如何在传统的拜耳 RGB彩色相机中捕获 3 个独立的多光谱通道（波段）？

相机图像传感器由像素组成，这些像素测量从大量光（白色像素）、中等光量（灰色像素）到无光（黑色像素）的不同光量。

几乎所有图像传感器都是单 (1) 通道（灰度），除非在顶部应用了额外的过滤层。

传统的 RGB 彩色相机使用单个图像传感器，但会生成具有 3 个通道（波段）的图像。他们通过在传感器上使用拜耳滤色器阵列 (CFA) 来实现这一点。

拜耳模式通常有一组重复的 4 个像素，顺序为 RGGB（红、绿、绿、蓝）。然后将拜耳滤镜组插值到红、绿、蓝 3 个图像通道中。

插值意味着通过平均周围像素的值来填充缺失的像素。拜耳插值是将单通道图像传感器“转换”为 3 通道图像传感器的方式。

拜耳滤波器阵列的传输通常如下所示：

MAPIR相机在拜耳滤光片阵列之前安装了我们自己的带通滤光片，只允许我们想要测量的波长被传感器捕获。这是我们流行的 RGN（红/绿/NIR）滤光片的传输图表：

在我们的 RGN 相机中，入射光，首先由我们的 RGN 过滤器过滤，然后由拜耳过滤器阵列过滤，然后在传感器上捕获。

查看上面的拜耳传输图表，您可以看到每个红色、绿色、蓝色通道不仅捕获相关的 RGB 颜色，还捕获其他波长，如红边 (700-800nm) 和 NIR (800-1000nm)。

因此，当我们使用像我们的 RGN 这样允许 NIR 光通过的滤光片时，所有 3 个拜耳滤光片也允许 NIR 光通过到传感器。

这意味着生成的 RGN 图像通道实际上包含以下内容：Red+NIR、Green+NIR、NIR。为了去除干扰 NIR 光，必须进行进一步处理。

测量组装好的相机在每个通道中的传感器响应，我们可以将通道彼此分开（从而在我们的 RGN 示例中移除 NIR）。结果将是预期的红色、绿色、NIR（图像通道 1、2、3）。

这是来自MAPIR Survey3W RGN 相机的原始图像示例，该图像已被去拜耳化（应用拜耳插值）。

请注意顶部白色参考目标的绿色程度，这是因为拜耳 CFA 中的绿色滤光片数量是原来的两倍。

这是针对传感器响应进行了校正并针对反射率进行了校准的图像，看起来与白平衡图像类似。

我们的 RGN 滤光片允许红光、绿光和近红外 (NIR) 光穿过传感器。校准目标周围的绿草主要反射 NIR 光，这就是为什么它的颜色过于蓝色。

蓝光无法到达图像传感器，因此在蓝色（第三）图像通道中捕获的是 NIR 850nm 光。我们的眼睛看到的绿光比我们的眼睛看不到的被反射的近红外光要弱得多。

这是原始去拜耳图像的 3 个图像通道，从左到右：红色、绿色、NIR。请记住，红色和绿色通道也捕获了 NIR 光。

以下是针对传感器响应进行了校正并针对反射率进行了校准的相同 3 个图像通道， 从左到右：红色、绿色、NIR。

请注意每行中的最后一张照片，近红外 (NIR) 光通道在校正后比中间的绿光通道亮得多。这是因为健康的绿草反射的 NIR 光比绿草多得多。

如果我们能像人类一样看到近红外光，那么在观察阳光照射下的健康植被时，我们很容易就会失明。

对比度是亮像素和暗像素之间的差异。请注意，红色 (1) 和 NIR (3) 通道之间的对比度在校正后更大/更高。

NDVI 指数比较红色和近红外对比度之间的差异。对于植被，NDVI 值通常介于 0.3（不健康）到 0.8（健康）之间。

左下方是 RAW 图像中未经校正的 NDVI 图像，右侧是校正后的图像。NDVI 尺度是植被分析的典型范围 0 到 1。

上面未校正的图像具有不正确的 NDVI 值，这就是为什么它们的值都这么低的原因。如果将比例更改为下面的 -0.5 到 1，您可以更好地看到图像。

正确处理图像并相应地调整对比度 (LUT) 比例非常重要，否则可能会产生不正确的结果。

更多问题，可联系我们