decorrstretch
将去相关拉伸应用于多通道图像
语法
S = decorrstretch (A)
S = decorrstretch(名称,值…)
描述
例子
突出森林场景的颜色差异
这个例子展示了如何使用去关联拉伸通过夸大颜色差异来突出森林图像中的元素。
将图像读入工作区。
[X, map] = imread(“forest.tif”）;
应用去相关拉伸使用decorrstretch．
S = decorrstretch (ind2rgb (X,地图),“托尔”, 0.01);
显示原始图像和增强图像。
图imshow (X,地图)标题(原始图像的）
图imshow (S)标题(“增强的图像”）
输入参数
输出参数
提示
直接去相关(没有对比拉伸选项)的结果可能包括超出类支持的数值范围的值万博1manbetx
uint8或uint16(负值，或超过2 ^ 8 - 1或2 ^ 16 - 1分别)。在这些情况下,decorrstretch将其输出夹到所支持的范围。万博1manbetx为类
双，decorrstretch的值时才夹住输出托尔，指定一个线性对比拉伸，然后对间隔进行夹紧[0 1]．可选参数不相互作用，除了线性拉伸通常会改变带向平均值和带向标准差。因此，虽然您可以指定
targetmean而且targetsigma随着托尔，它们的效果将被修改。
算法
去相关拉伸是一种线性的像素级操作，其中特定参数取决于实际和期望(目标)图像统计值。向量一个包含输入图像的每个波段中给定像素的值一个转换成对应的像素b在输出图像B如下:
b = T * (a - m) + m_target．
一个而且b是nBands1向量,T是一个nBands——- - - - - -nBands矩阵,米而且m_target是nBands-by-1的向量
米包含图像中每个波段或指定的图像像素子集中的每个波段的平均值m_target包含每个波段的期望输出平均值。默认选择是m_target = m．
线性变换矩阵T这取决于以下几点:
图像的带到带样本协方差，或指定图像的子集(与用于的相同子集)的带到带样本协方差
米)，用矩阵表示浸每个波段的期望输出标准差。这可以用对角矩阵来表示，
SIGMA_target．默认选择是SIGMA_target =σ,在那里σ是包含每个波段的样本标准差的对角矩阵。σ应该从相同的像素被用来计算米而且浸，意思很简单:SIGMA(k,k) =√(Cov(k,k)， k = 1，…nBands)．
浸，σ,SIGMA_target是nBands——- - - - - -nBands，如矩阵相关系数，λ,V下面的定义。
这是计算的第一步T是对协方差矩阵进行特征分解吗浸或者说相关矩阵
Corr = inv(SIGMA) * Cov * inv(SIGMA)．
在基于相关的方法中，
相关系数分解:Corr = V LAMBDA V'．在基于协方差的方法中，
浸分解:Cov = V LAMBDA V'．
λ特征值的对角矩阵和V变换的正交矩阵是吗相关系数或浸来λ．
下一步是为每个波段计算一个拉伸因子，它是对应特征值的平方根的倒数。定义对角矩阵很方便年代包含拉伸因子，使:
S(k,k) = 1 /√(λ (k,k))．
最后,矩阵T由任意一个计算
T = SIGMA_target V S V' inv(SIGMA)(correlation-based方法)
或
T = SIGMA_target V S V'(covariance-based方法)。
如果波段方差一致，这两种方法的结果是相同的。
替换T变成for的表达式b：
b = m_target + SIGMA_target V S V' inv(SIGMA) * (a - m)
或
b = m_target + SIGMA_target V' * (a - m)
从右到左，你可以看到去相关延伸:
从每个波段去除一个平均值
通过其标准偏差规范化每个波段(仅基于相关的方法)
将带旋转到的特征空间
相关系数或浸适用于一段
年代在特征空间中，让图像在特征空间中去相关和归一化旋转回原始的带空间，其中带保持去相关和归一化
缩放每个波段根据
SIGMA_target在每个波段恢复一个平均值。
另请参阅
之前介绍过的R2006a
您也可以从以下列表中选择网站:
