Эксперименты со спутниковыми снимками

Олег Татарников

Стоит ли нам рассчитывать на помощь из космоса?

Свет и цвет

Подробнее о Landsat-7 ETM+

Парадоксы видимого света

Как может выглядеть космический снимок?

Переключая каналы…

Последний штрих — координатная привязка

Источников картографической информации, касающихся России, до сих пор крайне мало. Топографические карты обновляются реже, чем раз в 10 лет, и почти не содержат информации о сельской глубинке, о лесах, реках и озерах. Причем детальные карты масштаба 1:100 000 и больше до сих пор «закрыты» по причине секретности. Да и те крупномасштабные, «адаптированные» из военных, что имеются по многим районам страны, принципиально устарели. В сложившихся обстоятельствах космическая съемка оказалась самым доступным и востребованным видом картографической информации.

В настоящее время орбита Земли регулярно «патрулируется» множеством спутников так называемого дистанционного зондирования (ДЗЗ) различного назначения. Они оборудованы специальными сенсорными системами, которые способны улавливать отраженный от поверхности Земли свет и другие виды излучений. Обычно эти сенсоры автоматически включаются с интервалом в 5 минут. Каждый из них фиксирует излучение с определенной длиной волны. Там же, на борту спутника, данные, поступившие с сенсоров, сводятся воедино, оцифровываются и отсылаются на специальные приемные станции.

Современные спутники дистанционного зондирования Земли — это довольно сложные технические устройства, которые должны регулярно, четко и слаженно выполнять команды и программы по съемке объектов и районов земной поверхности. Основная часть такого космического аппарата — это специальная приемная аппаратура, устойчиво наводящая, фокусирующая, снимающая и передающая на Землю изображения в различных спектральных диапазонах. Аппаратура наблюдения на спутниках бывает трех типов: фотографическая, оптико-электронная и радиолокационная. Понятно, что для того, чтобы она была чувствительна в том участке электромагнитного спектра, в котором ведется сбор данных, она должна иметь соответствующую оптику (зеркальную или линзовую), приемные устройства для видимой и инфракрасной области спектра и антенну СВЧ-диапазона, позволяющую облучать объекты радиоволнами и принимать отраженные радиолокационные сигналы.

Кроме того, спутник должен иметь системы, необходимые для управления всей этой аппаратурой: навигационные приборы, датчики углового положения, гироскопы и пр. Такие спутники применяются для решения широкого круга научных, социально-экономических и военных задач. С помощью космических фотографий геологи исследуют места залегания ценных минералов, биологи проводят экологический мониторинг, геодезисты обновляют карты. И конечно же, спутниковые снимки используются при составлении прогнозов погоды. Кроме того, в последнее время космическими фотографиями активно интересуются туристы, уставшие от неточных или устаревших топографических карт, и GPS-пользователи, оценившие преимущества использования космических снимков в GPS-навигаторах.

В оптико-электронных спутниках в качестве объектива используются не только линзовые системы, как в фотографических, но и зеркальные телескопы, а в качестве приемника электромагнитного излучения применяются специальные ПЗС-матрицы. Для видимого и ближнего ИК-диапазонов в фотоприемных устройствах используются кремниевые ПЗС-матрицы (подобные тем, что устанавливаются в цифровых фотоаппаратах), для среднего ИК-диапазона (3-5 мкм) матрицы делаются из охлаждаемого антимонида индия, а для дальнего ИК-диапазона (8-14 мкм) — из охлаждаемого ртутно-кадмиевого теллурида. Развитие гиперспектральной съемки инициирует применение элементной базы и для таких фотоприемников, которые позволяют регистрировать излучение в узких спектральных диапазонах. Но и у обычных кремниевых матриц цифровых фотоаппаратов спектральная чувствительность гораздо шире, чем у человеческого глаза, что позволяет им фиксировать невидимое нам излучение.

Поэтому для того, чтобы отсекать инфракрасный диапазон, в бытовых фотоаппаратах перед матрицей ставят ИК-фильтры. Некоторые спутниковые системы обходятся без таких фильтров, снимая полным диапазоном ПЗС-матрицы, — такие снимки широкого диапазона (видимого плюс инфракрасного) обычно называют панхроматическими.

Результирующее изображение сохраняется бортовыми запоминающими устройствами в цифровой форме и передается на Землю по радиолиниям. Для увеличения снимаемой площади используют оптико-механические и электронные сканеры, которые строят изображения, комбинируя движение спутника и качание сканирующего зеркала перпендикулярно направлению полета. В зависимости от возможностей подобной системы стабилизации результирующие кадры получаются большими или меньшими в плане охвата по территории.

Фотографические и оптико-электронные спутники обеспечивают сегодня наиболее детальную информацию о поверхности Земли и находящихся на ней объектах. Однако эти средства спутникового наблюдения работают только при хорошей погоде и в светлое время суток. Подобного недостатка лишены спутники с радиолокационной аппаратурой на борту, которые могут работать круглосуточно и в любую погоду.

Современные технологии позволяют значительно увеличить разрешающую способность как оптико-электронной, так и радиолокационной аппаратуры. Кроме того, по радарным изображениям можно выявить движущиеся объекты, определить скорость и направление их движения, а также получить информацию о высотном рельефе зондируемой местности.

Космическая радиолокация помогает также при наблюдении объектов, скрытых растительностью и расположенных в приповерхностном слое земли или в прибрежной зоне водоемов (заглубленные трубопроводы, линии связи, линии электропередач и т.п.).

Конечно, сегодня лишь немногие страны могут позволить себе иметь спутники слежения, но интерес к использованию получаемых ими данных год от года повсеместно растет.

Россия, возможно, опережает ряд зарубежных стран как по обеспеченности спутниками, так и по детальности получаемых с них данных (наши спутники давно могут снимать Землю с разрешением до 2 м на пиксел). Однако данные с российских спутников во времена СССР были доступны лишь узкому кругу закрытых организаций, а снимки с высоким разрешением вообще были строго засекречены.

В настоящее время все материалы космической съемки с пространственным разрешением 2 и даже более метров являются совершенно открытыми. Процедура заказа и получения снимков проста и подробно изложена в Интернете на сайтах поставщиков. Именно доступность такой информации может считаться сегодня основной причиной активного использования космических снимков.

В последнее время на рынке данных дистанционного зондирования Земли происходят значительные изменения. Они выражаются и в постоянно растущем многообразии предлагаемых данных, и в неуклонном снижении их стоимости. Во многих сегментах рынка усиливается конкуренция между поставщиками данных.

Сейчас на рынке доступны снимки различного пространственного (геометрического), спектрального, временного и радиометрического разрешения. Используемые для их получения сенсоры подразделяются не только на вышеупомянутые фотографические, оптико-электронные и радиолокационные (цифровые и аналоговые) — сегодня появились даже такие, с которых можно получать стереопары или объемные изображения.

Однако качество снимков (и соответственно цена) определяется в первую очередь их разрешением.

Пространственное (геометрическое) разрешение характеризуется минимальным размером объектов, различимых на снимках, спектральное — количеством спектральных зон, их шириной и размещением по электромагнитному спектру, временное — периодичностью съемки одного участка, радиометрическое разрешение — числом градаций сигнала в каждой спектральной зоне и возможностями калибровки. Большая часть современных космических съемочных систем использует лишь единицы (реже десятки) спектральных зон, а стоимость снимков определяется прежде всего их пространственным разрешением и тем кругом задач, в которых эти данные применяются.

Существуют системы дистанционного зондирования (и их число постоянно растет), данные с которых можно получать даже бесплатно — из Интернета.

Например, появление в открытом доступе данных (пусть даже архивных) с американского спутника Landsat-7, запущенного в 1999 году, стало особенно знаменательным событием, а спутниковые фотографии в Google Maps, которые появились в начале апреля 2005 года, когда компания Google интегрировала в свой сервис технологии компании Keyhole, совершили настоящую революцию в сознании широкого круга пользователей. Сначала спутниковые фотографии Google Maps покрывали лишь территорию США и Канады, но сейчас ими покрыта уже вся территория планеты, причем снимки многих участков даже на территории нашей страны имеют высочайшее разрешение (около 2 м на пиксел). Фотографии регионов в Google Maps периодически обновляются — в зависимости от плотности населения или какого-либо другого интереса к той или иной территории с периодичностью от нескольких месяцев до года-двух. Но главная заслуга Google Maps (сервис пока бесплатен) — это возможность виртуальных путешествий по планете и желание поделиться со всеми познанным миром. Благодаря такой возможности уже сделано немало научных открытий. Так, сразу после запуска этого популярного сервиса в 2005 году, просматривая в Интернете фотографии местности, 47-летний программист из Италии Лука Мори сделал ценное археологическое открытие. Он рассматривал зону, где родился, и увидел на сельскохозяйственном поле у городка Сорбело недалеко от Пармы, как он выразился, подозрительные «тени»: темный овал по вспаханному полю и прямые «штрихи» на нем. Мори связался с археологами из Национального археологического музея Пармы, ученые провели проверку на местности и обнаружили, что под поверхностью поля скрывается ценная археологическая находка: руины древнеримской усадьбы, а также другие следы древнего поселения. Воодушевленный своей находкой, Мори даже основал специальный сайт http://www.cyberarchaeologist.org/, посвященный подобным археологическим поискам.

Стоит ли нам рассчитывать на помощь из космоса?

Цвет небесный, синий цвет

Полюбил я с малых лет.

В детстве он мне означал

Синеву иных начал.

И теперь, когда достиг

Я вершины дней своих,

В жертву остальным цветам

Голубого не отдам.

Николоз Бараташвили

(Перевод Б.Пастернака)

Серия американских гражданских спутников Landsat запускается с 1972 года, но особенно заметным событием стала широкая продажа данных со спутника Landsat-7, запущенного в 1999 году. Во-первых, потому, что на Landsat-7 был установлен сенсор ETM+ — с улучшенными, по сравнению с предыдущим Landsat-5, характеристиками. Например, добавился 15-метровый панхроматический канал (остальные каналы — 30-метровые), а разрешение теплового канала улучшилось до 60 м (вместо прежних 120). А во-вторых, цена на снимки с этого спутника была значительно ниже среднерыночных цен того времени на подобную продукцию. А поскольку вдобавок улучшилось покрытие съемками всей суши (например, вся территория России покрыта малооблачными снимками с Landsat-7 два и более раз), это закономерно вызвало поистине взрывной рост популярности этих данных, и прежде всего в нашей стране.

Однако в 2003 году последний спутник этой серии практически вышел из строя. Эффективной заменой Landsat во многих странах стали снимки французских спутников серии SPOT, а также снимки индийских спутников IRS. Правда, съемка территории России с этих спутников во многом осложняется отсутствием наземной инфраструктуры (а проще говоря — отсутствием станций приема космической информации в зоне прямой видимости). Так что пока у нас не наладят широкое распространение доступной спутниковой информации с отечественной аппаратуры, придется обращаться к американским архивам, тем более что с некоторых пор они доступны в Интернете для бесплатного скачивания (http://www.landsat.org/ortho/index.htm). Скачать снимки со спутника Landsat-7 можно на разных сайтах, в том числе и на таких, которые предоставляют удобный и наглядный интерфейс для того, чтобы найти нужный вам пролет спутника над искомой местностью (Path) и номера снимков (Row), которые вам требуются. Таким местом, например, является ресурс Global Land Cover Facility Earth Science Data Interface (GLCF ESDI) американского Университета штата Мэриленд (http://glcf.umiacs.umd.edu/index.shtml). Там же можно почитать об особенностях проектов TM и ETM, определиться с уровнем обработки снимков и набором каналов. Лучшим выбором для России являются снимки Landsat ETM+ — это новейший комплект снимков из доступных бесплатно и наиболее детальный. По ссылке http://glcfapp.umiacs.umd.edu:8080/esdi/index.jsp вы попадете непосредственно на интерфейс поиска нужных карт и продуктов и можете воспользоваться сервисом Map Search для того, чтобы интерактивно выбрать нужную область покрытия. После выбора спутника в левом окне и покрытия на карте можно перейти по закладке Preview & Download, где вам предложат скачать нужные архивы уже с FTP-сервера ftp://ftp.glcf.umiacs.umd.edu/glcf/Landsat/WRS2. Запомните, кстати, параметры снимка, которые выдал этот сервис, — например Path 178 и Row 022. Сайты для скачивания снимков Landsat ETM+ существуют разные, но для того, чтобы ими пользоваться, необходимо знать нужные Path и Row, которые ресурс GLCF ESDI выдает интерактивно. Ведь, скажем, один только файл широкого панхроматического диапазона занимает в архиве примерно 110-120 Мбайт (это файл хранится в формате TIFF со сжатием без потерь). Так что ошибка в выборе может обойтись вам довольно дорого.

Снимки со спутника Landsat-7 ETM+ разложены по нескольким каналам — по отдельности каждый из каналов выглядят как монохромное (серое) изображение. О том, что означают эти каналы и как сделать из них цветной снимок, — читайте ниже.

В Интернете можно найти и другие бесплатные спутниковые фотографии России, но, к сожалению, они менее интересны, чем вышеописанные. Например, на сайте http://geoengine.nima.mil/geospatial/SW_TOOLS/NIMAMUSE/webinter/rast_roam.html можно попробовать скачать данные DOI-10M (там есть покрытие и для России). Однако вы получите тольку одну черно-белую картинку (правда, чуть более высокого разрешения — 10 м в одном пикселе). К сожалению, в прошлом году был закрыт бесплатный доступ к архивам американо-японского спутника ASTER — сейчас они только продаются, правда довольно дешево (http://lpdaac.usgs.gov/news/aster_pricing_announcement_2006.asp). Впрочем, пространственное разрешение у снимков с этого спутника тоже 15 м на пиксел, то есть не выше, чем у Landsat-7 ETM+. Однако любая альтернативная информация была бы полезна, тем более что сенсоры там совершенно другие и информация с них более актуальная, чем со спутника Landsat-7.

Кстати, основа глобального покрытия Земли, используемого в Google Maps, взята из продукта NaturalVue компании MDA Federal (прежнее название EarthSat), где тоже применяются снимки со спутника Landsat-7. Хотя, возможно, что обработку снимков (получение цветного изображения из черно-белых каналов) для Google Maps делала компания TerraMetrics (во всяком случае в Google Maps стоит ее копирайт), но все равно для 100-процентного покрытия Земли обрабатывались материалы, полученные с того же спутника Landsat-7.

