1. 遥感图像直方图基础
直方图这东西，说白了就是一张统计图。你拍了一张遥感影像，里面每个像素都有一个亮度值——从0到255（8位图像）。直方图就是把这些亮度值出现的次数画出来。
我刚开始接触遥感时，总觉得直方图就是个辅助工具，看看而已。直到有一次做土地分类，结果死活分不开水体跟阴影。后来一看直方图，好家伙，两个波峰的分布几乎重叠。从那以后，我再也不敢小看这张图了。
直方图的数学定义
从数学角度看，直方图其实就是一个离散函数：
h(r_k) = n_k其中：
- r_k — 第 k 个灰度级（比如 0、1、2...255）
- n_k — 图像中灰度级为 r_k 的像素总数
举个例子。一张 100×100 像素的影像，总共有 10000 个像素。如果灰度值 128 出现了 350 次，那 h(128) = 350。
实际应用中，我们更常用归一化直方图：
p(r_k) = n_k / NN 是总像素数。p(r_k) 表示灰度级 r_k 出现的概率。所有 p(r_k) 加起来等于 1。
核心要点：归一化直方图不依赖图像尺寸，可以公平对比不同大小的影像。
直方图的物理意义
直方图反映的是影像的辐射分布特性。说白了，就是告诉你这张图亮暗分布怎么样。
| 直方图形状 | 物理含义 | 常见场景 |
|---|---|---|
| 偏左（低值集中） | 整体偏暗，辐射能量低 | 阴天、阴影区、水体 |
| 偏右（高值集中） | 整体偏亮，辐射能量高 | 雪地、沙漠、裸岩 |
| 集中在中间 | 对比度低，细节模糊 | 雾霾天、薄云覆盖 |
| 分布均匀 | 对比度好，信息丰富 | 晴朗天气、理想成像 |
| 多峰分布 | 存在多种地物类型 | 水陆交界、城市边缘 |
嗯，这里要注意。多峰分布不一定就是好事。我记得有一次做山区影像分析，直方图出现了三个峰。我以为是植被、裸土、水体分得很清楚。结果实地验证才发现，其中一个峰是云影造成的伪信息。所以，直方图只能告诉你统计特征，不能直接告诉你地物类别。
直方图与图像质量的关系
你想想看，一张高质量的遥感影像，它的直方图应该是什么样的？
- 动态范围宽 — 灰度值覆盖从暗到亮的整个区间
- 分布相对均匀 — 没有明显的断层或尖峰
- 无截断现象 — 两端没有突然归零
避坑指南：我曾经遇到过一个项目，用了一张直方图看起来"完美"的影像做分类。结果精度一直上不去。后来才发现，影像做过过度增强，直方图虽然均匀，但噪声也被放大了。直方图均匀不等于图像质量好，这个坑我替你们踩过了。
直方图在遥感中的特殊意义
跟普通照片不同，遥感影像的直方图还承载着物理辐射信息。比如：
- 多光谱直方图 — 每个波段都有自己的直方图，反映该波段的地物反射特性
- 直方图偏移 — 同一地区不同时相的影像，直方图偏移量可以反映地表变化
- 直方图匹配 — 这是后续章节的重点，用于影像拼接和时序分析
我个人习惯，拿到一张遥感影像，第一件事不是看图像，而是看直方图。花30秒扫一眼直方图，就能判断出这张图有没有问题、需不需要预处理、适合做什么分析。
知识结构图
下面这张图帮你理清直方图的核心知识脉络：
我的建议：初学者可以先拿一张遥感影像，用 ENVI 或 QGIS 打开，看看直方图长什么样。然后调整一下亮度和对比度，观察直方图怎么变化。动手操作一遍，比看十遍理论都有用。
直方图是遥感图像处理的基础工具。你想想看，后面要讲的直方图均衡化、直方图匹配、自适应增强，全都建立在这个概念之上。把这一章吃透，后面的路就好走了。