Python遥感图像处理应用篇(二十九)：遥感图像拉伸处理

已于 2023-02-14 14:16:50 修改
阅读量2k 收藏 13
点赞数 4
CC 4.0 BY-SA版权
分类专栏： Python遥感图像处理 文章标签： 图像处理 人工智能
于 2023-02-13 17:05:05 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/soderayer/article/details/129011930
本文介绍了Python中对遥感图像进行拉伸处理的方法，目的是将图像波段值扩展到0-255范围内。通过公式x_nor = ((data-d2) / (d98-d2)) * 255实现，其中d2和d98分别代表2%和98%的像元值。在Windows10环境下，使用GDAL库和Python3.7.7进行操作。代码示例中详细展示了如何读取图像，进行拉伸，并将结果保存为新的文件。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1.实验目的

将原始遥感图像各个波段拉伸到0-255范围显示。

运行环境：windows10 pycharm python3.7.7 GDAL-3.2.3-cp37-cp37m-win_amd64.whl包等。

2.使用公式

x_nor = ((data-d2) / (d98-d2))*255

x_nor 为新的像元值，data为原始像元值，d2为2%像元值，d98为98%像元值，255为拉伸的最大值了

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Python实现直方图拉伸算法——图像增强
.
07-15 1153
直方图拉伸的原理很简单：把图像原本的最小灰度值映射到0，最大灰度值映射到255，中间的灰度值按比例进行映射。由于我们希望把图像的灰度范围“打散”到[0,255]的范围内，因此需要找到一种映射函数f(x)，使得原来在某个灰度级上的颜色映射到在[0,255]范围内的某个灰度级上。然后，计算出灰度图像中出现的最小和最大像素值，并使用线性变换函数将像素值映射到[0,255]范围内。最后，我们将新生成的图像显示出来，并绘制原始图像和新图像的直方图。：将新图像的像素值限制在[0,255]范围内。
Python遥感图像处理应用篇(三十四)：GDAL+Scikit-image+GLCM计算遥感图像纹理特征
soderayer的博客
08-13 1331
在遥感图像处理中，计算纹理特征是一种常见的方法来描述图像中不同区域之间的纹理差异。本文主要是用GLCM来计算遥感图像的纹理特征。
图像线性拉伸Python使用公式
qq_56809618的博客
10-04 4097
数字图像处理，线性拉伸，python，彩色和灰色图像
python图像拉伸_python处理图像
weixin_39600447的博客
12-12 1666
大家都知道数字图像其实就是一个矩阵啦1)基本图像的操作平移，旋转2)拉伸，谈及拉伸，和图像增强密不可分，图像质量的评价等等线性，非线性，分段直方图应用3)空间域与频率域傅里叶变换的性质5)融合，大部分在遥感图像里出现，高分辨率的全色配上颜色，或者是半pixel融合分为三大种，像素级，，基于邻域，基于特征的6)图像匹配大多指图像拼接方法，另外就是指图像相似度同样分为三大种，像素之间的，基于邻域，基于...
c++&python实现遥感影像1、2、5...%线性拉伸
qq_41824159的博客
06-29 879
遥感影像处理
python图像拉伸
qq_42101868的博客
06-19 1942
有没有大神可以讨论一下怎么将图片沿其中的某条曲线拉直，以曲线为坐标系。 代码如下： return math.sqrt((a*a*b*b*x**(2*b-2)+1)) for i in np.arange(y_length): print(i) for j in np.arange(x_length): r = np.zeros(x_length) for x in np.arange(x_length): r[x...
Python遥感图像处理应用篇(四)：python如何使用numpy读取遥感图像光谱值
soderayer的博客
05-09 5269
1.数据准备 1.1 影像数据选取 这里选取一景OLI8（Landsat8）数据作为测试数据，该数据已经进行过辐射定标和大气校正。该数据显示如下 数据信息：轨道号12340 时间20190817 由于一景数据过大，处理太耗费时间，这里裁剪一个规则矩形区域作为测试区。 1.2 绘制规则矩形 在ArcCatlog里面新建shapefile图层，投影选择和影像一致（对于较新版本实际上也可以随意设置，裁剪功能会自动转换投影进行裁剪），一般选择一致，这样更好一些。 选择矩形工具进行要素采集，即绘..
Python遥感图像处理应用篇(三十二)：Python+GDAL实现遥感图像植被增强处理