Более детальные изображения сервису Google Maps, конечно, предоставляют другие компании — преимущественно это DigitalGlobe, которая использует съемку высокого разрешения (0,68 м на пиксел, уменьшено до 2 м на пиксел со сглаживанием), полученную со спутника QuickBird (кстати, те же подробные «заплатки», которые появились по России на карте Google Maps, можно купить на сервере http://www.terraserver.com/). Для других стран применяются и иные источники аэрокосмической информации, но для России Google Maps ограничивается только двумя вышеупомянутыми источниками. А векторные топографические карты регионов для Google Maps предоставляют компании Tele Atlas (http://www.teleatlas.com/) и NAVTEQ (http://navteq.ru/). Кстати, после заключения соглашения Tele Atlas с отечественной компанией «Навигационные Системы» (стратегическое партнерство называется «Tele Atlas Россия») в апреле текущего года Google Maps тоже обновила векторные карты России: расширила дорожную сеть, количество населенных пунктов и т.д.

Те же самые снимки со спутника Landsat-7 используются для России на сервере Microsoft Virtual Earth (http://local.live.com/), на Yahoo!Local (http://maps.yahoo.com/) и на других. Возможно только, что они по-разному обрабатываются: Google Maps и Microsoft Virtual Earth имеют одинаковую обработку изображения, а Yahoo!Local на той же основе применяет свой алгоритм составления цветных фотографий из спутниковых каналов, но по разрешению эти снимки не различаются и по своему содержанию выдают одинаковую основу.

Впрочем, сегодня и в России появляются подобные бесплатные и платные сервисы, которые предоставляют более подробную спутниковую информацию. Например, в относительно недорогом интернет-магазине http://www.kosmosnimki.ru/ можно приобрести по некоторым регионам России цветные снимки с индийских спутников IRS-1С/1D с разрешением 6 м на пиксел (масштаб полученной карты — в 1 см примерно 350 м). Однако число таких областей покрытия пока невелико, а по остальной территории России интернет-магазин www.kosmosnimki.ru предлагает все те же снимки со спутника Landsat-7, которые ничем не лучше изображения с Google Maps и других американских сервисов (хотя здесь используется совсем другая обработка снимков). Кстати, у этой компании есть и бесплатный сервис, аналогичный Google Maps, — http://new.kosmosnimki.ru/, где вы также можете попутешествовать по России.

Недавно подобный сервис был открыт и на популярном российском поисковике Яндекс (http://maps.yandex.ru/). Отметим, кстати, что спутниковые снимки и на Яндексе, и на new.kosmosnimki.ru — абсолютно одинаковые.

Свет и цвет

В селенье, среди гор, дорог как не бывало,

Путей знакомых будто вовсе нет —

Не видно ничего...

С листвою кленов алой

Упал на землю ярко-белый снег.

Фудзивара Ёсискэ

Очевидно, что земная поверхность отражает солнечный свет. И то, какие световые волны отразятся, а какие будут поглощены, напрямую зависит от ее свойств. Однако при съемке поверхности Земли с большой высоты (где, собственно, и находятся все спутники) одним из основных препятствий получения качественного и точного изображения на космическом снимке являются многочисленные атмосферные помехи. И речь здесь идет не только о плотных облаках, которые совсем не пропускают свет и могут полностью скрывать обширные территории от сканирующей аппаратуры спутника. Это относится и к чистой земной атмосфере, которая поглощает и рассеивает солнечные лучи, причем в различных частях спектра по-разному. Например, знаменитый голубоватый цвет Земли из космоса, вдохновляющий поэтов и художников, объясняется не чем иным, как рэлеевским рассеиванием солнечного света, проходящего сквозь атмосферу. Молекулы газов, составляющих воздух, как установил английский физик Рэлей (1842—1919), больше рассеивают синие и голубые лучи. Согласно теории Рэлея, цветные лучи, образующие солнечный спектр, рассеиваются молекулами воздуха пропорционально Lambda-4 (где Lambda — это длина световой волны). Синие лучи рассеиваются примерно в 16 раз сильнее, чем красные. Поэтому цвет неба (рассеянный солнечный свет) — синий, а цвет Солнца (прямой солнечный свет) — желтый. Но когда Солнце стоит низко над горизонтом и лучи его проходят большой путь в атмосфере, то рассеиваются не только синие, но и желто-зеленые лучи, поэтому Солнце приобретает ярко-красный цвет. Поэтому и наша планета, и небо — голубые: сильно рассеиваемый в воздухе синий спектр окрашивает и небо над головой, и планету, если смотреть на нее из космоса. Кроме того, в запыленных слоях атмосферы рассеиваются не только синие и голубые лучи, но даже зеленые и часть желтых. И только красные и оранжевые лучи беспрепятственно проникают сквозь атмосферу. Таким образом, при составлении цветных снимков из спектральных составляющих необходимо помнить о том, что синий цвет будет самым сильным, но наиболее размытым из-за рассеивания в атмосфере, а красные оттенки — наиболее контрастными и соответствующими реальному цвету земной поверхности.

Примерное соответствие между
пространственным разрешением космических
снимков и масштабом географической карты

Кроме того, на Земле существуют и независимые от Солнца источники электромагнитных излучений. К тому же световые потоки от воды, лесов или от городов будут различаться длиной волны в зависимости от нагрева поверхности, загрязненности атмосферы над объектами, искусственного освещения и других причин.

Кроме того, воздух, даже самый чистый — высоко в горах, в Арктике и Антарктике, — засорен органической и минеральной пылью, частицами дыма, капельками воды или растворов. Эти частицы очень малы (радиус их около 0,1 нм), их масса ничтожна, поэтому они так медленно падают на Землю, что малейший ток воздуха снова вздымает их вверх. Поскольку воздух непрерывно перемешивается, в атмосфере всегда присутствует смесь из мельчайших пылинок и капель, особенно густая в нижних приземных слоях. Этот атмосферный аэрозоль является главной причиной мутности воздуха. Он уменьшает дальность видимости в реальной атмосфере, по сравнению с идеальной, приблизительно в 20 раз. Кроме аэрозоля, большую роль в оптических явлениях в атмосфере играет водяной пар, а также углекислый газ и озон, хотя последние составляют всего несколько процентов от объема газов, из которых состоит воздушная смесь. Однако эти газы не только поглощают солнечное и земное излучение, но и сами излучают радиацию.

Всеми этими явлениями занимается специальный раздел физики — атмосферная оптика, в котором изучаются оптические явления, возникающие при прохождении света в атмосфере. Мы не станем здесь вдаваться в тонкости этой науки, но не забудем о различиях в прохождении электромагнитного излучения разного спектра (цветов) сквозь толщу атмосферы и не будем рассчитывать на хорошее отображение синих и некоторых других цветовых оттенков.

Подробнее о Landsat-7 ETM+

В глубинах зеленого неба

зеленой звезды мерцанье.

Как быть, чтоб любовь не погибла?

И что с нею станет?

Сто звезд зеленых

плывут над зеленым небом,

не видя ста белых башен…

Федерико Гарсиа Лорка.

В глубинах зеленого неба

Итак, сегодня для российских пользователей бесплатно доступны только снимки со спутника Landsat-7 периода 1999-2002 годов, с которыми мы и будем экспериментировать. Детальность съемки с этого спутника — 15 м на пиксел (примерный масштаб полученной таким образом карты — в 1 см 900 м). Конечно, хотелось бы получить более высокое разрешение, но согласитесь, что карты даже такого масштаба для любого российского региона, исключая Москву и Московскую область, найти не так-то легко.

