主要是在空間域直接對圖像的灰度系數進行處理；

2、頻率域法是在圖像的某種變化域內，對圖像的變化系數值進行某種修正，然後通過逆變換獲得增強圖像。頻率域法屬於間接增強的方法，低通濾波、同態圖像增強均屬於該類；空間域法屬於直接增強的方法，它又可分為灰度級校正、灰度變換和直方圖修正，直方圖均衡屬於空間域單點增強的直方圖修正法。

(2)如何選擇合適的遙感圖像拉伸方法擴展閱讀

遙感技術的應用是人類視覺在波譜范圍上的擴展和從物體表面向內部的延伸。即使在可見光部分，人眼可區分的色彩約三千多種，但對於黑白圖像，人眼能區分的灰度級只有二三十個；而在非可見光波段，需要將原始圖像的灰度值轉換到0～255灰度區間才有利於人眼觀察。

但是如果以256個灰度級來描述一幅黑白遙感圖像，我們獲得的原始圖像的灰度值很難均勻分布在0～255之間，而是常常集中在某一段灰度范圍之內，圖像的反差小，對比度差，不利於人眼的分辨，所以需要對遙感圖像進行增強處理。

❸ 遙感圖像處理的處理方法

是提高遙感圖像的像質以利於分析解譯應用的處理。灰度增強、邊緣增強和圖像的復原都屬於圖像的整飾處理。
是將衛星圖像的像元雖然用256個灰度等級來表示，但地物反射的電磁波強度常常只佔256個等級中的很小一部分，使得圖像平淡而難以解譯，天氣陰霾時更是如此。為了使圖像能顯示出豐富的層次，必須充分利用灰度等級范圍，這種處理稱為圖像的灰度增強。
常用的灰度增強方法有線性增強、分段線性增強、等概率分布增強、對數增強、指數增強和自適應灰度增強6種。
1、線性增強：把像元的灰度值線性地擴展到指定的最小和最大灰度值之間；
2、分段線性增強：把像元的灰度值分成幾個區間，每一區間的灰度值線性地變換到另一指定的灰度區間；
3、等概率分布增強：使像元灰度的概率分布函數接近直線的變換；
4、對數增強：擴展灰度值小的像元的灰度范圍，壓縮灰度值大的像元的灰度范圍；
5、指數增強：擴展灰度值大的和壓縮灰度值小的像元的灰度范圍；
6、自適應灰度增強：根據圖像的局部灰度分布情況進行灰度增強，使圖像的每一部分都能有盡可能豐富的層次。 是一種重要的圖像處理方法，其基本原理是：像元的灰度值等於以此像元為中心的若干個像元的灰度值分別乘以特定的系數後相加的平均值。由這些系數排列成的矩陣叫卷積核。選用不同的卷積核進行圖像卷積，可以取得各種處理效果。例如，除去圖像上的雜訊斑點使圖像顯得更為平滑；增強圖像上景物的邊緣以使圖像銳化；提取圖像上景物的邊緣或特定方向的邊緣等。常用的卷積核為3×3或5×5的系數矩陣，有時也使用7×7或更大的卷積核以得到更好的處理效果，但計算時間與卷積核行列數的乘積成正比地增加。
圖像的灰度增強和卷積都是直接對圖像的灰度值進行處理，有時稱為圖像的空間域處理。 在數字信號處理中常用離散的傅里葉變換，把信號轉換成不同幅度和相位的頻率分量,經濾波後再用傅里葉反變換恢復成信號，以提高信號的質量。圖像是二維信息，可以用二維的離散傅里葉變換把圖像的灰度分布轉換成空間頻率分量。圖像灰度變化劇烈的部分對應於高的空間頻率，變化緩慢的部分對應於低的空間頻率。濾去部分高頻分量可消除圖像上的斑點條紋而顯得較為平滑，增強高頻分量可突出景物的細節而使圖像銳化，濾去部分低頻分量可使圖像上被成片陰影覆蓋的部分的細節更清晰地顯現出來。精心設計的濾波器能有效地提高圖像的質量。經傅里葉變換、濾波和反變換以提高圖像質量的處理，有時稱為圖像的空間頻率域處理。

❹ 遙感圖像地質信息增強處理

地質信息遙感圖像增強處理目的是通過選擇合理的圖像處理方法，改善圖像的視覺效果，突出遙感地質調查所需要的有用信息。

4.3.1 常用的圖像增強處理方法

在遙感地質應用方面，圖像增強處理方法按照主要增強的信息內容可分為波(光)譜特徵增強和空間特徵增強兩大類。

4.3.1.1 圖像波(光)譜特徵增強處理

圖像波(光)譜特徵增強處理是基於多波段數據，對每個像元的灰度進行變換達到圖像增強的目的。其圖像增強結果便於識別不同性質的地質體、岩石類型、地質異常(如蝕變帶、熱異常等)、規模較大的線性和圓形構造。

(1)灰度變換方法

當原始圖像的直方圖比較窄，灰度分布較集中，圖像層次較少時，進行灰度變換是最基本的要求。對於灰度接近正態分布的圖像通常進行線性拉伸就可達到改善圖像視覺效果的目的。對於直方圖呈多峰狀、部分地物過亮或過暗的圖像，應針對圖像的特點採用不同的灰度變換方法，包括分段線性拉伸、直方圖調整和高斯變換等非線性拉伸等。

分段線性拉伸是為了有效利用有限個灰度級，將整個灰度范圍劃分為幾個區間，分區間進行線性擴展，達到最大限度增強圖像中有用信息的目的。常用的非線性變換有指數變換法(增強原始圖像的高亮度值部分)、對數變換法(增強圖像的低亮度值部分)、高斯變換(增強圖像中間灰度范圍)及正切變換(可對圖像的暗、亮區進行增強)。

直方圖調整是通過改善圖像的直方圖形態來達到圖像增強的目的。其原理是用一種變換函數作用於原始圖像的直方圖，使之變成具有某種特定亮度分布形態的直方圖。這種方法著重於擴展高頻數亮度值之間的間隔，使直方圖中部所包含的地物反差得到增強，有利於地質體的區分。常用的直方圖調整方法有直方圖均衡化和直方圖正態化等。

(2)比值增強

比值增強是通過不同波段的同名像元亮度值之間的除法運算，生成新的比值圖像來實現的。比值處理對地質信息尤為敏感，成為遙感地質圖像處理中廣為應用的方法之一。其基本作用為:

1)可以擴大岩石和土壤的波譜差異，有利於這些地物的區分。

2)消除或減弱地形等環境因素對同類岩性的影響。

3)提取與礦化蝕變有關的信息。

4)比值彩色合成圖像能夠增強岩性和蝕變岩信息。

(3)主成分變換

主成分變換是多波段遙感圖像增強常用的一種方法。它是一種基於圖像統計特徵的多維正交線性變換，變換後的新組分圖像反映了地物總的輻射差異和某些波譜特徵，同時還具有分離信息、減少相關、突出不同地物的作用。利用不同新組分圖像進行彩色合成，可顯著提高彩色增強效果，有助於岩性的區分。在實際應用中，也常用比值或差值圖像與原始圖像一起進行主成分變換，會有利於某些專題信息的提取。

(4)IHS變換

在色度學中，把彩色圖像的RGB變換成亮度(I)、色度(H)、飽和度(S)稱為IHS變換，而IHS變換成RGB稱為反變換。利用IHS變換和反變換，可以進行多源遙感圖像之間的信息融合、高度相關圖像數據的色彩增強、圖像的特徵增強，以及改善圖像空間解析度等融合處理。如圖4.1所示，對研究區內的環形構造、岩體和地層都起到了一定的增強作用。

圖4.4 多波段相關性比值增強處理對比

圖4.5 圖像增強處理對比

(3)基於地物紋理的岩性識別

當岩性組成復雜，且分布尺度大於感測器的空間解析度時，遙感圖像就可能記錄到地物的結構組成信息，其影像就存在著明顯的紋理特徵。當存在著有別於背景地物的紋理結構特徵時，就可利用地物的光譜特徵與紋理特徵提取岩性信息。利用紋理識別岩性的方法步驟如下。

1)選擇一定大小的移動窗口，計算不同地物的紋理特徵，對待研究岩石類型的紋理特徵與周圍地物的紋理特徵進行比較分析。主要紋理特徵計算有:對數變差函數、平均歐式距法(一階)、方差法(二階)、斜度(三階)、峰度(四階)和共生矩陣法。從灰度共生矩陣中可以產生8種紋理測度，它們分別是局部平穩、對比度、相異性測度、均值測度、標准差、熵、角二階矩及相關等。

