三种不同的图像线性化方法
正如我们在技术说明《线性化》中所描述的，在进行任何计算之前，对数字图像进行线性化处理是一项重要任务。
请注意：例如，在进行Resolution测量时，若分析经过Gamma校正的图像，其反射率相关输出数据将不呈线性关系（但为便于分析，应呈线性关系）¹。
图1展示了一个由16个灰度块组成的正弦西门子星。该图显示了各块的反射率与图像中的数字值（DV）之间的关系。为了进行线性化，您可以使用反函数将原始值映射到一条直线上。
因此，若要对上图所示的光电转换函数（OECF）进行线性化处理，至少有三种不同的方法。我们将其称为：
全图像范围
调制传递函数（MTF）
全数据范围
1) 全图像范围
首次尝试对图像进行线性化时，我们决定将图像中的最小数字值²作为参考黑，将最大数字值（DV）作为参考白。利用这两个点，我们可以确定一条直线，将原始数字值映射到该直线上的等效点。 我们将此方法称为“全图像范围”，因为我们使用了图像中的最高值和最低值。 在图 2 中，可以看到一条绿色直线，它从原始图像中的最小 DV 值开始，一直延伸到最大 DV 值。
2) 调制传递函数（MTF）
“MTF” 和“全图像范围”方法非常相似，唯一的区别在于“MTF”多了一个偏移量
，以将最低输入值映射到零。如图 2 所示，蓝线（MTF）和绿线（全图像范围）的斜率相同，但在线性方程中的偏移量不同，该偏移量即为原始图像中的最小值（取自黑色补丁）。 因此，该“MTF”方法所对应直线的范围为
3) 全数据范围
若要利用图像从零到最大值的完整位深度，可将原始数据映射到一条从
图2中的红线代表了该方法。
所有方法都有一个共同点：您总是定义两个参考点，并计算一个线性方程来将原始值映射到该方程上。 但在对比度方面，“全数据范围”/“MTF”方法与“全图像范围”方法存在一个区别：
根据表格（图2）中所示的数值及以下方程
前两种方法给出的对比度均为1（因其将零作为最小信号），而“全图像范围”方法的对比度则与原始图像相同。
选择上述哪种方法取决于应用领域。
例如，如果您想测定图像中最暗/最亮区域的噪声（以标准差表示），使用“全数据范围”或“MTF”方法可能会因剪切而导致问题。 但如果需要对比度为1，则可以使用“MTF”或“全数据范围”方法，如图3中的表格所示。
________________________________
¹更多详情
请参阅《线性化》技术说明 ²下文中的最小和最大数字值分别指图像中最暗和最亮区域的平均值。
ck