procesamiento digital de imágenes - ilwis

CENTRO INTERAMERICANO DE INVESTIGACI ÓN Y DESARROLLOEN INFORMACIÓN GEOGRÁFICA

CIAF

PROCESAMIENTO DIGITAL DE IMÁGENES- PRÁCTICA -

Xander Bakker

Santa Fe de Bogotá, Mayo 2001

© Instituto Geográfico Agustín Codazzi, 2001. Todos los derechos comerciales reservados. Prohibido su reproducción para fines no académicos o de investigación.

Índice

1. INTRODUCCIÓN A ILWIS 2.23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.1 La ventana principal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Objetos de ILWIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51.3 Dominios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71.4 Dependencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81.5 Propiedades. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91.6 Menú sensitivo al contexto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2. PROCESAMIENTO DIGITAL DE IMÁGENES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102.1 Importación de imágenes de satélite. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3. VISUALIZACIÓN DE BANDAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153.1 Despliegue de imágenes de satélite. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153.2 Acercar a y alejar de la imágenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163.3 Utilización de las barras de desplazamientos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163.4 Despliegue de la imagen entera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173.5 Generar un sub mapa de la información útil. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173.6 Pixeles y números digitales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

4. MEJORAMIENTO DE LAS IMÁGENES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204.1 Mejoramiento del contraste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204.1.1 Cálculo del histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204.1.2 Expansión lineal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224.1.3 Comparación de la imagen original con la imagen mejorada . . . . . . . . . . . . . . . . . . . 234.1.4 Ecualización del histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244.2 Mejoramiento espacial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254.2.1 Filtros de paso bajo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254.2.2 Filtros de paso alto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264.2.3 Explicación adicional sobre el funcionamiento de filtros. . . . . . . . . . . . . . . . . . . . . . . 26

5. VISUALIZACIÓN DE INFORMACIÓN MULTIBANDA . . . . . . . . . . . . . . . . . . . . . . . . . . . 295.1 Composición a color . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305.1.1 Composiciones a falso color . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325.1.1.1 Composiciones a falso color, creando un mapa físico. . . . . . . . . . . . . . . . . . . 325.1.1.2 Composiciones a falso color, usando un listado de mapas. . . . . . . . . . . . . . . . 345.1.2 Composiciones a color (pseudo)-natural . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

6. GEOREFERENCIAR IMÁGENES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356.1 Georeferenciación por medio de especificación de las coordenadas de las esquinas. . . . . 356.2 Georeferenciación por medio de puntos de control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356.2.1 Funciones de transformación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366.2.2 Puntos de control a partir de mapas análogos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376.3.3 Puntos de control a partir de mapas digitales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

7. OPERACIONES MULTIBANDA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407.1 Relaciones entre las bandas: variaciones en iluminación. . . . . . . . . . . . . . . . . . . . . . . . . 407.2 Índice de vegetación de diferencia normalizado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417.3 Aritméticas de imágenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

8. CLASIFICACIÓN DE LAS IMÁGENES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 468.1 “Density slicing” (clasificación de una sola banda). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 468.2 Clasificación multi-espectral. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 488.2.1 Clasificación no-supervisada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 488.2.2 Clasificación supervisada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 488.2.2.1 Fase de entrenamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 498.2.2.2 Despliegue de “Feature Spaces” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 508.2.2.3 Evaluación de estadísticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 508.2.2.4 Clasificación del muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 518.2.2.4.1 “Box classifier” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 518.2.2.4.2 “Minimum Distance classifier” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 528.2.2.4.3 “Minimum Mahalanobis Distance classifier”. . . . . . . . . . . . . . . . . . . . . . . . . 528.2.2.4.4 “Maximum Likelihood classifier”. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 528.2.2.4.5 Efectuar la clasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 528.2.2.5 Evaluar los resultados de la clasificación. . . . . . . . . . . . . . . . . . . . . . . . . . . . 538.2.2.6 Operaciones posteriores a la clasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 538.2.2.7 Filtros de predominancia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

9. CORRECCIÓN GEOMÉTRICA DE LOS RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . 559.1 Diferentes funciones de transformación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 559.1.1 Vecino más cercano (Nearest Neighbour). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 559.1.2 Interpolación bilineal (Bi-Linear). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 559.1.3 Convolución cúbica (Cubic Convolution) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 559.2 Crear una georeferenciación de esquinas.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 559.3 Re-muestreo hacia una georeferenciación de esquinas. . . . . . . . . . . . . . . . . . . . . . . . . . . 569.4 Incorporar las zonas urbanas en el mapa de cobertura. . . . . . . . . . . . . . . . . . . . . . . . . . . 56

10. PROCESAR UNA VENTANA DE UNA IMAGEN LANDSAT . . . . . . . . . . . . . . . . . . . . . . 58

11. RESPUESTAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

BIBLIOGRAFÍA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .64

PRÁCTICA DE PROCESAMIENTO DIGITAL DE IM ÁGENES

© X. Bakker Instituto Geográfico Agustín Codazzi. 20011

1. Introducción al Sistema de Información Geográfica ILWIS 2.23Para el desarrollo de las prácticas de análisis y modelamiento se ha escogido el Sistema deInformación Geográfica ILWIS para Windows versión 2.23, puesto que es fácil de manejar por suinterfaz amigable y tiene amplias posibilidad de análisis espacial. ILWIS es un SIG que ofrece susfunciones de análisis principalmente en el formato raster.

Es necesario introducir unos conceptos básicos de ILWIS para Windows antes de empezar con eldesarrollo del análisis:

Para entrar al Sistema de Información Geográfica ILWIS haga doble clic sobre el icono de ILWISque se ha generado en el escritorio de WINDOWS; o acceda al programa mediante la utilización delas opciones Inicio , Programas , ILWIS 2.2, ILWIS 2.2.

1.1 La ventana principalSe despliega una ventana de bienvenida que inmediatamente conduce a la ventana principal:



La Ventana principal de ILWIS da acceso a todas sus posibilidades, en ella se muestran todos loselementos necesarios para la elaboración de cualquier operación así como los archivos que el usuariogenera.

Elementos de la Ventana Principal

La barra de Título

Como en otras aplicaciones bajo Windows la barra de título suministra información al usuario acercade la ubicación en la que se encuentra trabajando, así como del programa que se está ejecutando,posee botones de control que permiten cerrar, ampliar, reducir o minimizar la ventana en uso.

La barra de Menús

Inmediatamente bajo la barra de título se encuentra una barra de menús de tipo persiana en donde seposibilita al usuario el acceso a todas las herramientas y elementos del Sistema.

La linea de comandos

Esta es una característica especial de ILWIS, si se es un usuario avanzado puede utilizarse paraejecutar ordenes mediante el tecleo de los comandos apropiados. Además allí pueden escribirse lasfórmulas de generación de nuevos elementos (columnas, tablas o mapas).

Se memorizan las últimas órdenes dadas de tal forma que el usuario tenga rápido acceso a ellas sinnecesidad de escribirlas nuevamente.



La barra de botones

Bajo la linea de comandos se encuentra la barra de botones, su funcionalidad es el despliegue deinformación y su presentación en pantalla los siguientes elementos la conforman:

El primer elemento de la barra de botones permite desplegar y ocultar la ventanacorrespondiente al Listado de operaciones, de esta manera se obtendrá mayor espaciopara visualizar los elementos del catálogo.

Este botón permite al usuario mostrar un nuevo mapa en una nueva pantalla. Graciasa las características propias del Sistema operativo (Windows) es posible desplegarvarias ventanas de mapa, tablas y gráficos simultáneamente.

La función de este elemento de la barra de botones es el despliegue de una tablaexistente. De igual forma que en el despliegue de mapas es posible la visualización devarias tablas en una pantalla de Windows.

En ILWIS es posible conocer las características de atributos que corresponden a unelemento geográfico, esto significa que mediante el uso de este botón puede leerse lainformación alfanumérica que atañe a cualquier ubicación geográfica.

Haga clic aquí para seleccionar los elementos que quiere visualizar en el Catálogo; estaherramienta le facilita encontrar un objeto o mostrar solamente aquellos de un tipodeterminado.

Este es el seleccionador de drive; con el puede desplazarse de uno a otro sin tener querecurrir al Administrador de Archivos. Si hace clic sobre él se desplegarán los drivesexistentes en el computador y podrá escoger cualquiera de ellos.

Este otro seleccionador permite navegar por los directorios de un mismodrive. Normalmente toda la información que se procese será almacenada enel drive y directorio que aparecen en la ventana principal en el momento deejecutarla.

Las Barras de desplazamiento al igual que en cualquier aplicación de Windows permiten visualizarinformación dentro de una ventana sin tener que modificar su tamaño.

En la barra de estado aparecen las propiedades y funcionalidades de cada uno de los elementos pordonde se desplace el cursor.



El Listado de Operaciones

En él se encuentran todos los programas y funcionalidades que hacen parte del Sistema deInformación Geográfica ILWIS. La forma de acceder a cualquiera de estas aplicaciones es haciendodoble clic sobre el programa que se quiere ejecutar.

El Catálogo

En el Catálogo aparecen todos aquellos elementos de ILWIS que se encuentran dentro del directorioen ejecución, es importante tener en cuenta que un objeto de ILWIS no siempre consta de un soloarchivo por ello es recomendable que sean manejados, copiados o borrados desde la ventana deILWIS y no desde el Administrador de archivos.



En el Catálogo entonces pueden visualizarse los diferentes tipos de mapas, tablas u objetos quepueden generarse con ILWIS. Como puede observarse un icono identifica cada objeto dentro de estaventana, a continuación podrá diferenciar estos iconos y comprender su significado.

1.2 Tipos de objetos en ILWISEn ILWIS se utilizan diferentes iconos para representar diferentes tipos de objetos. Los objetos sedividen en cuatro clases:

Objetos de Datos:Objetos de datos consisten en los elementos que contengan datos. Además, los objetos se caracterizanpor ser utilizados como datos de entrada en un análisis.

Mapas de Puntos (ej: Estaciones pluviométricas, sitios de muestreo, etc)

Mapas de Segmentos (ej: vías, drenajes, curvas de nivel, etc)

Mapas de Polígonos (ej: uso, cobertura, municipios, etc)

Mapas Raster (todos los mapas vectoriales rasterizados y además grados continuos {ej:modelo digital de elevación} y productos de sensores remotos {ej: imágenes de satélite yfotografías aéreas}).

Listados de mapas (un listado de mapas raster que comparten la misma georeferenciacióny el mismo dominio).

Tablas (información sin componente espacial, que puede caracterizar elementos especiales.ej: datos de textura, pH y profundidad para unidades de suelos, etc).

Columnas

Objetos de mantenimientoObjetos de mantenimiento contienen información acerca de objetos de datos:

Dominio Contiene información sobre la definición (códigos) de los elementos que contieneun objetos de datos.

Representación Contiene la definición de como representar los elementos en el dominio.

Georeferenciación Contiene la definición para mapas raster de como se relacionan filas ycolumnas con coordenadas planas o geográficas.

Sistema de coordenadas Contiene información sobre la extensión del mapa yopcionalmente la relación de coordenadas planas con su ubicación geográfica.



Objetos especialesObjetos especiales son aquellos objetos que pueden ser aplicados a, o derivados de objetos de datos.

Vistas de mapas Frecuentemente existe la necesidad de elaborar un producto visual parasu impresión o presentación en pantalla, que consiste en múltiples capas de información.La definición de tal presentación se guarda en una vista de mapas.

Histograma de un mapa raster Una tabla con el mismo dominio que el mapa raster, la cualcontiene información sobre la frecuencia de ocurrencia de los elementos en el mapa.

Histograma de un mapa de polígonos Una tabla con áreas, perímetros y número depolígonos por cada elemento del dominio del mapa de polígonos.

Histograma de un mapa de segmentos Una tabla con la longitud y el número de segmentospor cada elemento del dominio del mapa de segmentos.

Histograma de un mapa de puntos Una tabla con el número de puntos por cada elementodel dominio del mapa de puntos.

Conjunto de muestreos espectrales Usado en el procesamiento digital de imágenes paraefectuar una clasificación multiespectral supervisada.

Tabla bi-dimensional Usado para definir la combinación de elementos en dos mapas rasterdurante una superposición.

Matriz Generado en algunas operaciones estadísticas (covariancia, correlación,eigenvectors de componentes principales, etc).

Filtro Contiene información sobre la matriz de valores que se aplica en el proceso de filtrarun mapa raster.

Funciones Contiene funciones definidas por el usuario.

Scripts Pueden contener una secuencia de operaciones de ILWIS. Por medio de los scriptsse puede automatizar un análisis.



Objetos de anotaciónLos objetos de anotaciones son aquellos que contribuyen a los objetos de datos para convertirlos acartografía. La mayoría de estos objetos no pueden ser desplegados en el catálogo y son una parteintegral de una “vista de mapas”.

