對比度拉伸常用方法

A. 圖像處理的幾個問題 在線等！！！

直方圖均衡化,圖像對比度增強的方法可以分成兩類:一類是直接對比度增強方法;另一類是間接對比度增強方法。直方圖拉伸和直方圖均衡化是兩種最常見的間接對比度增強方法。直方圖拉伸是通過對比度拉伸對直方圖進行調整，從而「擴大」前景和背景灰度的差別，以達到增強對比度的目的，這種方法可以利用線性或非線性的方法來實現;直方圖均衡化則通過使用累積函數對灰度值進行「調整」以實現對比度的增強。 直方圖均衡化處理的「中心思想」是把原始圖像的灰度直方圖從比較集中的某個灰度區間變成在全部灰度范圍內的均勻分布。直方圖均衡化就是對圖像進行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內的像素數量大致相同。直方圖均衡化就是把給定圖像的直方圖分布改變成「均勻」分布直方圖分布。 缺點： 1）變換後圖像的灰度級減少，某些細節消失； 2）某些圖像，如直方圖有高峰，經處理後對比度不自然的過分增強。 直方圖均衡化是圖像處理領域中利用圖像直方圖對對比度進行調整的方法。 這種方法通常用來增加許多圖像的局部對比度，尤其是當圖像的有用數據的對比度相當接近的時候。通過這種方法，亮度可以更好地在直方圖上分布。這樣就可以用於增強局部的對比度而不影響整體的對比度，直方圖均衡化通過有效地擴展常用的亮度來實現這種功能。 這種方法對於背景和前景都太亮或者太暗的圖像非常有用，這種方法尤其是可以帶來X光圖像中更好的骨骼結構顯示以及曝光過度或者曝光不足照片中更好的細節。這種方法的一個主要優勢是它是一個相當直觀的技術並且是可逆操作，如果已知均衡化函數，那麼就可以恢復原始的直方圖，並且計算量也不大。這種方法的一個缺點是它對處理的數據不加選擇，它可能會增加背景雜訊的對比度並且降低有用信號的對比度。 直方圖均衡化的基本思想是把原始圖的直方圖變換為均勻分布的形式，這樣就增加了象素灰度值的動態范圍從而可達到增強圖像整體對比度的效果。設原始圖像在(x，y)處的灰度為f，而改變後的圖像為g，則對圖像增強的方法可表述為將在(x，y)處的灰度f映射為g。在灰度直方圖均衡化處理中對圖像的映射函數可定義為:g = EQ (f)，這個映射函數EQ(f)必須滿足兩個條件(其中L為圖像的灰度級數): (1)EQ(f)在0≤f≤L-1范圍內是一個單值單增函數。這是為了保證增強處理沒有打亂原始圖像的灰度排列次序，原圖各灰度級在變換後仍保持從黑到白(或從白到黑)的排列。 (2)對於0≤f≤L-1有0≤g≤L-1，這個條件保證了變換前後灰度值動態范圍的一致性。 累積分布函數(cumulative distribution function，CDF)即可以滿足上述兩個條件，並且通過該函數可以完成將原圖像f的分布轉換成g的均勻分布。此時的直方圖均衡化映射函數為: gk = EQ(fk) = (ni/n) = pf(fi) ， (k=0，1，2，……，L-1) 上述求和區間為0到k，根據該方程可以由源圖像的各像素灰度值直接得到直方圖均衡化後各像素的灰度值。在實際處理變換時，一般先對原始圖像的灰度情況進行統計分析，並計算出原始直方圖分布，然後根據計算出的累計直方圖分布求出fk到gk的灰度映射關系。在重復上述步驟得到源圖像所有灰度級到目標圖像灰度級的映射關系後，按照這個映射關系對源圖像各點像素進行灰度轉換，即可完成對源圖的直方圖均衡化。 程序： // 鎖定DIB並返回指向DIB的指針 LPSTR lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) hDIB); // 找到DIB圖像象素起始位置並返回指向DIB象素指針 LPSTR lpDIBBits = m_clsDIB.FindDIBBits(lpDIB); // 獲取DIB的寬度 LONG lWidth = m_clsDIB.DIBWidth(lpDIB); // 獲取DIB的高度 LONG lHeight = m_clsDIB.DIBHeight(lpDIB); for (i = 0; i < lHeight; i ++) // 對各像素進行灰度轉換 { for (j = 0; j < lWidth * 