深入探究：TIFF格式的影像如何转jpg （保持色彩不变）

最终代码链接附在最后，但我想先详细介绍一下TIFF（或者tif）转jpg，转换的问题和难点在哪里？

1. tif可以有8位，24位，32位甚至更高，又分为有符号，无符号等，对于学遥感和GIS的来说，接触到的tif影像往往是高像素深度的，tif影像中的灰度值可以是几千几万。但jpg，一般是8位，rgb都是0到255取值，所以tif到jpg,意味着色彩的压缩。

2. tif可以是多波段的，例如高分一号影像就有红绿蓝近红外四个波段，而jpg只有RGB三个颜色通道，tif转jpg意味着波段信息的丢失

一些人会觉得使用工具将tif直接转成jpg是件容易的事情，我们来看一下效果：

原始影像在ArcGIS中打开是左边的样子，中间则是用的ArcGIS工具箱中的工具转的（工具叫做：栅格转其他格式，注意转之前可能需要改变像素深度，降低到8位，不然那个工具会提示转换失败）。可以看到，直接转格式的效果并不好，图像变灰了。

我当时认为是arcgis在直接转jpg的时候，压缩了导致了，所以我决定自己写代码转，思路如下：使用gdal C# 版的读取每个像元值，找到最大和最小值，然后新建bitmap，将最大值变为255，最小值变为0，中间则是线性拉伸的，函数关系式应该是这样的：

得到的jpg是上边右边那幅图，说明自己写代码线性拉伸得到的jpg也会色彩失真。

重点来了：

仔细理解一下，其实，这些图片都包含了相同或相似的灰度信息和色彩信息，我们看到的颜色不同和色彩失真的情况，只是图像显示的方式不一样罢了。我们的电脑屏幕支持rgb，为什么我们转出来的jpg和在电脑上用arcgis打开看到的不一样，如果你只用转少量的格式，完全可以截图。但要实现批量和自动化，则需要写代码了。

以arcgis为例，打开属性的符号系统：

这下，应该明白了，arcgis在显示影像的时候，实际上不是单纯的将影像线性拉伸到0-255范围，而是采用了一定的方法，包括百分比截断，直方图均衡化，最值等等方式。

以百分比截断为例，就是设置两个百分比阈值，比如图中最小值0.5，最大值0.5，意思是说，在直方图中（如下图），前0.5%范围内的像元值变成0，后0.5%范围内的像元值变成255，中间的像元值则还是线性拉伸。

比如红色波段的直方图中，最小是89，最大是507，假如有10000个像元，那么，前10000x0.5%=50个像元拉伸为0，后50拉伸为255。这里的前50和后50指的是直方图中的个数，比如89的有10个，90的有20个，91的有25个，那么，所有像元值为89,90,91的像素，在jpg中相应的位置都赋值为0。网上也有一些关于百分比截断的说明，我看都不详细，有的还有错误。

最后，附上我自己写代码实现的tif转jpg的成果，拉伸方式采用的是百分比截断，还是C#结合GDAL读取影像，然后使用bitmap绘制保存。

但有个问题就是图像的宽度和高度发生了变化，不知道是什么原因，正在探究...

我把代码也上传了，点下面的链接下载。

C#将tif影像转成jpg方法（显示保持颜色不变，类似于直接在arcgis中截图）

更新：

经过自己的探索，又发现各种效果更好的方法：

1.可以使用arcpy，调用ExportToJPEG方法将影响导出成jpg图片，其实际就类似于ArcGIS中导出地图，ExportToJPEG经常用于使用arcpy批量制图，用在这里也是可以的，ExportToJPEG方法可以参考官方帮助文档：ExportToJPEG—帮助 | ArcGIS for Desktop

2.使用GDAL，GDAL有个gdal.Translate函数，这个函数的功能很强大，但网上关于传入参数的说明较少，这个是可以通过控制参数达到很好的转换质量的，也是我推荐的方案。

3. 使用ENVI的Stretch Data工具

2020更新

下面附上我写的python代码：

# -*- coding: UTF-8 -*-
import numpy as np
import os
import sys
from PIL import Image
from osgeo import gdal, gdalconst

如果使用的是多光谱影像，首先需要读取其中的三个波段，分别对应RGB：

#读取tif
'''bandsOrder为RGB对应的波段顺序，
例如高分一号多光谱包含蓝，绿，红，近红外四个波段，
那么真彩色对应的波段顺序为3，2，1'''def readTif(original,bandsOrder=[3,2,1]):driver = gdal.GetDriverByName('GTiff')driver.Register()ds = gdal.Open(original, gdal.GA_ReadOnly)cols = ds.RasterXSizerows = ds.RasterYSizegeotransform = ds.GetGeoTransform()proj = ds.GetProjection()data=np.empty([rows,cols,3],dtype = float)for i in range(3):band=ds.GetRasterBand(bandsOrder[i])data1 = band.ReadAsArray()data[:,:,i]=data1return data

然后进行拉伸，这里以百分比截断为例：

#百分比拉伸
def stretchImg(imgPath, resultPath, lower_percent=0.6, higher_percent=99.4):data=readTif(imgPath)n = data.shape[2]out = np.zeros_like(data, dtype=np.uint8)for i in range(n):a = 0b = 255c = np.percentile(data[:, :,i], lower_percent)d = np.percentile(data[:, :,i], higher_percent)t = a + (data[:, :,i] - c) * (b - a) / (d - c)t[t < a] = at[t > b] = bout[:, :,i] = toutImg=Image.fromarray(np.uint8(out))outImg.save(resultPath)