daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...

17 Transformacije podob
Pri pretvorbi med prostorom RGB in HSI ustvarimo iz kartezičnega koordinatnega
sistema s pravokotnimi barvami prostor, ki ga določa dvojni stožec. Barva je podana s
kotom (razpon vrednosti med 0 in 360◦ ), nasičenost in intenziteta pa s stopnjo (vrednost
med 0 in 1). V barvnem prostoru RGB imajo vse barve pozitivne vrednosti, od 0 do
največje mogoče vrednosti pri dani barvni globini. Pri osembitnih podobah, ki jih
najpogosteje uporabljamo, je razpon od 0 do 255.
Transformacija med navedenima barvnima prostoroma poteka v več korakih. Najprej
je treba vrednosti za rdečo (r), zeleno (g) in modro (b) pretvoriti na razpon med
0 in 1
M − r
R =
M − m ,
M − g
G =
M − m ,
M − b
B =
M − m .
(17.7)
Pri tem so R, G, B rdeča, zelena in modra vrednost v obsegu od 0 do 1, M je
največja in m najmanjša vrednost za omenjene barve.
Intenziteto podaja enačba
M + m
I = . (17.8)
2
Enačbe za izračun nasičenosti v obsegu od 0 do 1 so
⎧
0 : M = m
⎪⎨ M − m
S =
: I ≤ 0,5
M + m
(17.9)
⎪⎩
M − m
: I > 0,5
2 − M − m
Enačbe za izračun barve v obsegu od 0 do 360◦ pa so
⎧
0 : M = m
⎪⎨ 60 (2 + b − g) : R = M
H =
(17.10)
60 (4 + r − b) : G = M
⎪⎩
60 (6 + g − r) : B = M
Transformacija iz prostora HSI v RGB je zelo podobna in poteka v obratnem vrstnem
redu.
Opisana pretvorba je uporabna iz več razlogov. V prostoru HSI lahko preprosto
opravljamo določene operacije izboljšanja podob. Če podobo spremenimo iz prostora
RGB v HSI in opravimo, na primer, razteg histograma na komponenti intenzitete,
dobimo po obratni transformaciji podobo, ki ima hkrati povečan kontrast v vseh kanalih.
Še pomembnejša pa je možnost združevanja podob različnih virov, kar imenujemo
tudi podatkovna fuzija (data fusion). Veliko sodobnih senzorjev zajema podatke večspektralno
z manjšo ločljivostjo in pankromatsko z večjo (Landsat ETM+, SPOT,
IKONOS, QuickBird ...). V tem primeru opravimo transformacijo večspektralnih podob
v prostor HSI, zamenjamo intenziteto s pankromatsko podobo in opravimo obratno
transformacijo. Tako dobimo podobo, ki ima dobre spektralne lastnosti in visoko prostorsko
ločljivost (slika 17.9). Podoben postopek lahko uporabimo tudi pri podobah
različnih senzorjev in združimo podatke, na primer, satelitov Landsat in SPOT ali pa
optičnih in radarskih snemalnih sistemov.
172