3; j ++) { // 對各像素進行灰度統計 unsigned char R = *((unsigned char *)lpDIBBits + lWidth * 3 * i + j); nNs_R[R]++; j++; unsigned char G = *((unsigned char *)lpDIBBits + lWidth * 3 * i + j); nNs_G[G]++; j++; unsigned char B = *((unsigned char *)lpDIBBits + lWidth * 3 * i + j); nNs_B[B]++; } } for(i=0;i<256;i++) // 計算灰度分布密度 { fPs_R[i] = nNs_R[i] / (lHeight * lWidth * 1.0f); fPs_G[i] = nNs_G[i] / (lHeight * lWidth * 1.0f); fPs_B[i] = nNs_B[i] / (lHeight * lWidth * 1.0f); } for(i = 0; i < 256; i++) { //計算累計直方圖分布 if(i == 0) { temp_r[0] = fPs_R[0]; temp_g[0] = fPs_G[0]; temp_b[0] = fPs_B[0]; } else { temp_r[i] = temp_r[i-1] + fPs_R[i]; temp_g[i] = temp_g[i-1] + fPs_G[i]; temp_b[i] = temp_b[i-1] + fPs_B[i]; } //累計分布取整，nNs_R[]、nNs_G[]、nNs_B[]保存有計算出來的灰度映射關系 nNs_R[i] = (int)(255.0f * temp_r[i] + 0.5f); nNs_G[i] = (int)(255.0f * temp_g[i] + 0.5f); nNs_B[i] = (int)(255.0f * temp_b[i] + 0.5f); } for (i = 0; i < lHeight; i ++) { for (j = 0; j < lWidth * 3; j ++) { //對R分量進行灰度映射（均衡化） unsigned char R = *((unsigned char *)lpDIBBits + lWidth * 3 * i + j); *((unsigned char *)lpDIBBits + lWidth * 3 * i + j) = nNs_R[R]; j++; //對G分量進行灰度映射（均衡化） unsigned char G = *((unsigned char *)lpDIBBits + lWidth * 3 * i + j); *((unsigned char *)lpDIBBits + lWidth * 3 * i + j) = nNs_G[G]; j++; //對B分量進行灰度映射（均衡化） unsigned char B = *((unsigned char *)lpDIBBits + lWidth * 3 * i + j); *((unsigned char *)lpDIBBits + lWidth * 3 * i + j) = nNs_B[B]; } }
直方圖規定化 直方圖匹配（規定化） 直方圖均衡化能夠自動增強整個圖像的對比度，但它的具體增強效果不容易控制，處理的結果總是得到全局均勻化的直方圖。但是在某些情況下，為了有選擇地增強某個灰度值的對比度，輸出圖像的直方圖是人為規定的。這時可以採用比較靈活的直方圖規定化。 所謂直方圖規定化，就是通過一個灰度映像函數，將原灰度直方圖改造成所希望的直方圖。所以，直方圖修正的關鍵就是灰度映像函數。 直方圖匹配方法主要有3個步驟（這里設M和N分別為原始圖和規定圖中的灰度級數，且只考慮 的情況）： (1) 如同均衡化方法中，對原始圖的直方圖進行灰度均衡化： (2) 規定需要的直方圖，並計算能使規定的直方圖均衡化的變換： (3) 將第1個步驟得到的變換反轉過來，即將原始直方圖對應映射到規定的直方圖，也就是將所有pf(fi)對應到pu(uj)去。

B. matlab中的對比度拉伸什麼意思

比如 灰度是只有從100到200 然後拉伸 那麼 原來100的就變成0 200的就變成255.
對比度就是亮度之間的差別 拉伸可以按直線映射 對數拉伸 等等 按需要

C. 請問數字圖像處理中的對比度是何含義動態范圍呢

簡單的說，灰度是個絕對值，8位色的灰度就是從黑（0）到白（255）共有256個等級。這256個等級畫在白紙條上很好理解，一邊是塗黑的，一邊是紙的原白，但在顯示器上就有問題了。
在顯示器上，黑就是顯示器完全不亮，這個簡單。但白就不好定義了（究竟多亮算白？），這在不同的顯示器上（或者顯示器亮度調節的不同）有不同的結果。假設有這樣一台顯示器，它最亮時（就是輸入255時）能夠達到1000W燈泡那麼亮（這也是它的最高亮度了），那麼它的動態范圍就比最亮時只能達到500W燈泡亮度的顯示器要大。所以對顯示器來說，動態范圍就是它能達到的最高亮度與全黑的比值（當然在這個范圍內的亮度變化應該完全隨信號線性變化）。
動態范圍主要是用來衡量受光者（如相機里的感光器件）與發光者（如顯示器）的，並不用於已數字化的圖片。因為無論感光器件有多高級，動態范圍有多大，即使它接收的圖像有足夠大的亮度差（例如藍天中的一片白雲與近處岩石後面的陰影被攝入同一幅圖像），只要它被數字化為8點陣圖像，那麼這幅圖像仍然只有256級灰度。這也就是說，感光器件的質量水平不同（就是動態范圍不同），它們提供的256級灰度反映的 「實際的亮度差「 是不一樣的。從這一點而言，當然感光（發光）器件的動態范圍越大，就越能更真實的記錄（顯示）自然界的亮度變化。
對比度是一個相對值。就一幅圖片而言，它反映了圖片上最亮處與最黑處的比值。假設這幅圖片上最亮與最黑之間的變化是均勻的，如果這個比值沒有超過顯示這幅圖片的顯示器的動態范圍，那麼我們看這幅圖時會說它有充分的層次。如果這幅圖片上最亮處與最黑處的比值超過了顯示這幅圖片的顯示器的動態范圍，那毫無疑問，偏亮的部分就已經達到了顯示器的亮度極限，那更亮的部分也不會更亮，這部分的層次就會丟失。同理，圖片中較暗的地方顯示器已成全黑，那更暗的部分也無法顯示。
實際上，數字圖像處理中的對比度拉伸是當一幅圖像中的亮暗差較小時（例如只有50~150），我們比較均勻的擴展它的對比度，將它的幅值拉伸到10~180或5~240。這樣，暗處顯得更黑，亮處顯得更亮些，由於是均勻拉伸，原本不易分辨的灰度差（中間灰度）也拉開了距離，顯得圖片更富有層次。
就簡單說這些，希望能有幫助。

D. 直方圖均衡化的概述

圖像對比度增強的方法可以分成兩類:一類是直接對比度增強方法;另一類是間接對比度增強方法。直方圖拉伸和直方圖均衡化是兩種最常見的間接對比度增強方法。直方圖拉伸是通過對比度拉伸對直方圖進行調整，從而「擴大」前景和背景灰度的差別，以達到增強對比度的目的，這種方法可以利用線性或非線性的方法來實現;直方圖均衡化則通過使用累積函數對灰度值進行「調整」以實現對比度的增強。
直方圖均衡化的英文名稱是Histogram Equalization.
直方圖均衡化是圖像處理領域中利用圖像直方圖對對比度進行調整的方法。這種方法通常用來增加許多圖像的局部對比度，尤其是當圖像的有用數據的對比度相當接近的時候。通過這種方法，亮度可以更好地在直方圖上分布。這樣就可以用於增強局部的對比度而不影響整體的對比度，直方圖均衡化通過有效地擴展常用的亮度來實現這種功能。