2)分析研究岩石裸露區和背景地物之間的紋理指數和圖像，尋找岩石類型與紋理特徵的關聯規律，採用合適的閾值，識別和提取岩石信息。

(4)基於形狀知識識別岩性信息

1)增強地物之間的邊界，提取出邊界信息。進行形狀指數的計算。主要測定基於周長和面積的指數、基於面積的指數以及基於面積和區域長度的指數。

2)根據岩石的形狀知識指數值，對不同形狀指數的岩性進行定性定位識別和提取，結合不同岩性的形狀特徵賦予一定的地質屬性信息。

(5)主成分變換多層次信息分析識別岩性信息

基於主成分分析的多層次信息分解技術是增強地質岩性弱信息的一種常用方法，在岩性增強和識別中的實施過程如下。

1)多波段圖像的統計特徵分析。對多波段圖像數據進行統計特徵分析，計算波譜圖像的灰度動態范圍、均值與中值、波段圖像的相關系數矩陣、波段圖像的協方差陣。

2)求出多波段圖像的協方差陣的特徵值與特徵向量，用特徵向量構成KL變換的系數矩陣A。

3)主成分變換後處理。根據岩性識別目的和各主分量與矩陣向量間的關系分析，選擇包含特定岩性信息的組分圖像、包含專題信息組分圖像的增強處理、組分圖像的彩色合成處理以及組分圖像與其他處理結果或波段圖像的信息復合分析。

4)根據各主分量的分析結果，對主分量圖像的各種後處理結果與單元結果對照進行影像目視解譯，確定能夠較好反映工作區岩性信息的主分量圖像，選取它們做彩色合成或信息復合，增強影像上的地質岩性弱信息。

(6)IHS變換法增強岩性信息

對多波段圖像選擇適當的代數運算後所產生的新圖像進行IHS變換，可起到突出岩性的目的。例如，利用TM波段比值進行IHS變換，可以識別火山岩地區的岩性和與礦化有關的蝕變特徵。

1)用TM5/TM7，TM3/TM4，TM3/TM2比值分別賦紅、綠、藍進行IHS變換。

2)在變換處理後的圖像上，Fe₂O₃含量高的玄武岩分布區呈醒目的褐色或紅色色調，不同岩性的火山岩類有不同的色調，可以相互區分;含黏土類礦物和三價鐵氧化物的礦化蝕變岩石分布區呈獨特的黃色。

(7)對遙感圖像進行最優多級密度分割提取岩性信息

目的是在植被稀少、基岩廣泛裸露的乾旱地區通過選擇最佳遙感識別圖像，通過最優多級密度分割，提取和識別岩石信息。

1)利用費歇爾准則對圖像進行密度分割，通過直方圖統計，找到使各分割段的段內離差總和最小、段間離差總和最大的分割法，稱為圖像的最優多級密度分割法。

2)對分割圖像按灰度級由高到低分別賦以不同的顏色，對照區域地質圖確定不同顏色的地質岩性屬性信息。

(8)岩性的自動分類識別

在乾旱、半乾旱地區，利用遙感圖像的光譜信息，使用非監督分類方法，可起到岩性自動識別和填圖的目的。

以TM或ETM⁺數據為例，說明非監督分類方法主要實施過程:

1)從TM或ETM⁺多波段圖像中選擇3個三波段組合，使波段間相關性小且重復利用的波段最少。

2)對所有波段組圖像用均衡反差增強技術進行反差增強，以優化每個波段的反差，消除彩色合成中可能出現的色彩偏差。

3)對每個三波段組合用RGB-IHS變換產生一個色度圖像，然後分別進行合成，產生色度合成圖像。

4)用三維特徵空間交互集群技術對色度合成圖像進行非監督集群分類。

5)用模板直方圖匹配分類技術對分類圖像進行空間再分類，以檢測感興趣類的結構和模式。

6)對分類圖像用空間濾波法和小類別合並技術進行平滑處理和空間簡化處理。

7)根據野外檢查與類別的波譜曲線形態，參照地質圖，將類別賦以岩性或按其他地物類型術語進行識別和描述。

8)進行互動式類別編輯。用類別區域編輯法將代表不同地帶的不同岩性按位置進行分解，用類別分組法將相同岩性或地物類型一致的類別歸入一組。

9)用邊緣檢測技術，檢測地物類別邊緣。

10)對調整後的分類圖像進行互動式著色，並將反映地形背景的強度圖像疊加到岩性分類圖中，形成岩性影像圖。

(9)基於岩塊分類的岩石類型識別

適用於乾旱、半乾旱基岩裸露區岩石類的識別。以TM數據為例具體說明主要實施過程:

1)對TM圖像進行地形校正，生成數字視反射率圖像R₁、R₂、R₃、R₄、R₅、R₇。

2)用TM6與R₁～R₇進行空間集群法非監督分類，編制平面分類圖。

3)用TM6與R₁～R₇數據進行監督分類，首先用已知樣本作為訓練區，訓練區樣本為厚層單岩性岩塊、簡單岩性組合岩塊，復雜岩性組合岩塊和標志性薄層岩塊，然後逐個像元提取同類目標並編制平面圖。

4)對分類圖像中的各類別進行均值、最小、最大值，標准差、協方差等參量統計。

5)進行紋理分析及分類，編制紋理類型平面圖。

6)對非監督分類、監督分類及紋理分類平面圖進行疊合，通過人機交互目視解譯歸並整理，編制岩石遙感類型平面圖。

7)岩石填圖。將已知岩石屬性信息填繪於同類的空白區域中，未知空白區域待野外檢查確定岩性屬性後填入。

(10)用高光譜資料來識別岩性

利用成像光譜資料，定量檢測岩石和單種或多種礦物的波譜特徵，提取和識別岩性和礦物信息，編制專題岩性和礦物圖件。主要實施方法是:

1)確定工作區岩性和礦物的一些標志性波譜特徵。

2)利用高光譜成像數據提取地物的波譜曲線，與岩石的野外光譜曲線和某些標志性礦物的實驗室實測典型曲線對比，半定量地確定岩性和標志性礦物的存在。

3)通過岩性和標志性礦物的檢測，達到找礦和編制岩性分布圖的目的。

4.3.2.2 斷裂構造及地質界線圖像增強處理

主要利用空間濾波、自動線性提取等方法增強或提取斷裂構造信息。

(1)空間方向濾波方法

對原始圖像進行方向濾波，突出某一方向的紋理信息，增強地質體的空間結構。

1)按其所需要的方向信息確定濾波運算元見表4.1。

2)對多波段圖像進行主成分變換，利用定向濾波法對第一主分量圖像進行邊緣梯度增強。

3)增強圖像的局部邊緣梯度，壓制整個圖像的反差，再結合一些平滑處理方法對構造蝕變帶和環形構造進行增強。

4)圖像反差擴展。採用拉伸、直方圖變換、比值、濾波等，突出圖像中的線、邊緣、紋理結構特徵，增強岩性、線形構造和環形構造影像特徵。

5)高通濾波增強空間頻率高的地表形跡，提取幾十到幾百米的線性體(如節理、裂隙和斷裂等一些地質構造形跡);低通濾波增強空間頻率低的地表形跡，提取延伸長、規模大的斷裂帶和蝕變帶等地質形跡。

