文章目录
- 前言
- [1. 无（无拉伸）](#1. 无（无拉伸）)
- [2. 自定义拉伸](#2. 自定义拉伸)
- [3. 标准差拉伸](#3. 标准差拉伸)
- [4. 直方图均衡化](#4. 直方图均衡化)
- [5. 最值拉伸（最小-最大拉伸）](#5. 最值拉伸（最小-最大拉伸）)
- [6. 直方图规定化（匹配）](#6. 直方图规定化（匹配）)
- [7. 百分比截断拉伸](#7. 百分比截断拉伸)
- [8. Esri（ESRI风格拉伸）](#8. Esri（ESRI风格拉伸）)
- 总结
前言
在遥感影像处理中，"拉伸"是通过调整像素值的分布来增强图像视觉对比度的技术，它不改变原始数据，只改变显示方式。
1. 无（无拉伸）
- 原理：直接将原始数字值（通常是16位、12位等）线性映射到显示范围（0-255）。如果原始数据范围较窄（如3000-5000），映射后大部分像素会集中在少数几个灰度级，导致图像看起来发灰、暗淡、对比度低。
- 效果：最原始的显示，通常视觉效果最差。
- 适用：需要查看原始数值分布的专业分析场景。
2. 自定义拉伸
- 原理：用户手动定义输入值（原始像素值）与输出值（显示亮度）之间的映射关系。
- 最小/最大值：指定用于拉伸的输入数据范围。
- Gamma值：控制中间色调的亮度。
- 分段线性拉伸：对不同数值区间使用不同的拉伸斜率。
- 效果：完全可控，可实现特定的增强效果。
- 适用：对图像有特定增强需求的专家用户。
3. 标准差拉伸
- 原理：基于图像的均值和标准差来确定拉伸范围。
- 常用形式：[均值 - N×标准差] 到 [均值 + N×标准差]（N通常为2或3）。超出此范围的像素值被截断（归为0或255）。
- 优点：
自动排除极端值（如云、异常亮斑）的影响。
对服从正态分布的数据增强效果很好。 - 效果：能有效突出主体地物的细节，对比度适中。
- 适用：大多数连续型遥感数据，特别是当图像中存在少数极端高亮或低暗像素时。
4. 直方图均衡化
- 原理：一种非线性拉伸。将原始图像的直方图变换为在整个显示范围内均匀分布的直方图。
- 算法：计算累积分布函数，并将其作为映射函数。
- 目标：使每个灰度级的像素数量大致相等。
- 优点：
最大化全局对比度，细节显现能力强。
完全自动处理。 - 缺点：
可能过度增强噪声。
可能破坏自然色调，使图像看起来不自然。
对局部对比度改善有限。 - 适用：需要最大化全局对比度的图像，或作为初步增强。
5. 最值拉伸（最小-最大拉伸）
- 原理：最简单、最常用的线性拉伸。将图像中实际存在的最小像素值映射为0（黑），最大像素值映射为255（白），中间值线性内插。
- 优点：简单直观，充分利用了全部显示动态范围。
- 缺点：对异常值极其敏感。一个极端亮或暗的像素（如太阳耀斑、云阴影）就会压缩主体地物的显示范围，导致图像整体对比度降低。
- 适用：数据质量高、无极端异常值的情况。
6. 直方图规定化（匹配）
- 原理：将当前图像的直方图形状变换为与另一幅参考图像（或预设直方图形状）的直方图相匹配。
- 算法：先对两幅图像分别做均衡化，然后建立映射关系。
- 效果：使多幅图像或不同波段具有一致的色调和对比度，便于视觉比较或镶嵌。
- 适用：
多时相影像对比。
影像镶嵌前的色调均衡。
与"标准"色调的图像进行匹配。
7. 百分比截断拉伸
- 原理：最值拉伸的稳健版本。通过指定两个百分比截断点（如2%和98%）来确定用于拉伸的最小最大值。将像素值按大小排序，忽略两端的极端像素（如最低的2%和最高的2%），用剩余像素的最小最大值进行线性拉伸。
- 优点：
有效抵抗异常值影响，是实践中最常用、最有效的拉伸方法之一。
既能充分利用显示范围，又能保证主体地物对比度良好。 - 适用：几乎所有类型的遥感影像可视化，特别是包含云、水、阴影等异常区域的影像。
8. Esri（ESRI风格拉伸）
- 原理：这是Esri公司软件（如ArcGIS）中一种特定的、智能化的百分比截断拉伸变体。它结合了多种策略来确定最优的拉伸范围，通常包括：
- 使用类似于百分比截断的方法。
- 可能结合标准差分析，动态排除异常值。
- 针对不同类型影像（如全色、多光谱）可能有微调。
- 效果：旨在为大多数图像提供"开箱即用"的最佳视觉效果，平衡对比度与自然感。
- 适用：在ArcGIS等平台中作为默认或推荐的拉伸方法。
总结与选择指南
| 拉伸类型 | 核心原理 | 优点 | 缺点 | 最佳适用场景 |
|---|---|---|---|---|
| 无 | 原始线性映射 | 保持数据原貌 | 对比度通常最差 | 专业数值分析 |
| 最值 | 实际最小到最大 | 简单，用满范围 | 对异常值极度敏感 | 无异常值的干净数据 |
| 百分比截断 | 忽略两端极值 | 稳健，效果出众 | 需选择合适百分比 | 通用首选，尤其是含云/阴影的影像 |
| 标准差 | 基于均值和方差 | 自动排除极端值 | 假设数据近似正态分布 | 连续型、分布均匀的数据 |
| 直方图均衡化 | 直方图均匀化 | 最大化全局对比度 | 可能过度，不自然 | 需要最强全局对比度时 |
| 直方图规定化 | 匹配参考直方图 | 多图色调一致 | 需要参考目标 | 多时相较、影像镶嵌 |
| 自定义 | 用户完全控制 | 灵活，可实现特定目标 | 依赖用户经验 | 专家用户的特定需求 |
| Esri | 智能混合算法 | 自动、效果好 | 内部算法不透明 | Esri软件中的快速优化显示 |
总结
日常浏览/快速出图：首选百分比截断（2%-98%或根据直方图微调）或Esri拉伸。
存在极端值（云、雪、深水）：百分比截断或标准差拉伸。
多影像比较或镶嵌：使用直方图规定化到同一参考。
强调微弱细节：可尝试直方图均衡化，但需注意噪声可能也被放大。
分类或专题图显示：通常使用自定义或最值拉伸，以保持类别边界清晰。