影像拉伸方法

在获取影像数据的过程中，受多种因素的影响，图像质量难免会出现一定程度的退化。对影像数据进行拉伸的主要目的是改善其显示效果和质量，从而提升影像的清晰度。这一过程有助于突出便于人或机器分析的关键信息，同时抑制无关信息，以增强影像数据的使用价值。

本质上，影像拉伸是通过调整亮度和对比度，使影像中的地物特征更加清晰易辨。

目前， SuperMap ImageX Pro 提供的影像拉伸方法包括最值拉伸、百分比截断拉伸、高斯拉伸、直方图均衡化、对数拉伸和伽马拉伸。您可以根据具体的影像特征和需求，选择适合的拉伸方式，从而优化影像的显示效果，提升影像分析价值。

最值拉伸

通过线性映射的方式将影像的像素值从原始范围调整到指定的新范围，使像素值分布在新范围之间。

通过这样的拉伸处理，明显提高影像的对比度和亮度，从而使影像中的地物更清晰。一般适用于像素值分布密集的栅格影像。


图：无拉伸	图：最值拉伸

假设影像的大部分像素都处于某一个范围内，超过最大值的范围被认为其像素值为255，超过最小值的范围被认为其像素值为0，然后再对范围内的像素值进行最值拉伸。其中，最大最小值需通过指定最大最小截断百分比来确定。

例如：一幅影像的像素值范围为[0,100]，最大最小截断百分比分别设置为90和10。通过百分比截断拉伸后，[0,10]的范围显示为0，[10,90]之间的值将被拉伸到[0,255]范围进行显示，[90,100]的范围显示为255。


图：无拉伸	图：百分比截断拉伸

高斯拉伸的目的是使影像数据的像素值趋于正态分布，属于线性拉伸的一种。通过将像素值乘以高斯拉伸系数后，再拉伸到[0,255]的范围内显示。


图：无拉伸直方图	图：高斯拉伸后直方图

通过重新分配影像像素值，使影像中每个像素值的像元个数大致相等。

例如：图像的原始像素值集中分布在[50,100]的范围，[0,50]和[100,255]范围的像元个数极少。通过直方图均衡化，将[50,100]均衡拉伸到[0,255]，使得每个像素值的像元个数趋于一致。

若原始影像的质量比较差、数据动态范围小、直方图分布极不均匀时，不宜使用此拉伸方式。

图：拉伸前后的直方图示意(图片源于网络)


图：无拉伸	图：直方图均衡化拉伸

扩展图像的低灰度范围，同时压缩高灰度范围，将图像暗的部分扩展，而将亮的部分抑制，即强调图像的低灰度部分。

图像曝光不足或过度时，伽马拉伸可调节图像的对比度。利用非线性变换，扩展图像的低/高灰度范围，从而对较暗或较亮的图像进行校正，增强图像显示细节，改善影像数据的显示质量。

此拉伸方式需设置伽马拉伸参数。默认值为0.5，取值范围为（0，+∞）。