在上一篇博文中,我们已经介绍过了百分比裁剪的拉伸方法,对于这种拉伸方法,相信大家已经有所了解。我们接下来给大家介绍其他几种拉伸方法。今天主要介绍的是标准差拉伸,和最大最小值拉伸。
标准差拉伸、最大最小值拉伸、和百分比裁剪拉伸这三种方法都是线性拉伸方法。线性拉伸方法在上节中我们也已经介绍过了。采用线性变换对图像每一个像素灰度进行线性拉伸,将有效改善图像视觉效果。下面我们开始介绍这两种拉伸方法。
标准差拉伸:
标准差:数学符号σ,方差的算术平方根,反映组内个体间的离散程度。简单来说就是表示组内大多数值和平均值的偏离程度。标准差越大,表示组内大多数数值和平均值偏离的越多。标准差越小,表示组内大多数值和平均值比较接近。
标准差拉伸:和百分比裁剪拉伸一样,标准差拉伸也是通过修剪影像的极值。然后对其他像素值进行线性拉伸来使影像的对比度增加。当对影像进行统计时,可以得到影像的最大值,最小值,和标准差。当你定义标准差为2。那么超过2个标准差的像素值会被推到0或者255的位置。在两个标准差之间的像素值被线性拉伸至0-255。标准差拉伸经常用来使色调较暗的栅格数据集变亮。下图所示的图像可以明显看到效果。
统计数据:
拉伸前:
标准差拉伸、最大最小值拉伸、和百分比裁剪拉伸这三种方法都是线性拉伸方法。线性拉伸方法在上节中我们也已经介绍过了。采用线性变换对图像每一个像素灰度进行线性拉伸,将有效改善图像视觉效果。下面我们开始介绍这两种拉伸方法。
标准差拉伸:
标准差拉伸:和百分比裁剪拉伸一样,标准差拉伸也是通过修剪影像的极值。然后对其他像素值进行线性拉伸来使影像的对比度增加。当对影像进行统计时,可以得到影像的最大值,最小值,和标准差。当你定义标准差为2。那么超过2个标准差的像素值会被推到0或者255的位置。在两个标准差之间的像素值被线性拉伸至0-255。标准差拉伸经常用来使色调较暗的栅格数据集变亮。下图所示的图像可以明显看到效果。
统计数据:
拉伸前:
