对比度拉伸常用方法

A. 图像处理的几个问题 在线等！！！

直方图均衡化,图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。 缺点： 1）变换后图像的灰度级减少，某些细节消失； 2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。 这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景杂讯的对比度并且降低有用信号的对比度。 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f)，这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数): (1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。 (2)对于0≤f≤L-1有0≤g≤L-1，这个条件保证了变换前后灰度值动态范围的一致性。 累积分布函数(cumulative distribution function，CDF)即可以满足上述两个条件，并且通过该函数可以完成将原图像f的分布转换成g的均匀分布。此时的直方图均衡化映射函数为: gk = EQ(fk) = (ni/n) = pf(fi) ， (k=0，1，2，……，L-1) 上述求和区间为0到k，根据该方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值。在实际处理变换时，一般先对原始图像的灰度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布求出fk到gk的灰度映射关系。在重复上述步骤得到源图像所有灰度级到目标图像灰度级的映射关系后，按照这个映射关系对源图像各点像素进行灰度转换，即可完成对源图的直方图均衡化。 程序： // 锁定DIB并返回指向DIB的指针 LPSTR lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) hDIB); // 找到DIB图像象素起始位置并返回指向DIB象素指针 LPSTR lpDIBBits = m_clsDIB.FindDIBBits(lpDIB); // 获取DIB的宽度 LONG lWidth = m_clsDIB.DIBWidth(lpDIB); // 获取DIB的高度 LONG lHeight = m_clsDIB.DIBHeight(lpDIB); for (i = 0; i < lHeight; i ++) // 对各像素进行灰度转换 { for (j = 0; j < lWidth * 3; j ++) { // 对各像素进行灰度统计 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++) // 计算灰度分布密度 { 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++) { //计算累计直方图分布 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]; } //累计分布取整，nNs_R[]、nNs_G[]、nNs_B[]保存有计算出来的灰度映射关系 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 ++) { //对R分量进行灰度映射（均衡化） unsigned char R = *((unsigned char *)lpDIBBits + lWidth * 3 * i + j); *((unsigned char *)lpDIBBits + lWidth * 3 * i + j) = nNs_R[R]; j++; //对G分量进行灰度映射（均衡化） unsigned char G = *((unsigned char *)lpDIBBits + lWidth * 3 * i + j); *((unsigned char *)lpDIBBits + lWidth * 3 * i + j) = nNs_G[G]; j++; //对B分量进行灰度映射（均衡化） unsigned char B = *((unsigned char *)lpDIBBits + lWidth * 3 * i + j); *((unsigned char *)lpDIBBits + lWidth * 3 * i + j) = nNs_B[B]; } }
直方图规定化 直方图匹配（规定化） 直方图均衡化能够自动增强整个图像的对比度，但它的具体增强效果不容易控制，处理的结果总是得到全局均匀化的直方图。但是在某些情况下，为了有选择地增强某个灰度值的对比度，输出图像的直方图是人为规定的。这时可以采用比较灵活的直方图规定化。 所谓直方图规定化，就是通过一个灰度映像函数，将原灰度直方图改造成所希望的直方图。所以，直方图修正的关键就是灰度映像函数。 直方图匹配方法主要有3个步骤（这里设M和N分别为原始图和规定图中的灰度级数，且只考虑 的情况）： (1) 如同均衡化方法中，对原始图的直方图进行灰度均衡化： (2) 规定需要的直方图，并计算能使规定的直方图均衡化的变换： (3) 将第1个步骤得到的变换反转过来，即将原始直方图对应映射到规定的直方图，也就是将所有pf(fi)对应到pu(uj)去。

B. matlab中的对比度拉伸什么意思

比如 灰度是只有从100到200 然后拉伸 那么 原来100的就变成0 200的就变成255.
对比度就是亮度之间的差别 拉伸可以按直线映射 对数拉伸 等等 按需要

