为解决商用软件和相关方法在进行遥感数字图像假彩色合成时存在像素点亮度值丢失、异常亮点过多等问题,采用理论分析和实验对比的方法,提出无损平移双向对比度拉伸遥感数字图像假彩色合成增强方法.研究结果表明:该方法适用于不同卫星不同波段图像的假彩色合成,而且对整幅图像有效像素亮度值无损增强.经实验对比,该方法的处理效果优于商用软件,具有合成图像亮度、对比度适中,目视判读效果良好,能真实反映出地表地貌的假彩色特征等优点,从而有效地辅助相关地学问题的解决.

通过使用matlab的appdesigner实现鼠标交互，可以通过点击鼠标来移动点的位置，从而改变直线与曲线的形状，进而生成不同的颜色，可以实现将一幅灰度图转变为假彩色的图，曲线使用的是Bezier曲线，这样可以方便地通过拖动控制点从而改变曲线的形状，进而产生不同的颜色，实现假彩色的效果。文件包括一个直线的app和一个曲线的app，通过matlab的appdesigner可以运行，图片可以选择文件里提供的rice.png观看效果

《数字图像处理》课程假彩色变换处理的过程

假彩色与伪彩色 二、伪彩色 由于人眼分辨不同彩色的能力比分别不同的灰度级的能力强，因此，把人眼无法区别的灰度变化，施以不同的彩色来提高识别率，这便是伪彩色增强的基本依据。

假彩色增强 ◆假彩色增强是从一幅初始的彩色图像或者从多谱图像的波段中生成增强的彩色图像的一种方法，其实质是从一幅彩色图像映射到另一幅彩色图像，由于得到的彩色图像不再能反映原图像的真实色彩，因此称为假彩色增强。 其意义在于： ◆对于一些细节特征不明显的彩色图像，可以利用假彩色增强将这些细节赋以人眼敏感的颜色，以达到辨别图像细节的目的。

SAM卫星图像分类 该项目旨在说明SAM算法在卫星图像分类中的用途。 高光谱图像提供像素光谱，可获取有关表面的详细信息，以识别和区分光谱相似（但独特）的材料。 放置在遥感卫星上的高光谱图像传感器可捕获具有各种光谱带的高光谱图像。 进行了实验，以在高光谱图像上实现光谱角度映射器（SAM），以对表面上的像素进行分类。 还可以获得图像的假彩色合成，以便更好地可视化表面差异。 各个波段的高光谱图像彼此堆叠，以形成用于SAM实现的三维图像立方体。 SAM是一种监督分类算法，可基于光谱角的计算来识别图像中的各种类别。 在为每个像素建立的测试向量与为用户选择的每个参考类别建立的参考向量之间计算光谱角。 获得了将多个2D数据集读取并重组到一个紧凑的3D数据集多维数据集中的结果。 构建参考向量以执行SAM分类，并计算参考向量和像素向量之间的角度以与确定的阈值角度值进行比较。 然后应用颜色编码来区分已被SAM

matlab编程实现图像假彩色处理的源程序。

本文提出了用棱镜色散产生莫尔等高线条纹假彩色编码的方法.研究了单棱镜和互补双棱镜两种典型系统.给出了实验验证.