对比度拉伸 (Normalize) vs. 直方图均衡化 (Equalize)
在数字图像处理或地形建模（如 Gaea）中，我们经常会遇到原本锐利的细节由于色彩跨度不足而显得“灰蒙蒙”的情况。为了解决这个问题，通常有两种核心算法：对比度拉伸（Contrast Stretching/Normalization） 和 直方图均衡化（Histogram Equalization）。
虽然它们的目标都是为了增强视觉对比度，但其背后的数学逻辑和最终效果却截然不同。
1. 对比度拉伸 (Contrast Stretching / Normalize) —— “温和的线性扩容”
对比度拉伸（通常也称为 Normalization）是一种线性变换技术。
核心逻辑
它的原理非常直观：找到图像中当前最暗的像素值 () 和最亮的像素值 ()，然后通过比例缩放，将它们强行映射到显示设备所能提供的完整范围（如 0 到 255 或 0.0 到 1.0）。
其数学表达式为：
视觉特征
- 尊重事实：它是一种线性变换，这意味着像素之间的相对亮度关系保持不变。
- 连贯性：如果原始图像中有平滑的梯度，拉伸后的梯度依然平滑。
- 局限性：如果图像中已经包含了一个纯黑和一个纯白的点，那么该算法将不起任何作用。
2. 直方图均衡化 (Histogram Equalization / Equalize) —— “激进的像素民主”
直方图均衡化（Equalize）则是一种非线性的全局变换。
核心逻辑
它的目标不是简单的拉伸，而是重新分配。它通过计算图像的累积分布函数（CDF），尝试将图像的直方图变成平坦的、均匀分布的状态。
算法要求：每一个亮度等级在屏幕上占据的像素数量（投影面积）应当尽可能相等。
视觉特征
- 细节挖掘：在像素密集的区域（即直方图的波峰处），它会分配极多的色彩资源，从而将肉眼难以分辨的微小细节强行“炸”出来。
- 视觉断层：由于它是一种离散且非线性的映射，在面积巨大的平缓区域，它会产生明显的色带或等高线伪影。
- 失真：它会彻底改变图像的原始亮度逻辑，可能导致阴影处变得过亮，或高光处失去层次。
3. 核心差异对比表
| 特性 | 对比度拉伸 (Normalize) | 直方图均衡化 (Equalize) |
|---|---|---|
| 变换类型 | 线性 (Linear) | 非线性 (Non-linear) |
| 数学依据 | 极值 (Min/Max) | 像素分布频率 (Probability Density) |
| 对亮度的处理 | 整体等比放大 | 频率高的地方对比度极高，频率低的地方被压缩 |
| 细节表现 | 保持原始细节感 | 暴力挖掘隐藏细节，但易产生噪声和断层 |
| 适用场景 | 照片级渲染、自然景观、真实感贴图 | 科学成像、指纹识别、寻找地形微观侵蚀纹理 |
4. 总结：如何选择？
- 选择 Normalize (对比度拉伸)：当你需要保持地质结构的真实性，且只想让画面看起来不那么“灰”时。它是尊重地质常识的选择。
- 选择 Equalize (直方图均衡化)：当你处理的是极其平坦的地形，或者你需要像 X 光一样扫描出地表极其细微的冲刷痕迹（即使这会带来视觉上的失真）。它是追求信息密度的选择。
在实际操作中，如果你在 Gaea 的 CLUTer 或 SatMap 中看到了奇怪的色带断层，通常是因为开启了 Equalize。此时切换回 Autolevel (即 Normalize)，通常能瞬间找回自然感。
参考资料：