Capa de textos Norte

Título Grilla

Leyenda Graticule

Caja Bitmap

Escala

1.3 DominiosLos dominios son como el centro de un conjunto de información. Ellos contienen todos los códigosque pueden ocurrir en un mapa, tabla o columna. Existen tres principales tipos de dominios:

Dominio tipo claseEl dominio clase (“class”) se utiliza para mapas donde una unidad puede existir en varias partes delmapa, y aunque esta unidad existe en varias partes, las características de estas unidades son lasmismas. Un mapa de unidades de cobertura es un ejemplo de un mapa con dominio tipo clase.

Dentro de este tipo de dominio existe una variación que se llama “class group”. Se utiliza para mapasdonde rangos de valores se asignan el mismo significativo. Cuando a partir de un modelo digital deelevación (mapa con valores que representan la altura en cada pixel) se genera un mapa de pisosclimatológicos, se aplica el dominio “class group”; 0-1000 msnm corresponde a cálido, 1000-2000msnm a clima templado, 2000-3000 msnm a clima frío y superior a 3000 a páramo y sub-páramo.

Dominio tipo IdentificadorEl dominio identificador se utiliza para identificar elementos que son únicos en un mapa. Un mapacon estaciones pluviométricas es un mapa de tipo identificador, puesto que la información quealmacena una estación pluviométrica es única.

Dominio tipo valorEl dominio tipo valor se utiliza obviamente para mapas y columnas con valores. Este tipo de dominiose subdivide en muchos tipos de dominio valor. Un dominio valor se define por su rango de valoresy precisión.

Count Conteo de elementos: valores de 0 hasta 999'999.999 con precisión 1Distance Para cálculo de distancias: valores de 0 hasta 1.000'000.000 con precisión 0.1



Min1to1 Usado para cálculos con resultado en el rango de -1 hasta 1 como el índice devegetación verde: valores de -1 hasta 1 con precisión 0.0 (la precisión no tiene límite)

Perc Para representar porcentajes: valores de 0 hasta 100 con precisión 0.0 (la precisión notiene límite).

Value Valores por defecto de -9999999.99 hasta 9999999.99, precisión 0.01, el usuario puedeadaptar el rango y la precisión según sus necesidades.

& Dominio tipo valor usados para productos de la percepción remotaImage Para imágenes satelitales con rango de valores de o hasta 255: valores de 0 hasta 255

con precisión 1Noaa Para imágenes del satélite NOAA: valores de 0 hasta 1023 con precisión 1Radar Para imágenes RADAR: valores de 0 hasta 32767 con precisión 1

& Dominio tipo valor usados para operaciones lógicasBit Contiene valores 0 (falso) y 1 (verdadero)Bool Contiene valores 0 (falso), 1 (verdadero) y “?” (indefinido)Yesno Contiene “Yes” (Si), “No” (No) y “?” (indefinido)

Otros dominiosBinary Usados internamente y solo en elementos binarios (filtros del sistema)Color Para mapas raster con colores de 24-bits.Colorcmp Para composiciones a color de tipo estándar usando 216 colores.None Para tablas no relacionadas a elementos espaciales.Picture Para mapas que contienen colores de paleta (8-bits, 256 colores) sin otro significativo

de los pixeles.String Únicamente para columnas que contienen textos

1.4 DependenciasEn ILWIS existen diferentes tipos de dependencias. Un mapa depende de un dominio, además puedetener por medio del dominio una o más representaciones. Una tabla de atributos puede utilizar elmismo dominio que un mapa y por compartir el mismo dominio estos objetos de datos pueden estardirectamente relacionados.

Otro tipo de dependencia es cuando se efectúa un análisis y se guardan en las propiedades la fórmulaque se aplicó para generar un nuevo mapa. Ejemplo: un análisis simplificado para determinar laerosión, que solamente utilice información (mapas) de precipitación, cobertura vegetal, suelos ypendientes. Normalmente se tratan los mapas de entrada como si fueran estáticos, generando unresultado de análisis estático. En ILWIS, cuando un mapa utilizado como entrada para un análisis secambia, la dependencia del resultado con el mapa cambiado avisará al usuario que el resultado delanálisis está desactualizado y ofrece la opción de actualizarlo.



1.5 PropiedadesEl usuario puede tener acceso a las propiedades de los objetos por medio del menú sensitivo alcontexto. Para hacerlo aparecer se debe ubicar el puntero sobre el objeto de interés y oprimir el botónderecho del mouse, luego seleccionar la opción “Properties”.

En las propiedades se puede obtener información sobre el dominio que está usando el objeto de datos.Además, el número de puntos, segmentos, o polígonos para mapas vectoriales y número de filas ycolumnas para mapas raster. En las propiedades se puede especificar la descripción del objeto quenos ayuda a trabajar más estructuradamente y hacer los datos mas intercambiables.

1.6 Menú sensitivo al contexto El menú sensitivo al contexto en un menú emergente que aparece cuando el mouse está ubicado sobreun objeto y se oprima el botón de la derecha del mouse. Las opciones difieran dependiendo el objetoque se está usando.


© X. Bakker - 2001 Importación10

2. PROCESAMIENTO DIGITAL DE IMÁGENESMientras el procesamiento digital se trata fundamentalmente en la intensidad radiométrica de cadapixel, un análisis visual puede revelar información sobre textura, estructura, emplazamiento odisposición, los cuales muy difícilmente pueden ser definidos en términos digitales.

Por ejemplo, algunos cultivos irrigados suelen ofrecer una respuesta espectral muy parecida a losparques urbanos. Sin embargo, su significado temático es claramente distinto. Digitalmente sudistinción es muy compleja, ya que los valores numéricos de ambas cubiertas son muy similares. Pormedio de la incorporación de un criterio visual, se puede separar ambas cubiertas.

El tono hace referencia a la intensidad de energía recibida por el sensor para una determinada bandadel espectro. Los pixeles con tonos oscuros indican aquellas áreas sobre las que el sensor detectó unaseñal baja, mientras las zonas claras son testigo de altos valores de radiancia. En otros palabras, eltono se relaciona estrechamente con el comportamiento espectral de las distintas cubiertas, para labanda particular del espectro sobre la que se trabaja.

Por ejemplo, la vegetacióntiende a ofrecer tonos oscurosen las bandas visibles y muyclaros en el infrarrojo cercano,mientras el agua ofrece valoresoscuros en ambas y la nievepresenta un tono blancorelativamente uniforme. Sepueden seleccionar las bandasmás aptas para reconocerdeterminados rasgos de interés:modelos de drenaje y morfología(infrarrojo cercano), zonasurbanas (verde y rojo visible),turbidez en el agua (azul),de limit ac ión t ier ra/agua(infrarrojo cercano) y vegetación(rojo e infrarrojo cercano).

El ojo humano es más sensible a las variaciones cromáticas que a la intensidad luminosa. Es fácil decomprender que el color es un factor indispensable para la interpretación visual de imágenes, puestoque la mezcla de varias bandas del espectro resulta en un aumento de información. En el capítulo 5VISUALIZACIÓN DE INFORMACIÓN MULTIBANDA se explica más sobre los colores y lascomposiciones a color.



ILWIS utiliza el dominio image para las imágenes de satélite y fotografías escaneadas en escala degrises. Las bandas de SPOT pancromática y multiespectral tanto como las de LANDSAT utilizan unrango de valores de 0 hasta 255. Imágenes meteorológicas como NOAA utilizan un rango másreducido (0-63).

2.1 Importación de imágenes de satéliteEn este ejercicio se importará una imagen de satélite SPOT multiespectral y una imagen de satéliteSPOT pancromática. Las imágenes de satélite SPOT multiespectral vienen en un formato llamado“band interleaved”, lo cual significa que las 3 ó 4 bandas están en un archivo donde primero seescribe la primera linea de todas las bandas, luego la segunda, etc.

ILWIS 2.2 todavía no viene con un formato de importación que detecta el formato SPOT, por lotanto se deben utilizar el formato “General raster data”, lo cual también se utiliza para las imágenesde LANDSAT, RADAR y otros. Puesto que este tipo de importación se pueden utilizar para variosformatos que no son lo mismo, se tiene que indicar algunos parámetros que definen como importarla información.

Las imágenes de SPOT vienen con una página donde están especificados los parámetros que senecesitan para la importación de las imágenes:

1) Muestra la información sobre el modoespectral y el número de bandas: 1 para el modopancromático (P) y 3 ó 4 para el modomultiespectral (XS).

2) Muestra información sobre el número de filas1 que tiene la imagen, el número de columnas con

información y en cual columna comienza lainformación (siempre 33).

2 3) Muestra la información de las coordenadasgeográficas en relación con los pixeles de esquina.

4) Muestra el número de columnas que se debeutilizar para la importación:

3� Para imágenes pancromáticas: 8640� Para imágenes multiespectrales: 5400

4(En nivel de pre-procesamiento 1B)



Especificaciones en caso de importar una imagenSPOT XS, con 3 bandas.

Existen varias maneras de accesar el programa de importación:� Seleccionando del menu “File ”, luego “Import ”.� Escribiendo en la línea de comando la palabra “import ”, luego presionando <Enter>� Seleccionando del listado de operaciones la opción “import ”

ILWIS permite importar la información directamente desde el CD-ROM sin la necesidad de copiarla información primero al disco duro. En caso que el CD-ROM contenga varias imágenes el CD-ROM tendrá varios directorios:

\SCENE01\SCENE02...\SCENEnn

nn representa el número de imágenes en el CD-ROM.

Dentro de estos directorios vienen varios archivos. Siempre habrá que utilizar el archivo denominado“IMAG_nn.DAT” (donde nn se debe reemplazar por el número adecuado).

El CD-ROM usado dentro del curso contiene dos imágenes de SPOT originales:

SCENE01 Imagen multiespectral de tres bandas tomada sobre Francia con el satéliteSPOT-4, de marzo de 1998.

SCENE02 Imagen pancromática tomada sobre Francia con el satélite SPOT-4, de marzode 1998.

� Entre al programa de importación,seleccione el drive del CD-ROM, eldirectorio “CPDI1” y su subdirectorio“SCENE01". Seleccione del listado conlos formatos de importación, el formato“General raster data ”. Luego,seleccione el archivo “imag_01.dat ”, ycambie el nombre de salida a “xs”.

� En la siguiente ventana (ver gráfico a laderecha) cambie el número de bandasa 3, número de columnas a 5400 yasegure que la estructura del archivo(“File Structure ”) está en “BandInterleaved ” y oprima el botón “OK”.



Especificaciones en caso de importar una imagenSPOT P.

Observe que en el catálogo de la ventana principal de ILWIS aparecen los siguientes elementos:

- los mapas raster correspondiente a las tres bandas (“xs1 ", “xs2 " y “xs3 ")- un listado de mapas con el nombre “xs”

Importe ahora la imagen pancromática:

� Seleccione del listado de operaciones la opción “import ”. Seleccione el drive del CD-ROM, el directorio “CPDI1” y su subdirectorio “SCENE02". Seleccione del listado conlos formatos de importación, el formato “General raster data ”. Luego, seleccione elarchivo “imag_02.dat ”, y cambie el nombre de salida a “p”.

� En la siguiente ventana (ver gráficoa la derecha) cambie el número decolumnas a 8640 y oprima el botón“OK”.

Observe que en el catálogo de la ventana principal de ILWIS aparece el mapa raster “p”.

En caso de importar una imagen de satélite multiespectral se genera un listado de mapas. ILWISasume que el orden de las bandas es secuencial comenzando con el 1. En caso que se ha especificadoel nombre “xs” en la caja de nombre salida (Output Name), se generarán los mapas raster “xs1", “xs2"y “xs3" (para 3 bandas).

Desafortunadamente el orden de las bandas en que viene las imágenes multiespectrales no es 1,2 y3 pero 3, 1 y 2. Además, puesto que se importa la imagen con más columnas de las que tieneninformación, se tendrán que cortar las imágenes por la parte útil.



El gráfico abajo indica en color gris la parte de la imagen sin información (aparece en color negro ytiene valor 0). La parte blanco contiene la información satelital.

Mas adelante cortaremos la información útil y renombraremos las bandas. Primero reconocemos lainformación importada.


© X. Bakker - 2001 Visualización de bandas15

3. VISUALIZACIÓN DE BANDASEn este capítulo se aprenderá a desplegar las bandas de la imagen multiespectral y la imagenpancromática importadas en el ejercicio anterior.

3.1 Despliegue de imágenes de satéliteNormalmente se despliega una banda de una imagen en escala de grises. De ésta manera, asignandoel color negro donde no hay respuesta espectral y asignando colores más claros (hasta blanco) paralas áreas con una mayor respuesta espectral.

Una banda con información obtenida del infrarroja cercana, contiene información sobre la coberturavegetal de la superficie. Con escala de grises, las partes con más densa vegetación aparecerán en grisclaro hacia blanco y partes sin cobertura vegetal, serán reflejadas mediante tonalidades muy oscuras.

En este ejercicio desplegaremos las 3 bandas de la imagen multiespectral separadamente y luego labanda pancromática de la misma área.

� Haga doble clic sobre el mapa raster “xs1 ”, en la caja del diálogo. Asegúrase que seestá utilizando la representación “grey ” para el despliegue, acepte los valores dadospor defecto (esto puede demorar un poco, puesto que la primera vez que sedespliegue una banda el sistema tiene que calcular el histograma). Desplieguesimultáneamente las otras dos bandas y compare las diferencias.

Hay dos imágenes que son muy similares en su aparencia. Anote abajo cuales son las bandas de laimagen multiespectral similares y explique por que:

La banda ......que se encuentre en el mapa raster llamado ............ es similar a la banda ..... contenidaen el mapa raster llamado .............. por la siguiente razón:

� Haga doble clic sobre el mapa raster “p”, en la caja del dialogo. Asegúrase que seestá utilizando la representación “grey ” para el despliegue, acepte los valores dadospor defecto.

La imagen pancromática no se parece a la banda 3 de la imagen multiespectral, pero sí a las bandas1 y 2, por lo tanto se puede concluir que la imagen pancromática fue tomada en la parte ....................del espectro electromagnético.

No cierre las ventanas de las imágenes y continúe con el ejercicio 2.2.



3.2 Acercar a y alejar de la imágenesILWIS permite hacer acercamientos en la imagen por medio de los botones correspondientes. Hayque tomar en cuenta que las imágenes tienen un nivel de detalle: las bandas de la imagenmultiespectral tienen resolución espacial de 20 metros por pixel, y la imagen pancromática tiene unaresolución espacial de 10 metros por pixel. En caso de que se acerque demasiado se verá la definiciónde los pixeles.

� En la ventana del mapa raster con el nombre “xs1 " oprima el botón . Note que elcursor del mouse se cambia. Ubique el mouse en el centro de la ventana del maparaster y oprima con el botón izquierdo del mouse. Se acerca a la imagen con un factor2. La ventana queda con el mismo tamaño. De la misma manera se puede generarun rectángulo con esta función de la parte de la imagen que le interese. Acérquesehasta observar la definición de los pixeles.

� Por medio del botón se puede alejar (“zoom out ”) de la imagen. Aplique estebotón hasta obtener el factor con que se despliega el mapa por defecto.

Haga acercamientos en una banda de la imagen multiespectral y en la imagen pancromática, ycompare la resolución espacial.

3.3 Utilización de las barras de desplazamientosLa mayoría de los Sistemas de Información Geográfica poseen la posibilidad de desplazarse por lainformación desplegada. Esto normalmente se llame “pan”. ILWIS, con el fin de brindar esta funciónhace uso de sus barras de desplazamiento.

� En la ventana de alguno de los mapas raster desplegados (y ampliados) oprima conel botón izquierdo sobre la barra de desplazamiento, según la explicación acontinuación.

1 Al oprimir este parte el despliegue se desplazará un pixel a la izquierda.2 Al arrastrar este botón se puede desplazar tanto hacia la derecha como hacia la izquierda.3 Al oprimir esta parte de la barra se desplaza 75% de despliegue hacia la derecha.

Obviamente esta explicación también se aplica a la barra de desplazamiento vertical.



3.4 Despliegue de la imagen enteraEn muchos casos es deseable volver al despliegue por defecto (imagen entera) de las bandas. Paraeste fin existe el siguiente procedimiento.

� En la ventana de alguna de las bandas ampliadas oprime el botón . Observecomo se vuelve al despliegue original de la banda.

3.5 Generar un sub mapa de la información útilComo fue explicado en el primer capítulo, las bandas de la imagen multiespectral no tienen el nombreque les corresponde. En este ejercicio renombramos las bandas y cortamos las imágenes por la parteútil en la misma operación. El programa que permite esto se llama “SubRas ”.

Existen varias maneras de accesar el programa de creación de un sub-mapa en formato raster:

� Seleccionando del listado de operaciones la opción “SubRas ”� Escribiendo en la línea de comando la palabra “subras ”, luego presionando <Enter>� Ubicar el mouse sobre el mapa raster de interés, oprimir el botón derecho del mouse,

seleccionar “Raster Operations ” y luego la opción “Sub Map ”.

Auque la última opción parece ser más larga que las demás, esta opción tiene la ventaja que en laventana del dialogo que sigue el mapa de interés ya está seleccionado como mapa de entrada.

El programa “SubRas ” necesita unos datos de entrada, para saber por donde está definida el áreaútil. Esta área no es siempre la misma en cada imagen, puesto que debido a un ángulo de incidenciamayor a 0 al momento de la toma, se registran más columnas de las 3000 que corresponden a unatoma vertical (ángulo de incidencia = 0). El programa requiere la siguiente información: primera filadonde comienza la información, primera columna, número de filas y número de columnas. Además,habrá que especificar el nombre del mapa de salida. De esta manera se puede copiar la parte útil yasignar el nombre que debe tener.

� Despliegue el mapa raster “xs1 " (la banda 3). Amplíe la ventana superior izquierdapara determinar en que fila comienza la información útil. Note que en la parte inferiorizquierda de la ventana se indica la fila y columna donde está ubicado el mouse.Anote los datos en la tabla a continuación. Asimismo, anote en la siguiente tabla laprimera columna, y calcule tanto el número de filas como el número de columnas.Repita el proceso para el mapa raster “p”.



Informaciónmultiespectral

Informaciónpancromática

Primera Fila

Primera Columna

Número de Filas

Número de Columnas

� Entre al programa “SubRas ” y cree los siguientes sub-mapas especificando los datosde filas y columnas de la tabla anterior (prenda la opción “Show ” en la caja deldialogo):

Sub-mapa “x3" desde el mapa “xs1 "Sub-mapa “x1" desde el mapa “xs2 "Sub-mapa “x2" desde el mapa “xs3 "Sub-mapa “pan " desde el mapa “p"

Muestre los resultados al profesor.

Ahora se pueden romper los enlaces de dependencia y borrar las bandas originales.



3.6 Pixeles y números digitalesEn este ejercicio se comienza a trabajar sobre los datos de la Sabana de Bogotá. Cambiese alsubdirectorio “curso ” del directorio “CPDI".

En este directorio se encuentran los siguientes objetos de datos:

Mapas raster “x1", “x2" y “x3" correspondientes a una ventana de las bandas 1, 2 y 3respectivamente de la imagen multiespectral tomada sobre la Sabana de Bogotá.

Mapa de polígonos “xcab2 ", correspondiente al mapa de cabeceras municipales Mapa de polígonos “xlag ", correspondiente al mapa de lagunas Mapa de segmentos “xdren ”, correspondiente al mapa de ríos principales Mapa de segmentos “xvias ”, correspondiente al mapa de vías principales Vista de mapas “xgeoref ”, vista con los layers necesarios para la georeferenciación

El sensor detecta la radiancia media de una parcela de terreno equivalente al tamaño del pixel, unidadvisual más pequeña que aparece en la imagen. Este valor se traduce por el sensor en un valornumérico, a partir del cual se realiza el tratamiento digital de imágenes. En consecuencia, cada pixelcontiene la traducción de la radiación recibida por el sensor de una determinada banda del espectro.Este valor se denomina “Nivel Digital” o “Número Digital” (ND) y puede ser desplegado en escalade grises (intensidad luminosa) [2].

En este ejercicio anotarán que respuesta espectral tienen las diferentes bandas de la imagenmultiespectral.

� Despliegue las bandas 1, 2 y 3. Cuando se ubique sobre un elemento en el maparaster, se puede oprimir el botón a la izquierda del mouse y esto tendrá comoresultado el despliegue del “número digital” (ND) para el pixel donde está ubicado elmouse. De esta manera llene la siguiente tabla con los rangos de ND para cadacobertura:

Cobertura Banda 1 - XS Banda 2 - XS Banda 3 - XS

Bosque - - -

Páramo - - -

Cuerpos de agua - - -

Construcciones - - -

Zonas Cultivadas - - -

Existen elementos que no son incluidos en estas clases: por ejemplo, en medio de los cultivos existenviveros que dan una respuesta muy elevada debido al material de los techos (vidrio y/o plástico).


© X. Bakker - 2001 Mejoramiento de las imágenes20

4. MEJORAMIENTO DE LAS IMÁGENESEl rango máximo de ND debe aplicarse a las diferentes coberturas que puede detectar el sensor, desdelas de muy baja reflectividad de los cuerpos de agua hasta las de muy alta reflectividad de desiertoso nevados. Puesto que es difícil encontrar en una escena tal variedad de coberturas, una imagennormalmente no utiliza el rango completo de ND permitido.

Los procesos de ajuste del contraste tienden a adaptar la resolución radiométrica de la imagen a lacapacidad del monitor de visualización. En caso que el sensor ofrezca un menor número de ND queel monitor puede procesar, se puede aplicar una expansión del contraste original. Cuando el sensorpresenta un número de ND que excede la capacidad del sistema se debe aplicar una reducción. Hoyen día los computadores ya no constituyen una limitación.

Aparte del mejoramiento de contraste, que se aplica globalmente, existe el mejoramiento espacial queinfluye en el contraste local entre diferentes elementos en la imagen.

4.1 Mejoramiento del contrasteEn el capítulo anterior desplegamos varias imágenes. Quizás usted notó que en la caja del dialogopara especificar las opciones del despliegue por defecto se aplica la opción “stretch”. Al quitar laopción de “stretch” la imagen se despliega asignando negro cuando el ND es 0 y blanco cuando elND es 255. A los ND intermedios se asignan escalas de gris. Puesto que los ND en una imagennormalmente están concentrados en un rango limitado de los valores 0 hasta 255, el resultado quese despliega tiende a tener poco contraste.

� Despliegue la banda 3 y en la caja del dialogo apague la opción “stretch ” y oprima“OK”. Observe el resultado. Entre al menú de “Layers ”, “Display Options ” y “1 mapx1". En la caja del dialogo prenda la opción “stretch ”. Note como el contraste de labanda se ha incrementado.

En el siguiente ejercicio se calcularán los histogramas de las imágenes y luego se aplicarán unaexpansión lineal para el despliegue adecuado de la información.

4.1.1 Cálculo del histogramaUn histograma es una tabla que para cada ND contiene información sobre la cantidad de pixeles coneste valor. Con base en el histograma se pueden determinar los rangos de expansión para sudespliegue y/o tratamiento digital.

� Seleccione la banda 1 “x1", oprima el botón derecho del mouse y en el menú sensitivo alcontexto seleccione la opción “Statistics ” y luego “Histogram ”. En la caja del dialogooprima el botón “OK”.



Se calculará el histograma de la banda 1. Se presentará una tabla con las siguientes columnas:

dominio image La primera columna no tiene nombre, puesto que es el dominio (image)npix Número de pixeles por valor especificado en el dominionpixpct Número de pixeles por valor del dominio en porcentaje del total de pixelespctnotzero Número de pixeles en porcentaje del total, excluyendo el valor 0npixcum Número de pixeles acumulativonpcumpct Número de pixeles acumulativo en porcentaje del total de pixeles.

Normalmente la opción “stretch ” excluye el primer y el último 1 porciento del histograma. Es decir,cuando miramos en la columna “npcumpct ” donde tiene un valor cerca a 1 y cerca a 99, podemosconcluir que se está usando el rango 56 hasta 175. Verifique si este rango corresponde al rango queaparece por defecto al prender la opción “stretch ” en la caja del dialogo.

Establezca los valores mínimos y máximos para la exclusión del 2, 5 y 10% y llene la siguiente tabla:

BANDA 1 Porcentaje Valor mínimo Valor máximo

2%

5%

10%

Luego aplique estos valores en el despliegue.

Repita el proceso para las bandas 2 y 3:


2%

5%

10%


2%

5%

10%



N V s g N D= + *

gN D N D

=−

255

m ax m in

sN D

N D N D=

−−

255 * m in

m ax m in

4.1.2 Expansión linealLa relación entre el nivel de visualización (NV) o la intensidad y el ND original puede ser expresadapor medio de la siguiente fórmula:

donde “s” es el sesgo y “g” representa la ganancia. Al utilizar los valores NDmin y NDmax y asignar almínimo la intensidad 0 (negro) y al máximo la intensidad 255 (blanco) se pueden determinar lasvariables “s” y “ g”[2]:

y

Normalmente no se utilizan los valores mínimos y máximos de la imagen. ILWIS utiliza por defectoun rango que excluye “1%”, es decir el 0% hasta 1% y 99% hasta 100% serán excluidas en ladeterminación de los valores de expansión.

Imagen original Imagen mejorada

Histograma original Histograma mejorada



La expansión lineal se puede aplicar durante el despliegue, mediante la opción “stretch ” (la cual estáprendida por defecto), pero también se puede generar un nuevo mapa raster en donde se registran losvalores resultados de la expansión. Esto se hace por medio del programa “stretch ”.

Existen varias maneras de accesar el programa de expansión lineal:

� Seleccionando del listado de operaciones la opción “stretch ”� Escribiendo en la línea de comando la palabra “stretch ”, luego presionando <Enter>� Ubicando el mouse sobre el mapa raster de interés, luego oprimir el botón derecho del

mouse, seleccionar “Image Processing ” y luego la opción “Stretch ”.

En este ejercicio creamos las tres bandas mejoradas aplicando la expansión lineal de exclusión del 1%del histograma:

� Seleccione la banda 1 “x1", oprime el botón derecho del mouse y en el menú sensitivo alcontexto seleccione la opción “Image Processing ” y luego “Stretch ”. El método deexpansión lineal (“Linear Stretching ”) está seleccionado por defecto. La opción “StretchFrom ” está configurada para el uso de porcentajes y el valor del porcentaje para excluires 1. Escriba como nombre de salida “x1str ”, prenda la opción “Show ” y oprima el botón“OK”.

Repite el proceso para las bandas 2 y 3.

4.1.3 Comparación de la imagen original con la imagen mejoradaEn este ejercicio desplegaremos las tres bandas con y sin expansión lineal con el fin de evaluar elefecto del proceso de mejoramiento.

� Despliegue la banda 1 “x1" y apague la opción “stretch”. Luego despliegue la banda 1mejorada “x1str” y compare las diferencias.

Repita el proceso para las bandas 2 y 3.

Para cual banda es menos notorio el efecto del mejoramiento:

Explique por que:



4.1.4 Ecualización del histogramaLa expansión lineal del contraste no tiene en cuenta las características del histograma de la imagen,sino sólo sus extremos. Puede idearse una técnica de realce más depurada, en donde se considere laforma de la distribución de frecuencias en los ND originales. Según este criterio, la intensidad de cadaND está en proporción no sólo a su valor, sino también a su frecuencia. Aquellos ND con mayornúmero de pixeles serán los que proporcionalmente, ocupen un mayor número de niveles devisualización [2].

Teóricamente el histograma mejorado trata de describir una linea horizontal, donde cada nivel devisualización (NV) tiene un igual número de pixeles asignado. Sin embargo, en la práctica siemprehabrán ND que tienen una mayor cantidad de pixeles y por lo tanto no pueden ser divididos. Véaseel ejemplo abajo, donde existen elementos (p.ej. las construcciones en tonos claros) que tendrán unnúmero de pixeles mayor al promedio que teóricamente se asigna a cada intensidad de gris.

Imagen original Imagen mejorada

Histograma original Histograma mejorada

En el siguiente ejercicio creamos tres nuevos mapas raster (“x1ecua ”, “ x2ecua ” y “ x3ecua ”) pormedio de ecualización del histograma de las bandas originales.

� Entre al programa “Stretch ”. Seleccione el método de ecualización del histograma(“Histogram Equalization ”) y deje los 256 intervalos. Note que por defecto la opción“Stretch From ” está configurada para el uso de porcentajes y el valor del porcentaje paraexcluir es 0. Escriba como nombre de salida “x1ecua ”, prenda la opción “Show ” y oprimael botón “OK”.



Repita el proceso para las bandas 2 y 3, creando los mapas raster “x2ecua ” y “ x3ecua ”respectivamente.

Explique por que el valor por defecto del porcentaje es 0% para ecualización del histograma y es el1% para expansión lineal:

Despliegue gráficos de los histogramas de los mapas “x1", “x1str ” y “ x1ecua ” simultáneamente ycompare los resultados.

4.2 Mejoramiento espacialLos mejoramientos visto hasta el momento son “mejoramientos globales”, es decir se aplican paracada pixel en la misma forma y no se altera por diferencias con los valores de los pixeles vecinos nipor el valor que tenga el mismo pixel. En esta nueva sección se trata de mejoramientos espacialesdonde la relación de un pixel con sus vecinos es substancial. El mejoramiento espacial se hace pormedio de filtros. Un filtro se aplica en el procesamiento digital de imágenes para aislar componentesde interés. Los filtros aplicados sobre la imagen pretenden suavizar o reforzar los contrastesespaciales presentes en los ND que la componen. En otras palabras, se trata de transformar los NDoriginales, de tal forma que se parezcan o diferencien más los de correspondientes a pixeles vecinos[2].

4.2.1 Filtros de paso bajoLos filtros de paso bajo tienen por objetivo suavizar los contrastes espaciales presentes en la imagen.En pocas palabras, se trata de asemejar el ND de cada pixel al de los pixeles vecinos, reduciendo lavariabilidad espacial de la escena. El resultado saldrá menos nítido y más difuminado [2]. Se aplicapor ejemplo para reducir el efecto “Speckle” en imágenes RADAR.

Existen varias maneras de accesar el programa para filtrar una imagen:

� Seleccionando del listado de operaciones la opción “Filter ”� Escribiendo en la línea de comando la palabra “Filter ”, luego presionando <Enter>� Ubicar el mouse sobre el mapa raster de interés, oprimir el botón derecha del mouse,

seleccionar “Image Processing ” y luego la opción “Filter ”.

En el siguiente ejercicio se aplica un filtro de paso bajo a la banda 1.

� Entre al programa “Filter ”. El tipo de filtro por defecto es “Linear ”. Seleccione el nombredel filtro “avg3x3 " en la opción “Filter Name ”. Escriba como nombre de salida “x1avg ”,prenda la opción “Show ” y oprima el botón “OK”.

Despliegue la banda 1 original y haga unas ampliaciones de la vía que pasa por el norte del Embalsede Tominé tanto de la banda original como de la banda 1 filtrada. Observe las diferencias.



Pixelcentral Mvecinos�1

n1

Valordelmapan�Valordelfiltron �Gain�Offset

4.2.2 Filtros de paso altoEste tipo de filtro pretende aislar los componentes de alta frecuencia en una imagen. En términosespaciales, esto supone remarcar digitalmente los contrastes espaciales entre pixeles vecinos,enfatizando los rasgos lineales presentes en la imagen, como carreteras, parcelas o accidentesgeológicos. En definitiva, se intenta reforzar los contornos entre áreas homogéneas, evidenciandocualquier discontinuidad [2].

En el siguiente ejercicio se aplica el filtro de paso alto (“Edge Enhancement”) a la banda 1.

� Entre al programa “Filter ”. El tipo de filtro por defecto es “Linear ”. Seleccione el nombredel filtro “edgesenh " en la opción “Filter Name ”. Escriba como nombre de salida “x1edge ”,prenda la opción “Show ” y oprima el botón “OK”.

Despliegue la misma ventana para el mapa raster “x1edge ” y compare con la banda 1 original y elmapa “x1avg ”. Observe las diferencias.

El mapa “x1edge ” tiene errores en las partes donde todos los vecinos tiene un ND cerca al máximo(partes que aparecen en blanco, resultan con puntos negros adentro). Consulte al profesor comocorregirlo.

4.2.3 Explicación adicional sobre el funcionamiento de filtrosEn el punto 3.2.1 aplicamos un filtro de paso bajo. Abajo aparece el contenido de la matriz queconforma el filtro llamado “avg3x3 ":

1 1 1

1 1 1

1 1 1

Gain: 0.11111 Offset: 0

Un filtro utiliza los valores de los vecinos para escribir el resultado en el pixel central. La formula esla siguiente:



Pixelcentral 2�1�8�1�4�1�6�1�7�1�3�1�4�1�5�1�6�1 �0.11111�0

Abajo se muestra el proceso de aplicar el filtro “avg3x3 ":

2 8 4 1 1 1

6 7 3 1 1 1 � 5

4 5 6 1 1 1

Mapa entrada Filtro Mapa Salida

El Gain (0.11111) � 1/9, así que se hace un promedio de los vecinos (incluyendo el valor central) yse escribe el resultado en el mapa de salida en el pixel central. En esta forma se va moviendo el filtrosobre el mapa entero para escribir el mapa de salida.

Abajo se pretende aplicar el filtro “edgesenh ” a un mapa de 3 por 3 pixeles, calcule los valores delmapa de salida:

2 8 4 -1 -1 -1

6 7 3 -1 16 -1 �

4 5 6 -1 -1 -1

Mapa entrada Filtro Mapa Salida

Gain: 0.125 y Offset: 0

Como es obvio este filtro ampliará las diferencias que tiene el pixel central con sus vecinos.



ILWIS ofrece una gran escala de filtros, incluyendo la posibilidad que el usuario defina sus propiosfiltros.

Qué hace el siguiente filtro:

2 8 4 0 0 0

6 7 3 0 2 0

4 5 6 0 0 0

Mapa de Entrada Filtro Mapa de SalidaGain: 0.5 y Offset: 0

Nota: Es importante entender que no se deben usar filtros cuando el objetivo es laclasificación multiespectral de la imagen. Esto es debido a que los filtros cambian losND que están directamente ligados a la cobertura de la superficie de la tierra. Cuandose cambian estos valores, se puede perder la relación con la superficie de la tierra queestán representando.


© X. Bakker - 2001 Visualización de información multibanda29

5. VISUALIZACIÓN DE INFORMACIÓN MULTIBANDALa información multiespectral archivada en bandas separadas pueden ser combinada en una solacomposición a color. Existen muchas posibles combinaciones que se pueden efectuar por medio deéste proceso. Información espectral de diferentes bandas se combinan asignando cada bandaindividual a uno de los colores principales: ROJO, VERDE y AZUL.

Observe el siguiente gráfico donde se esta efectuando una composición a color:

A la izquierda está desplegada la información en escala de grises de tres diferentes bandas, en elcentro se asigna uno de los tres colores principales a las diferentes bandas y luego a la derecha estáel resultado de la composición a color.

Una combinación específica de bandas utilizada para crear una composición a color se llamacomposición a falso color (FCC, False Color Composite). En una FCC el color rojo se asigna a labanda con la información del terreno obtenida del espectro infrarrojo cercano, el color verde se asignaa la información obtenida del espectro rojo visible y el color azul se asigna a la información obtenidadel espectro verde visible. Para las imágenes multiespectrales de SPOT la banda 3 se despliega encolor rojo, la banda 2 en color verde y la banda 1 en color azul. Este combinación RGB (rojo verdeazul) se llama RGB 321. En la composición que resulta se puede observar la vegetación en tonos derojo, el agua en azul y suelos desnudos se destacan en tonos de café y gris.

Algunas composiciones pueden dar un resultado similar como nosotros percibimos la cobertura:vegetación en verde, cuerpos de agua en azul y suelos (desnudos) en un café claro. Estos tipos decomposiciones se llaman composiciones pseudo naturales.



La razón por la cual se están utilizando más frecuente las composiciones a falso color que lascomposiciones pseudo naturales, es que las diferentes coberturas se destacan mejor en lascomposiciones a falso color.

Las composiciones no solamente se pueden realizar con información multiespectral (información dediferentes rangos del espectro tomadas en el mismo momento), sino también con informaciónmultitemporal. En el procesamiento de imágenes RADAR normalmente se aplica las composicionesmultitemporales puesto que RADAR provee únicamente 1 sola banda. En caso de que un elementono se ha cambiado en el transcurso del tiempo, este elemento resulta en tonos de gris, puesto que laintensidad de los colores principales es la misma. Donde se visualizan colores distintos a tonos degris, indica que se ha cambiado la cobertura.

Composición multitemporal con imágenes ERS del año 1992: 22 de diciembre desplegado en rojo,4 de agosto en verde y 26 de mayo en azul [1]. Las zonas en tonos de gris no han sufrido cambios,partes en diferentes colores indican incremento o disminución de la respuesta espectral.

Dentro de las composiciones multiespectrales también se incluyen las que se generan con base enbandas, las cuales son el resultado de un análisis. La utilización de componentes principales es unejemplo y la combinación de bandas provenientes de diferentes sensores (sinergismo) como SPOTpancromática (resolución 10m) con SPOT multiespectral (resolución 20m) es otro.

5.1 Composición a colorEn ILWIS 2 las composiciones a color son generadas en el disco duro y presentadas en la pantalla.En la versión 2.2 de ILWIS la nueva posibilidad de generar la composición a color en pantalla fueincorporada para ajustar los rangos de estiramiento de cada banda hasta obtener el resultado deseadosin la necesidad de ocupar espacio en el disco duro de productos intermedios.



Cada banda se asigna a un color principal. La figura abajo muestra el cubo de colores con los coloresprincipales del sistema aditivo (rojo, verde y azul) y del sistema substractivo (amarillo, magenta ycyan).

Verde Amarillo

Cyan Blanco

Negro Rojo

Azul Magenta

La combinación de un elemento con baja intensidad en las tres bandas resulta en un color oscuro, alotro lado un elemento con alta intensidad en las tres bandas resulta en un color claro. Cada puntodentro del cubo representa un diferente color dependiendo de la contribución de los componentesrojo, verde y azul.

En ILWIS la relación entre el valor del pixel de imágenes multibanda y el color asignado a cada pixelse guarda en la representación. La representación guarda las valores de rojo, verde y azul. El valorpara cada color principal representa la intensidad, utilizando un rango de 0-255. Las tres intensidadescombinadas definen el color. Por ejemplo, intensidad de rojo = 255, verde = 0 y azul = 0 resulta enun color rojo. Además, el dominio asignado a la composición a color es “color”.

ILWIS permite la generación de tres tipos de composiciones a color: 24 bits, estándar y dinámico.Para las composiciones a 24 bits y las estándar se pueden definir diferentes funciones de estiramiento.

El método de la generación de una composición dinámica utiliza el algoritmo de Heckbert. Estealgoritmo está basado en la diferencia en los valores de los pixeles de las tres bandas de entrada. Cadapixel de las tres bandas se ubica en el cubo de colores, luego se divide el cubo en dos volúmenes ypara cada parte se calculan los puntos que están dentro y la parte con la mayor cantidad de puntosse divide de nuevo, repitiendo el proceso hasta obtener los partes indicadas por el usuario.