C. 请问数字图像处理中的对比度是何含义动态范围呢

简单的说，灰度是个绝对值，8位色的灰度就是从黑（0）到白（255）共有256个等级。这256个等级画在白纸条上很好理解，一边是涂黑的，一边是纸的原白，但在显示器上就有问题了。
在显示器上，黑就是显示器完全不亮，这个简单。但白就不好定义了（究竟多亮算白？），这在不同的显示器上（或者显示器亮度调节的不同）有不同的结果。假设有这样一台显示器，它最亮时（就是输入255时）能够达到1000W灯泡那么亮（这也是它的最高亮度了），那么它的动态范围就比最亮时只能达到500W灯泡亮度的显示器要大。所以对显示器来说，动态范围就是它能达到的最高亮度与全黑的比值（当然在这个范围内的亮度变化应该完全随信号线性变化）。
动态范围主要是用来衡量受光者（如相机里的感光器件）与发光者（如显示器）的，并不用于已数字化的图片。因为无论感光器件有多高级，动态范围有多大，即使它接收的图像有足够大的亮度差（例如蓝天中的一片白云与近处岩石后面的阴影被摄入同一幅图像），只要它被数字化为8位图像，那么这幅图像仍然只有256级灰度。这也就是说，感光器件的质量水平不同（就是动态范围不同），它们提供的256级灰度反映的 “实际的亮度差“ 是不一样的。从这一点而言，当然感光（发光）器件的动态范围越大，就越能更真实的记录（显示）自然界的亮度变化。
对比度是一个相对值。就一幅图片而言，它反映了图片上最亮处与最黑处的比值。假设这幅图片上最亮与最黑之间的变化是均匀的，如果这个比值没有超过显示这幅图片的显示器的动态范围，那么我们看这幅图时会说它有充分的层次。如果这幅图片上最亮处与最黑处的比值超过了显示这幅图片的显示器的动态范围，那毫无疑问，偏亮的部分就已经达到了显示器的亮度极限，那更亮的部分也不会更亮，这部分的层次就会丢失。同理，图片中较暗的地方显示器已成全黑，那更暗的部分也无法显示。
实际上，数字图像处理中的对比度拉伸是当一幅图像中的亮暗差较小时（例如只有50~150），我们比较均匀的扩展它的对比度，将它的幅值拉伸到10~180或5~240。这样，暗处显得更黑，亮处显得更亮些，由于是均匀拉伸，原本不易分辨的灰度差（中间灰度）也拉开了距离，显得图片更富有层次。
就简单说这些，希望能有帮助。

D. 直方图均衡化的概述

图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。
直方图均衡化的英文名称是Histogram Equalization.
直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。

E. 傅里叶变换在生活中的应用有哪些

傅立叶变换在图像处理中有非常非常的作用。因为不仅傅立叶分析涉及图像处理的很多方面，傅立叶的改进算法，
比如离散余弦变换，gabor与小波在图像处理中也有重要的分量。
印象中，傅立叶变换在图像处理以下几个话题都有重要作用：1.图像增强与图像去噪绝大部分噪音都是图像的高频分量，通过低通滤波器来滤除高频——噪声; 边缘也是图像的高频分量，可以通过添加高频分量来增强原始图像的边缘；2.图像分割之边缘检测提取图像高频分量3.图像特征提取：形状特征：傅里叶描述子纹理特征：直接通过傅里叶系数来计算纹理特征其他特征：将提取的特征值进行傅里叶变换来使特征具有平移、伸缩、旋转不变性4.图像压缩可以直接通过傅里叶系数来压缩数据；常用的离散余弦变换是傅立叶变换的实变换；
傅立叶变换傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。连续情况下要求原始信号在一个周期内满足绝对可积条件。离散情况下，傅里叶变换一定存在。冈萨雷斯版里面的解释非常形象：一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。当我们考虑光时,讨论它的光谱或频率谱。同样,傅立叶变换使我们能通过频率成分来分析一个函数。傅立叶变换有很多优良的性质。比如线性，对称性（可以用在计算信号的傅里叶变换里面）;
时移性：函数在时域中的时移，对应于其在频率域中附加产生的相移，而幅度频谱则保持不变；
频移性：函数在时域中乘以e^jwt，可以使整个频谱搬移w。这个也叫调制定理，通讯里面信号的频分复用需要用到这个特性（将不同的信号调制到不同的频段上同时传输）；卷积定理：时域卷积等于频域乘积；时域乘积等于频域卷积（附加一个系数）。（图像处理里面这个是个重点）
信号在频率域的表现在频域中，频率越大说明原始信号变化速度越快；频率越小说明原始信号越平缓。当频率为0时，表示直流信号，没有变化。因此，频率的大小反应了信号的变化快慢。高频分量解释信号的突变部分，而低频分量决定信号的整体形象。在图像处理中，频域反应了图像在空域灰度变化剧烈程度，也就是图像灰度的变化速度，也就是图像的梯度大小。对图像而言，图像的边缘部分是突变部分，变化较快，因此反应在频域上是高频分量；图像的噪声大部分情况下是高频部分；图像平缓变化部分则为低频分量。也就是说，傅立叶变换提供另外一个角度来观察图像，可以将图像从灰度分布转化到频率分布上来观察图像的特征。书面一点说就是，傅里叶变换提供了一条从空域到频率自由转换的途径。对图像处理而言，以下概念非常的重要：
图像高频分量：图像突变部分；在某些情况下指图像边缘信息，某些情况下指噪声，更多是两者的混合；低频分量：图像变化平缓的部分，也就是图像轮廓信息高通滤波器：让图像使低频分量抑制，高频分量通过低通滤波器：与高通相反，让图像使高频分量抑制，低频分量通过带通滤波器：使图像在某一部分的频率信息通过，其他过低或过高都抑制还有个带阻滤波器，是带通的反。

