خانه > آموزش > RS > آشنایی با نحوه بهبود کنتراست تصاویر رقومی

آشنایی با نحوه بهبود کنتراست تصاویر رقومی

بهبود کنتراست تصاویر

   برخی از کاربردهای تصاویر ماهواره ای به شناسایی عوارض معطوف میشوند و در آنها نیازی به دانستن ارزش واقعی هر پیکسل نمیباشد. برای مثال هنگامی که میخواهید عوارضی را که بر روی یک تصویر ماهواره ای رقومی دیده میشود ترسیم نمایید، ارزش مقدار هر پیکسل کمک چندانی به شما نمیکند و مهم این است که بتوانید عوارض را از یکدیگر متمایز سازید. در اینحالت بهبود کنتراست تصاویر بسیار حائز اهمیت میگردد.
اما در برخی موارد ارزش مقدار ذخیره شده برای هر پیکسل از اهمیت بالایی برخوردار است. برای مثال هنگامی که میخواهید شاخص NDVI را برای یک تصویر ماهواره ای چند بانده محاسبه کنید، مقادیر ذخیره شده در تک تک پیکسلها اهمیت پیدا میکنند.

   در مواردی که ارزش اولیه پیکسلها برای شما ارزش چندانی ندارد، میتوانید با تغییر کنتراست تصاویر، قدرت تفکیک بالاتری را ایجاد کنید. این قدرت تفکیک بالاتر به شما کمک میکند تا بتوانید حدود هر عارضه بر روی تصویر را تشخیص داده و عوارض را از یکدیگر متمایز نمایید. اما این کار چگونه امکان پذیر است؟

   همانطور که میدانید ارزش ثبت شده برای هر پیکسل در یک باند از تصویر ماهواره ای، بین اعداد صفر و 255 متغیر است. هرچه به سمت صفر میرویم تصویر تیره تر شده و هر چه به سمت 255 حرکت میکنیم پیکسل ما روشن تر دیده میشود. در تصاویری که کنتراست پایین تری دارند، بیشتر پیکسلها دارای مقادیری از ارزش هستند که محدوده کوچکی را به خود اختصاص داده است. مثلاً اکثر پیکسلها مقادیری بین 50 تا 100 دارند. در اینحالت بخشهایی از محدوده 250 واحدی ما خالی میماند و عوارض اختلاف رنگ کمتری خواهند داشت.

تصویر با کنتراست پایین

تصویر با کنتراست پایین

   همانطور که در تصویر بالا مشاهده میکنید، کنتراست پایین تصویر در سه باند RGB باعث شده است تا بخشهای موجود در تصویر به سختی از یکدیگر متمایز شوند. همچنین اگر به نمودار هیستوگرام هر باند دقت کنیم متوجه خواهیم شد که در هر باند، بخش کوچکی از فضای موجود برای نمایش هر رنگ استفاده شده است.

   برای بهبود کنتراست تصاویر به روشهای مختلفی میتوانیم فضای موجود بین ارزش صفر تا 255 را بین پیکسلها تقسیم نماییم. مثلاً فرض میکنیم در یکی از باندهای تصویر ما مینیمم و ماکزیمم ارزشها 50 و 100 باشد. اگر بخواهیم مینیمم را بر روی صفر قرار داده و ماکزیمم بر روی 250 قرار گیرد، درواقع تصویری ایجاد کرده ایم که در آن فاصله بین ارزش پیکسلها 5 برابر شده است. در اینحالت اگر بین دو پیکسل یک واحد اختلاف ارزش وجود داشته باشد، این یک واحد اختلاف به 5 واحد افزایش خواهد یافت. مسلماً تمایز بین دو پیکسل با ارزشهای متوالی بسیار سخت تر از تمایز بین دو پیکسلی خواهد بود که 5 واحد با یکدیگر اختلاف دارند. این اختلاف در کل تصویر تسری پیدا نموده و درنهایت باعث افزایش قدرت تمایز عوارض خواهد شد.

بهبود کنتراست تصاویر باعث تمایز بیشتر عوارض میگردد

بهبود کنتراست تصاویر باعث تمایز بیشتر عوارض میگردد

   تصویری که در بالا مشاهده میکنید همان تصویر قبل است که با استفاده از روشی که خدمتتان عرض شد افزایش کنتراست پیدا کرده است. به دامنه ارزش پیکسلها در هر باند دقت کنید. به کار گیری دامنه وسیعتر برای نشان دادن ارزش پیکسلها باعث افزایش وضوح تصویر شده است.

