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.
Les images satellites doivent presque toujours être améliorées pour différentes raisons. Tout d’abord, la plage de luminosité de la scène peut ne pas être suffisante pour couvrir toute la plage de valeurs prise en charge par le capteur. Si elle est affichée sans amélioration, la scène paraitra sombre et peu nette. Deuxièmement, les images 16 bits des satellites modernes doivent être réduites pour s’adapter à la plage 8 bits (de 0 à 255) de l’écran de votre ordinateur.
Vous obtenez les deux résultats en étirant les valeurs d’image afin qu’elles utilisent autant des niveaux de luminosité rouge, vert et bleu disponibles sur l’écran de votre ordinateur tout en restant dans la plage prise en charge par votre moniteur.
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 (NoData) et les valeurs de radiance vont d’une valeur minimale de 4831 à une valeur maximale de 32767. Mais la simple observation de l’histogramme permet de voir que la quasi totalité des valeurs se trouve dans une fourchette comprise entre 5 500 et 17 000.
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.
Avec QGis, les fonctions de rehaussement se situent dans Propriétés de la couche-> Style->Amélioration du contraste
La figure suivante illustre trois manières différentes d’étirer les valeurs d’image d’une bande Landsat unique de 16 bits. Les images miniatures montrent les résultats et les histogrammes en dessous montrent comment les étirements ont été appliqués. Les valeurs des données d’entrée (du fichier) apparaissent sur l’axe des abscisses et les valeurs de sortie résultantes (à l’écran) se trouvent sur l’axe des ordonnées. Les histogrammes bleus montrent la distribution des valeurs d’entrée et les lignes rouges en diagonale représentent les tables de correspondance ou les tables de conversion. Les étirements sont appliqués en lisant chaque valeur d’entrée (à partir de l’axe des X), en traçant une ligne verticale jusqu’à atteindre la table de conversion, puis en prolongeant une ligne horizontale vers l’axe des Y, où elle recherche la valeur de sortie correspondante, comme indiqué. par l’exemple des flèches vertes en (a).
En (a), option Pas d’améliorations du menu déroulant, les valeurs de pixel d’entrée sont simplement rééchelonnées de la plage de 16 bits de 0 à 65535 à la plage de 8 bits de 0 à 255. Vous pouvez voir que l’histogramme ne couvre qu’une petite partie de la plage de luminosité disponible et l’image résultante est très sombre.
Dans (b), option Etirer jusqu’au MinMax du menu déroulant, la plage d’entrée est ajustée de manière à s’étendre entre les valeurs d’entrée minimale et maximale réelles des données (comparez les étiquettes de l’axe X avec (a)). Bien que l’histogramme couvre une plus grande partie de la plage de luminosité qu’auparavant, il n’en couvre toujours pas beaucoup et l’image est toujours très sombre.
Dans (c), option Etirer et couper jusqu’au MinMax du menu déroulant, la diagonale est ajustée de sorte que ses extrémités couvrent 99% de la plage d’entrée. Le 1% restant des données est mis à zéro pour (pixels sombres) ou à 255 (pour les pixels clairs). Le contour bleu en pointillé montre l’histogramme de sortie obtenu et vous pouvez voir qu’il couvre toute la plage de luminosité. L’image montre une belle répartition des tons du noir au blanc et est la meilleure mise en valeur des trois.
Nous n’avons pas figuré la quatrième option, Couper jusqu’au MinMax car elle est très peu utilisée. On élimine de l’affichage les mêmes pixels que dans l’option précédente mais les valeurs retenues ne sont pas étirées.
En pratique, les améliorations de contraste telles que celles-ci sont appliquées aux trois bandes d’une image couleur, produisant ainsi des couleurs améliorées.
Les fonctions de transformation de QGis sont toutes linéaires, ce qui est typique des améliorations disponibles dans de nombreuses applications SIG. ArcGis ainsi que les applications dédiées de traitement d’images et de retouche photo prennent en charge diverses améliorations paramétriques et non linéaires.
Pour accéder à des fonctions de transformation plus puissantes, avec QGis, il est nécessaire d’installer le fournisseur de traitements Orfeo Toolbox. Cette bibliothèque permet des traitements spécifiques aux images issues de la télédétection.
Si Orfeo fait partie des fournisseurs installés par défaut dans les versions de QGis 2.X, il n’en est pas de même dans la version 3.X.
Si vous voulez l’installer, voici un lien sur l’article qui décrit son installation