Finalmente, el color asignado a cada grupo de pixeles es el centro del volumen del grupo de pixelesgenerado en la subdivisión. En caso que se esté interesado en una imagen completa la opcióndinámica es la mejor opción. En caso que el usuario esté interesado en un rango limitado del espectrode la imagen, la mejor opción es la composición a color estándar, puesto que mediante el histogramase puede destacar mejor ciertos rangos del espectro.



El método estándar subdivide los ejes del cubo de colores en 6 partes iguales. De esta manera seobtiene 6x6x6 = 216 posibles colores (utilizando el formato 1 byte). Es fácil de entender que tantola opción dinámica como la opción estándar tiene una limitación en la cantidad de colores a utilizarpara el resultado. La opción 24 bits utiliza las 256x256x256 = 16'777.216 colores, pero utiliza 4 bytespor pixel para guardar el resultado (4 veces el tamaño de las opciones dinámica y estándar).Solamente en caso de tener restricciones de espacio en el disco duro o limitaciones en la resoluciónde la pantalla se deben aplicar las opciones dinámica y estándar.

5.1.1 Composiciones a falso colorEn este ejercicio se utilizarán las imágenes SPOT multiespectrales del área de estudio para generaruna composición a falso color. Se puede hacer una composición a color en diferentes formas: creandoel mapa raster en el disco duro o combinando las bandas que están en un listado de mapas.

5.1.1.1 Composiciones a falso color, creando un mapa físicoPara crear un mapa físico (en el disco duro) de una composición a color (ya sea falso color o colorpseudo natural) se use el programa “MapColorComp ”.

Existen varias maneras de accesar el programa “MapColorComp ”:

� Seleccionando del listado de operaciones la opción “Colorcomp ” con el icono que separece más al icono de un mapa raster (la primera).

� Escribiendo en la línea de comando la palabra “MapColorComp ”, luego presionando<Enter>

� Seleccionado en el menú “Operations ” la opción “Image Processing ” y luego laopción “Color Composite ”.

En el siguiente ejercicio creamos una composición a falso color de la información multiespectral.

� Entre al programa “MapColorComp ”. En caso que la configuración del monitor es de colorreal 24bits o 16bits, la opción “24 bit ” estará prendida. Normalmente se usa expansiónlineal (seleccionada por defecto) y modo “RGB” (Rojo, Verde y Azul) utilizando exclusióndel 1% del histograma para todas las bandas. Seleccione para la banda Roja el maparaster “x3", para Verde el mapa “x2" y para azul el mapa “x1" . Escriba como nombre desalida “xcomp321 ”, prenda la opción “Show ” y oprima el botón “OK”.

En esta composición a falso color (la composición convencional de las tres bandas de SPOT) lavegetación aparece en rojo. Se observa que se distingue más fácilmente las diferentes coberturas queusando una sola banda.



Como fue explicado en la parte teórica de este curso, estamos utilizando, además de informaciónvisible del espectro electromagnético, información de la parte infrarrojo del espectro, con el fin depoder distinguir coberturas las cuales serían difícil o imposible de distinguir si hubiéramos utilizadaúnicamente información de la parte visible del espectro. Ver abajo el espectro electromagnético consus diferentes usos dependiendo de la longitud de onda:

Llene la siguiente tabla describiendo el color para cada cobertura:

Cobertura Color

Bosque

Páramo

Suelos desnudos

Cuerpos de agua

Construcciones

Zonas Cultivadas

Nubes

Sombras de Nubes

Usted cree que estas coberturas son separables en una clasificación multiespectral?



5.1.1.2 Composiciones a falso color, usando un listado de mapasUn listado de mapas (como se ha explicado en el curso de inducción) es un objeto de datos que hacereferencia a varios mapas raster con el mismo dominio. En este caso podemos hacer un listado demapas para las tres bandas originales de la información multiespectral.

Existen varias maneras para crear un listado de mapas:

� Seleccionando del listado de operaciones la opción “New MapList ”.� Escribiendo en la línea de comando la palabra “create mpl ”, luego presionando

<Enter>� Seleccionado en el menú “File ” la opción “Create ” y luego la opción “Map List ”.

En este ejercicio se creará un listado de mapas con el fin de desplegarlo como composición a color.

� Cree un listado de mapas con el nombre “x123". Seleccione del listado a la izquierda elmapa raster “x1" y oprima el botón con el signo mayor que (“>”) para adicionarlo al listadoa la derecha. Repita este proceso con las bandas 2 y 3 y oprima el botón “OK”.

Observe que en la ventana principal de ILWIS aparece el icono del listado de mapas con el nombre“x123". Ahora despliegue el listado de mapas como composición a falso color.

� Haga doble clic sobre el icono del listado de mapas “x123". Aparece una ventana deldialogo donde se debe especificar las bandas (mapas raster del listado) que se asignarána los colores principales. Note que por defecto el primer mapa raster del listado de mapasse asigna al color azul, el segundo mapa al verde y el tercer mapa al color rojo. Losvalores que aparecen al lado derecho de las bandas son los rangos que corresponden al1% del histograma, utilizando la expansión lineal. Oprima el botón “OK”.

La ventaja que tiene esta forma de hacer una composición a color es que se puede cambiar los rangosde expansión lineal sin la necesidad de crear mapas físicos (en el disco duro). Con el métodoconvencional se crea un mapa raster en el disco duro.

5.1.2 Composiciones a color (pseudo)-naturalCon ILWIS a partir de las imágenes de SPOT multiespectral (3 o 4 bandas, con o sin informaciónpancromática) se pueden hacer composiciones a color pseudo-natural, generando informaciónpseudo-verde. Puesto que esto implica el proceso de “Sinergismo” (cálculos aritméticos complejosque demoran bastante tiempo), no se ha incluido esta operación en el curso básico de procesamientodigital de imágenes con ILWIS para Windows.


© X. Bakker - 2001 Georeferenciar imágenes35

6. GEOREFERENCIAR IMÁGENESLas imágenes de satélite se ven afectadas por distorsiones, causadas por la misma geometría delsensor, rotación y curvatura de la tierra, etc. Algunos de estas distorsiones, dependiendo del nivel depre-procesamiento, son corregidas por SPOT Image. Otras pueden ser corregidas mediante lacorrección geométrica, previa realización de la georeferenciación.

& La georeferenciación consiste en asignar coordenadas a las filas y columnas de la imagen.& La corrección geométrica consiste en mover los pixeles a su ubicación corregida, es decir

creando una nueva matriz, correctamente posicionada, traspasando los ND de la imagenoriginal a esa nueva matriz.

Puesto que la corrección geométrica implica el cambio de los valores ND, se recomienda aplicarloúnicamente a los resultados de la clasificación (ver capítulo 9).

6.1 Georeferenciación por medio de especificación de las coordenadas de las esquinasEn ILWIS se puede crear una georeferenciación de diferentes maneras. En caso que se reciba unaimagen geométricamente corregida, se puede usar una sencilla georeferenciación de esquinas. Estetipo de georeferenciación únicamente se crea a partir de extensión de coordenadas (es decir: Xmin,Ymin, Xmax y Ymax) y el tamaño del pixel. Se asume que la imagen está orientada hacia el Norte y quetodos los pixeles son cuadrados con igual tamaño.

En este ejercicio no trabajamos a partir de imágenes geométricamente corregida, pero en el capítulo8 necesitaremos una georeferenciación de esquinas para efectuar la corrección geométrica.

6.2 Georeferenciación por medio de puntos de control La fase más crucial del proceso de georeferenciación es el establecimiento de puntos de control, y porlo tanto demanda mayor dedicación. Para asegurar que el ajuste del mapa sea correcto, se debeestablecer un suficiente número de puntos de control, tener la precisión adecuada en los puntos ydistribuirlos para cubrir todos los extremos de la imagen. Aunque, con 3 puntos y una transformación“Affine” se puede establecer la georeferenciación, se recomienda utilizar más de 25 puntos de controlpara una imagen SPOT. Obviamente, esto solamente es posible en áreas desarrolladas, donde hayaconstrucciones y vías. Es importante que la fecha de la fuente (un mapa base análogo o un mapageoreferenciado) está lo más cercano a la fecha de la toma, con el fin de tener más certeza acerca laprecisión de los puntos y coincidencia del punto a usar como punto de control. Además cuando hayadiferencias en la fecha de las fuentes, no se pueden usar elementos dinámicos (es decir que se vayancambiando en el tiempo); tales como ríos, límites de las cascos urbanos, etc.



6.2.1 Funciones de transformaciónComo se ha hablado en el párrafo anterior, existen diferentes transformaciones para establecer laprecisión de la georeferenciación. La georeferenciación pone en relación las coordenadas de la imagencon las del mapa estableciendo una función matemática. De esta forma, a partir de las coordenadascolumna y linea de cada pixel, se puede estimar las coordenadas X y Y de la imagen de salida.

Observe a continuación el listado de las transformaciones que ILWIS soporta:

“Conformal ” Mínimo de 2 puntos de controlFórmula:

Columna = aX + bY + c1 Fila = bX - aY + c2

“Affine ” Mínimo de 3 puntos de controlFórmula: Columna = a11X + a12Y + b1 Fila = a12X + a22Y + b2

“Second order b ilinear ” Mínimo de 4 puntos de controlFórmula:

Columna = a1 + b1X + c1Y + d1XYFila = a2 + b2X + c2Y + d2XY

“Full second order ” Mínimo de 6 puntos de controlFórmula:

Columna = a1 + b1X + c1Y + d1XY + e1X² + f1Y²Fila = a2 + b2X + c2Y + d2XY + e2X² + f2Y²

“Third order ” Mínimo de 10 puntos de controlFórmula:

Columna = a1 + b1X + c1Y + d1XY + e1X² + f1Y² + g1 X³ + h1 X²Y + i1XY² + j1 Y³Fila = a2 + b2X + c2Y + d2XY + e2X² + f2Y² + g2 X³ + h2 X²Y + i2XY² + j2 Y³

“Projective ” Mínimo de 4 puntos de controlFórmula:

Columna = (aX + bY + c) / (gX + hY +1)Fila = (dX + eY + f) / (gX + hY + 1)



Por defecto la transformación “Affine ” está seleccionada. Esta transformación necesita 3 puntos decontrol. Al ingresar más que tres puntos se puede generar una óptima triangulación y para cada puntode control se puede determinar su desajuste (diferencia en X y Y expresada en pixeles) con respectoa la triangulación. El desajuste global es calculado por medio de la desviación estándar del errormedio cuadrado, llamado “sigma”.

Utilizaremos para la georeferenciación una transformación de “Full second order ” y, puesto queestamos trabajando sobre una ventana de una imagen de satélite, un mínimo de 15 puntos de control.

6.2.2 Puntos de control a parir de mapas análogosAnexados a este documento se encuentran 4 hojas con ventanas de un mapa a escala 1:100.000 delárea de estudio. A primera vista se puede identificar elementos comunes los que hemos visto en laimagen también se encuentran en la cartografía análoga.

Para georeferenciar por medio de puntos de control identificados en un mapa análogo, se debe crearuna georeferenciación de tipo “Tiepoints ” (puntos de control).

Existen varias maneras para crear una georeferenciación:

� Seleccionando del listado de operaciones la opción “New GeoRef ”.� Escribiendo en la línea de comando la palabra “create grf ”, luego presionando

<Enter>� Seleccionando en el menú “File ” la opción “Create ” y luego la opción “Georeference ”.

En este ejercicio se creará una georeferenciación de puntos de control ubicados en el mapa análogo.Puesto que es más fácil encontrar los puntos de control en la composición a color, utilizarán estemapa como fondo para la georeferenciación.

� Cree una georeferenciación con el nombre “pcmana ”. Seleccione la opción “GeoRefTiepoints ”. Especifique el mapa “xcomp321 " como fondo (“Backgr ound Map ”) y oprimael botón “OK”. Acepte los opciones del despliegue.

Se abre una ventana con la composición a color y otra ventana denominada “GeoReference Editor ”.Busque en el mapa análogo y en la composición los puntos que representan el mismo elemento(preferiblemente intersecciones de vías). Haga ampliaciones en la ventana de la composición. Observeque el mouse es como un lápiz. Con el punto (izquierdo abajo) se debe indicar el elemento que seutilizará como punto de control (hacer clic con el botón izquierdo del mouse). Esto hace aparecer unaventana llamada “Add Tie Point ” donde se identifica el número de fila y columna del pixel picado.En esta ventana se tendrán que especificar las coordenadas X y Y determinadas en el mapa análogo.

Al especificar tres coordenadas aparecen en la parte inferior de la ventana de la composición lascoordenadas X y Y determinados con base en la transformación “Affine ”.



Al especificar más de tres puntos la ventana “GeoReference Editor ” mostrará el sigma en la partesuperior de la ventana. También para cada punto se desplegará su desviación en pixeles, tanto en filascomo en columnas (ver las columnas “DRow” y “ DCol” respectivamente).