E. 傅里葉變換在生活中的應用有哪些

傅立葉變換在圖像處理中有非常非常的作用。因為不僅傅立葉分析涉及圖像處理的很多方面，傅立葉的改進演算法，
比如離散餘弦變換，gabor與小波在圖像處理中也有重要的分量。
印象中，傅立葉變換在圖像處理以下幾個話題都有重要作用：1.圖像增強與圖像去噪絕大部分噪音都是圖像的高頻分量，通過低通濾波器來濾除高頻——雜訊; 邊緣也是圖像的高頻分量，可以通過添加高頻分量來增強原始圖像的邊緣；2.圖像分割之邊緣檢測提取圖像高頻分量3.圖像特徵提取：形狀特徵：傅里葉描述子紋理特徵：直接通過傅里葉系數來計算紋理特徵其他特徵：將提取的特徵值進行傅里葉變換來使特徵具有平移、伸縮、旋轉不變性4.圖像壓縮可以直接通過傅里葉系數來壓縮數據；常用的離散餘弦變換是傅立葉變換的實變換；
傅立葉變換傅里葉變換是將時域信號分解為不同頻率的正弦信號或餘弦函數疊加之和。連續情況下要求原始信號在一個周期內滿足絕對可積條件。離散情況下，傅里葉變換一定存在。岡薩雷斯版裡面的解釋非常形象：一個恰當的比喻是將傅里葉變換比作一個玻璃棱鏡。棱鏡是可以將光分解為不同顏色的物理儀器，每個成分的顏色由波長（或頻率）來決定。傅里葉變換可以看作是數學上的棱鏡，將函數基於頻率分解為不同的成分。當我們考慮光時,討論它的光譜或頻率譜。同樣,傅立葉變換使我們能通過頻率成分來分析一個函數。傅立葉變換有很多優良的性質。比如線性，對稱性（可以用在計算信號的傅里葉變換裡面）;
時移性：函數在時域中的時移，對應於其在頻率域中附加產生的相移，而幅度頻譜則保持不變；
頻移性：函數在時域中乘以e^jwt，可以使整個頻譜搬移w。這個也叫調制定理，通訊裡面信號的頻分復用需要用到這個特性（將不同的信號調制到不同的頻段上同時傳輸）；卷積定理：時域卷積等於頻域乘積；時域乘積等於頻域卷積（附加一個系數）。（圖像處理裡面這個是個重點）
信號在頻率域的表現在頻域中，頻率越大說明原始信號變化速度越快；頻率越小說明原始信號越平緩。當頻率為0時，表示直流信號，沒有變化。因此，頻率的大小反應了信號的變化快慢。高頻分量解釋信號的突變部分，而低頻分量決定信號的整體形象。在圖像處理中，頻域反應了圖像在空域灰度變化劇烈程度，也就是圖像灰度的變化速度，也就是圖像的梯度大小。對圖像而言，圖像的邊緣部分是突變部分，變化較快，因此反應在頻域上是高頻分量；圖像的雜訊大部分情況下是高頻部分；圖像平緩變化部分則為低頻分量。也就是說，傅立葉變換提供另外一個角度來觀察圖像，可以將圖像從灰度分布轉化到頻率分布上來觀察圖像的特徵。書面一點說就是，傅里葉變換提供了一條從空域到頻率自由轉換的途徑。對圖像處理而言，以下概念非常的重要：
圖像高頻分量：圖像突變部分；在某些情況下指圖像邊緣信息，某些情況下指雜訊，更多是兩者的混合；低頻分量：圖像變化平緩的部分，也就是圖像輪廓信息高通濾波器：讓圖像使低頻分量抑制，高頻分量通過低通濾波器：與高通相反，讓圖像使高頻分量抑制，低頻分量通過帶通濾波器：使圖像在某一部分的頻率信息通過，其他過低或過高都抑制還有個帶阻濾波器，是帶通的反。

模板運算與卷積定理在時域內做模板運算，實際上就是對圖像進行卷積。模板運算是圖像處理一個很重要的處理過程，很多圖像處理過程，比如增強/去噪（這兩個分不清楚），邊緣檢測中普遍用到。根據卷積定理，時域卷積等價與頻域乘積。因此，在時域內對圖像做模板運算就等效於在頻域內對圖像做濾波處理。比如說一個均值模板，其頻域響應為一個低通濾波器；在時域內對圖像作均值濾波就等效於在頻域內對圖像用均值模板的頻域響應對圖像的頻域響應作一個低通濾波。