模板运算与卷积定理在时域内做模板运算，实际上就是对图像进行卷积。模板运算是图像处理一个很重要的处理过程，很多图像处理过程，比如增强/去噪（这两个分不清楚），边缘检测中普遍用到。根据卷积定理，时域卷积等价与频域乘积。因此，在时域内对图像做模板运算就等效于在频域内对图像做滤波处理。比如说一个均值模板，其频域响应为一个低通滤波器；在时域内对图像作均值滤波就等效于在频域内对图像用均值模板的频域响应对图像的频域响应作一个低通滤波。

图像去噪图像去噪就是压制图像的噪音部分。因此，如果噪音是高频额，从频域的角度来看，就是需要用一个低通滤波器对图像进行处理。通过低通滤波器可以抑制图像的高频分量。但是这种情况下常常会造成边缘信息的抑制。常见的去噪模板有均值模板，高斯模板等。这两种滤波器都是在局部区域抑制图像的高频分量，模糊图像边缘的同时也抑制了噪声。还有一种非线性滤波-中值滤波器。中值滤波器对脉冲型噪声有很好的去掉。因为脉冲点都是突变的点，排序以后输出中值，那么那些最大点和最小点就可以去掉了。中值滤波对高斯噪音效果较差。
椒盐噪声：对于椒盐采用中值滤波可以很好的去除。用均值也可以取得一定的效果，但是会引起边缘的模糊。高斯白噪声：白噪音在整个频域的都有分布，好像比较困难。
冈萨雷斯版图像处理P185：算术均值滤波器和几何均值滤波器（尤其是后者）更适合于处理高斯或者均匀的随机噪声。谐波均值滤波器更适合于处理脉冲噪声。
图像增强有时候感觉图像增强与图像去噪是一对矛盾的过程，图像增强经常是需要增强图像的边缘，以获得更好的显示效果，这就需要增加图像的高频分量。而图像去噪是为了消除图像的噪音，也就是需要抑制高频分量。有时候这两个又是指类似的事情。比如说，消除噪音的同时图像的显示效果显着的提升了，那么，这时候就是同样的意思了。常见的图像增强方法有对比度拉伸，直方图均衡化，图像锐化等。前面两个是在空域进行基于像素点的变换，后面一个是在频域处理。我理解的锐化就是直接在图像上加上图像高通滤波后的分量，也就是图像的边缘效果。对比度拉伸和直方图均衡化都是为了提高图像的对比度，也就是使图像看起来差异更明显一些，我想，经过这样的处理以后，图像也应该增强了图像的高频分量，使得图像的细节上差异更大。同时也引入了一些噪音

F. 用photoshop给人物加背景，怎么做出拉伸的效果

情况一：人物和背景分布在不同图层。
1选择背景
副本图层，点击任意一个方块，打开缩放面板。
2.将w值调节到200%。
3.点击移动工具，选择应用。
4.背景缩放完成。
情况二：人物和背景在同一图层。
1.使用套索工具生成人物选区。
2.按shift+f6打开羽化选区面板，调节半径为最低，点击确定。
3.按shift+ctrl+i反选。
8.按ctrl+t，将w值调节为200%。
9.点击移动工具，选择应用。
10.按ctrl+d取消选择，背景拉伸，但人物尺寸不变。