6)用高斯卷積濾波突出地質體邊界輪廓細節，區分紋理差異大的岩體。

(2)傅里葉功率譜紋理增強法

1)取一定大小的窗口圖像，分別作行、列傅氏變換。

2)求功率譜矩陣，作對數變換。

3)計算紋理測度，形成紋理圖像。

4)紋理圖像解譯，提取線性體信息和岩性地質界線。

(3)圖像紋理統計法

通過紋理特徵變化推測斷裂活動的差異、岩石成分的變化等，圈定活動斷裂帶范圍，解釋斷裂活動方式。

(4)線、環狀影像特徵法

1)對圖像進行高通濾波和線狀影像增強

2)從22.5°～67.5°、67.5°～112.5°、292.5°～337.5°及337.5°～22.5°四個方向進行方向濾波。

3)計算單位面積(2.5km×2.5km)線狀影像密度及等密度圖。

4)對線、環狀影像平面圖進行目視分析，篩除非地質邊緣點，並進行疊合與歸並，劃分線狀影像區、帶和等級，環狀影像之間的空間結構及其組合關系。

5)進行線、環狀影像地質屬性解譯。

(5)線性體自動提取法

1)採用定向濾波法對多波段圖像的KL變換第一分量進行邊緣梯度增強。

2)對梯度圖像進行二值化處理，提取邊緣點圖像。

3)人機交互去掉干擾和孤立的邊緣點。

4)利用Hough變換進行線性體的連接和統計，輸出線性體分布圖和密度圖。

5)線性構造提取與地質分析。

(6)圖像亮溫法

選擇適當季節和時間的熱紅外遙感圖像，以熱紅外波段圖像的亮溫分布的極值線為標志，提取構造信息。

(7)多重主成分分析方法

首先應用各種方法，包括一般主成分分析、選擇主成分分析(特徵主成分選擇)、波段比值等，盡可能提取圖像中較弱的地質構造信息，然後提取顯示最好或較好的專題信息，進行二次處理。處理方法包括兩種:一是進行不同的彩色組合或疊加，以突出專題信息;二是選取對專題信息提取最有利的結果和原始波段再次進行主成分分析，進行地質信息的二次提取和增強。

(8)基於融合處理的構造信息提取方法

不同感測器獲取同一地區的圖像，由於其波長范圍不同、幾何特性不同、解析度不同等因素而具有不同的應用特點，基於不同感測器圖像的融合處理，可以綜合不同感測器圖像的優點，提高對構造信息的識別能力。下面以TM和SAR圖像融合處理為例進行說明。

1)首先，對SAR圖像濾波，進行雜訊消除。

2)其次，把單波段SAR圖像和多光譜TM圖像進行幾何配准和融合，TM3、4、5進行IHS變換，用濾波後的SAR圖像代替I分量，做IHS反變換，再用TM3、4、5與SAR圖像作主成分變換，最後將IHS反變換得到的G分量、TM4波段和主成分變換的第一主分量圖像進行彩色合成，作為地質解譯圖像。

3)融合後的圖像可以直觀地提取斷裂構造信息，利用SAR圖像一定的穿透性，可以提取隱伏斷裂構造信息。

4.3.2.3 區域地質穩定性的綜合處理與遙感信息的輔助提取

1)獲取多時相多平台遙感衛星數據，收集地面控制點數據和區域地質環境資料。

2)進行圖像幾何精校正和配准處理。首先，對地形圖進行高精度掃描，形成數字圖像;然後，對數字地形圖進行投影變換、配准和鑲嵌，進行區域圖像的合成與鑲嵌;最後，建立地質活動區域的DEM和三維地形地貌可視化影像。

進行人機交互解譯。以精校正的數字衛星圖像為基礎，一方面進行增強構造活動帶、滑坡及其發育環境信息的各種圖像處理;一方面進行目視解譯，確定區域地質穩定性信息，在計算機上定位，劃分邊界、製作圖形。獲取遙感解譯信息，綜合其他環境資料和綜合處理進行分析、比較和修改。

4.3.2.4 隱伏地質信息提取與增強

利用重磁資料與不同類型的遙感圖像復合處理技術提取隱伏地質信息。

1)利用重磁網格數據和三維歐拉反褶積方法確定地下構造位置(邊界)和深度。

2)利用遙感圖像解譯地表的構造特徵，將重磁數據提取的相應位置的構造信息疊加到遙感構造圖像上，把不同深度的構造在圖像上分別表現出來，利用圖像上構造的不同深度信息，輔助進行隱伏地質體和構造帶信息提取。

4.3.3 遙感地質信息自動提取方法

計算機自動信息提取的目的是把地質專家用於目視解譯的知識定量化表達，從根本上實現知識參與的自動提取。現有的計算機自動信息提取方法主要包括:光譜特徵模型法、計算機自動分類法和基於空間數據挖掘與知識發現信息提取方法。

4.3.3.1 光譜特徵模型法

一般利用統計回歸建立一個遙感信息模型，根據具體圖像的實際情況不斷對模型參數進行調整，最終使模型適用於該影像。遙感信息模型是在現有地面實驗基礎上提煉出來的地物的反演模型，由於圖像數據影響因素很多，因此地物在衛星圖像上的反映並非與地面實測數據一一對應，把遙感信息理論和實際圖幅影像有效結合在一起來進行專題信息自動提取，應用范圍和精度都很有限。岩石地層單元建模技術就是一種光譜特徵模型法。具體步驟如下。

1)把一些具有特殊影像特徵的礦源層、賦礦地層以及諸如含多元素黑色炭質頁岩、蛇綠岩帶、混雜岩帶和超基性岩體等岩石地層作為一種基本單元，它們的多波段遙感像元灰度值是波段的函數，不同單元具有不同的函數曲線。