圖像去噪圖像去噪就是壓制圖像的噪音部分。因此，如果噪音是高頻額，從頻域的角度來看，就是需要用一個低通濾波器對圖像進行處理。通過低通濾波器可以抑制圖像的高頻分量。但是這種情況下常常會造成邊緣信息的抑制。常見的去噪模板有均值模板，高斯模板等。這兩種濾波器都是在局部區域抑制圖像的高頻分量，模糊圖像邊緣的同時也抑制了雜訊。還有一種非線性濾波-中值濾波器。中值濾波器對脈沖型雜訊有很好的去掉。因為脈沖點都是突變的點，排序以後輸出中值，那麼那些最大點和最小點就可以去掉了。中值濾波對高斯噪音效果較差。
椒鹽雜訊：對於椒鹽採用中值濾波可以很好的去除。用均值也可以取得一定的效果，但是會引起邊緣的模糊。高斯白雜訊：白噪音在整個頻域的都有分布，好像比較困難。
岡薩雷斯版圖像處理P185：算術均值濾波器和幾何均值濾波器（尤其是後者）更適合於處理高斯或者均勻的隨機雜訊。諧波均值濾波器更適合於處理脈沖雜訊。
圖像增強有時候感覺圖像增強與圖像去噪是一對矛盾的過程，圖像增強經常是需要增強圖像的邊緣，以獲得更好的顯示效果，這就需要增加圖像的高頻分量。而圖像去噪是為了消除圖像的噪音，也就是需要抑制高頻分量。有時候這兩個又是指類似的事情。比如說，消除噪音的同時圖像的顯示效果顯著的提升了，那麼，這時候就是同樣的意思了。常見的圖像增強方法有對比度拉伸，直方圖均衡化，圖像銳化等。前面兩個是在空域進行基於像素點的變換，後面一個是在頻域處理。我理解的銳化就是直接在圖像上加上圖像高通濾波後的分量，也就是圖像的邊緣效果。對比度拉伸和直方圖均衡化都是為了提高圖像的對比度，也就是使圖像看起來差異更明顯一些，我想，經過這樣的處理以後，圖像也應該增強了圖像的高頻分量，使得圖像的細節上差異更大。同時也引入了一些噪音

F. 用photoshop給人物加背景，怎麼做出拉伸的效果

情況一：人物和背景分布在不同圖層。
1選擇背景
副本圖層，點擊任意一個方塊，打開縮放面板。
2.將w值調節到200%。
3.點擊移動工具，選擇應用。
4.背景縮放完成。
情況二：人物和背景在同一圖層。
1.使用套索工具生成人物選區。
2.按shift+f6打開羽化選區面板，調節半徑為最低，點擊確定。
3.按shift+ctrl+i反選。
8.按ctrl+t，將w值調節為200%。
9.點擊移動工具，選擇應用。
10.按ctrl+d取消選擇，背景拉伸，但人物尺寸不變。

G. 對影像進行線性拉伸增強、對比度變換等處理

將原來不清晰的圖像變清晰或將原來不夠突出的特定圖像信息和特徵顯現出來的圖像處理方法稱為圖像增強。
圖像增強的方法有很多，但所有的圖像增強方法都有面向問題的，不存在對所有問題都有很好效果的演算法。在進行圖像增強之前需要注意，必須去除圖像雜訊，否則得到的就是雜訊增強的圖像，影響對圖像的解釋。應用最為普遍的圖像增強技術包括反差處理、空間特徵處理和多波段圖像處理。
共同的目的都是通過圖像處理，提高圖像質量，突出圖像信息，有利於分析判斷和進一步作出處理。
為了增強圖像使分析者便於識別，要對圖像的灰度信息進行變換處理，它是通過把原圖像的灰度值X用函數f變換為值y而進行的。
y=f(x)
典型的對比度變換方法有：線性變換、分段線性變換、三角波變換、連續函數變換、局部性變換等。
希望能幫到您。

