周兵,孟慧君，劉曉楠，臧文乾,2

（1.河南大學，開封 475004；2.中國科學院遙感與數(shù)字地球研究所，北京100101）

0 引言

遙感影像具有覆蓋面積廣、數(shù)據(jù)量大的特點，所以在對遙感影像進行處理時，一般都會將其切分成若干瓦塊數(shù)據(jù)，以便實現(xiàn)并行處理，從而提高處理速度。同時這也帶來一個問題：當生成這些瓦塊的快視圖時[1]，由于不同瓦片包含的地物信息存在差異，造成不同瓦塊的顏色范圍不一致，這就導致生成的瓦片快視圖之間會存在一定色差。對此，本文提出采用基于直方圖共享的線性拉伸策略，在較好地解決了快視圖之間存在色差問題的同時實現(xiàn)了圖像增強的效果。

1 相關研究介紹

圖像色差調整是一種常見的圖像處理技術，通過色差調整可以獲得較好的視覺效果，以便于人和機器對圖像進行更好的理解和分析。傳統(tǒng)的手工調圖法[2]為：首先對圖像進行分片，以中間片為基準，判斷其他部分與中間部分圖像相差多少個DN（Digital Number）值，便分別對它們增減多少個DN值，然后將調色后的圖像導入圖像軟件，查看調圖效果，如仍有色差則重復上述過程。從以上步驟可以看出，手工調圖法不僅對工作人員的經(jīng)驗要求比較高，而且也比較繁瑣。文獻[3]提出一種三維調整圖像色差值的方法，該方法的主要思路為：首先接收多個色差調整量，這些色差調整量分別對應多個參考亮度值。然后根據(jù)色差調整量估計選擇區(qū)域內各像素所對應的亮度值的目標色差調整量，最后根據(jù)選擇區(qū)域內各像素的目標色差調整量調整選擇區(qū)域內各像素的色差值。文獻[4]提出了一種基于最鄰近統(tǒng)計的CCD（Charge-Coupled Device）圖像色差消除方法。首先選取動態(tài)范圍最大的一片CCD作為沒有色差的基準圖像，然后將與基準圖像相鄰的CCD成像作為待處理圖像，選取臨近待處理圖像邊緣的一列像元，分別計算圖像和這一列像元在某個波段下灰度值的平均值，然后得出上述兩個平均值的差，并將這個差值加到待處理圖像的所有像元上，重復以上操作直到所有片CCD成像處理完成。該方法雖較好地達到了遙感影像色差消除的效果，但是由于該方法是基于各片CCD線陣接邊處邊緣區(qū)域進行的色差調整，所以對整體圖像的色差消除效果并不理想。文獻[5]提到的2%線性拉伸算法的思路為首先裁剪掉圖像直方圖中前后各2%的像素點，然后對累積在直方圖2%到98%范圍內的像素值進行拉伸來增大圖像灰度值范圍。用該方法得到的圖像雖然達到了較好的顯示效果，但是并沒有很好地解決各瓦片快視圖之間存在色差的問題。

綜上所述，本文在2%線性拉伸算法的基礎上進行改進，提出了基于直方圖共享的快視圖色差調整算法，為了驗證該方法的有效性，在接下來進行了分析實驗并對實驗結果進行展示。

2 基于直方圖共享的快視圖色差調整算法

2.1 數(shù)據(jù)分析

圖像拉伸算法主要用來改變圖像的灰度值范圍，該算法可分為線性拉伸和非線性拉伸兩種。線性拉伸也叫做灰度拉伸,是一種像素級的圖像處理算法，它通過對像素點按照一維灰度變換函數(shù)進行變換,達到拉伸圖像灰度區(qū)間的目的，進而實現(xiàn)圖像顯示效果的增強[5]。本文采用的線性拉伸計算方法如公式（1）所示。

其中g（x,y）是拉伸后的影像，f（x,y）是原始影像。本文所采用的是2%線性拉伸算法[5]。該算法根據(jù)圖像直方圖裁剪掉直方圖中前后各2%的像素點，以直方圖中2%處的灰度值作為最小值Min，98%處的灰度值作為最大值Max，對累積在直方圖2%到98%范圍內的像素值進行拉伸，以減少異常數(shù)據(jù)對圖像拉伸結果的影響。

通過線性拉伸算法可以看出，線性拉伸算法是在圖像直方圖的基礎上做的線性變化，因此拉伸結果受直方圖影響。如圖1是同一景遙感影像不同瓦片的對比圖，表1為圖1中部分瓦片以及整景影像灰度值范圍的對比，從上述的圖和表可以看出，雖然這多個瓦片同屬一景遙感影像，但是由于一景遙感影像所覆蓋的地理范圍較大且地物信息較復雜，對遙感數(shù)據(jù)按照五層十五級存儲結構[6-7]切片后各瓦片所包含的地物信息差異性較大，所以灰度值范圍也不盡相同，從而導致瓦片的直方圖信息會存在差異。另外，切分后各個瓦片的直方圖并不能反映整景影像的灰度值分布情況，尤其是在圖像進行過幾何糾正后再切分時，影像的邊角存在滿幅率不高的瓦片數(shù)據(jù)，這就使得瓦片的灰度值更加不能反映整景影像的真實灰度值分布情況。所以，如果直接對各個遙感瓦片按照2%線性拉伸算法去除該瓦片灰度直方圖中左右各2%的像素點而對其他像素點進行拉伸的話，會使得各瓦片間快視圖色差過大，這種情況會導致在進行大范圍標準化遙感數(shù)據(jù)展示時，塊與塊之間存在肉眼可見的拼接線和色差，影響整體展示效果。