В действительности основные каналы многоспектрального оптико-механического сканирующего радиометра ETM+ (Enhanced Thematic Mapper) спутника Landsat-7 имеют разрешение 30 м на пиксел. Однако разрешение снимков Landsat-7 можно улучшить путем слияния основных 30-метровых каналов с 15-метровым панхроматическим (широкого спектра). Для этого компании, подготавливающие снимки для просмотра при проведении исследований, применяют специальные алгоритмы, позволяющие получить итоговое многоканальное изображение с разрешением в 15 м. Известно, что для обработки спутниковых изображений нужны соответствующие ГИС-пакеты — RSI ENVI, ERDAS Imagine, ESRI Image Analysis и др.

Спектральные диапазоны (каналы) сенсора ETM+ спутника Landsat-7

Мы же попытаемся предложить вам собственный несложный алгоритм подготовки цветного изображения из монохромных каналов и покажем ниже, как следует работать со спутниковыми снимками в зависимости от того, какую задачу вы перед собой ставите.

Рассмотрим каналы получения информации с вышеупомянутого спутника Landsat-7. Итак, многоспектральный оптико-механический сканирующий сенсор этого спутника имеет каналы, приведенные в таблице (см., например, http://gis-lab.info/projects/ss/sensor/etmplus.html).

Отметим, что монохромные каналы 1, 2, 3, 4, 5 и 7 имеют пространственное разрешение 30 м в одном пикселе изображения. Панхроматический (занимающий широкую часть спектра) канал 8 имеет пространственное разрешение 15 м на пиксел. И наконец, радиолокационный канал 6 имеет более низкое разрешение — 60 м на пиксел. Поскольку для нашей задачи получения цветного изображения из монохромных спутниковых снимков мы не будем использовать радиолокацию, то о канале 6 забудем.

Практика использования остальных каналов зависит в первую очередь от тех задач, которые ставит перед собой исследователь.

Как мы покажем далее, только каналы 1, 2 и 3 (и частично панхроматический канал 8) приходятся на видимую человеческим глазом часть спектра, а остальные каналы лежат в невидимом диапазоне (канал 4 можно назвать ближним инфракрасным, канал 5 представляет дальние инфракрасные тона, а канал 7 находится уже ближе к области микроволнового излучения).

Парадоксы видимого света

Дурак рассматривал картину:

Лиловый бык лизал моржа.

Дурак пригнулся, сделал мину

И начал: «Живопись свежа...

Идея слишком символична,

Но стилизовано прилично».

(Бедняк скрывал сильней всего,

Что он не понял ничего).

Саша Чёрный. Вешалка дураков

Рассмотрим источники формирования видимого света более подробно. Видимый свет — это небольшой сектор спектра электромагнитного излучения, который лежит в диапазоне длин волн 400-700 нм (нанометр — это 10-9 м). Для получения картинки в привычной нам цветовой модели RGB (Red — красный канал, G — зеленый и B — синий) нам необходимо выделить три части спектра: красно-оранжевую, желто-зеленую и сине-фиолетовую. Напомним, что фиолетовый цвет имеет длину волны около 440 нм, синий — около 480 нм, зеленый — около 520 нм, желтый — около 570 нм, красный — около 650 нм. Комбинация всех этих цветов и дает нам видимый белый цвет. Человеческий глаз в спектре солнечного света в среднем различает около 160 оттенков цветов, но наиболее чувствителен он к излучению с длиной волны 0,555 нм (это зеленая часть спектра).

Если рассматривать спектр подиапазонно, то диапазон длин волн 200-400 нм соответствует близкому ультрафиолетовому излучению, 400-700 нм — видимому излучению, 700-1200 нм — близкой инфракрасной области спектра. На самом деле ширина видимого спектра зависит от конкретного человека и может быть несколько шире — потенциально видимый свет состоит из спектрального распределения электромагнитной энергии с длинами волн в диапазоне примерно от 380 до 760 нм. Цвета излучений, длины волн которых расположены в диапазоне видимого света в определенных интервалах вокруг длины какого-либо монохроматического излучения, называются спектральными цветами. Например, излучения с длинами волн от 380 до 470 нм имеют фиолетовый и синий оттенки, от 470 до 500 нм — голубовато-зеленые, от 500 до 560 нм — зеленые, от 560 до 590 нм — желто-оранжевые, от 590 до 760 нм — красные (в небольших участках этих интервалов цвет излучений соответствует различным оттенкам указанных цветов).

Теория цветового зрения объясняет, почему участок спектра, находящийся в пределах от 400 до 700 нм, оказывает цветовое воздействие и по какой причине мы видим излучение в диапазоне 400-450 нм фиолетовым, 450-480 — синим и т.д. Суть теории состоит в том, что светочувствительные нервные окончания, находящиеся в одной из оболочек глаза и называемые фоторецепторами, реагируют на излучение видимой части спектра. Глаз содержит три группы таких рецепторов, из которых одна наиболее чувствительна к интервалу 400-500 нм, другая — 500-600 нм, а третья — 600-700 нм. Рецепторы реагируют на излучения в соответствии с их спектральной чувствительностью, и ощущения всех цветов возникают в результате комбинации трех реакций.

Однако задача оценки цвета не решается простым указанием диапазона и измерением распределения энергии излучения по спектру. Да, по интервалу, занимаемому излучением, цвет можно указать вполне определенно: если тело излучает или отражает в пределах 565-580 нм, то его цвет будет желтым. Однако обратное заключение не всегда корректно, то есть по известному цвету излучения невозможно уверенно указать его спектральный состав или длину волны. Например, если излучение желтое, то это не значит, что оно занимает вышеуказанный интервал или его часть. Желтой выглядит и смесь монохроматических излучений, находящихся вне этого интервала, например зеленого (546 нм) с красным (700 нм) при определенных соотношениях их мощностей. Таким образом, в общем случае видимое тождество световых пучков не гарантирует их тождества по спектральному составу и неразличимые на глаз по цвету излучения могут иметь как одинаковый, так и абсолютно разный состав. В первом случае их цвета называются изомерными, во втором — метамерными. Поэтому при формировании общей картины для просмотра нам важнее субъективные характеристики цвета, а не его спектральный состав. А характер цветового ощущения зависит как от суммарной реакции цветочувствительных рецепторов, так и от соотношения реакций каждого из трех типов рецепторов. При этом суммарная реакция определяет светлоту, а соотношение ее долей — цветность.

Например, когда излучение раздражает все рецепторы одинаково (единица интенсивности раздражения — доля участия в белом), то общий цвет воспринимается как белый, серый или черный. Белый, серый и черный цвета называются ахроматическими. Эти цвета не различаются качественно. Разница в зрительных ощущениях при действии на глаз ахроматических излучений зависит только от уровня раздражения рецепторов. Поэтому ахроматические цвета могут быть заданы лишь одной психологической величиной — светлотой, и ни о каких цветах здесь речи идти не может — независимо от спектральных составляющих.

А практика воспроизведения цветных объектов требует лишь получения цвета, зрительно неотличимого от воспроизводимого (при этом не имеет значения, метамерны или изомерны оригинальный цвет и цвет-копия). Вследствие этого возникает потребность воспроизводить и измерять цвет независимо от спектрального состава излучения, вызывающего данное цветовое ощущение. Для специалиста, использующего или воспроизводящего цвет, безразличен спектральный состав света, отражаемого образцом. Для него существенно, чтобы копия была, например, действительно желтой, как образец, а не желто-зеленой или желто-оранжевой, пусть даже более близкой по спектру к оригиналу.