� Entre en la ventana “GeoReference Editor ” al menú “Edit ” y luego a la opción“Transformation ”. En la ventana que aparece seleccione la transformación “Full SecondOrder ” y oprima el botón “OK”.

Recuerde que necesitamos seleccionar al menos 15 puntos de control. Numera los puntos de controlen el mapa análogo.

El SIGMA puede clasificarse de la siguiente manera:

Valor Explicación0 - 1 Buena georeferenciación. Sin embargo para un proceso de Sinergismo entre SPOT pan

y SPOT multiespectral se requiere un SIGMA menor a 0.5.1 - 2 Georeferenciación aceptable para áreas rurales, no aceptable para zonas urbanas. > 2 Georeferenciación aceptable para zonas difíciles de georeferenciar (Amazonas, etc). No

es aceptable para zonas rurales ni para zonas urbanas.

Consulte con el profesor como desactivar puntos de control que tienen una desviación mayor a larequerida con el fin de obtener un sigma apropiado.

6.3.3 Puntos de control a partir de mapas digitalesComo ya se han experimentado en el ejercicio anterior, el trabajo de extraer coordenadas del mapaanálogo es bastante dispendioso. Por lo tanto ILWIS cuenta con una forma más eficiente para elingreso de coordenadas: a partir de mapas digitales.

� Cree una georeferenciación de puntos de control con el nombre “pcmdig ” utilizando lacomposición a color como fondo.

Como referencia para la georeferenciación usamos la vista de mapas con el nombre “xgeoref ”. Estavista contiene información de vías principales (1:25.000), drenajes principales (1:25.000), lagunas ycascos urbanos. Sin embargo los diferentes elementos de esta vista tienen diferentes fechas de fuentes:las vías y los drenajes tienen una fuente de información de 1988, los cascos urbanos y las lagunasfueron digitalizadas desde una imagen de satélite del 1995, la imagen multiespectral de este ejerciciofue tomada en 1994.

� Despliegue la vista “xgeoref ” al lado de la composición a color. Cambie la transformacióna “Full Second Order ”.



Haga acercamientos al elemento, tanto en la composición como en la vista “xgeoref ”. Pique elelemento en la composición y cuando aparezca la ventana “Add Tie Point ”, pique en la vista“xgeoref ” en el mismo elemento y verá que automáticamente aparecen las coordenadas en la ventana.

Seleccione al menos 15 puntos de control y compare tanto la precisión como el tiempo invertido enla georeferenciación a partir del mapa análogo con la hecha desde el mapa digital. Cual es laconclusión:

Una vez establecida una georeferenciación aceptable, se debe asignar esta georeferenciación a todaslas bandas:

� Seleccione la banda 1 (“x1") y oprima el botón a la derecha del mouse, luego entre a laopción “Properties ”. En la opción “Georeference ”, seleccione la georeferenciación“pcmdig ”.

Repita este proceso para las bandas 2 y 3. Despliegue una banda y adicione una grilla mediante laopción “Add Annotation ”, “ Grid Lines ”.

Note que cuando se cambia la georeferenciación ILWIS vuelve a calcular una sola vez el histogramaal desplegar el mapa.

Es importante entender la precisión de la cartografía (escala) que se requiere para georeferenciaruna imagen SPOT aceptablemente. Al sacar puntos de control a partir de un mapa análogo sepuede obtener una precisión de aproximadamente 0.5 mm a la escala de trabajo. Con un mapa aescala 1:100.000, estos 0.5 mm corresponden a 50 metros en la realidad. Con una imagenmultiespectral de 20 metros de resolución estos 50 metros corresponden a 2.5 pixeles lo cualrepresenta un valor del sigma de 2.5! Por lo tanto para imágenes SPOT multiespectrales conresolución espacial de 20 metros por pixel se recomienda usar mapas con escalas entre 1:25.000hasta 1:50.000, y para imágenes SPOT pancromáticas con resolución espacial de 10 metros porpixel se recomienda usar mapas con escalas entre 1:10.000 hasta 1:25.000.


© X. Bakker - 2001 Operaciones multibanda40

7. OPERACIONES MULTIBANDAPara mejorar o extraer elementos de imágenes de satélite que no pueden ser distinguidos en una solabanda, se puede emplear la información de múltiples bandas para destacarlos. Este método se puedeaplicar tanto a imágenes multiespectrales como a imágenes multitemporales.

7.1 Relaciones entre las bandas: variaciones en iluminaciónCuando un satélite registra una imagen mientras el sol no está verticalmente sobre el área de interés,esto causa diferencias en iluminación en las partes montañosas (véase el gráfico abajo).

Aunque una cobertura puede ser lamisma en ambas costados de lamontaña, el sensor los registradiferentes debido a variaciones en lailuminación. Esto puede complicar elproceso de clasificación multiespectral.

Este efecto es mínimo en las imágenes multiespectrales de SPOT y puesto que tenemos como áreade estudio un altiplano no es muy apreciable en nuestra imagen. Sin embargo, en el siguiente ejerciciopodemos evaluar este efecto.

Para hacer cálculos con varias bandas, cada banda tiene que tener la misma georeferenciación (esdecir, igual tamaño de pixel y ubicación). Los cálculos se pueden ingresar al programa “MapCalc ”,pero también se puede escribir directamente en la línea de comando. Recomendamos escribirlosdirectamente en la linea de comando ya que es una forma más rápida para ingresar la fórmula.

� Escriba el la línea de comando la siguiente fórmula y oprime <Enter> :

x2div3=x2/x3Donde:x2divx3 Es el nombre del mapa que se va a crearx2/x3 Es la formula para dividir la banda 2 por la banda 3

En la caja del dialogo acepte los valores del rango y la precisión que salen por defecto.

� Despliegue el resultado (se calcula primero) con la representación “pseudo ” y compárelocon la composición a color. Note que los valores de interés están entre 0.3 y 0.6. Observelos valores calculados cerca de la columna 1720 y la fila 810.



Emilio Chuvieco [2] determinó que en un estudio realizado alrededor de Madrid, el cociente entrela banda 4 y la banda 3 de LANDSAT TM (muy similares a las bandas 3 y 2 de SPOT) es el mismopara cada cobertura sin influencia del sol o de la sombra. Sin embargo, no se puede ajustar la imagencon este cociente, puesto que es distinto para cada cobertura. Ver tabla abajo:

Banda 4 TM Banda 3 TM Cociente

Frondosas

en sombra 25 20 1.02

en sol 50 40 1.02

Coníferas

en sombra 33 22 1.5

en sol 66 44 1.5

Por lo tanto, para corregir la respuesta espectral registrada en las bandas, se necesita un modelodigital de elevación y datos técnicos acerca del ángulo del sol, con el fin de determinar la relaciónentre el aspecto de la pendiente y la intensidad de iluminación obtenida al momento de la toma.

7.2 Índice de vegetación de diferencia normalizadoEl empleo de los cocientes para discriminar masas vegetales se deriva del peculiar comportamientoradiométrico de estas coberturas (véase el gráfico en la página 1). La firma espectral, característicade la vegetación sana, muestra un claro contraste entre las bandas visible, especialmente la banda roja(0.6 )m a 0.7 )m) y las comprendidas en el infrarrojo cercano (0.7 )m a 1.1 )m). Esto correspondea la banda 2 de SPOT en el rojo visible y a la banda 3 de SPOT en el infrarrojo cercano. Mientras enla región visible, los pigmentos de la hoja absorben la mayor parte de la luz que reciben, en elinfrarrojo cercano estas substancias son bastantes transparentes. Por esta razón, la vegetación sanaofrece baja reflectividad en la banda roja del espectro y alta en el infrarrojo cercano. El contraste conla vegetación enferma, y sobre todo con los suelos, es bastante evidente en estas dos bandas. Sepuede concluir que cuanto mayor sea el contraste entre los ND de la banda infrarroja y roja, mayorvigor vegetal presentará la cubierta observada. Bajos valores de contraste indican una vegetaciónenferma o escasa, hasta llegar a las cubiertas sin vegetación, que ofrecen un contraste muy pequeño.

El índice de vegetación de diferencia normalizado debe definirse por valores de reflectividad en lasbandas y no directamente a los ND que componen la imagen. Sin embargo, puesto que la obtenciónde la masa de la vegetación sale de los objetivos de este curso, se puede aplicar la fórmuladirectamente a los ND y así obtenemos una indicación de la masa de vegetación.



N D V IB a nda B a nda

B a nda B a ndaIR R

IR R

=−+

La fórmula para el índice de vegetación de diferencia normalizado es la siguiente:

En el siguiente ejercicio generará un índice de vegetación de diferencia normalizado. Esta fórmulase puede ingresar de dos maneras:

� Escriba el la línea de comando una de las siguientes fórmulas y oprima <Enter> :

ivdn = (x3-x2)/(x3+x2)o

ivdn = NDVI(x2,x3)

NDVI es una función predefinida en ILWIS, la cual necesita dos parámetros; la banda del visible(normalmente el rojo visible) x2 y la banda del infrarrojo cercano x3. El resultado es un mapa convalores en el rango desde -1 hasta 1. En ILWIS existe un dominio predefinido para este rango devalores el cual se seleccione por defecto al usar la función NDVI: min1to1 .

Con el fin de definir una representación especial para este mapa, creemos un dominio con el nombre“ ivdn ”:

� En la caja del dialogo “Raster map definition ”, haga clic sobre el botón para crearun nuevo dominio. En la caja del dialogo “create domain ” especifique el nombre “ivdn ”,seleccione el tipo de dominio valor y oprima el botón “OK”. Especifique el valor -1 comomínimo, el valor 1 como máximo, el valor 0.01 como precisión y oprima el botón “OK”.Luego observe que el nuevo dominio está seleccionado en la caja del dialogo “Rastermap definition ” y oprima el botón “OK”. Haga doble clic sobre el icono del mapa “idvn ”para calcular y desplegar el mapa, utilice la representación “pseudo ” para el despliegue.

Las cuerpos de agua se despliegan con color azul (el embalse de Neusa con verde), los suelosdesnudos y las zonas construidas con verde y la vegetación con rojo. Con el fin de obtener una mejorseparación de las diferentes coberturas, crearemos una representación (“pericol ”) con más colores:

baja vegetación alta vegetación

� En el catálogo de datos seleccione el dominio “ivdn ”, oprima el botón derecho del mousey seleccione del menú sensitivo al contexto la opción “Create representation ”.Especifique el nombre “ivdn ” y oprima el botón “OK”. En la ventana de la representacióncambiemos el número de tonalidades a 50: “Edit ”, “Stretch Steps ”, cambiar el valor a 50y oprima el botón “OK” (observe que se esta utilizando más tonalidades). Haga doble clicsobre el valor 1.00, cambie el color a rojo y oprima el botón “OK”.



Ahora tendremos que insertar más limites con sus correspondientes colores:

� Oprima la tecla “Insertar ”, especifique el valor -0.75 y cree un color con intensidad rojo150, verde 0 y azul 150 (150,0,150). Luego inserte los siguientes límites, según lasiguiente tabla:

Valor Color (R,V,A)

-0.50 (0,0,150)

-0.25 (0,150,255)

0 (0,125,0)

0.25 (0,255,100)

0.50 (255,255,0)

0.75 (175,0,0)

Vuelva a desplegar el mapa “ivdn ” y seleccione la representación “ivdn ”. Determine con la ayudade la composición a falso color “xcomp321 " el rango de valores en el índice de vegetación dediferencia normalizada para las siguientes coberturas:

Cobertura Rango IVDN

Bosque a

Páramo a

Suelos desnudos a

Cuerpos de agua a

Construcciones a

Zonas Cultivadas (fin del ciclo) a

Zonas Cultivadas (comienzo del ciclo) a

Nubes* a

Sombras de los nubes* a

* Note que ni las nubes ni las sombras de las nubes son coberturas.



R a tioB andaB anda

IR

V

=

7.3 Aritméticas de imágenesDentro de la parte de aritméticas de imágenes se pueden incluir las operaciones anteriores (índicesde vegetación y relaciones entre bandas). Se trata básicamente de combinar bandas por medio defórmulas generando nueva información.. De esta manera se puede generar un mapa con el promediode los ND registrados en dos o en las tres bandas:

� Escriba el la línea de comando la siguiente fórmula y oprima <Enter> :

Prom12 = (x1+x2)/2

Asigne el dominio “image ” al mapa de salida y despliegue el resultado.


Prom13 = (x1+x3)/2

Asigne el dominio “image ” al mapa de salida y despliegue el resultado.


Prom123 = (x1+x2+x3)/3

Asigne el dominio “image ” al mapa de salida y despliegue el resultado. Compare las bandas originalesy los mapas promedios.

Estos promedios no contribuyen en la clasificación, pero son aplicados frecuentemente cuando setrabajan con imágenes de RADAR. Un cociente que si puede contribuir para separar cuerpos de aguade las otras coberturas es la siguiente fórmula:

� Escriba el la línea de comando la siguiente formula y oprima <Enter> :

Ratio = x3/x1

Acepte el dominio valor, pero cambie el rango a 0 hasta 5 con precisión 0.01.