G. 对影像进行线性拉伸增强、对比度变换等处理

将原来不清晰的图像变清晰或将原来不够突出的特定图像信息和特征显现出来的图像处理方法称为图像增强。
图像增强的方法有很多，但所有的图像增强方法都有面向问题的，不存在对所有问题都有很好效果的算法。在进行图像增强之前需要注意，必须去除图像噪声，否则得到的就是噪声增强的图像，影响对图像的解释。应用最为普遍的图像增强技术包括反差处理、空间特征处理和多波段图像处理。
共同的目的都是通过图像处理，提高图像质量，突出图像信息，有利于分析判断和进一步作出处理。
为了增强图像使分析者便于识别，要对图像的灰度信息进行变换处理，它是通过把原图像的灰度值X用函数f变换为值y而进行的。
y=f(x)
典型的对比度变换方法有：线性变换、分段线性变换、三角波变换、连续函数变换、局部性变换等。
希望能帮到您。

H. 如何用matlab进行图像拉伸

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

B就是图像A的拉伸或压缩结果
如果第二个输入参数是1个标量值scale，图像将保持纵横比
那么当0<scale<1的时候B是A的缩小结果，如果scale>1，B是A的放大结果

如果第二个输入参量是一个想二元向量
那么说出的B的像素大小由[mrows ncols]决定，图像不一定保持纵横比

I. 如何调节对比度

1、需要进入显卡的控制面板对电脑的对比度进行调节，下面就以英特尔核显为例，首先点击【控制面板】；2、在右上方的【查看方式】选择【大图标】，选择【英特尔核芯显卡】；3、在控制面板中，选择【显示器】；4、在选项面板中就可以看到【颜色设置】的选项，下面就可以对对比度进行调节；

J. 实验七 遥感图像反差增强处理

一、实验目的

了解ENVI设置的主要反差增强处理功能及其技术操作实现，重点掌握线性对比度拉伸（Linear Contrast Stretch）反差增强处理和分段线性对比度拉伸（Piecewise Linear）反差增强处理的控制参数设置、动态调整和应用，通过效果和差异比较分析，加深对反差增强原理的理解。

二、实验内容

（1）操作ENVI预设的四类反差增强处理方法——线性增强、高斯增强、直方图均衡增强和平方根增强，比较其效果；

（2）遥感数字图像的直方图制作与分析；

（3）单波段遥感图像线性对比度拉伸处理；

（4）单波段遥感图像分段线性对比度拉伸处理。

三、实验要求

预习本实验，认真观摩老师演示。四项实验内容均需完成，而且要按照顺序进行，即直方图制作与分析、线性对比度拉伸（Linear Contrast Stretch）和分段线性对比度拉伸（Piecewise Linear）顺序进行。测量结果存档。编写实验报告。

四、技术条件

①微型计算机；②桂林市TM 1～7波段数据；③ENVI软件；④Photoshop软件（ver.6.0以上）和ACDSee软件（ver.4.0以上）。

五、实验步骤

（1）数据输入。选择“File>Open Image File”，出现文件目录窗口，将桂林市TM 1～7波段数据调入“Available Bands List”窗口，待处理之用。

（2）操作ENVI预设的四类反差增强处理方法：光标点击图像主窗口上方的“Enhance”（增强处理），打开其下拉菜单，其中的[Image]、[Zoom]和[Scroll]三段区域内，从上到下都列出了线性、高斯、直方图均衡和平方根增强四种反差增强处理方法。用鼠标点击其中一种方法的名称，主窗口的图像即实现该种方法增强处理的图像结果。可以在ENVI运行状态下，通过逐一开新窗口排列显示各种增强处理结果。可以在ENVI运行状态下，通过逐一打开新窗口排列显示各种增强处理结果，以便比较。也可以将每种增强结果输出为JPEG格式图像，然后用Photoshop软件打开它们来进行集合分析，如图7-1所示。