H. 如何用matlab進行圖像拉伸

B = imresize(A, scale)
B = imresize(A, [mrows ncols])

B就是圖像A的拉伸或壓縮結果
如果第二個輸入參數是1個標量值scale，圖像將保持縱橫比
那麼當0<scale<1的時候B是A的縮小結果，如果scale>1，B是A的放大結果

如果第二個輸入參量是一個想二元向量
那麼說出的B的像素大小由[mrows ncols]決定，圖像不一定保持縱橫比

I. 如何調節對比度

1、需要進入顯卡的控制面板對電腦的對比度進行調節，下面就以英特爾核顯為例，首先點擊【控制面板】；2、在右上方的【查看方式】選擇【大圖標】，選擇【英特爾核芯顯卡】；3、在控制面板中，選擇【顯示器】；4、在選項面板中就可以看到【顏色設置】的選項，下面就可以對對比度進行調節；

J. 實驗七 遙感圖像反差增強處理

一、實驗目的

了解ENVI設置的主要反差增強處理功能及其技術操作實現，重點掌握線性對比度拉伸（Linear Contrast Stretch）反差增強處理和分段線性對比度拉伸（Piecewise Linear）反差增強處理的控制參數設置、動態調整和應用，通過效果和差異比較分析，加深對反差增強原理的理解。

二、實驗內容

（1）操作ENVI預設的四類反差增強處理方法——線性增強、高斯增強、直方圖均衡增強和平方根增強，比較其效果；

（2）遙感數字圖像的直方圖製作與分析；

（3）單波段遙感圖像線性對比度拉伸處理；

（4）單波段遙感圖像分段線性對比度拉伸處理。

三、實驗要求

預習本實驗，認真觀摩老師演示。四項實驗內容均需完成，而且要按照順序進行，即直方圖製作與分析、線性對比度拉伸（Linear Contrast Stretch）和分段線性對比度拉伸（Piecewise Linear）順序進行。測量結果存檔。編寫實驗報告。

四、技術條件

①微型計算機；②桂林市TM 1～7波段數據；③ENVI軟體；④Photoshop軟體（ver.6.0以上）和ACDSee軟體（ver.4.0以上）。

五、實驗步驟

（1）數據輸入。選擇「File>Open Image File」，出現文件目錄窗口，將桂林市TM 1～7波段數據調入「Available Bands List」窗口，待處理之用。

（2）操作ENVI預設的四類反差增強處理方法：游標點擊圖像主窗口上方的「Enhance」（增強處理），打開其下拉菜單，其中的[Image]、[Zoom]和[Scroll]三段區域內，從上到下都列出了線性、高斯、直方圖均衡和平方根增強四種反差增強處理方法。用滑鼠點擊其中一種方法的名稱，主窗口的圖像即實現該種方法增強處理的圖像結果。可以在ENVI運行狀態下，通過逐一開新窗口排列顯示各種增強處理結果。可以在ENVI運行狀態下，通過逐一打開新窗口排列顯示各種增強處理結果，以便比較。也可以將每種增強結果輸出為JPEG格式圖像，然後用Photoshop軟體打開它們來進行集合分析，如圖7-1所示。

圖7-1 ENVI預設的反差增強處理方法窗口

Linear為線性增強，Gaussain為高斯增強，Eqauilzaiton為直方圖均衡增強，Square Root為平方根增強

（3）直方圖製作：打開TM7波段圖像，在顯示主窗口上方的命令欄中，選擇「Enhance>Interactive Stretching」，出現線性對比度拉伸對話框，如圖7-2所示。圖中，窗口左邊框內為TM7波段圖像的灰度統計直方圖（Input Histogram）。其中，橫坐標左端標注的0為最小值，右端標注的92為最大值。縱坐標為每種灰度值占圖像全部灰度值的比例，數值范圍為0～1。圖中，TM7圖像的灰度直方圖具有左偏單峰的特徵，表明影像灰度值主要來自一個統計母體，但灰度數值偏小，因而圖像偏暗。

