把颜色拉开，千年壁画现形：一个给火星的数学技巧，如何让考古学家看见看不见的画

目录

• 几千名游客路过，没人看见墙上的画
• 1978 年，JPL 想看清楚火星
• 1996 年的一份论文，和 2005 年的一个巧合
• 一个退休的医学影像工程师，写了个图像插件
• 从埃及到挪威，褪色的画纷纷现形
• 现场验证：我在服务器上复现了「去相关拉伸」
• 看不见，其实是数学问题

---

几千名游客路过，没人看见墙上的画

吴哥窟中央塔的高处，画着骑马的人和一支传统乐器合奏队。每天有几千名游客从塔下走过，没人注意到它们——不是画太小，是它们褪色褪到和砂岩融为一体，肉眼根本分不出来。

它们是在 2010 到 2012 年间被发现的，连同吴哥窟建筑群里另外两百多幅画。发现者是一位考古学家，而他用的方法，出自 1978 年美国 NASA 喷气推进实验室（JPL）的一项图像处理技术。

一个给火星照片用的数学技巧，四十多年后成了考古学家的眼睛。

1978 年，JPL 想看清楚火星

1978 年，JPL 的一个数字图像处理小组想解决一个问题：卫星遥感照片里，颜色高度相关的区域很难分辨细微差异。火星地表就是典型——整片锈红色，山脊、沟壑、矿物沉积的差异被淹没在几乎相同的色调里。

小组主管 Jim Soha 提出，把统计学里的 Karhunen–Loève 变换（也就是主成分分析 PCA 的数学亲戚）用到数字图像上：把高度相关的 RGB 三个通道，投影到一个新的坐标空间，在那里每个通道的方差被归一化，再转回 RGB。原来挤在一起的色差，会被「拉开」。

这个操作后来有了名字：去相关拉伸（decorrelation stretch）。它不增加任何信息——像素还是那些像素，只是把原本藏在微小色差里的结构，放大到肉眼能分辨的范围。

1996 年，JPL 的 Ronald Alley 把算法写成正式文档——他当时在做 ASTER 仪器的图像处理，ASTER 是日本装在 NASA Terra 卫星上的成像设备。这份论文后来躺进了 NASA 的技术文档库，被归入「技术转移（Technology Transfer）」分类：太空研究的副产品，供地球上的研究者取用。

当时没人想到，这份文档会在九年后被一个退休的医学影像工程师 Google 到。

1996 年的一份论文，和 2005 年的一个巧合

2005 年，加州帕西菲卡的 Jon Harman 参加了一个岩画会议。会上有人展示了火星照片的对比：一张是原始影像，一张用了去相关拉伸——火星地表从一片锈红，变成了红绿黄交错的马赛克，细节惊人。

Harman 当场想到的是：如果这个技巧能让火星的地貌现形，那能不能让岩画上褪色的颜料现形？

他 Google 到了 Alley 1996 年的论文。「我一看就明白了，以我的医学影像背景，我能实现它。」Harman 是 Berkeley 数学博士，退休前在医学影像行业工作——处理核磁共振和 CT 图像的人，对「把隐藏在噪声里的信号拉出来」这件事有一种职业本能。

他照着论文，为 NIH 的开源图像软件 ImageJ 写了一个插件，起名 Dstretch。第一张测试图就来自墨西哥下加利福尼亚的圣博尔希塔斯洞穴——他拍过的岩画里，突然浮现出一个之前完全看不见的黄色人形。

「那一瞬间我就知道这东西有用。」他说。

一个退休的医学影像工程师，写了个图像插件

Dstretch 的原理简单说就三步：把图像像素当作三维空间里的点（RGB 三个坐标），算出这三个坐标的协方差矩阵，然后做一个白化变换——把数据沿着主成分方向拉伸，让每个方向的方法都变得相等。

结果是：原本占主导的亮度信息被压平，躲在小方差维度里的色差信息被放大。

Harman 现在每年要处理大约 200 个 Dstretch 使用请求。2010 年前后他还做了手机 App，用简化版算法模拟去相关拉伸，下载量数千。考古学期刊里，Dstretch 的名字反复出现。

它的战绩包括：

• 埃及贝尼哈桑墓地：发现了蝙蝠和猪的图像——古埃及艺术里极少描绘的动物
• 加拿大艾伯塔省 Writing-on-Stone 省立公园：浮现出一副骑马者的岩画，被认为是克劳族战士留下的「签名涂鸦」，专门画来挑衅黑脚族敌人
• 挪威西部 Årsand 1 遗址：新发现约 15 个此前没有记录的图形，另外 28 个图形显现出新的细节
• 非岩画应用：帮助考古学家发现古希腊建筑的埋藏遗迹，检测木乃伊残骸上的纹身