图7-1 ENVI预设的反差增强处理方法窗口

Linear为线性增强，Gaussain为高斯增强，Eqauilzaiton为直方图均衡增强，Square Root为平方根增强

（3）直方图制作：打开TM7波段图像，在显示主窗口上方的命令栏中，选择“Enhance>Interactive Stretching”，出现线性对比度拉伸对话框，如图7-2所示。图中，窗口左边框内为TM7波段图像的灰度统计直方图（Input Histogram）。其中，横坐标左端标注的0为最小值，右端标注的92为最大值。纵坐标为每种灰度值占图像全部灰度值的比例，数值范围为0～1。图中，TM7图像的灰度直方图具有左偏单峰的特征，表明影像灰度值主要来自一个统计母体，但灰度数值偏小，因而图像偏暗。

图7-2 线性对比度拉伸对话框

（4）线性对比度拉伸：所谓的线性对比度拉伸，就是将图像灰度的动态范围扩大，即由原来的[0,92]范围——左图中的两条垂直虚线之间的范围，扩展到[0,255]范围。由对比度增强计算公式知道，随着图像灰度动态范围扩大，图像反差就增大，从而图像就变得清楚了。图7-2右边的图为经过拉伸处理后被增强图像的灰度直方图。此时直方图用数值的红色线条表示。可见其在横轴上的展布范围要比没拉伸前（即左边直方图）要宽得多。

由左直方图还可见，该波段图像的亮度概率分布只局限在很窄小的一个动态范围内。图中横轴左右两端的数值表示没经处理前该波段图像亮度的极小值和极大值。在直方图峰值区两侧的两道垂直虚线，是手控的极小值和极大值。该两虚线与横坐标的交点，是ENVI自动识别的（默认的）需要扩展的亮度动态范围。通过鼠标移动这两条垂直虚线，可以调整直方图到用户所需的亮度动态范围。下面需要做的事是：

1）根据直方图形态及位置特征，判断该图像属于哪一类清晰程度的图像，判断结果填写在表7-1中，

补充知识：直方图有两个峰值时，表明遥感图像的亮度值由两个统计母体组成；有三个或三个以上峰值时，表明遥感图像的亮度值由三个或三个以上的统计母体组成。

2）根据图形横坐标读取该动态范围区间的数值，填写在表7-1中；

3）移动两条垂直虚线到不同位置，可以获得不同增强效果的影像，将扩展后图像清晰度效果填写于表7-1中。

注意：每完成一次扩展处理，必须在“Available Bands…”窗口中，通过选项“File>Closed Selected File”关闭该波段图像。

表7-1 桂林市TM 1～7波段线性对比度拉伸

4）存储直方图。在直方图显示栏中进行如下操作：“File>Save Plot As>Imag File…”，在“Output File Type”选项中，选择JPEG输出格式。通过【Choose】按钮，输出直方图到指定的文件夹，取名为Plot-x.JPG,x为对应于图像的波段号。

5）对TM1,2,3,4,5,6重复第1）～第4）操作步骤。建立TM1,2,3,4,5,6的直方图的WORD文件，按照每行两个直方图编辑排版。

（5）分段线性对比度拉伸。

分段线性对比度拉伸可以通过使用鼠标在输入直方图中旋转几个点进行交互地限定，各点之间的部分采用线性拉伸，具体操作步骤如下：

1）在线性对比度拉伸对话框中选择“Stretch_Type>Piecewise Linear”，将会出现分段线性对比度拉伸对话框，如图7-3所示。

图7-3 分段线性对比度拉伸对话框

2）在分段线性对比度拉伸对话框中“Input Histogram”直方图的任何位置点击鼠标中键，从而为转换函数增加一个节点，绘制的线段将把端点和绘制的节点标记连接起来。

3）要移动一个点的位置，在标记上点击鼠标左键，然后把它拖放到一个新位置。

4）要删除点，在标注上点击右键。

5）点击【Apply】按钮，完成分段线性变换处理。

六、实验报告

（1）简述实验过程。

（2）回答问题：①ENVl设计了哪些反差增强处理方法？②正偏、负偏、狭窄和平直形态的图像亮度直方图分别对应着遥感图像的什么问题？③根据表7-1数据结果，解释为何通过调整直方图——拉宽ENVI显示的遥感图像直方图峰值区两侧的两条垂直虚线就可以使遥感图像增强？④通过对分段线性变换增强处理的操作实验，你觉得该处理除能做图像增强外，对遥感图像信息处理还有何作用？

实验报告格式见附录一。