什么是卫星数据(和图像)的位深度

Bit Depth

位深度(8位对4位)

**位深度**是以位为单位表示的每个像素的细节量。

一个1位栅格包含两个值(零和一)。而8位栅格的范围是0-255(总共256个值)。

一个1位的栅格有两种颜色——简单的黑白——或者是和否。一个8位的栅格有256种灰色。

广泛的值范围使像素值能够区分能量的微小差异。了解了吗?让我们进一步研究一下:

8位与4位与2位图像

这个 8-bit 下面的例子显示了两个不同深度的东京海岸。每个波段(红、绿、蓝)有256种颜色,像素深度为8。2 8 = 256

Radiometric Resolution 8-Bit

辐射分辨率8位哨兵2–东京海岸

这是同样的图像 4-bit 只有16种颜色。2 4 = 16

Radiometric Resolution 4-Bit

辐射分辨率4位哨兵2–东京海岸

4位图像的像素变化不像经典的任天堂游戏。而8位图像在每个波段提供更多的阴影,总共256个。

如此**2位**图像所示,如果没有阴影范围,则会损失很多质量。

Radiometric Resolution 2-Bi

辐射分辨率2位哨兵2–东京海岸

卫星位深示例

传感器使用的数字(DN)的确切范围取决于其辐射分辨率。

例如:

  • 陆地卫星多光谱传感器(MSS)测量0-63dn尺度上的辐射。

  • 陆地卫星专题制图仪(TM)以0-255的比例对其进行测量。

  • Landsat-8图像为16位辐射分辨率(范围为0-65535)。

作为一种趋势,随着传感器质量的提高,位深度也在逐年增加。

光谱、空间和辐射分辨率

你不一定会用更高的辐射分辨率来提高图像的质量。

它将为每个像素产生更大范围的值。但它也 取决于空间和光谱分辨率 .

传感器应在光谱、空间和辐射分辨率之间保持平衡。

有了更好的空间分辨率,每个像素检测到的地面能量就*更少*。较小的像素表示接地面积减小。向上流回的能量将减少。在这种情况下,您必须扩大波长范围以增加检测到的能量。

每个传感器都有一个特定的目标。例如,较小的空间分辨率(较大的像素)补偿像素大小,但获得更大的光谱和辐射分辨率。

Spatial Resolution Comparison

空间分辨率:低中高

位深度和文件大小

更高的辐射分辨率意味着权衡。随着像素深度的增加,文件大小也会变大。

  • 东京的8位哨兵图像是355 MB

  • 东京的4位哨兵图像是46MB

  • 东京的2位哨兵图像只有12MB

如果文件存储是一个问题,那么考虑图像中的位深度。图像中的值范围越小意味着消耗的内存越少(但质量也越差)。

另外,您可以通过选择 lossy and lossless compression 方法。

有损压缩(如JPEG)永久地消除某些信息(尤其是冗余信息)(即使用户可能没有注意到)。但是,无损压缩(如lz77)在压缩期间保留值,并且文件大小也会减小。

阅读更多: Image Compression and Encoding for Raster Data

接下来是什么?

既然你已经掌握了辐射分辨率的基本知识…

你自己看看一个像素有多少细节…

拍摄卫星图像,并将其从8位转换为4位。在ArcGIS中,选择数据管理工具>栅格>栅格数据集>复制栅格。请确保缩放栅格,这样像素值将从较大的位深度缩放到较小的位深度。

您将看到每个像素中的细节量是如何减少的,而信息丢失在 remote sensing applications。另一方面,它可以为您节省千兆字节的文件存储空间。