3. 影像预处理基础

无人机或卫星获取的原始影像只是传感器记录的量化值（DN值），它同时混入了传感器响应差异、太阳高度角、大气散射与吸收、地形起伏以及平台姿态误差。如果把这些"未加工"的像素直接送入拼接流程，接缝处会出现明显的亮度跳变，正射结果也会带有系统性色差和位置偏移。因此，预处理不是可选项，而是决定拼接成败的前置环节。本节围绕四条主线展开：辐射定标、大气校正、几何粗校正，以及去噪与增强，并说明它们如何共同影响后续拼接质量。

一、辐射定标：把DN值变成有物理意义的辐亮度

辐射定标解决的是"像素值代表什么"的问题。以常见的多光谱传感器为例，厂商会在元数据中给出增益（gain）和偏移（offset），转换关系为：

L = gain × DN + offset        （辐亮度，单位 W/(m²·sr·μm)）
ρ_TOA = π · L · d² / (ESUN · cosθs)   （表观反射率）

其中 d 为日地距离（天文单位），ESUN 为大气顶层太阳辐照度，θs 为太阳天顶角。以某假设示例参数说明：若 gain=0.0125、offset=-0.3，某像元 DN=800，则 L≈9.7 W/(m²·sr·μm)；再取 d=1.0、ESUN=1900、θs=30°，可得表观反射率约 0.018。这个数值已具备跨影像可比性，是后续大气校正的输入。实操中要重点核对元数据里的定标系数版本与成像日期是否匹配，不同批次的系数混用会引入系统性偏差。

二、大气校正：消除"雾感"与波段间的不一致

大气校正把表观反射率还原为地表反射率。农业影像最关心的是植被指数（如NDVI），而大气散射对蓝、红波段的抬升会显著压低NDVI，尤其在气溶胶较厚的夏季。常用方法包括暗像元法（DOS）、6S/ATCOR 辐射传输模型以及基于影像自身的经验线性法。以简化的暗像元法为例：假设影像中存在浓密植被或深水体，其地表反射率接近0，则观测到的最小反射率即为大气程辐射的近似值，逐波段减去即可。对NDVI的影响可以直观估算：若红波段被大气抬升0.03、近红外抬升0.01，原本0.75的NDVI可能被压到0.68左右，足以改变作物长势分级结论。

三、几何粗校正：为拼接提供初始几何框架

几何粗校正的目标不是达到正射精度，而是把影像拉到一个大致可用的地理参考下，使后续特征匹配和空三收敛更快。常见做法有两种：一是利用POS数据（经纬度、高程、姿态角）结合DEM做正射投影的粗略初始化；二是选取少量地面控制点做仿射或二次多项式变换。多项式校正的形式为：

x' = a0 + a1·x + a2·y + a3·x·y + a4·x² + a5·y²
y' = b0 + b1·x + b2·y + b3·x·y + b4·x² + b5·y²

控制点应均匀分布且避免共线，一般每景不少于6～9个，残差（RMS）控制在1～2个像元内即可视为粗校正合格。需要强调的是，粗校正后的影像仍存在局部畸变，不能替代空三加密，但能显著减少匹配时的搜索范围与误匹配率。

四、去噪与增强：让特征更"可匹配"

传感器噪声、压缩伪影和薄云会干扰特征点提取。去噪常用中值滤波（适合椒盐噪声）或双边滤波（保边去噪）；增强则多用直方图均衡化、CLAHE（限制对比度自适应直方图均衡）或波段拉伸。对拼接而言，增强的真正价值在于提升纹理对比度，使SIFT/SURF类算法能提取到更多稳定特征点。但要注意：增强应保持波段间比例关系，若对单波段做非线性拉伸，会破坏NDVI等指数的物理意义，因此建议在反射率产品上做增强，且各波段使用相同参数。

五、预处理质量如何影响拼接：可观察的判断依据

预处理是否到位，可以通过拼接过程中的具体现象来评估。第一，看接缝：若相邻影像重叠区在辐射定标后仍有明显亮度台阶，说明定标系数或大气校正不一致，此时应统一各景的定标与校正参数，而非依赖后期匀色掩盖。第二，看匹配：几何粗校正残差过大时，特征匹配会出现大量误匹配，表现为空三连接点分布不均或重投影误差偏大，通常要求连接点中误差控制在亚像元级。第三，看指数：若拼接后NDVI在相邻景交界处出现突变，往往是大气校正未统一所致。第四，看去噪副作用：过度滤波会抹平田块边界与垄沟纹理，导致特征点数量骤降，可通过对比滤波前后的特征点数量与分布来判断。

综合来看，辐射定标与大气校正保证"值"的一致，几何粗校正保证"位"的接近，去噪与增强保证"特征"的可提取。四者共同构成拼接前的质量基线。实际作业中建议先在小样本上跑通全链路，检查接缝亮度差、连接点中误差和NDVI连续性三项指标，确认合格后再批量处理，以避免返工。