【问题标题】:Multi-Band Image raster to RGB多波段图像光栅到 RGB
【发布时间】:2015-06-16 02:10:37
【问题描述】:

我有一个图像数据集,它是一个 arff 格式的多波段数据集。 它看起来像这样:

8.3000000e+001  9.3000000e+001  9.6000000e+001  7.5000000e+001 1.0000000e+000 
8.3000000e+001  9.3000000e+001  9.6000000e+001  7.5000000e+001 1.0000000e+000
8.3000000e+001  9.3000000e+001  9.6000000e+001  7.5000000e+001 1.0000000e+000
8.3000000e+001  9.3000000e+001  9.6000000e+001  7.5000000e+001  1.0000000e+000
7.4000000e+001  8.4000000e+001  8.6000000e+001  7.1000000e+001  1.0000000e+000
7.4000000e+001  8.4000000e+001  8.6000000e+001  7.1000000e+001  1.0000000e+000
7.4000000e+001  8.4000000e+001  8.6000000e+001  7.1000000e+001  1.0000000e+000
7.4000000e+001  8.4000000e+001  8.6000000e+001  7.1000000e+001  1.0000000e+000

前 4 个属性指定像素的多波段值,最后一个属性指定类标签。是否可以将其转换为 RGB 格式?我有基于 RGB 值对图像进行分类的 java 代码。

【问题讨论】:

    标签: java image-processing rgb arff


    【解决方案1】:

    如果我猜对了,那么答案是 YES,但为了澄清,我是这样看的:

    您有 4 个波段强度,您需要从中获得 RGB 颜色值。最后一个数字与颜色无关,因此请忽略它。

    1. 您需要了解的内容

      强度是否是线性的,如果是非线性的,如何将其转换为线性比例。您需要知道所用每个波段的波长或 RGB 颜色

    2. 如何转换

      将每个 RGB 波段乘以它的线性强度,然后将它们加在一起。

      color_rgb = band0_rgb*band0_intensity+...+band3_rgb*band3_intensity
      
    3. 如何从波长中获取可用波段的 RGB

      通过RGB values of visible spectrum 获得波长光的颜色并重新调整颜色,因此如果将所有具有相同强度的波段加在一起,您将获得白色。

    我在可见光谱中使用均匀分布的波段进行多光谱渲染,这就是我在 C++ 中的做法:

    //---------------------------------------------------------------------------
    //--- multi band rendering --------------------------------------------------
    //---------------------------------------------------------------------------
    const int _Bands=10;                            // number of bands used
    double _Band_RGB[_Bands][3];                    // RGB of each band with white bias correction
    double _Band_Wavelength[_Bands];                // wavelength of each band
    //---------------------------------------------------------------------------
    void wavelength2RGB(double *rgb,double lambda)  // RGB <0,1> <- lambda <400e-9,700e-9> [m]
        {
        double r=0.0,g=0.0,b=0.0,t;
             if ((lambda>=400.0e-9)&&(lambda<410.0e-9)) { t=(lambda-400.0e-9)/(410.0e-9-400.0e-9); r=    +(0.33*t)-(0.20*t*t); }
        else if ((lambda>=410.0e-9)&&(lambda<475.0e-9)) { t=(lambda-410.0e-9)/(475.0e-9-410.0e-9); r=0.14         -(0.13*t*t); }
        else if ((lambda>=545.0e-9)&&(lambda<595.0e-9)) { t=(lambda-545.0e-9)/(595.0e-9-545.0e-9); r=    +(1.98*t)-(     t*t); }
        else if ((lambda>=595.0e-9)&&(lambda<650.0e-9)) { t=(lambda-595.0e-9)/(650.0e-9-595.0e-9); r=0.98+(0.06*t)-(0.40*t*t); }
        else if ((lambda>=650.0e-9)&&(lambda<700.0e-9)) { t=(lambda-650.0e-9)/(700.0e-9-650.0e-9); r=0.65-(0.84*t)+(0.20*t*t); }
             if ((lambda>=415.0e-9)&&(lambda<475.0e-9)) { t=(lambda-415.0e-9)/(475.0e-9-415.0e-9); g=             +(0.80*t*t); }
        else if ((lambda>=475.0e-9)&&(lambda<590.0e-9)) { t=(lambda-475.0e-9)/(590.0e-9-475.0e-9); g=0.8 +(0.76*t)-(0.80*t*t); }
        else if ((lambda>=585.0e-9)&&(lambda<639.0e-9)) { t=(lambda-585.0e-9)/(639.0e-9-585.0e-9); g=0.84-(0.84*t)           ; }
             if ((lambda>=400.0e-9)&&(lambda<475.0e-9)) { t=(lambda-400.0e-9)/(475.0e-9-400.0e-9); b=    +(2.20*t)-(1.50*t*t); }
        else if ((lambda>=475.0e-9)&&(lambda<560.0e-9)) { t=(lambda-475.0e-9)/(560.0e-9-475.0e-9); b=0.7 -(     t)+(0.30*t*t); }
        rgb[0]=r;
        rgb[1]=g;
        rgb[2]=b;
        }
    //---------------------------------------------------------------------------
    double wavelength2int(double lambda)                // white bias correction intensity <0,1+> <- lambda <400e-9,700e-9> [m]
        {                                               // this is mine empirically deduced equation and works for evenly distributed bands
        const double a0=  8.50/double(_swColorWavelengths);// for 3-5 bands low bias, >5 almost no visible bias present
        const double a1=-27.37/double(_swColorWavelengths);
        const double a2=+26.35/double(_swColorWavelengths);
        double t=divide(lambda-400e-9,700e-9-400e-9);
        return (a0)+(a1*t)+(a2*t*t);
        }
    //---------------------------------------------------------------------------
    void init_multiband_colors()                    // init evenly distributed bands through visible spectrum range
        {
        double l,dl; int ix;
        l=405e-9; dl=695e-9; dl=divide(dl-l,_Bands); l+=0.5*dl;
        for (ix=_Bands-1;ix>=0;ix--,l+=dl)          // init colors and wavelengths (multispectral rendering)
            {
            _Band_Wavelength[ix]=l;
            wavelength2RGB(_Band_RGB[ix],l);
            _Band_RGB[ix][0]*=wavelength2int(l);    // white bias removal
            _Band_RGB[ix][1]*=wavelength2int(l);
            _Band_RGB[ix][2]*=wavelength2int(l);
            }
        }
    //---------------------------------------------------------------------------
    //---------------------------------------------------------------------------
    //---------------------------------------------------------------------------
    

    看起来是这样的:

    第一行显示使用的波段的数量和颜色,第二行是使用多光谱渲染的白色渲染图像的一部分。正如你所看到的,那里有一个小的白色偏差。我使该公式尽可能接近白色,因为它可以用于任何数量的波段(&gt;=3)。这个想法是,如果你有白噪声(所有频率都具有相同的强度),那么你就会得到白色。所以当添加所有使用的波段颜色时,你应该有白色。所以我凭经验尝试根据波长的函数缩放颜色,这就是我想出的......

    如果您的频段分布不均匀

    然后你需要整合它们覆盖的所有均匀分布的波段,例如:

    1. 为 100 个波段设置颜色
    2. 将它们按您的 4 个乐队分组
    3. 整合每个组以获得波段颜色
    4. 将集成的波段颜色缩放到常用的可用比例,例如/=100
    5. 检查白色偏差

    【讨论】:

    • 谢谢你。这帮助很大。
    猜你喜欢
    • 1970-01-01
    • 2015-01-10
    • 2023-02-10
    • 1970-01-01
    • 2018-11-27
    • 2011-08-01
    • 2019-04-28
    • 2013-03-16
    • 2013-04-12
    相关资源
    最近更新 更多