多波段图像光栅到 RGB

Question

我有一个图像数据集，它是 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 class 标签。是否可以将其转换为 RGB 格式？我有 java 代码来 class 根据 RGB 值验证图像。

Answer 1

如果我做对了，那么答案是是但为了澄清，这是我的看法：

你有 4 个波段强度，你需要 RGB 颜色值。最后一个数字与颜色没有任何关系，所以请忽略它。

你需要知道的

强度是否是线性的，如果是非线性的如何将其转换为线性刻度。您需要知道使用的每个波段的波长或 RGB 颜色
如何转换

将波段的每个 RGB 乘以其线性强度，然后将它们相加。
```
color_rgb = band0_rgb*band0_intensity+...+band3_rgb*band3_intensity
```
如何从波长
获取波段的可用RGB
通过 RGB values of visible spectrum 获得波长的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，您将得到白色。

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);
        }
    }
//---------------------------------------------------------------------------
//---------------------------------------------------------------------------
//---------------------------------------------------------------------------

这是它的样子：

第一行显示使用波段的数量和颜色，第二行是使用多光谱渲染的白色渲染图像的一部分。如您所见，那里有一个小的白色偏差。我使该公式尽可能接近白色，因为它可以用于使用的任意数量的波段 (>=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。因此，我根据经验对根据波长的函数缩放颜色进行了实验，这就是我想出的...

如果你的频段分布不均匀

然后你需要整合它们覆盖的所有均匀分布的波段，例如：

为 100 个波段设置颜色
将它们按您的 4 个波段分组
对每个组进行积分以获得波段颜色
将集成的波段颜色缩放到常见的可用比例，如 /=100
检查白色偏差

多波段图像光栅到 RGB

Multi-Band Image raster to RGB

java

rgb

image-processing

arff