Despliegue el resultado y determine los rangos de valores para las siguientes coberturas:

Cobertura Rango en mapa Ratio

Bosque a

Páramo a

Suelos desnudos a

Cuerpos de agua a

Construcciones a

Zonas Cultivadas a

Nubes* a

Sombras de los nubes* a

* Noteque ni las nubes ni las sombras de las nubes son coberturas.

Determine con que rango de valores se pueden distinguir los cuerpos de agua de las demáscoberturas: utilizando un rango de ......... hasta ...........

Otras operaciones multibanda que no han sido incluidas en este curso básico son los componentesprincipales, estadísticas multibanda y la creación de mosaicos a partir de múltiples imágenes.


© X. Bakker - 2001 Clasificación de las imágenes46

8. CLASIFICACIÓN DE LAS IMÁGENESPara la mayor parte de los usuarios de la teledetección , la clasificación supone la fase más importantedel procesamiento digital de las imágenes. Las operaciones de los capítulos anteriores están enfocadasa obtener un mapa de la cobertura. Los ND no tienen sentido en si mismos, sino en cuanto soninterpretables; esto es, convertibles a categorías que supongan un mejor conocimiento del territorio.Esta interpretación se puede hacer visualmente, o digitalmente (lo que se pretende en este curso).Como resultado se obtiene un mapa de cobertura que define la localización y/o unas tablasestadísticas que ofrecen el inventario superficial de las categorías de interés [2].

Puesto que los valores ND no están directamente relacionados a una cobertura predefinida, siemprehabrá que hacer un trabajo de campo. Esto se puede hacer antes de la clasificación con el fin deestablecer la relación entre cobertura y respuesta espectral, o se puede hacer después de unaclasificación multiespectral con el fin de ajustar dicha clasificación. Es importante tomar en cuenta,que un mayor número de puntos de muestreo en campo bien distribuidos sobre el área de interéspermite obtener una clasificación más fiel. Asimismo, cuando la fecha del trabajo de campo es máscercano a la fecha (o época) de toma de la imagen, se puede establecer más fácil una relación realentre ND y cobertura.

8.1 “Density slicing” (clasificación de una sola banda)Por medio de la clasificación de una sola banda (“Density Slicing ”) se trata de distinguir diferenteselementos con base en una sola banda (o un mapa derivado de múltiples bandas). Como hemos vistoen los ejercicios anteriores (3.6 Pixeles y números digitales, 7.2 Índice de vegetación de diferencianormalizado y 7.3 Aritméticas de imágenes) existen traslapos entre rangos de valores al compararcoberturas en una sola banda. Por lo tanto la clasificación de una sola banda no es una herramientapara generar un mapa de cobertura representativa, pero una herramienta para ayudar a separarcoberturas que no se podían separar por medio de una clasificación multiespectral.

En el siguiente ejercicio tratamos de separar diferentes coberturas utilizando el mapa “ratio” (banda3 / banda 1):

� Entre a la opción “New Domain ”, especifique el nombre “ratiocl ” como nombre para eldominio, marque la opción “Group ” para crear un dominio de clases agrupadas y oprimael botón “OK”. Oprima la tecla “Insertar” para insertar una nueva clase. En la caja deldialogo “Add domain item ” especifique el valor 0.4 como “Upper Bound ” (limite superiorde la clase), “Cuerpos de agua” como “Name” y oprima el botón “OK”. Repita este procesopara las siguientes clases:



Upper Bound Name

0.6 Construcciones

1 Mezcla: Constr./Suelos/Páramo/Nubes/Sombras

1.5 Bosques

1.8 Mezcla: Bosque/Cultivos

4 Cultivos

Cierre el dominio cuando todas las clases estén definidas.

Ahora se tiene que aplicar el proceso de clasificación de una sola banda:

� Entre a la opción “Slicing ”, especifique el mapa “ratio ” como mapa de entrada, “ratiocl ”como mapa de salida, seleccione el dominio “ratiocl ”, prenda la opción “Show ” y oprimael botón “OK”.

Para mejorar el despliegue es necesario asignar unos colores más representativos:

� En la ventana del mapa “ratiocl ” entre el menu “Edit ”, seleccione la opción“Representation ” y luego “1 map ratiocl ”. Asigne los siguientes colores predefinidos:

Name Color

Cuerpos de agua “Blue”

Construcciones “Red”

Mezcla: Constr./Suelos/Paramo/Nubes/Sombras “SandyBrown”

Bosques “ForestGreen”

Mezcla: Bosque/Cultivos “Green”

Cultivos “Yellow”

Usted cree que este método es fiable para generar un mapa de cobertura vegetal?



8.2 Clasificación multi-espectralLa clasificación multiespectral de las imágenes es un proceso donde se relaciona un significado a larespuesta espectral que contienen varias bandas. Normalmente, el ND de un pixel es el resultado dela combinación de respuestas espectrales de las coberturas que se registran dentro de un pixel. Porlo tanto el uso de imágenes con mayor resolución espacial incrementa la confiabilidad de lainterpretación. Asimismo, el tener más respuestas espectrales ayuda a separar las diferentes clases decoberturas.

Existen dos tipos de clasificación: la clasificación no-supervisada (“cluster ”) y la clasificaciónsupervisada

8.2.1 Clasificación no-supervisadaLa clasificación no-supervisada tiene como objetivo la definición de las clases espectrales presentesen la imagen. No implica ningún conocimiento del área de estudio, por lo que nuestra intervenciónse centra más en la interpretación, que en la consecución de los resultados.

Se asume que los ND de la imagen forman una serie de agrupaciones o conglomerados (clusters),más o menos nítidos según el caso. Estos grupos equivaldrían a pixeles con comportamiento espectralhomogéneo y, por lo tanto, deberían definir clases temáticas de interés. Desafortunadamente las clasesresultado de este proceso, no siempre representan las clases que el temático pretende separar. Sinembrago, esta herramienta constituye un gran apoyo para evaluar la separabilidad entre clases.

En el siguiente ejercicio efectuaremos una clasificación no-supervisada:

� Entre a la opción “Cluster ”, especifique los tres bandas originales como bandas deentrada, deje el número de cluster en 10, especifique “clust10 " como mapa de salida,prenda la opción “Show ” y oprima el botón “OK”.

Edite la representación de este mapa y compare el resultado con el mapa “ratiocl ”. Se puede observarque los cuerpos de agua están separados en los cluster 1 (Embalse de Tominé), cluster 3 (Laguna deSuesca) y cluster 7 (Embalse de Neusa). Las clases generadas no representan las clases que queremosdistinguir. Se puede incrementar el número de cluster en este proceso, pero es mejor efectuar laclasificación supervisada.

8.2.2 Clasificación supervisadaLa clasificación supervisada parte de un cierto conocimiento de la zona de estudio, adquirido porexperiencia previa o por trabajos de campo. Esta mayor familiaridad permite al intérprete delimitarsobre la imagen unas áreas que se consideran suficientemente representativas de las diferentescoberturas que componen la leyenda. Estas áreas se denominan “campos de entrenamiento”. Eltérmino indica que tales áreas sirven para “entrenar” al computador en el reconocimiento de lasdistintas coberturas.



En otras palabras, a partir de ellas el computador calcula los ND que definen cada una de las clases,para luego extrapolar esta información al resto de los pixeles que conforman la imagen. Es importanteseleccionar varios campos por cobertura con el fin de reflejar adecuadamente su variabilidad en lazona de estudio [2].

8.2.2.1 Fase de entrenamientoComo se explicó anteriormente la fase de entrenamiento es la parte más crítica de la clasificación. Encaso de asignar un significativo erróneo a unos pixeles, se generarán traslapos de clases y causará unresultado poco confiable.

En este ejercicio empezaremos la clasificación supervisada:

� Entre a la opción “New SmplSet ”, especifique el nombre “cobert ” como “Sample SetName”, como listado de mapas cree uno nuevo con el nombre “x321geo " ya que el listado“x321" fue creado cuando las bandas todavía no tenían una georeferenciación. Oprimael botón para crear el dominio que utilizaremos para clasificar las coberturas. Asigne elnombre “cobert ” al dominio y adicione las siguientes clases:

Bosque (50,130,75)Páramo (150,200,160)Suelos desnudos (190,140,110)Cuerpos de agua (tipo 1) (65,105,225)Cuerpos de agua (tipo 2) (115,160,255)Cuerpos de agua (tipo 3) (25,205,225)Centro urbano (180,0,0)Periferia urbana (255,0,0)Pasto (255,255,0)Zonas Cultivadas (vegetación densa) (0,255,0)Zonas Cultivadas (vegetación escasa) (245,165,95)Viveros (235,250,145)Nubes (170,170,170)Sombras de las nubes (0,0,0)

Cierre la ventana del dominio al finalizar y oprima el botón “OK” en la ventana de “Createa new Sample Set ”.

El mensaje “Please zoom in to edit ” aparece varias veces en la pantalla, indicando que el usuariotiene que hacer acercamientos para seleccionar pixeles de entrenamiento. A partir del listado “x321"se genera el despliegue (una composición a falso color), asegúrese que se está utilizando la banda 3para Rojo, la banda 2 para Verde y la banda 1 para Azul. Además de la composición aparecerá laventana de las estadísticas de entrenamiento.

Antes de proceder edite la representación según los colores indicados anteriormente.



� Haga un acercamiento al Embalse de Neusa, y seleccione (creando un rectángulo) variospixeles (500-750) en la mitad del embalse. Luego oprima el botón derecho del mouse yseleccione del menú sensitivo al contexto la opción “Edit ”. En la ventana “Edit ” seleccionela clase “Cuerpos de agua (tipo 1) ” y oprima el botón “OK”.

Luego desplace la ventana hacia la Laguna de Suesca y asigne a grupos de pixelesrepresentativos la clase “Cuerpos de agua (tipo 2) ”. Asigne a pixeles del Embalse deTominé la clase “Cuerpos de agua (tipo 3) ”.

Con el fin de evaluar la separabilidad de las clases a las cuales hemos asignado grupos de pixeles deentrenamiento, se puede desplegar unos gráficos llamados “Feature Spaces”.

8.2.2.2 Despliegue de “Feature Spaces”Un Feature Space muestra la respuesta espectral de los pixeles asignados a las clases usandodiferentes colores, usando para los ejes dos bandas que el usuario elige. Cuando haya traslapo entrelas clases (mezcla de colores), entonces habrá problemas en separar estas clases.

� Seleccione del menú “Edit ” la opción “Feature Space ”.Puesto que las bandas 1 y 2 son muy similares solamentecreamos feature spaces de las bandas 1 y 3 y de lasbandas 2 y 3: Seleccione “x1" como “Band 1 " y como“Band 2 " seleccione “x3" y oprima el botón “OK”. Repita elproceso para el feature space para “x2" y “x3".

Observe que las tres clases de agua son bien separablesespecíficamente en la banda 2.

Otra manera de evaluar la separabilidad de las clases es por medio de las estadísticas de muestreo.

8.2.2.3 Evaluación de estadísticas

ILWIS calcula para cada grupo de entrenamiento, comopara cada clase las siguientes estadísticas, que ayudan aevaluar la selección de pixeles o la clase de interés:

“Mean” La media“StDev” Desviación típica“Nr” Número de pixeles con el valor predominante“Pred” El valor predominante“Total ” Total de pixeles seleccionados ó en la clase



Mientras la desviación típica sea pequeña, los ND que componen la clase tiene poca diferencia. Estomejora la separabilidad (menos posibilidad de traslapos), pero existen elementos con un alto gradode diferencia en los NDmin y NDmax para las diferentes bandas.

� Continúe seleccionando pixeles de entrenamiento para todas las clases. Los campos deentrenamiento deben estar bien distribuidos sobre la imagen.

Se puede ver que existen varias clases que tienen un comportamiento similar en las bandas. Lasconstrucciones, tanto de los centros como de la periferia urbana tienen una respuesta espectral muysimilar. Los centros urbanos normalmente por ser construidos mas densos tienen una respuesta unpoco mas baja. La periferia urbana por estar combinada con suelos desnudos (en construcción) yparques genera una respuesta mezclada. Los viveros, por tener la respuesta de construccionesmezclada con vegetación, aparecen con una respuesta un poco más alta en la banda 3.

8.2.2.4 Clasificación del muestreoUna vez terminada la selección y estudio de las categorías que intervendrán en la clasificación, seinicia la fase de asignación. En esta fase se trata de asignar a cada pixel de la imagen una categoría.Esta asignación se realiza, naturalmente, en función de sus ND, para cada una de las bandas queintervienen en el proceso. Fruto de esta fase será el mapa temático de cobertura.

ILWIS soporta varios algoritmos para la asignación de las clases.

8.2.2.4.1 “Box classifier”Alrededor del medio de las clases se dibuja una caja (box) con el tamaño basado en la desviacióntípica. El usuario puede especificar un factor de multiplicación para agrandar las cajas. Cuando el NDde un pixel está dentro de una caja, se asigna esta clase al pixel. En caso que el ND está en dos o máscajas, se asigna la clase correspondiente a la caja más pequeña. Cuando el ND de un pixel no quedadentro de ninguna caja, el pixel quedará sin clasificar.

