Pour commencer il faut bien comprendre que l’on applique le rehaussement des images afin de faciliter l’interprétation visuelle et la compréhension des images. Le rehaussement ne va pas changer les valeurs radiométriques des objets présents dans l’image, il va juste permettre à un observateur une meilleure vision de ces objets. Cette étape, donc, ne sert qu’à aider l’utilisateur à définir les échantillons d’apprentissage et les signatures à utiliser dans la classification.
Les images numériques ont l’avantage de nous permettre de manipuler assez facilement les valeurs enregistrées pour chaque pixel. Même s’il est possible d’effectuer les corrections radiométriques pour les effets de l’illumination solaire, les conditions atmosphériques et les caractéristiques des instruments utilisés avant de distribuer les images aux usagers, il peut s’avérer que l’image ne soit pas à son meilleur pour l’interprétation visuelle. Les systèmes de télédétection, et spécialement ceux qui utilisent une plate-forme spatiale, doivent être conçus de façon à pouvoir traiter les différents niveaux d’énergie propres aux cibles et à leur environnement, susceptibles d’être rencontrés dans une utilisation normale. Cette variation importante dans la réponse spectrale des différents types de cibles (ex. : forêt, désert, neige, eau, etc.) rend impossible l’application d’une correction radiométrique générale capable d’optimiser le contraste et les niveaux d’intensité dans chacune des conditions. Il faut donc faire un ajustement différent des tons en fonction de l’utilisation et de l’état de chacune des images.
Dans une image brute, les informations utiles sont souvent contenues dans un ensemble restreint de valeurs numériques parmi les valeurs possibles (256 dans le cas de données à 8 bits). Le rehaussement des contrastes se fait en changeant les valeurs initiales de façon à utiliser toutes les valeurs possibles, ce qui permet d’augmenter le contraste entre les cibles et leur environnement. Pour bien comprendre comment fonctionne ce type de rehaussement, il faut premièrement comprendre le concept de l’histogramme d’une image. Un histogramme est une représentation graphique des valeurs numériques d’intensité qui composent une image. Ces valeurs (de 0 à 255 pour des données à 8 bits) apparaissent le long de l’axe des x du graphique. La fréquence d’occurrence de chacune de ces valeurs est présenté le long de l’axe des y.
Dans le cas d’une bande d’image satellitaire, les valeurs ne seront pas en dégradé de gris mais, comme dans cet histogramme, en valeurs de radiance.
La valeur minimale présente est de 0 et la maximale de 40320. Mais la simple observation de l’histogramme permet de voir que la quasi totalité des valeurs se trouve dans une fourchette comprise entre 5 000 et 12 000.
La méthode la plus simple est un rehaussement linéaire du contraste. Afin d’appliquer cette méthode, on identifie les limites supérieures et inférieures d’intensité représentées sur l’histogramme (les valeurs minimales et maximales), et à l’aide d’une transformation linéaire, on étire ces valeurs sur l’ensemble des valeurs disponibles.
Dans le cas de notre image correspondant au rouge corrigée en réflectance nous pouvons voir le résultat de ce type d’opération en utilisant la modification de l’histogramme avec ArcMap (propriétés de l’image -> symbologie -> histogrammes)
Un étirement uniforme des valeurs initiales sur l’ensemble des valeurs disponibles n’est pas toujours approprié, particulièrement lorsque la distribution initiale n’est pas uniforme. Dans certains cas, un étirement pondéré de l’histogramme peut donner de meilleurs résultats. Cette méthode assigne un intervalle de valeurs plus grand dans les portions de l’histogramme pour lesquelles les valeurs d’intensité ont une fréquence plus élevée. De cette façon, les détails de ces régions seront mieux rehaussés que les détails des régions pour lesquelles la fréquence des valeurs d’intensité de l’histogramme est plus faible. Dans d’autres cas, il peut être préférable de rehausser le contraste dans une portion spécifique de l’histogramme.
L’outil histogrammes d’ArcMap vous permet de définir les zones à représenter en toute liberté:
Dans la boîte de dialogue Propriétés de la couche
Vous pouvez utiliser l’histogramme lors de l’affichage de données raster avec les moteurs de rendu Composition colorée RVB et Etirement. L’histogramme affiche les valeurs des pixels sur l’axe des x et le nombre sur l’axe des y. Les valeurs des pixels en entrée sont affichées en gris, tandis que celles des pixels en sortie apparaissent en couleur. En l’absence d’étirement d’histogramme, les valeurs des pixels en entrée sont égales aux valeurs des pixels étirés en sortie. Plus l’étirement est important, plus la différence entre les valeurs des pixels en entrée et en sortie est importante.
Plusieurs méthodes permettent d’appliquer des étirements à l’histogramme :
- Vous pouvez cliquer sur le bouton Lignes
pour créer un étirement linéaire segmenté. Il en résulte un diagramme linéaire segmenté représentant les différences entre vos valeurs en entrée et en sortie. Utilisez cette option pour augmenter le contraste sur des plages que vous avez précisées. - Vous pouvez cliquer sur le bouton Splines
pour créer un étirement non linéaire. Il en résulte un diagramme linéaire courbé représentant les différences entre les valeurs en entrée et en sortie. Utilisez cette option pour augmenter le contraste sur une plage particulière de valeurs, tout en réduisant le contraste sur d’autres plages de valeurs. - Vous pouvez cliquer sur le bouton Points
pour créer un étirement en fonction de points. Le résultat dépend de l’emplacement où vous placez les points représentant les différences entre les valeurs en entrée et en sortie. Utilisez cette option pour contrôler le contraste sur vos points personnalisés.
Vous pouvez également cliquer dans l’histogramme pour placer des points d’arrêt. Faites glisser ces points d’arrêt vers l’emplacement approprié pour appliquer un étirement à certaines valeurs. Si vous connaissez les valeurs que vous souhaitez étirer, placez le pointeur de la souris sur l’histogramme et recherchez les valeurs en entrée le long de l’axe des x du diagramme linéaire. Placez les points d’arrêt sur ces points, puis déplacez le diagramme linéaire jusqu’à la valeur en sortie requise sur l’axe des y. Pour supprimer des seuils, maintenez le curseur sur l’un d’eux, puis cliquez et faites glisser le seuil hors du diagramme linéaire.
Cliquez sur le bouton Informations 
pour afficher des informations sur plusieurs colonnes de l’histogramme. Si vous cliquez sur un élément et le faites glisser dans l’histogramme, les colonnes sont mises en surbrillance et les informations apparaissent dans la section Info de la boîte de dialogue.
Vous pouvez cliquer sur le bouton Lissage 
pour lisser l’étirement appliqué aux points. Il en résulte une courbe lissée remplaçant les segments irréguliers. Vous pouvez continuer à cliquer sur ce bouton jusqu’à l’obtention du degré de lissage souhaité.
Vous pouvez cliquer sur le bouton Cumulé 
pour afficher une sortie cumulée (y) sur l’histogramme le long de l’axe (x) en entrée.
- Dans la table des matières ou dans la fenêtre Catalogue, cliquez avec le bouton droit sur la couche raster, puis sélectionnez Propriétés.
- Cliquez sur l’onglet Symbologie.
- Choisissez un type d’étirement et cliquez sur le bouton Histogramme.La fenêtre Histogrammes s’ouvre pour votre couche raster, ce qui vous permet d’utiliser interactivement les outils décrits ci-dessus pour modifier l’étirement.
Question:
Supposez que vous vouliez effectuer une classification sur les données d’une image satellitaire. Cependant, lorsque vous regardez l’histogramme de l’image, vous vous apercevez que toutes les données utiles sont réparties sur un intervalle restreint de valeurs. Serait-il bon d’effectuer un rehaussement linéaire du contraste avant de commencer la classification?
Réponse
Le rehaussement d’une image est utilisé exclusivement pour pouvoir apprécier et analyser visuellement une image. Un rehaussement n’ajoutera rien d’utile du point de vue de la classification d’une image. Voici une autre façon d’expliquer cette réponse : si deux pixels ont une valeur numérique d’intensité séparée par un seul niveau, il est difficile de faire la différence à l’œil nu entre les deux pixels.
Cependant, pour un ordinateur, cette différence de 1 est aussi évidente qu’une différence de 100. L’image rehaussée peut aider l’analyste à sélectionner les groupes-tests à l’œil, mais la classification sera effectuée sur les données initiales non rehaussées.