圖7-2 線性對比度拉伸對話框

（4）線性對比度拉伸：所謂的線性對比度拉伸，就是將圖像灰度的動態范圍擴大，即由原來的[0,92]范圍——左圖中的兩條垂直虛線之間的范圍，擴展到[0,255]范圍。由對比度增強計算公式知道，隨著圖像灰度動態范圍擴大，圖像反差就增大，從而圖像就變得清楚了。圖7-2右邊的圖為經過拉伸處理後被增強圖像的灰度直方圖。此時直方圖用數值的紅色線條表示。可見其在橫軸上的展布范圍要比沒拉伸前（即左邊直方圖）要寬得多。

由左直方圖還可見，該波段圖像的亮度概率分布只局限在很窄小的一個動態范圍內。圖中橫軸左右兩端的數值表示沒經處理前該波段圖像亮度的極小值和極大值。在直方圖峰值區兩側的兩道垂直虛線，是手控的極小值和極大值。該兩虛線與橫坐標的交點，是ENVI自動識別的（默認的）需要擴展的亮度動態范圍。通過滑鼠移動這兩條垂直虛線，可以調整直方圖到用戶所需的亮度動態范圍。下面需要做的事是：

1）根據直方圖形態及位置特徵，判斷該圖像屬於哪一類清晰程度的圖像，判斷結果填寫在表7-1中，

補充知識：直方圖有兩個峰值時，表明遙感圖像的亮度值由兩個統計母體組成；有三個或三個以上峰值時，表明遙感圖像的亮度值由三個或三個以上的統計母體組成。

2）根據圖形橫坐標讀取該動態范圍區間的數值，填寫在表7-1中；

3）移動兩條垂直虛線到不同位置，可以獲得不同增強效果的影像，將擴展後圖像清晰度效果填寫於表7-1中。

注意：每完成一次擴展處理，必須在「Available Bands…」窗口中，通過選項「File>Closed Selected File」關閉該波段圖像。

表7-1 桂林市TM 1～7波段線性對比度拉伸

4）存儲直方圖。在直方圖顯示欄中進行如下操作：「File>Save Plot As>Imag File…」，在「Output File Type」選項中，選擇JPEG輸出格式。通過【Choose】按鈕，輸出直方圖到指定的文件夾，取名為Plot-x.JPG,x為對應於圖像的波段號。

5）對TM1,2,3,4,5,6重復第1）～第4）操作步驟。建立TM1,2,3,4,5,6的直方圖的WORD文件，按照每行兩個直方圖編輯排版。

（5）分段線性對比度拉伸。

分段線性對比度拉伸可以通過使用滑鼠在輸入直方圖中旋轉幾個點進行交互地限定，各點之間的部分採用線性拉伸，具體操作步驟如下：

1）在線性對比度拉伸對話框中選擇「Stretch_Type>Piecewise Linear」，將會出現分段線性對比度拉伸對話框，如圖7-3所示。

圖7-3 分段線性對比度拉伸對話框

2）在分段線性對比度拉伸對話框中「Input Histogram」直方圖的任何位置點擊滑鼠中鍵，從而為轉換函數增加一個節點，繪制的線段將把端點和繪制的節點標記連接起來。

3）要移動一個點的位置，在標記上點擊滑鼠左鍵，然後把它拖放到一個新位置。

4）要刪除點，在標註上點擊右鍵。

5）點擊【Apply】按鈕，完成分段線性變換處理。

六、實驗報告

（1）簡述實驗過程。

（2）回答問題：①ENVl設計了哪些反差增強處理方法？②正偏、負偏、狹窄和平直形態的圖像亮度直方圖分別對應著遙感圖像的什麼問題？③根據表7-1數據結果，解釋為何通過調整直方圖——拉寬ENVI顯示的遙感圖像直方圖峰值區兩側的兩條垂直虛線就可以使遙感圖像增強？④通過對分段線性變換增強處理的操作實驗，你覺得該處理除能做圖像增強外，對遙感圖像信息處理還有何作用？

實驗報告格式見附錄一。