В данном случае заметим, что канал 1 сенсора ETM+ спутника Landsat-7 имеет спектральное разрешение 450-515 нм, что попадает на видимые нами синие (450-480 нм), голубые (480-500 нм), а также немного захватывает зеленые (500-570 нм) оттенки. Этот канал правомерно признать «синим» (в цветовой модели RGB — B), однако не забудем, что его спектр все-таки слишком широк для просто синего. Канал 2 спутникового сенсора ETM+, в свою очередь, имеет спектральное разрешение 525-605 нм, что попадает на видимые нами зеленые (500-570 нм), желтые (570-590 нм) и оранжевые (590-620 нм) оттенки. Этот канал вполне корректно признать «зеленым» (в цветовой модели RGB — G), но мы помним, что часть природного зеленого ушла в 1-й канал, часть зеленого спектра от 515 до 525 нм вообще обрезалась (не попала ни в один из каналов спутникового сенсора), а спектр 2-го канала все же слишком широк для просто зеленого, так как захватывает и желто-оранжевые оттенки. И наконец, канал 3 сенсора ETM+ спутника Landsat-7 имеет спектральное разрешение 630-690 нм, что безусловно попадает почти на все видимые нами оттенки красного цвета (620-760 нм), за исключением самых темных. Впрочем, с красным цветом, как мы уже рассказывали выше, проблем не существует — напротив, его всегда будет слишком много, так как он лучше всего проходит сквозь атмосферу. В крайнем случае, если нам для каких-либо задач не будет хватать красного, мы всегда можем воспользоваться каналом 4 сенсора ETM+, который находится в ближнем инфракрасном диапазоне.

Как может выглядеть космический снимок?

Синий ворон пьет глазки до донушка,

Собирает по косточкам дань.

Сторона ли моя, ты сторонушка,

Вековая моя глухомань!

И.А.Бунин. Степь

Практика воспроизведения цветных объектов позволяет нам произвольно комбинировать спектральные каналы спутникового сенсора и не особенно заботиться о том, «честными» или «нечестными» средствами мы пользуемся, применяя, например, информацию из невидимых каналов для формирования видимого изображения.

Так, научные работники, которые пользуются спутниковыми снимками для своих исследований, составляют изображения разными интерпретациями комбинаций спутниковых каналов в зависимости от поставленных задач (см., например, http://gis-lab.info/qa/landsat-bandcomb.html):

• комбинация цветовой модели RGB, в которую на соответствующие места попадут каналы [3, 2, 1], как мы показали выше, является самой «честной» и называется у специалистов «естественные цвета» (или естественно-цветовые объединения). В этой комбинации используются только каналы видимого диапазона, поэтому объекты земной поверхности всегда выглядят здесь похожими на то, как они воспринимаются человеческим глазом. Растительность выглядит зеленой, поля — светлыми, дороги — серыми, береговые линии — белесыми. Однако водные объекты здесь будут чересчур темными из-за недостаточного прохождения синего цвета сквозь атмосферу. Впрочем, эта комбинация каналов все же дает возможность анализировать состояние водных объектов и оценивать их глубину по насыщенности тона. Она также применяется для изучения антропогенных объектов. Однако вырубки и разреженная растительность детектируются по такому снимку плохо, в отличие от «нечестных» комбинаций, таких, например, как [4, 5, 1] или [4, 3, 2]. А облака и снег выглядят одинаково белыми и трудноразличимы. Кроме того, по такому снимку очень сложно отличить один тип растительности от другого. А при анализе водных объектов эта комбинация не позволяет отличить мелководье от почв — в отличие от комбинации [7, 5, 3];

• комбинация цветовой модели RGB, в которую на соответствующие места попадут каналы [4, 3, 2], является абсолютно «нечестной» (ведь зеленые по спектру оттенки здесь попадают в синий канал RGB, красные — в зеленый, а на место красного цвета в модели RGB ставится канал 4, который представляет ближний инфракрасный диапазон). Однако такая подмена удачно убирает откровенно «тухлый» канал 1, который хоть и является «честно» синим, но, как мы рассказали выше, сильно рассеивается в атмосфере и не дает ни необходимого цвета, ни хорошей контрастности. Поэтому именно такая комбинация, которая условно называется «искусственные цвета» (или комбинацией ложноцветовых объединений), признается специалистами стандартной при изучении спутниковых снимков в цвете. Кстати, такая комбинация напоминает цветные инфракрасные фотографии. Однако растительность здесь отображается в оттенках красного, городская застройка — в зелено-голубых тонах, а цвет почвы варьируется от темно- до светло-коричневого. Лед, снег и облака выглядят здесь белыми, а по краям — светло-голубыми. Но, несмотря на такую подмену цвета, у растительности, в отличие от комбинации [3, 2, 1], здесь уже можно различать породы деревьев. Хвойные леса будут выглядеть более темно-красными или даже коричневыми по сравнению с лиственными. Поэтому именно эта комбинация очень популярна и используется главным образом для изучения состояния растительного покрова, мониторинга дренажа и почвенной мозаики, а также для изучения агрокультур. В целом насыщенные оттенки красного являются индикаторами здоровой и/или широколиственной растительности, в то время как более светлые оттенки подразумевают травянистый покров, редколесье или кустарники. Кстати, именно эта комбинация используется военными для обнаружения камуфляжа, поскольку только естественная растительность дает такие насыщенные оттенки красного;

• комбинация цветовой модели RGB, в которую на соответствующие места попадут каналы [7, 4, 2], тоже является «нечестной» и представляет пример комбинации специальных ложноцветовых объединений, так как состоит по большей части из цветов невидимого глазу спектра (в основном инфракрасного диапазона). Тем не менее у специалистов она считается комбинацией, которая дает изображение, близкое к естественным цветам, но в то же время позволяет анализировать состояние атмосферы и дым. Отметим, что близость к естественному объясняется тем, что мы попросту сдвинули ряд цветов по спектру, не меняя их порядка по спектральной шкале, — то есть на место синего поставили красный, на место зеленого — ближний инфракрасный, а на место красного — дальний инфракрасный. Поэтому растительность на таком снимке, так же как и на обычном, выглядит в основном зеленой, а вода — синей! Высокое качество такой комбинации обеспечивается хорошим прохождением красных и инфракрасных лучей сквозь атмосферу. Правда, открытая почва приобретает ярко-розовые цвета. Зато песок, почва и минералы могут быть представлены очень большим числом цветов и оттенков. Эта комбинация дает великолепный результат при анализе пустынь и опустыненных территорий. Кроме того, она может быть использована для изучения сельскохозяйственных земель и водно-болотных угодий. Сильное поглощение излучения в ИК-диапазоне водой, снегом и льдом позволяет четко выделять береговую линию и подчеркивать водные объекты на снимке. Сгоревшие территории будут выглядеть ярко-красными, так что эта комбинация используется и для изучения динамики пожаров и постпожарного анализа территории. Городская застройка отображается в розово-фиолетовых тонах, а трава представлена зелеными и светло-зелеными оттенками. Светло-зеленые точки внутри городских территорий могут быть парками или садами, а оливково-зеленый цвет характерен для лесных массивов, где более темный цвет является показателем примеси хвойных пород.

Мы не будем здесь описывать все возможные комбинации спутниковых каналов, так как перед нами стоит задача не научного изучения планеты, а изготовления фотореалистичного снимка, по которому можно будет так же легко ориентироваться, как по топографической карте.

Прежде всего, у нас должна получиться качественная цифровая фотография в привычных для человеческого глаза цветах. Однако следует отметить, что многие люди, привыкшие к топографическим картам, не сразу смогут узнать на космическом снимке даже очень хорошо знакомую местность. Порой им приходится потратить немало времени и сил, чтобы научиться читать спутниковую фотографию. Действительно, спутниковые снимки не могут полностью заменить карты — читать их довольно трудно. К тому же при доступном нам разрешении 15 м на пиксел не всегда можно разглядеть сельский дом или речку шириной в 5-10 м. Понятно, что даже крупномасштабные снимки весьма полезны для проверки качества карт и уточнения их привязки, но если снимок будет сильно отличаться по цветовой палитре от условных обозначений на карте, то его расшифровка будет для неподготовленного пользователя довольно утомительной. Необходимо, как минимум, добиться того, чтобы леса были зелеными, а вода — синей, ведь именно этого ждет от карты местности неискушенный зритель. То есть космические фотографии должны быть не только точнее, но и нагляднее топографических карт.

Очевидно, что любой, даже самый удачный метод составления цветной карты из спутниковых каналов будет иметь свои недостатки. И цвета разных объектов могут столь мало различаться по своим визуальным характеристикам, что определить на глаз границу между такими объектами будет практически невозможно. Подобные осложнения могут возникнуть, например, при сравнении болот и заливных лугов, отмелей и пляжей, елового и соснового лесов, полей и торфяников и т.д. В таких случаях помогают специальная комбинация и дополнительная обработка — тематическое дешифрирование. Но эту работу мы оставим вам для собственных экспериментов. Попробуйте — иногда самые необычные сочетания каналов дают неожиданные, но весьма полезные эффекты. Сейчас же мы будем просто создавать красивую фотореалистичную картинку, максимально похожую на карту, по которой легко ориентироваться в туристическом походе или в GPS-навигаторе.

Переключая каналы…

Вдали темно и чащи строги.

Под красной мачтой, под сосной

Стою и медлю — на пороге

В мир позабытый, но родной.

. . . . . . . . . . . . . . . . . . . . . . . . .

Где зернь краснеет на калине,

Где гниль покрыта ржавым мхом

И ягоды туманно-сини

На можжевельнике сухом.

И.А.Бунин. Псковский бор

Итак, исследователи обычно широко толкуют понятие «видимый свет» и применяют различные комбинации каналов. Предварительно поэкспериментировать с комбинациями спутниковых каналов в Adobe Photoshop и, возможно, остановиться на одной из них вам поможет специальный сценарий (Action), разработанный для редактирования космических снимков в американском Национальном агентстве по аэронавтике и исследованию космического пространства (NASA). Наши снимки, естественно, не фотографии звездных скоплений, для редактирования которых разрабатывался этот сценарий, но по сути там нет ничего особенного — просто из черно-белых изображений (таких же каналов спутникового сенсора, как и у нас), помещенных в RGB-картинку Adobe Photoshop, слоями (Layers) автоматически комбинируется цветная картинка, причем к каждому слою применяются инструменты для раздельного редактирования с предустановленными параметрами (кстати, потом полученное изображение с их помощью можно будет дополнительно корректировать послойно). Скачать этот сценарий Colour_composite.atn можно с сайта NASA (http://www.spacetelescope.org/projects/fits_liberator/Colour_composite.atn).

Записав данный сценарий в соответствующую папку Adobe Photoshop (Presets\Photoshop Actions), просто создаем RGB-картинку такого же разрешения, как наши спутниковые каналы, и копируем туда наши черно-белые спутниковые снимки отдельными слоями, не забывая называть их соответствующим образом, чтобы помнить, с каким из спутниковых каналов мы имеем дело при редактировании данного слоя (на нашей иллюстрации каждый слой дополнительно помечен цветом, указывающим на то, каким RGB-каналом он будет).

Теперь помечаем слои и запускаем на каждый из них соответствующую часть операции Colour_composite: на слой, из которого мы будем делать красный канал RGB-изображения, запускаем часть RED layer, на слой, предназначенный для зеленого канала, — часть GREEN layer и, наконец, на слой для синего — BLUE layer.

В результате этой операции мы сразу получаем цветное RGB-изображение из отдельных каналов (в данном случае при объединении спутниковых каналов 3, 2, и 1 мы получили комбинацию «естественные цвета»), причем готовое к дальнейшему редактированию по каждому цветовому каналу.

Подробное обоснование данной операции и пошаговую инструкцию по сборке астрономических снимков при помощи этого сценария можно прочитать на сайте NASA (http://www.spacetelescope.org/projects/fits_liberator/stepbystep.html).

Но мы таким образом собирать финальное изображение не будем, так как в данном случае являемся противниками любого редактирования, поскольку оно неизбежно ухудшает качество картинки. Мы поступим по-своему и будем действовать скорее математически, чем творчески.

Остановимся на двух возможных комбинациях каналов. Во-первых, мы не можем отказаться от «честной» комбинации [3, 2, 1], коль скоро наше изображение должно быть максимально фотореалистичным, а во-вторых, при ближайшем рассмотрении самих каналов нас особенно заинтересовала «невозможная» комбинация со сдвигом цветов по спектру [7, 4, 2] (кстати, именно этот вариант применяется для построения так называемых мозаик ETM+, которые лежат на сайте GLCF ESDI Университета Мэриленда и выглядят довольно реалистично).

Поэтому для наших экспериментов мы выберем каналы 1, 2, 3, 4 и 7, отражающие различные спектральные диапазоны, и будем их комбинировать. Естественно, мы не можем отказаться и от панхроматического канала 8, который имеет удвоенное разрешение. Но он будет использоваться именно для увеличения разрешения, а цвет мы будем получать из пяти вышеперечисленных каналов.

Для начала удвоим разрешение всех снимков, за исключением 8-го канала (он уже имеет удвоенное разрешение по сравнению с остальными). Удвоение будем производить не стандартными инструментами Adobe Photoshop, а при помощи фрактального плагина pxl Smartscale компании Extensis Incorporated (http://www.extensis.com/). Мы выбрали этот плагин потому, что он имеет большой набор установок, позволяющих увеличить изображение с сохранением жестких границ цветовых областей (да и сами области в процессе такого увеличения можно немного сгладить и сделать менее заметным характерный «шум» матриц космических цифровых фотоаппаратов). Это и понятно, ведь основным приоритетом при увеличении для нас будет сохранение четких линий дорог и границ областей (лесов, полей и водоемов). Поэтому лучше воспользоваться фрактальным увеличением, возможно, даже слегка утрированным, а не стандартными локально-полиномиальными средствами масштабирования изображения, реализованными в Adobe Photoshop (билинейные или даже бикубические методы сглаживания не дадут такого эффекта — они размывают границы или же образуют ступеньки на резких перепадах яркости).

Поскольку снимки имеют огромные размеры, то для удвоения мы будем импортировать каналы 1, 2, 3, 4 и 7 в Adobe Photoshop плагином pxl Smartscale сразу же с удвоением разрешения.

