decorrstretch
Применить удлинение декорреляции к многоканальному изображению
Описание
S = decorrstretch(A)A и возвращает результат в S. Среднее значение и отклонение в каждой полосе S те же, что и в A.
Основной целью декорреляционного растяжения является визуальное улучшение. Декорреляционное растяжение - это способ улучшить цветовые различия в изображении.
S = decorrstretch(A,Name,Value)
Примеры
Выделите цветовые различия в лесной сцене
В этом примере показано, как использовать растяжение декорреляции для подсветки элементов в лесном изображении путем преувеличения различий цветов.
Чтение изображения в рабочую область.
[X, map] = imread('forest.tif');Нанесите декоративное растяжение с помощью decorrstretch.
S = decorrstretch(ind2rgb(X,map),'tol',0.01);Отобразите оригинальное изображение и улучшенное изображение.
figure
imshow(X,map)
title('Original Image')
figure
imshow(S)
title('Enhanced Image')
Входные параметры
Выходные аргументы
Совет
Результаты прямой декорреляции (без опции контрастного растяжения) могут включать значения, которые попадают за пределы численной области значений, поддерживаемого классом
uint8илиuint16(отрицательные значения или значения, превышающие255или65535, соответственно). В этих случаяхdecorrstretchзажимает его выход в поддерживаемую область значений.Для
doubleклассов,decorrstretchзажимает выход только, когда вы задаете значение дляTol, задающий линейное контрастное растяжение с последующим зажимом к интервалу[0 1].Необязательные параметры не взаимодействуют, за исключением того, что линейное растяжение обычно изменяет как полосное, так и полосное стандартные отклонения. Таким образом, пока можно задать
TargetMeanиTargetSigmaнаряду сTol, их эффекты будут изменены.
Алгоритмы
Декоративное растяжение является линейной, пиксельной операцией, в которой конкретные параметры зависят от значений фактической и желаемой (целевой) статистики изображений. Векторная a содержащее значение заданного пикселя в каждой полосе входного изображения A преобразуется в соответствующий пиксель b в выходном изображении B следующим образом:
b = T * (a - m) + m_target.
a и b являются nBands-by-1 векторы, T является nBands-by- nBands матрица и m и m_target являются nBands-by-1 векторы такие, что
mсодержит среднее значение каждой полосы данных в изображении или в подмножестве пикселей изображений, которые вы задаетеm_targetсодержит требуемое выходное среднее значение в каждой полосе. Выбор по умолчаниюm_target = m.
Матрица линейного преобразования T зависит от следующего:
Полосу пропускания выборочной ковариации изображения или подмножества заданного изображения (того же подмножества, что и для
m), представленный матричнойCovЖелаемое выходное стандартное отклонение в каждой полосе. Это удобно представить матрицей диагонали,
SIGMA_target. Выбор по умолчаниюSIGMA_target = SIGMA, гдеSIGMA- диагональная матрица, содержащая стандартное отклонение выборки каждой полосы значений.SIGMAдолжны быть вычислены из тех же пикселей, которые использовались дляmиCovчто означает просто, что:SIGMA(k,k) = sqrt(Cov(k,k), k = 1,..., nBands).
Cov, SIGMA, и SIGMA_target являются nBands-by- nBands, как и матрицы Corr, LAMBDA, и V, определено ниже.
Первый шаг в вычислении T выполняет собственное разложение любой ковариационной матрицы Cov или матрица корреляции
Corr = inv(SIGMA) * Cov * inv(SIGMA).
В основанном на корреляции методе
Corrразложен:Corr = V LAMBDA V'.В ковариационном методе
Covразложен:Cov = V LAMBDA V'.
LAMBDA является диагональной матрицей собственных значений и V - ортогональная матрица, которая преобразует либо Corr или Cov на LAMBDA.
Следующим шагом является вычисление коэффициента растяжения для каждой полосы, который является обратным квадратным корнем соответствующего собственного значения. Удобно задать диагональную матрицу S содержащие коэффициенты растяжения, такие что:
S(k,k) = 1 / sqrt(LAMBDA(k,k)).
Наконец, матрица T вычисляется из любого из них
T = SIGMA_target V S V' inv(SIGMA) (метод, основанный на корреляции)
или
T = SIGMA_target V S V' (ковариационный метод).
Эти два метода дают одинаковые результаты, если отклонения в полосе равномерны.
Подстановка T в выражение для b:
b = m_target + SIGMA_target V S V' inv(SIGMA) * (a - m)
или
b = m_target + SIGMA_target V S V' * (a - m)
и читая справа налево, видно, что декорреляция растянулась:
Удаляет среднее значение из каждой полосы значений
Нормализует каждую полосу по ее стандартному отклонению (только метод, основанный на корреляции)
Вращает полосы в собственное пространство
CorrилиCovПрименение растяжения
Sв собственном пространстве, оставив изображение декорированным и нормированным в собственном пространствеВращается назад в исходное пространство полосы, где полосы остаются декоррелированными и нормированными
Корректирует каждую полосу согласно
SIGMA_targetВосстанавливает среднее значение в каждой полосе.