圖1 同景影像不同瓦片的對比

圖中所示數(shù)據(jù)為GF1_PMS1_20150325_L1A0000-716987.tif，在上圖的紅框區(qū)域中最上方瓦片數(shù)據(jù)的行列號為1300_2967，紅框中最右側瓦片數(shù)據(jù)行列號為1299_2968，與這兩個瓦片相接的數(shù)據(jù)信息為1299_2967。

對整景影像和這三個瓦片的灰度值信息統(tǒng)計如表1所示。

從表中信息可以看出瓦片灰度值的最大值與整景影像的灰度最大值出入較大，這是造成瓦片快視圖之間存在色差的主要原因，尤其是對于滿幅率較低的瓦片數(shù)據(jù)，如圖1中邊緣區(qū)域，它們與其他瓦片間的色差則更為明顯。

表1 影像灰度值信息

2.2 基于直方圖共享的快視圖色差調整算法

為解決上述所說的因各瓦片的灰度值與整景影像的灰度值出入較大而造成的瓦片快視圖之間存在色差的問題，本文在快視圖的生產(chǎn)過程中做了如下改進：在對圖像進行分塊之前，在整景影像波段分離后，統(tǒng)計各個波段的直方圖信息并寫入如圖2所示的XML以及TXT文件中，在瓦片數(shù)據(jù)生成快視圖時，用整景影像的直方圖信息代替瓦片直方圖信息，根據(jù)整景影像直方圖中左右兩端各2%的灰度值來決定各瓦片中應去除的像素點，即去除瓦片中灰度值包含在整景影像直方圖左右兩端各2%灰度值中的像素點，然后對瓦片中其余的像素點進行線性拉伸。改進前和改進后的快視圖生成流程對比如圖3所示，其中圖3（a）為改進前的快視圖生成流程圖，圖3（b）為改進后的快視圖生成流程圖。

圖2 波段統(tǒng)計信息示例圖

改進后的快視圖生成步驟可簡單描述如下：

（1）讀取影像波段和投影等相關信息進行波段拆分并計算最小灰度值和最大灰度值，并將統(tǒng)計信息寫入文件中保存；

（2）按照五層十五級數(shù)據(jù)組織結構[6]對輸入的影像進行處理，通過投影轉換、數(shù)據(jù)采樣等過程生成符合標準的切片數(shù)據(jù)；

（3）用整景影像直方圖代替瓦片直方圖去除極端像素點，對每個瓦片數(shù)據(jù)按照2%線性拉伸算法公式逐像素操作，得到一景影像的多個瓦片快視圖。

圖3 改進前后快視圖生成流程對比

3 試驗結果

下圖4和圖6是快視圖模塊改進前后效果對比圖，以GF1 PMS局部數(shù)據(jù)和GF2 PMS局部數(shù)據(jù)為例，圖4和圖6中左側圖4（a）和圖6（a）為方法改進前得到的快視圖，右側圖4（b）和圖6（b）為改進后效果圖。從圖中可以看出采用原來的處理方式得到的圖像存在顏色過亮、塊與塊之間顏色不均的問題，而優(yōu)化后的方法很好地解決了這個問題并達到顏色飽滿、地物清晰的效果。上述圖像對應的RGB直方圖數(shù)據(jù)如圖5和圖 7所示，其中圖 5（a）和圖 7（a）為改進前的 RGB 直方圖，圖5（b）和圖7（b）為改進后RGB直方圖。從圖中可以看出，改進前得到的直方圖近似平均分配，使得不同地物間對比不夠明顯，而改進后在一定程度上增強了顯示效果。

圖4 GF1數(shù)據(jù)快視圖前后對比圖

圖5 GF1數(shù)據(jù)RGB直方圖前后對比圖

圖6 GF2數(shù)據(jù)快視圖前后對比圖

圖7 GF2數(shù)據(jù)RGB直方圖前后對比圖

4 結語

2%線性拉伸算法可以改善圖像的對比度和清晰度，但是由于各瓦片灰度值差異過大等原因，使得各瓦片在處理后生成的快視圖之間存在色差。針對該問題，本文通過共享直方圖信息策略，在生成各瓦片快視圖時用整景影像直方圖信息代替瓦片直方圖信息對瓦片數(shù)據(jù)進行選擇處理，并運用此方法進行了實驗驗證。通過對實驗結果的對比分析可得，本文提出的基于直方圖共享的線性拉伸快視圖色差調整算法得到的圖像較好地解決了各瓦片之間存在色差的問題，并在一定程度上達到了圖像增強的效果。