「没人真正知道古人为什么画这些，至少大多数情况下不知道。而这些符号相当奇怪。」Harman 说。

现场验证：我在服务器上复现了「去相关拉伸」

写这篇文章的时候我意识到一件事：这个算法我可以在自己服务器上跑一遍。不需要 GPU，不需要特殊库，numpy 就够。

我从 NASA 官方文章里下载了同一张 2592×3888 的岩画原图（Cave of San Borjitas 的「before」图），缩到 800px 后，用纯 numpy 实现了 Alley 论文里的白化变换：

cov = np.cov(pixels.T)                      # RGB 协方差矩阵
eigvals, eigvecs = np.linalg.eigh(cov)      # 特征分解
whiten = eigvecs @ np.diag(1/np.sqrt(eigvals)) @ eigvecs.T
stretched = (pixels - mean) @ whiten.T      # 白化：去相关 + 方差归一

结果，426,400 个像素：

[前] RGB 通道相关系数:
   +1.000  +0.940  +0.889
   +0.940  +1.000  +0.971
   +0.889  +0.971  +1.000
   平均 |r| = 0.933

[后] 拉伸后相关系数:
   +1.000  +0.011  +0.017
   +0.011  +1.000  +0.047
   +0.017  +0.047  +1.000
   平均 |r| = 0.025

特征值（主成分方差）: [0.0231, 0.0009, 0.0001]
第一主成分占比: 95.6%

这组数字把「看不见」翻译成了数学语言：岩画图像的三个通道相关性高达 0.933——所有信息几乎都挤在「亮度」这一个维度里，而颜色差异（藏在另外两个维度）只占总方差的 4.4%。肉眼的分辨能力，够不着那 4.4%。

去相关拉伸做的事，就是把这 4.4% 从 95.6% 的阴影里拽出来。拉伸后通道相关性降到 0.025，各通道的标准差均值从 0.0896 提升到 0.2131——对比度提升了 2.38 倍。

我还做了一个合成实验验证算法边界。第一版我犯了个错误：在完全不相关的随机噪声背景上画了一个褪色三角形，期望拉伸后它显现出来——结果拉完噪声也跟着被放大，三角形淹没在雪花里。这个「失败」反而说明了关键的一点：去相关拉伸只对「通道本来就高度相关」的图像有效。随机噪声的三个通道本来就不相关，拉伸只是在放大多余的方差；而真实岩画的通道相关性高达 0.93——信息挤在亮度里、色差藏在小方差里，这才是拉伸发挥作用的场景。

于是我重做了实验：用暖色渐变 + 共享结构的噪声构造出相关性 0.951 的「岩壁」，在上面画一个亮度几乎不变、只有色偏的三角形（+14 红 -8 蓝）。统一显示映射后，三角形与背景的色度距离从 55.7 提升到 146.2（2.6 倍），通道相关性从 0.934 降到 0.007。肉眼能看见了。

< 配图区 >

这就是全部魔法：不是无中生有，而是把已经存在、但被挤在微小方差里的信号，重新分配给肉眼。

看不见，其实是数学问题

回头看，这个故事的奇妙之处在于：Dstretch 没有发明任何新数学。Karhunen–Loève 变换在 1978 年之前就是统计学教科书内容，PCA 更老。JPL 做的只是把一个旧工具用在了一个新问题上；Harman 做的，又是把 JPL 的用法用在另一个完全不同的问题上。

每一次「跨学科」都只是把上一个领域熟视无睹的东西，带到下一个领域当宝贝。

国内其实在同一件事上走了更系统的路。敦煌研究院的多光谱成像系统，能「看到」壁画下层被覆盖的线条和颜料——莫高窟 220 窟的壁画底层，就藏着初唐时期被后世重绘盖住的画作。秦始皇陵出土的彩绘兵马俑，用高光谱技术分析残存的颜料的成分，才能决定如何保护。方法不同（多光谱/高光谱是拍摄多个窄波段，去相关拉伸是纯数学变换），但目标一致：让褪色、被覆盖、被岁月抹平的画面重新开口说话。

Harman 说每年有 200 个人来找他要插件。这 200 个人看到的，是那些符号在说：几千年前有人在这里，认真地画下了他们认为重要的东西。至于为什么画——「没人知道，符号很奇怪。」

数学不会回答这个问题。但它能让问题被看见——这已经够惊人了。