soderayer的博客
04-27 1689
GF-2数据，该数据经过辐射定标、大气校正、影像融合和正射校正处理。
T课程_RSIPP遥感图像处理实践_遥感图像处理_遥感_
09-29
在课程实践中，学生将使用编程语言，如Python或MATLAB，实现这些遥感图像处理算法。通过编写代码，不仅可以加深对算法的理解，还能锻炼解决问题和分析数据的能力。学生在动手实践中会体验到算法的实际运行过程，从而...
用Python实现ENVI中的“优化的线性拉伸”
weixin_44785184的博客
04-07 1655
为了使遥感影像具有更好的可视化效果，一般要对影像进行拉伸显示。线性拉伸在遥感图像处理中非常常见，对于整体偏暗的原始图像来讲，拉伸之后的图像视觉效果得到了显著增强。但对于图像中反射率比较高的地物，线性拉伸会使这些地物显得很亮，模糊其本身的颜色、纹理等信息。ENVI中的“优化的线性拉伸”能在一定程度上解决这个问题。如下图所示，左侧是2%线性拉伸后的结果，右侧是优化的线性拉伸的结果。线性拉伸的代码网上一大堆，但优化的线性拉伸中文互联网一个介绍的都没有。最后还是在ENVI的文档里看到了关于它的介绍，网址是。
遥感图像的显示和拉伸
05-22
遥感图像的显示和拉伸！！！！！！！！！！！！
遥感图像拉伸代码
04-13
使用C++语言+OpenCV，实现了对数拉伸、高斯平滑以及直方图均衡化这三种图像拉伸的方法。
python2%线性拉伸
01-20
核心要点 本方法是针对遥感数据的，因此使用了Gdal，如果你针对的是普通的图片，就直接使用cv2.imread()来读取即可，就不需要gdal了。 np.percentile()函数 np.clip()函数 cv2.split()函数 cv2.merge()函数 gdal的使用 本代码适用于ipython 若在编辑器下使用，需要自行的稍作修改 主体是函数TwoPercentLinear。 import numpy as np import cv2 from matplotlib import pyplot as plt def TwoPercentLinear(image, max_out=
基于GDAL读写影像并做线性拉伸，调整影像亮度
04-14
线性拉伸影像提升亮度，使用GDAL读取影像，做基本的线性拉伸，可以将暗色的影像变的更加清晰
灰度图像实现灰度拉伸功能
12-22
这个函数提供灰度拉伸功能，输入图像应当是灰度图像，但如果提供的不是灰度 图像的话，函数会自动将图像转化为灰度形式。x1，x2，y1，y2应当使用双精度 类型存储，图像矩阵可以使用任何MATLAB支持的类型存储。
python 实现histogram stretch直方图拉伸算法
最新发布
luthane的博客
10-15 738
直方图拉伸（Histogram Stretching）算法是一种用于图像对比度增强的间接方法，它特别适用于具有低动态范围的图像，即图像中像素强度集中在一个相对狭窄的范围内。原理直方图拉伸通过对比度调整来扩大灰度差异，从而使图像的视觉效果得到增强。它通常涉及以下几个步骤：1、确定最小和最大像素值：首先，需要确定图像中像素强度的最小值和最大值。例如，在一个低动态范围的图像中，最暗的像素可能不是0，最亮的像素可能也不是255（对于8位灰度图像）。
对遥感图像进行2%线性拉伸
热门推荐
sunnygirl's house
05-28 1万+
参考链接：http://www.voidcn.com/article/p-ethxsjor-du.html
使用opencv Python实现图像拉伸
weixin_41233459的博客
08-26 374
我整理的一些关于【Python】的项目学习资料（附讲解～～）和大家一起分享、学习一下：https://d.51cto.com/Hpqqk2使用 OpenCV Python 实现图像拉伸 图像拉伸是图像处理中的一种常用技术，主要用于调整图像的尺寸。通过使用 OpenCV 和 Python 库，我们可以轻松实现这一功能。以下...
遥感图像处理——数据拉伸、主成分分析、裁剪
m0_50294896的博客
03-24 3842
要点：直方图、乘除拉伸，主成分分析，两种裁剪 要对遥感影像数据进行分类，那我们首先要对其进行分析。 本文所用数据为landsat8，福州平潭，2013。 首先对于分类我们有假设前提：波段数据和训练样本数据符合正态分布。如何查看是否符合正太分布。 分类过程对各波段中的值范围很敏感。要使各波段的属性数大致相同，各波段的值范围应类似 文章目录1、直方图和数据拉伸2、主成分分析3、裁剪方法一：栅格裁剪方法二：按掩膜提取 1、直方图和数据拉伸 首先对于分类我们有假设前提：波段数据和训练样本数据符合正态分布。如何查看
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

空中旋转篮球

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值