Выберем такие установки плагина pxl Smartscale, которые сделают изображение максимально контрастным, но не ступенчатым. Подбор параметров лучше делать по красному или даже по инфракрасным каналам — они максимально контрастные, так как менее всего рассеиваются в атмосфере.

Затем мы заранее осветлим канал 8, чтобы в будущем сделать из него канал яркости. Осветлять его мы будем инструментом Image/Calculations (Вычисления) Adobe Photoshop, «смешивая» этот канал с самим собой и выбрав в качестве опции инструмента Blending (Смешение) — Linear Dodge Add (линейное осветление, которое к тому же повысит контрастность изображения). Осветление картинки нам все равно позже понадобится, и лучше сразу изготовить такой максимально светлый канал яркости, чтобы не терять цветовую информацию при редактировании изображения, пользуясь другими инструментами Adobe Photoshop. Договоримся сразу, что мы делаем карту, поэтому инструменты редактирования использовать не будем, ведь каждое обращение к Levels, Curves, Sharp и другим инструментам обязательно сужает цветовое пространство. Нам вполне достаточно того негативного воздействия на цвета, которое оказала атмосфера при съемке, и усугублять ситуацию мы не станем. То есть при таком попиксельном «математическом» осветлении 8-го канала мы убиваем сразу двух зайцев: получаем канал необходимой интенсивности, который будем использовать только для яркости, и не прибегаем к редактированию, приводящему к серьезным потерям информации.

Не забудьте только отправить результат в другой файл (New Document), а не в другой канал того же изображения — 8-й канал в первоначальном виде нам еще не раз понадобится. Теперь поправим режим (Image Mode) у полученного осветленного канала, сделав его Grayscale, чтобы перейти к той же цветовой модели, что и у всех других спутниковых фотографий (будущих каналов нашего изображения), и запомним эту картинку как «Яркость для модели LAB» (Lightness for LAB).

Итак, у нас имеется пять удвоенных спутниковых каналов, нетронутый 8-й канал и он же, но специально осветленный для использования в качестве канала яркости в цветовой модели LAB.

Теперь создадим заготовку нашей карты в цветовой модели RGB того же максимального разрешения и будем заполнять ее каналы монохромными спутниковыми снимками.

Для заполнения RGB-каналов в окошке Layers (Слои) перейдем к закладке Channels (Каналы), отметим соответствующий канал, который мы хотим заполнить очередным монохромным спутниковым снимком, и воспользуемся инструментом Image/Apply Image (Создать внешний канал).

Для базового размещения в RGB-модели спутниковый канал 3 помещаем в «красный канал» изображения (Red):

Спутниковый канал 2 помещаем в «зеленый канал» изображения (Green):

А канал 3 — в «синий канал» (Blue). В качестве опции инструмента Blending (Смешение) выбираем Normal (нормальное добавление, то есть без смешивания):

Итак, все три канала нашего изображения заполнены спутниковыми снимками со спектром, приблизительно соответствующим спектру распределения цветов, видимых человеческим глазом. В результате получилось сносное цветное изображение, но очень темное с «тухловатыми» цветами (мы уже показывали его выше, иллюстрируя комбинацию каналов [3, 2, 1]).

Теперь для его улучшения займемся самым настоящим шаманством! Во-первых, в красный канал полученного изображения добавим весьма отдаленный по спектру инфракрасный спутниковый канал 7 (дальний инфракрасный) с опцией смешения (Blending) — сложение (Add), в зеленый канал нашего изображения добавим спутниковый канал 4 (ближний инфракрасный) с такой же опцией смешения Add (Сложение), а синий канал попросту удвоим (сложим с самим собой). Только не спрашивайте, почему мы сделали именно так. На эту идею нас, собственно, натолкнул просмотр каналов по отдельности и цвета областей, которые получаются при составлении картинки со смещением по спектру, то есть набором специальных ложноцветных соединений каналов [7, 4, 2]. Да и синий канал от масштабирования только выиграет. Кстати, его можно также осветлить инструментом Image/Calculations (Вычисления), «смешивая» с самим собой и выбрав в качестве опции инструмента Blending (Смешение) — Linear Dodge Add, которое мы применяли выше к каналу 8 для придания ему большей яркости и контрастности. Но простое сложение с самим собой дает приблизительно тот же эффект.

Замечаем, что четкость и контрастность всех RGB-каналов нашего изображения заметно улучшаются. Если полученные цвета покажутся вам чрезмерно ядовитыми, то операцию добавления можно производить с той или иной степенью прозрачности (подберите на глаз нужный процент Opacity в параметрах инструмента Apply Image). Но учтите, что замена канала яркости, которую мы будем выполнять далее, немного исказит цветовую палитру результирующего изображения, так что не спешите и сделайте несколько проб, пользуясь, например, «откатами» в окне History (История) для возврата к предыдущим шагам. Но и без выбора прозрачности карта получается вполне реалистичная: вода — отчетливо синяя, трава — ярко-зеленая, леса — темно-зеленые (причем насыщенность зеленого напрямую зависит от пород деревьев), распаханные поля — коричневые, а песок — желтый. В общем, и по такой карте, несмотря на некоторую ядовитость цветов, обусловленную довольно странным смешением по спектру, ориентироваться уже довольно удобно.

Но можно нанести еще один мелкий, и в общем-то, необязательный штрих — попробовать вырезать из нашего синего канала (Blue) тот самый спутниковый канал 8, из которого мы создавали канал для нашей будущей корректировки яркости. Это целесообразно сделать потому, что хотя 8-й канал и широкополосный (панхроматический), но синего там точно быть не должно — по спектру он начинается от насыщенно-зеленых тонов, идет по красным и переходит в инфракрасный диапазон. Для проведения этой операции опцию смешения (Blending) в инструменте Apply Image заменим на вычитание (Subtract), только на этот раз выставим прозрачность (Opacity) не более 50%, иначе в результате получатся очень ядовитые зеленые цвета. Такой на первый взгляд странной операцией мы сразу решаем две проблемы: во-первых, за счет того, что разрешение спутникового канала 8 было изначально выше, мы получаем чуть более детализованный синий канал (ранее мутный из-за сильного рассеивания в атмосфере оттенков цветов этого спектра), а во-вторых, картинка становится более теплой и жизнерадостной.

И наконец, переходим к завершающей операции — к реальному увеличению разрешения нашего изображения (как вы помните, разрешение каждого 30-метрового канала мы уже удваивали, но делали это простым масштабированием картинки, что, естественно, никаких деталей ей не добавило). Для проведения этой операции мы переведем нашу картинку из цветовой модели RGB в цветовую модель LAB, так как последняя имеет специально выделенный канал яркости. Вот эту саму яркость мы и будем менять на заранее подготовленный канал «Яркость для модели LAB» (Lightness for LAB), речь о котором шла выше.

Здесь следует отметить, что на подобном «обмане» основано все видео и телевидение. Ведь там цветовая информация имеет как минимум вдвое меньшую глубину кодирования, нежели яркостная. Такой метод записи телевизионщики называют chroma subsampling. Дело в том, что из-за особенностей человеческого зрения разницу с обычным RGB-представлением при таком кодировании простому зрителю заметить практически невозможно: глаз более чувствителен к яркости, чем к цвету (точнее: разрешающая способность глаза по яркости выше, чем по цвету, — за счет разной концентрации колбочек и палочек на сетчатке). Очевидно, такой нехитрый метод без заметного ухудшения качества картинки позволяет значительно снизить объем передаваемой информации как для аналогового, так и для цифрового видео. А в популярном DV-формате, например, вообще на каждые 4 байта яркости приходится всего 2 байта цветности, поскольку контраст и четкость по яркости нашему глазу важнее, чем цветовые градации.

Операция замены канала яркости (Lightness) здесь абсолютно аналогична операции расставления новых каналов, которую мы уже проделывали ранее: выбираем инструмент Image/Apply Image (Создать внешний канал) и опцию Normal (нормальное добавление, то есть без смешивания). Канал для яркости мы уже заранее подготовили — это тот самый Lightness for LAB, который мы получили осветлением широкополосного спутникового канала 8.

В результате из тех же материалов, что и Google Maps, мы получили более яркую картинку с заведомо не уступающей реалистичностью и визуально более контрастную. А что касается, скажем, выбора места для сбора грибов или ловли рыбы, то наша карта даст Google Maps сто очков вперед! Жаль только, что к спутниковым фотографиям более высокого разрешения мы не имеем доступа.

Для сравнения покажем, что дает по этому месту Google Maps, у которого, к сожалению, нет карт высокого разрешения по большей части территории России (слева в примерах наша карта, а справа изображение, полученное с сервиса Google Maps).

При этом хорошие результаты мы имеем как для лесов и сельских угодий:

так и для городов:

Полученная нами картинка, конечно, довольно далека от реальности (то есть из самолета данная территория будет выглядеть несколько иначе), но так же далеко от реальности и изображение, выдаваемое сервисом Google Maps. Однако нам кажется, что наша картинка больше похожа на топографическую карту и по ней проще ориентироваться на местности. Бесспорно, яркость и даже некоторую ядовитость травы на нашей карте можно было бы и приглушить (выше мы упоминали об этом) — для того, чтобы сделать цвета мягче и фотореалистичнее, надо было лишь прибавлять инфракрасные каналы к основным с большей прозрачностью. Однако именно в таком виде, как у нас, все водоемы (и вообще любая вода, даже если она находится в лесу или на болоте) — отчетливо синие (а не черные или бледно-голубые, как в Google Maps), трава — ядовито-зеленая (зато очень четко видны заливные поймы рек), кусты тоже слишком светло-зеленые (но сразу видно, что это не деревья), лес явно темнее мелколесья и в нем хорошо различаются породы деревьев (сосновый лес, например, на картинке исчерна-зеленый), поля, как и положено на обывательский взгляд, — коричневые, песок — желтый и т.д.

Теперь можно переходить к художественной обработке полученных цветных снимков, тем более что все операции мы делали в Adobe Photoshop, который предоставляет для этого богатый инструментарий. Однако это мы отложим до другого раза.

Последний штрих — координатная привязка

Точность нам не важна — наша карта должна

Быть пустой и желательно синей!

Льюис Кэрролл. Охота на Снарка

Координатная привязка космических снимков для GPS-ориентирования и преобразование в требуемую картографическую проекцию может производиться стандартными методами по опорным точкам, определяемым по топографическим картам или взятым из Интернета (например, с сервисов http://maps.google.com, http://maps.yahoo.com или с отечественного — http://new.kosmosnimki.ru).

Однако в нашем случае можно обойтись без этого. Дело в том, что спутниковые снимки мы получили в так называемом формате GeoTIFF (это обычный TIFF-файл, но с записанной в нем информацией о координатной привязке). Все геоинформационные системы читают и распознают привязку в таких файлах. Но для того, чтобы использовать GeoTIFF в такой популярной программе, как Microsoft Ozi Explorer (http://www.oziexplorer.com), придется произвести некоторые дополнительные действия. Во-первых, надо будет зайти на сайт этого продукта, в разделе Utilities & Extras в самом низу страницы найти пункт, посвященный Tiff Files Utilities, и скачать бесплатные утилиты для работы с форматом GeoTIFF (http://www.oziexplorer3.com/utils/tiffutil.zip). К сожалению, эти утилиты работают только в командном режиме, поэтому откроем окно Command Prompt. Теперь воспользуемся геоинформацией из файла канала 8, который единственный имеет такое же разрешение, как и итоговое изображение (как помните, все остальные каналы мы удваивали).

Посылая команду listgeo nn80.tif >nn80.met, мы считываем информацию о географических параметрах из файла канала nn80.tif в рабочий файл nn80.met. Затем, посылая команду geotifcp -g nn80.met SAT_Final.tif SAT_Final-GEO.tif, мы из полученной нами в Adobe Photoshop картинки SAT_Final.tif (которая, естественно, не содержит никакой геоинформации) создаем новый файл SAT_Final-GEO.tif, куда записывается координатная привязка из ранее созданного рабочего файла nn80.met.

Впрочем, если у кого-то нет желания пользоваться командной строкой, то можно скачать для этих инструментов оболочку под Windows с сайта http://www.remotesensing.org/geotiff/geotiff.html, которая специально создана для переноса координатной привязки в файлы, отредактированные графическими редакторами типа Adobe Photoshop, не сохраняющими техническую информацию.

Программа GeoTIFF Tools GUI (ftp://ftp.remotesensing.org/geotiff/libgeotiff/listgeo_GUI.zip) упрощает вышеописанную процедуру восстановления геопривязки. Технология ее использования проста: в окошках необходимо определить тот GeoTIFF-файл, откуда будет взята геоинформация, и тот файл, откуда отредактированная картинка будет читаться, а переписываться результат будет в новый файл уже с геоинформацией. Однако помните, что это только оболочка, которая вызывает из-под себя те же программы, что описаны выше, со всеми их ограничениями (в том числе по именам файлов).

Но и это еще не всё. Для корректного считывания TIFF-файла с геоинформацией в программе Ozi Explorer необходимо скачать с сайта программы и записать в каталог, где она установлена, специальную библиотеку OziGeoTiff.dll, которая находится на сайте программы Ozi Explorer в разделе Optional Extras (http://www.oziexplorer3.com/xtras/ozigeotiff.zip).

Теперь можно импортировать в Ozi Explorer этот файл как GeoTIFF (Файл/Импорт карт/Одна DRG-карта) с автоматическим созданием стандартного для этой программы MAP-файла привязки — SAT_Final-GEO.map. Только не забудьте, что полученная карта имеет огромный размер, поэтому вам может не хватить оперативной памяти для ее отображения в Ozi Explorer. Но не отчаивайтесь — главное, что при ее считывании будет создан MAP-файл геопривязки, а для использования снимка в качестве карты для GPS-навигации можно будет воспользоваться специальной программой img2ozf (http://www.oziexplorer3.com/img2ozf/img2ozf_setup_303.exe), которая позволяет конвертировать графические файлы (в том числе и такие огромные, как у нас) в формат OZFX3, разработанный специально для использования в OziExplorerCE на КПК для быстрой постраничной загрузки изображения с диска. Конечно, качество картинки при этом сильно пострадает, зато файл карты уменьшится примерно в 10 раз и его можно будет применять для GPS-навигации даже на КПК. Кстати, если вы планируете использовать спутниковые снимки на КПК, то их следует дополнительно осветлить, так как подсветка экрана карманных компьютеров несколько слабее, чем у монитора настольного компьютера или ноутбука.

КомпьютерПресс 8'2007