====== SPEKTRÁLNÍ ZVÝRAZNĚNÍ ======
  * podstatou je rozšíření příznakového prostoru (vytváření nových pásem s cílem zvýšit odlišení různých objektů) nebo zúžení příznakového prostoru (hledání nových – nejinformativnějších pásem, při čemž nedojde k podstatné ztrátě informace)
  * příznak = v každém použitém pásmu představuje hodnota odražené nebo vyzářené energie určitou charakteristiku o objektu zachyceném na ploše daného pixelu

===== barevná syntéza =====
  * vzniká skládáním 3 pásem v odstínech RGB
  * objektivní metody -> výběr takových pásem,  které jsou mezi sebou co nejméně korelovány (podávají co nejvíce odlišné informace), Optimum index faktor (OIF)
  * zobrazení v pravých a nepravých barvách

===== analýza hlavních komponent (PCA) =====
  * rotuje osami vícerozměrného prostoru tvořícího multispektrální snímek, a to ve směru maximálního rozptylu dat
  * redukuje rozměrnost dat (omezení na méně pásem bez podstatné ztráty informace)
{{ ::pca.png?nolink&300 |}}
  * proložím PC1 (hlavní komponenta) největším rozptylem dat -> ta přímka (osa) mi potom definuje pásmo nového transformovaného obrazu -> pak proložím druhou přímku, která bude kolmá na PC1 a bude v místě druhého největšího rozptylu dat (vedlejší komponenta) 
  * PC2 obsahuje sice míň informací než PC1, ale zato nové informace, které v PC1 nejsou
  * 99 % informací je kumulováno v prvních dvou až třech hlavních komponentách
  * PC1 vždy obsahuje informace o hlavních topografických rysech v obraze
  * tato metoda nevyžaduje žádnou předchozí znalost zpracovávaného území

===== kanonická komponentní analýza =====
  * rozdíl je v tom, že PCA byla prováděna na náhodném výběru původních dat, tak CCA může být prováděna jenom pro určité části obrazu
  * je to 2D prostor a analýza je prováděna tam, kde se vytvářejí shluky
  * nový systém souřadnic definují nová transformovaná pásma -> počítá se to tak, aby rozptyl byl co nejmenší a separobilita mezi shluky zase co největší
  * hlavně jako vstup do automatické klasifikace
  * můžu také zvýraznit specifickou tematickou informaci (vegetační složka obrazu) -> ortogonální vegetační indexy, Tasseled cup
{{ ::cca.png?nolink&300 |}}

===== transformace barevného obrazu =====
  * ČB, barevně, pseudobarevně
{{ ::cmyk.png?nolink |}}

==== IHS transformace ====
  * popsání barevného obrazu pomocí IHS (intensity, hue, saturation)
  * **intensity (jas)** – míra jasu v obraze, **hue (odstín)** – odstín je mírou bravy a reprezentuje dominantní vlnovou délku ve světle a **saturation (sytost)** – reprezentuje hloubku čistoty barvy vzhledem k odstínu šedi
  * transformace: promítnu kostku na rovinu kolmou k linii šedi -> vznikne 6úhelník (hrany RGB a CMY)
{{ ::ihs.png?nolink&300 |}}
  * můžu zvýrazňovat jednotlivé složky a ostatní složky zůstanou nezměněny (upravím kontast jasu -> ostatní se nezmění)
  * pomocí IHS je možné spojovat data s různým prostorovým rozlišením
  * PAN + MULTI = PANCHRO jako složka jasu, multispektrální snímek jako odstín a sytost -> získám prostorový detail z panchra a barevnost z multi
  * data s největším prostorovým obsahem (textura, ...) -> jsou přiřazena jasu
  * data s největším dynamickým rozsahem -> jsou přiřazena odstínu

==== transformace Martin-Taylor ====
  * transformace barevného obrazu do systému zobrazení, který více odpovídá citlivosti lidského vidění
  * Jas – složka s nejvíce informacemi
  * Červeno-zelené barvy – nízký informační obsah
  * Modro-žluté barvy – nejméně informativní

===== dekorelační techniky =====
  * techniky zvýraznění více pásem – vhodné pro zpracování vysoce korelovaných dat
  * zahrnují úpravu kontrastu hlavních komponent a jejich následnou transformaci zpět do RGB

===== aritmetické operace s pásmy multispektrálního obrazu =====
  - Obrazové podíly
    * Slouží k radiometrickému zvýraznění mezi dvěma různými druhy povrchů i k potlačení negativních efektů různého oslunění a zastínění těchto objektů
    * V čitateli pásmo, ve kterém je nejvyšší odrazivost a ve jmenovateli nejvyšší pohlcování
  - Násobení obrazů
    * Zvýšení kontrastu pro dva povrchy s podobnou odrazivostí
    * Technika pro maskování vybraných ploch na snímku (0,1)
  - Součet obrazů
    * Přičtení výsledků vysokofrekvenčního filtru k původnímu obrazu – ostřící filtr
  - Podíl obrazů
    * Stanovení změn mezi dvěma časovými horizonty