2)對有一定地質意義的單元進行光譜特徵統計，確定特定單元在各波段的亮度范圍和同一單元類別在多維空間的聚集性。

3)根據單元類別的變差參數(均值和標准差)，建立基於遙感圖像亮度值區間的岩石地層單元模型，輸入的閾值參數和多波段遙感數據，自動提取岩石地層單元信息。

4.3.3.2 分類方法

在遙感信息自動提取方面，分類方法佔有重要地位。其核心是對遙感圖像進行自動分割。現有的計算機自動分類方法，主要利用的是遙感圖像數據，雖然有時可以自動加入其他方面的地學知識，但遠沒有充分利用人腦在分析圖像時所應用的知識，因此很難達到很高的精度。利用分類方法進行岩性自動填圖是遙感圖像處理中最復雜、最難的一個問題，而對於像植被、水體、土地和冰雪等一些大面積分布均勻的特定目標信息的提取，自動分類可起到良好的應用目的。

4.3.3.3 基於數據挖掘和知識發現技術

基於數據挖掘和知識發現技術理論的遙感專題信息自動提取，其基本內容包括知識的發現、應用知識建立提取模型，利用遙感數據和模型提取遙感專題信息。在知識發現方麵包括從單一遙感圖像上發現有關地物的光譜特徵知識、空間結構與形態知識、地物之間的空間關系知識;從多時相遙感圖像中，除了可發現以上知識外，還可以進一步發現地物的動態變化過程知識;從GIS資料庫中發現各種相關知識。利用所發現的某種知識、某些知識或所有知識建立相應的遙感專題信息提取模型，利用遙感數據實現從單知識、單模型的應用到多知識、多模型的集成應用，從單數據的使用到多數據的綜合使用的自動信息提取。

❺ 簡述遙感數字影像增強處理的目的，列舉一種增強處理方法，說明其原理...

增強處理的目的就是加強圖像的對比度，已取得更好的視覺效果(更容易辨別事物），最簡單的數據拉伸處理，假設一個圖像的亮度值都在0-10之間那麼顯示的時候會黑乎乎的一片什麼也看不出來，我們把它拉伸到0-255即0對應著0 ，10 拉伸後對應著255 這樣子它們的差距大了（對比度大了）我們在圖像上就能看出一些邊界輪廓等等，人眼更容易識別目標

❻ ARCmap中，如何對遙感圖像局部進行增強顯示

既然沒有人回答，那就我自己來回答吧。我改了好久，自己還是把肆物鉛它找出來螞拿了。打開你所顯示的圖像的的屬性選項，在symbology中，有一個根據裂好直方圖進行拉伸的選項，直方圖的來源你選擇「最近顯示」范圍即可。

❼ 遙感圖像的灰度增強

遙感圖像灰度增強是一種點處理方法，主要為突出象元之間的反差（或稱對比度），所以也稱「反差增強」、「反差擴展」或「灰度拉伸」等。

目前幾乎所有遙感圖像都沒有充分利用遙感器的全部敏感范圍，各種地物目標影像的灰度值往往局限在一個比較狹小的灰度范圍內，使得圖像看起來不鮮明清晰，許多地物目標和細節彼此相互遮掩，難於辨認。通過灰度拉伸處理，擴大圖像灰度值動態變化范圍，可加大圖像象元之間的灰度對比度，因此有助於提高圖像的可解譯性。灰度拉伸方法有線性拉伸、分段線性拉伸及非線性拉伸（又稱特殊拉伸）等。

1.線性拉伸

線性拉伸是最簡單的一種拉伸演算法。假設原圖像的灰度值動態范圍為［a₁，a₂］待擴展的灰度值動態范圍為［b，b₂］，必有：b₂＞a₂；b₁＜b₂（參見圖5-11）。

中亞地區高光譜遙感地物蝕變信息識別與提取

上式表明，直方圖調整的關鍵是要得到變換函數T（r_A）或T^-1（r_B）。但建立這樣的函數很不容易。在實踐中，常常採用一種近似而又簡便的方法，即以均衡化直方圖作為原直方圖和指定直方圖的過渡形式來協調兩者的關系。由於直方圖均衡化是一種規格化的形式，因此變數的映射容易實現。最後可根據映射結果來調整原直方圖P_A（r_A），從而得到指定的新直方圖P_B（r_B）。

❽ 圖像拉伸有哪些方法

圖像拉伸一般可以通過ps軟體來處理，那個裡面就有拉伸的方法，當然也可以藉助其他的圖像處理軟體。