从全彩色图像到条带伪影，既有色调偏移，也有饱和度偏移。将彩色图像转换为灰度生成的图像仍然具有伪影，但不那么突兀。

您可能会尝试使用“图像修复”算法来纠正伪影，尽管它有助于首先隔离受影响的区域。以下是关于识别工件的一些想法：

• Run Hough 或 RANSAC 线适合图像中的水平线和垂直线。对于自然场景，尤其是在地球场景中，具有对应于真实特征的水平或垂直线会很奇怪。即使是从太空中可见的结构，例如运河和大型建筑，也往往会蜿蜒曲折。
• 尝试一种图像减法，从原始彩色图像中减去灰度图像。由于伪影更像灰度且不饱和，因此您应该能够检测到色调和饱和度差异的区域。我建议在 HSV 空间工作以进行此操作。在垂直方向运行算法以在生成的（彩色 HSV - 灰色 HSV）图像中寻找峰或谷。
• 逐行测试色相和饱和度的累积变化。从第 N 行到第 N+1 行，相同的 X 像素通常不会在 H、S 或 V 中发生太大变化。但是，您应该注意到伪影之前的行与伪影处的行之间存在显着差异。差异可能就像每个像素的 H 和 S 差异的均方根一样简单，甚至只是差异的总和。管他呢。选择一个简单且有效的指标。
• 仔细检查原始的原始图像，以确定水平伪影是否延伸到图像左侧的黑色空间区域。在我下载的图像副本中，工件似乎没有延伸到黑色区域。

以下是 JunoCam 的规格： http ://en.wikipedia.org/wiki/JunoCam

“该相机使用柯达图像传感器 KODAK KAI-2020，能够以 1600 x 1200 像素进行彩色成像。它的视野为 18 x 3.4 度，带有三个滤光片，可提供彩色成像。”

当在温和的环境中在地球上使用时，该传感器应该可以提供漂亮的彩色图像，而不会出现奇怪的伪影。

尽管伪影似乎没有延伸到左侧空间的黑色区域，但这可能是动态范围/窗口的问题：这些像素上的电荷可能存在一些差异，但也许该差异被剪裁为零。

我的猜测是这是一个读出问题，因为图像行被转储了。使用较旧的模拟摄像机，我们可以看到各种与 EM 干扰相关的疯狂伪影。对于数码相机，这通常不是什么大问题，但一种可能性是发生了一些短暂的、局部的 EM 事件，以某种方式仅影响某些行。

如果放大到波段伪影的顶部，您会看到去饱和的彩虹伪影。有两个不相邻的行也比它们的相邻行更亮。

由于工件与图像的水平行排列得非常好，我认为问题是一些内部电子问题，而不是镜头、滤色器、闪光或类似的问题。除非相机被特别强烈的 EM 事件损坏，否则我猜这个伪影只会很少发生。