Современные технологии обработки изображений 28
Улучшение мультиспектральных цветных изображений
Часто возникает необходимость в улучшении мультиспектральных данных и формировании на их основе изображения, которое является пригодным для визуального анализа.
Рассмотрим основные подходы к улучшению изображений, полученных на основе мультиспектральных данных. Для этого используем аэрокосмический снимок части Парижа (Франция). Изображение представлено программой Erdas в формате LAN. Оно было зафиксировано в семи диапазонах спектра. Концепция дальнейшей обработки сводится к следующему:
- Считывание мультиспектральных данных из LAN-файла с помощью программы Erdas.
- Построение цветовых составляющих на основе комбинации различных диапазонов спектра.
- Улучшение изображения с использованием растяжения контраста.
- Улучшение изображения с использованием декорреляционного растяжения.
Последовательность действий:
Шаг 1: Построение составляющих мультиспектрального изображения в формате truecolor. Шаг 2: Использование гистограммы для исследования цветовых составляющих изображения. Шаг 3: Использование корреляции для анализа составляющих truecolor. Шаг 4: Улучшение truecolor-составляющих с помощью растяжения контраста. Шаг 5: Ограничение гистограммы при растяжении контраста. Шаг 6: Улучшение цветовых составляющих изображения с помощью метода декорреляционного растяжения. Шаг 7: Ограничение гистограммы при декорреляционном растяжении. Шаг 8: Построение и улучшение CIR-составляющих.
Шаг 1: Построение составляющих мультиспектрального изображения в формате truecolor.
LAN-файл paris.lan содержит 7-диапазонное аэрокосмическое изображение с размерами 512-на-512. Значения пикселей представлены в формате целых 8-битных чисел без знака.
Для считывания 3, 2 и 1 диапазона из LAN-файла в MATLAB используют функцию multibandread. Эти диапазоны взяты из различных частей спектра. Когда их отобразить в красной, зеленой и голубой плоскостях, получим RGB изображение со стандартными truecolor-составляющими. Последний аргумент в функции multibandread описывает какие диапазоны спектра используются.
truecolor=multibandread('paris.lan', [512, 512, 7], 'uint8=>uint8', ... 128, 'bil', 'ieee-le', {'Band','Direct',[3 2 1]}); Составляющие truecolor имеют очень небольшой контраст и цвет их несбалансированный. figure imshow(truecolor); text(size(truecolor,2), size(truecolor,1) + 15,... 'Image courtesy of Space Imaging, LLC',... 'FontSize', 7, 'HorizontalAlignment', 'right')
Шаг 2: Использование гистограммы для исследования цветовых составляющих изображения.
Просматривая гистограмму красной составляющей, можно увидеть какие данные сконцентрированы в небольшой части имеющегося динамического диапазона.
figure
imhist(truecolor(:, :, 1))
Шаг 3: Использование корреляции для анализа составляющих truecolor.
Между составляющими компонентами изображения существует некоторая связь, т.е. корреляция. Графически эту зависимость можно представить так.
r=truecolor(:, :, 1); g=truecolor(:, :, 2); b=truecolor(:, :, 3); figure plot3(r(:), g(:), b(:), '.') grid('on') xlabel('Red') ylabel('Green') zlabel('Blue')
Такое представление составляющих изображения позволяет отобразить их корреляционные зависимости и объясняет псевдомонохроматический вид составляющих.
Шаг 4: Улучшение truecolor-составляющих с помощью растяжения контраста.
При использовании функции imadjust для линейного растяжения контраста, происходит восстановление (улучшение) изображения.
stretched_truecolor=imadjust(truecolor, stretchlim(truecolor)); figure imshow(stretched_truecolor)
Шаг 5: Ограничение гистограммы при растяжении контраста.
Гистограмма красной составляющей после применения растяжения контраста показывает, каким образом распределены данные во всем динамическом диапазоне. Эта гистограмма показана на рисунке ниже.
figure imhist(stretched_truecolor(:, :, 1))
Шаг 6: Улучшение цветовых составляющих изображения с помощью метода декорреляционного растяжения.
Другой путь улучшения truecolor-составляющих состоит в использовании метода декорреляционного растяжения, который улучшает их расположение в метрическом пространстве с точки зрения высокой корреляции спектральных диапазонов. Для выполнения декорреляционного растяжения используется функция decorrstretch (эта функция аналогична линейному растяжению контраста).
decorrstretched_truecolor=decorrstretch(truecolor, 'Tol', 0.01); figure imshow(decorrstretched_truecolor)
Кроме того, поверхность характеризуется хорошо различимыми локальными областями различных цветов. Иными словами, такие области характеризуются большими спектральными различиями. В качестве примера отметим зеленую область в левой части изображений. В реальности эта область является парком в западной части Парижа.
Шаг 7: Ограничение гистограммы при декорреляционном растяжении.
Продемонстрируем эту процедуру на примере. r=decorrstretched_truecolor(:, :, 1); g=decorrstretched_truecolor(:, :, 2); b=decorrstretched_truecolor(:, :, 3); figure plot3(r(:), g(:), b(:), '.') grid('on') xlabel('Red') ylabel('Green') zlabel('Blue')
Шаг 8: Построение и улучшение CIR-составляющих.
Аэрокосмические летательные аппараты могут фиксировать изображения как в видимом, так и в невидимом диапазонах спектра. Для визуализации изображений в невидимом спектре используют преобразование в формат RGB. При решении рассматриваемой задачи используют диапазон, который находится вблизи инфракрасного диапазона (near infrared (NIR)). Также возможно его использование вместе с другими диапазонами для исследования, например, задач экологического состояния региона.
Рассмотрим визуализацию изображения, полученного в так называемом CIR-диапазоне (color infrared (CIR)). CIR=multibandread('paris.lan', [512, 512, 7], 'uint8=>uint8', ... 128, 'bil', 'ieee-le', {'Band','Direct',[4 3 2]}); Для усиления некоторых характеристик изображения используют декорреляционное растяжение. stretched_CIR=decorrstretch(CIR, 'Tol', 0.01); figure imshow(stretched_CIR)
Следует отметить, что свойства инфракрасных составляющих изменяются в зависимости от свойств сканируемого объекта. Поэтому такие изображения могут быть использованы для дистанционного исследования земной поверхности.