   درحقیقت نوعی کلاسه بندی یا همان Classification برای مقادیر ارزش پیکسلها در نظر گرفته شده است و کلیه مقادیر در کلاسهایی که از صفر شروع شده و به 255 ختم میشوند افراز شده اند. روشهای مختلفی برای نحوه کلاسه بندی ارزشها وجود دارد که برخی از آنها مبتنی بر محاسبه پارامترهای آماری هستند. روشهای مختلفی چون  Minimum-Maximum ، Standard Deviations ، Histogram Specification ، Histogram Equalize و Percent Clip نمونه هایی از روشهای کلاسه بندی هستند که در نرم افزار ArcGIS برای بهبود کنتراست تصاویر در نظر گرفته شده اند.

کافیست تا یک نمونه از فایل رستری را در نرم افزار ArcGIS باز کرده و در پنجره Layer Properties و در سربرگ Symbology ، حالت نمایش را در حالت Stretched قرار دهید و سپس در بخش Stretch گزینه Type را تغییر دهید تا اثر تغییر روش کلاسه بندی را در نمایش فایل رستری خود مشاهده نمایید.

درباره حسن واعظی

کارشناس نقشه برداری و کارشناس ارشد سنجش از دور و سیستمهای اطلاعات مکانی.
آشنا به زبانهای برنامه نویسی VB و VB.Net در نرم افزارهای مرتبط با GIS.
مدرس دوره های مختلف مقدماتی و پیشرفته ArcGIS.
hassanvaezi[at]gmail.com

۴ دیدگاه

  1. سلام
    منظور از باند در تصاویر ماهواره ای چیست؟
    و اینکه امکانش هست لینکی بهم معرفی کنید که راجع به تغییر کیفیت تصاویر ماهواره ای توضیح داده باشه؟

    • سلام
      منظور از باند در تصاویر ماهواره ای، قسمتی از امواج الکترومغناطیس با طول موج معین در بازه مشخصی است که توسط سنجنده دریافت میشود. مثلا یک باند، در فایل رستر، میتواند نشانگر اثراتی باشد که امواج با طول موج بین 5.1 تا 6.1 میکرون، بر روی سنجنده میگذارند. درواقع شدت تابشهای الکترومغنازیس در بازه های مشخص در قالب یک فایل رستر ذخیره میگردند. یک فایل رستر میتواند حاوی بیش از یک باند باشد.

  2. سلام.
    برای محاسبه شاخص های شوری(SI,NDSIو…) در محیط ENVI با استفاده از تصاویر لندست 8 باید چکار کرد.
    ممنون میشم راهنماییم کنین .

    • امین احمدزاده

      با سلام.
      دوست عزیز برای محاسبه ی هرکدام از شاخص ها نظیر شاخص پوشش گیاهی، شاخص سنگهای هیدروترمال،شاخص رس و … باید ابتدا کارهای پیش پردازش روی تصاویرمون صورت بگیره.
      مثل stack که نتیجه ی دقیق تری اعمال بشه و بعد از اون ما نیاز داریم که فرمول هر کدوم و باندهایی که نیاز داره از اونا
      محاسبات صورت بگیره داشته باشیم. که اکثر شاخص ها در help نرم افزار موجوده. بنابراین شما باید اینایی که احتیاج دارید رو استخراج کنید و اگر گزینه ی شاخص مورد نظر رو در ابزار های اصلی نرم افزار پیدا نکردید،میتونید از قسمت band math تمام محاسباتی که مد نظرتون هست رو با واردکردن فرمول و باندهای هر تصویر محاسبه کنید که به این محاسبات طیفی گفته میشه.
      من به شما پیشنهاد میکنم که هر زمان برای محاسبه ی شاخص ها از گزینه ی خود نرم افزار استفاده کردید، برای محاسبه ی دقیق تر و مقایسه ی اونا با هم حتما خودتون هم از طریق band math انجام بدید که نتیجه ی مطلوب تر رو استفاده کنید.
      اگه مشکلی پیدا کردید یا نتونستید که کارتون رو به سرانجام برسونید، میتونید ازطریق فرم درخواست خدمات با کارشناسهای ما در ارتباط باشید تا برای شما انجام بدن یا کمک بیشتری به شما بکنن.
      موفق باشید.

دیدگاهتان را ثبت کنید

آدرس ایمیل شما منتشر نخواهد شدبخشهایی که علامت دارند ضروری هستند. لطفاً آنها را تکمیل نمایید. *

*

*

code

theme