El factor multiplicador por defecto es raíz de 3.



8.2.2.4.2 “Minimum Distance classifier”Con el fin de clasificar los valores espectrales de un pixel, la distancia hacia el medio de cada clasees calculada. En caso que la distancia a la clase más cercana sea menor que un valor especificado porel usuario, la clase es asignada al pixel. En caso contrario el pixel quedará sin clasificar.

Por lo tanto este tipo de clasificación no solo considera la respuesta espectral sino también suubicación en el mapa.

8.2.2.4.3 “Minimum Mahalanobis Distance classifier”Para este tipo de clasificación la distancia hacia el medio de cada clase es calculada como distanciaMahalanobis. Esta distancia depende de la distancia hacia el medio de la clase y la matrizvarianza-covarianza de cada clase. En caso que la distancia Mahalanobis a la clase más cercana seamenor que un valor especificado por el usuario, la clase es asignada al pixel. En caso contrario el pixelquedará sin clasificar.

8.2.2.4.4 “Maximum Likelihood classifier”El método de máxima probabilidad considera que los ND en el seno de cada clase se ajustan a unadistribución normal. Esto permite describir la categoría por una función de probabilidad, a partir desu vector de medias y matriz de varianza-covarianza. En pocos palabras, esa función asemeja ladistribución real de los ND en esa categoría, por lo que nos sirve para calcular la probabilidad de queun pixel (con un determinado ND) sea miembro de ella. El cálculo se realiza para todas las categoríasque intervienen en la clasificación, asignando el pixel a aquella que maximice la función deprobabilidad.

8.2.2.4.5 Efectuar la clasificaciónEn este ejercicio clasificaremos la imagen usando diferentes métodos, con el fin de determinar el quemás se ajuste a la realidad.

� Entre al programa “Classify ”. Seleccione “cobert ” como “Sample Set ”. Por defecto estáseleccionada la opción “Box classifier ”. Acepte esta opción y también el valor 1.732051como factor de multiplicador. Cambie el nombre de salida a “clbox17 " y oprima el botón“OK”.

Repita este proceso para generar los siguientes mapas:Mapa Método Factor multiplicador Treshold distanceclbox25 Box classifier 2.5 -cldis100 Minimum Distance - 100clmah100 Min. Mahalanobis Distance - 100cllik100 Maximum Likelihood - 100



8.2.2.5 Evaluar los resultados de la clasificaciónDespliegue los mapas “clbox17 ", “clbox25 ", “cldis100 " y la composición a falso color “xcomp321 "y compare los resultados.

ILWIS cuenta con una herramienta para la consulta de múltiples mapas: “Pixel Information”.

� En la ventana del mapa “xcomp321 " seleccione el menú “File ” y luego la opción “OpenPixel Information ”. Una ventana aparece donde se puede adicionar múltiples mapas conel fin de consultarlos. En el menú “File ” de esta ventana seleccione la opción “Add Map ”,y luego seleccione el mapa “clbox17 " y oprima el botón “OK”. Adicione también los mapas“clbox25 " y “cldis100 ". Observe como los valores cambian mientras se desplaza el mousesobre el mapa “xcomp321 ".

Cual método se ajuste más a la realidad?

8.2.2.6 Operaciones posteriores a la clasificaciónUsted ya ha podido ver que existen traslapos espectrales entre las clases de “Centro urbano”,“Periferia urbana” y “ Suelos desnudos”. Por lo tanto hemos obtenido unos grandes núcleos urbanosen la parte superior central de la imagen (área que corresponde a suelos desnudos). Con el fin decorregir esto, uniremos las tres clases anteriormente mencionadas y las asignamos a “Suelosdesnudos”. Luego incorporaremos los cascos urbanos que tenemos en el mapa de polígonos “xcab2 ".

Puesto que los nombres de estas clases son relativamente largos, hacemos unos adiciones en eldominio “cobert ”:

� Haga doble clic sobre el icono del dominio “cobert ”. Luego haga doble clic sobre elelemento “Centro urbano” y escriba en el campo “Code” el código “CU”. Repita esto para“Periferia urbana” asignando el código “PU” y para “Suelos desnudos” el código “SD” ycierre el dominio.

� Escriba en la línea de comando la siguiente fórmula y oprima <Enter> :

Tmpcob =IFF((cldis100=”CU”) or (cldis100=”PU”),”SD”,cldis100)

Asigne el dominio “cobert ” al mapa de salida y despliegue el resultado.

Esta superposición condicional escribe en el mapa de salida “tmpcob ” la unidad “Suelos desnudos”(“SD”) cuando encuentra en el mapa “cldis100 " las clases “CU” o “PU” (las zonas urbanas) o encaso de no encontrar estas clases se reproduce el mapa “cldis100 ".

Despliegue sobre el mapa “tmpcob ” el mapa de polígonos “xcab2 ". Note que de esta manera laszonas urbanas no se están incorporando en el mapa “tmpcob ”. Esto se harán en el capítulo 8.



8.2.2.7 Filtros de predominanciaLos filtros de predominancia pueden ser usados para corregir pequeñas áreas (pixeles aislados conuna clase distinto de los de su vecindad directa). En este ejercicio aplicamos un filtro depredominancia al mapa “tmpcob ” para corregir estos errores.

� Entre al programa “Filter ” y seleccione el mapa “tmpcob ” como mapa de entrada.Seleccione el tipo de filtro “Majority ” y el nombre del filtro “Majority ”. Luego escriba comonombre del mapa de salida “tmpcob2 ", prenda la opción “Show ” y oprima el botón “OK”.Note que por defecto está seleccionado el dominio “cobert ”.

Compare el resultado con el mapa de entrada.

En caso que usted ha notado que algunos pixeles se han quedado sin asignación de una clase, sepuede aplicar el filtro “Majundef ”. Esto preferiblemente se hace antes de aplicar el filtro “Majority ”puesto que puede asignar a más pixeles el valor indefinido.

OJO Existe la posibilidad que muchos pixeles queden sin clasificar. En tal caso se debe o incluirmás pixeles en la fase de entrenamiento se debe aumentar el valor del factor multiplicadoró el “Treshold distance” según es el caso.


© X. Bakker - 2001 Corrección geométrica55

9. CORRECCIÓN GEOMÉTRICA DE LOS RESULTADOSLa corrección geométrica traslada los ND de una imagen georeferenciada a una nueva matriz con elnorte orientada hacia arriba. Puesto que en este proceso el valor del ND puede cambiar (el valor delND que resulta es el producto de la combinación de varios ND de la imagen original), se recomiendaaplicar este proceso a los resultados de la interpretación. En algunos casos es inevitable aplicar esteproceso antes de una interpretación. Por ejemplo, cuando se aplica un proceso de sinergismo y losresultados son utilizados para la interpretación. En tal caso se debe utilizar el procedimiento quemenos afecta el ND original.

9.1 Diferentes funciones de transformaciónILWIS cuenta con tres funciones de transformación; vecino más cercano, interpolación bilineal yconvolución cúbica.

9.1.1 Vecino más cercano (Nearest Neighbour)El primer método se denomina “vecino más cercano” (nearest neighbour), por situar en cada celdade la imagen corregida el valor (o clase) del pixel más cercano en la imagen original. Esta es lasolución más rápida y la que supone menor transformación de los valores (o clases ) originales. Suprincipal inconveniente radica en la distorsión que introduce en rasgos lineales de la imagen(fracturas, carreteras o drenajes), que pueden aparecer en la corregida como lineas quebradas [2].

9.1.2 Interpolación bilineal (Bi-Linear)La interpolación bilineal, supone promediar el ND de los cuatro pixeles más cercanos de la imagenoriginal. Este promedio se pondera según la distancia del pixel original al corregido: tienen una mayorinfluencia aquellos pixeles más cercanos en la imagen inicial. Reduce el efecto de distorsión en rasgoslineales, pero tiende a difuminar un tanto los contrastes espaciales de la imagen original [2].

9.1.3 Convolución cúbica (Cubic Convolution)Por último, la convolución cúbica considera los valores del pixel (o clases) de los 16 pixeles máspróximos. El efecto visual es más correcto, pero supone un volumen de cálculo mucho más elevado.

9.2 Crear una georeferenciación de esquinas.Independiente de la transformación que se va a emplear, se requiere tener una georeferenciación deesquinas. Para determinar las variables se debe desplegar la composición a falso color y determinarlas coordenadas de las 4 esquinas. De esta forma se puede obtener el rango X y Y. Anote abajo lascoordenadas:

Mínimo Máximo

X

Y



Ahora creemos la nueva georeferenciación:

� Entre a la opción “New GeoRef ”. Escriba “Sabana ” como nombre de la georeferenciación,escriba los coordenadas de la tabla anterior, cambie el tamaño del pixel a 20 y oprima elbotón “OK”.

9.3 Re-muestreo hacia una georeferenciación de esquinasEl proceso de remuestreo corregirá geométricamente el mapa que tenemos:

� Seleccione el mapa “tmpcob2 ", oprima el botón derecho del mouse y seleccione la opción“Image Processing ” y luego “Resample ”. Note que la única transformación que elprograma permite con este mapa es la del vecino más cercano. Esto es por que el mapade entrada tiene un dominio tipo clase y por lo tanto no puede hacer promediosponderados. Escriba el nombre “cobgeo1 " como nombre de salida, seleccione lageoreferenciación “Sabana ”, prenda la opción “Show ” y oprima el botón “OK”.

En el despliegue del mapa se puede observar que el mapa se rotó con las manecillas del reloj.Adicione la grilla para verificar que ahora el norte está orientado verticalmente hacia arriba. Ya elmapa está en condiciones para incorporar las zonas urbanas.

9.4 Incorporar las zonas urbanas en el mapa de coberturaPuesto que el mapa de las zonas urbanas está en formato vectorial, tendremos que rasterizarlo parapoder combinarlo. Una de las condiciones para la superposición es que todos los mapas queintervienen estén en formato raster y comparten la misma georeferenciación de esquinas. Por lo tantorasterizaremos el mapa con la georeferenciación “Sabana”.

� Seleccione el mapa de polígonos “xcab2 ", oprima el botón derecho del mouse yseleccione la opción “Polygon to Raster ”. Cambie el nombre del mapa de salida a“zonasurb ”, seleccione la georeferenciación “Sabana ”, prenda la opción “Show ” y oprimael botón “OK”.

Por medio de una superposición condicional incorporaremos las zonas urbanas:

� Escriba en la línea de comando la siguiente fórmula y oprima <Enter> :

Cobgeo2 = IFF(isundef(zonasurb),cobgeo1,”CU”)

Asigne el dominio “cobert ” al mapa de salida y despliegue el resultado.

Se puede notar que un pueblo fue incorporado al mapa, pero sale de las dimensiones de laclasificación. Esto se puede corregir, recodificando el mapa raster zonasurb (“Unique ID ”) , luegodeterminar cual es su código y por medio de una superposición condicional asignarle el valor “?”.



El resultado debe ser similar al gráfico desplegado abajo:

A partir de este mapa se puede calcular el histograma (de la misma manera que con las bandas) ypresentar los resultados en un reporte.

ConclusionesComo conclusión general se puede establecer que en este curso únicamente se trataron las etapasbásicas de procesamiento digital de imágenes. La teledetección incluye una gran gama de aplicacionescon sus propios procedimientos. Se recomienda leer el libro de Emilio Chuvieco “Fundamentos deteledetección espacial” para profundizar los conceptos de procesamiento digital de imágenes.

Las operaciones usados en este curso de ILWIS son solamente una pequeña parte de la totalidad delas que ILWIS ofrece. Antes de seguir con el curso avanzado de procesamiento digital de imágenescon ILWIS se recomienda hacer el curso de análisis y modelamiento.


© X. Bakker - 2001 Procesar ventana Landsat TM58

10. PROCESAR UNA VENTANA DE UNA IMAGEN LANDSATCon el fin de evaluar los conocimientos previamente adquiridos se hará un ejercicio usando unaventana (Cochabamba) de una imagen Landsat TM. El objetivo es clasificar la ventana, haciendo usode sus bandas espectrales, en las siguientes clases de cobertura:

& Zonas urbanas& Bosques& Suelos desnudos& Cuerpos de agua& Cultivos& Pastos& Rastrojo

El mapa de polígonos “landuse” contiene los usos de la tierra en la misma área. Este mapa puede serusado como guía para la clasificación en la fase de entrenamiento. Ojo: el mapa vectorial puedecontener información desactualizada y contener más clases!

Puesto que las imágenes ya están georeferenciadas no es necesario pasar por todas las fases delprocesamiento digital de las imágenes. A continuación encontrará el listado de operaciones que sedeben efectuar:

Composición a color: Se debe seleccionar la composición a color que más se ajuste alobjetivo.

Operaciones multi-banda: Índice de vegetaciónClasificación de imágenes: Clasificación no-supervisada y clasificación supervisada (incluyendo

en caso necesario los filtros de predominancia)Corrección geométrica: Re-muestreo hacia un georeferenciación de esquinas

Es importante entender la diferencia entre las imágenes SPOT y Landsat TM. En caso que se creeel índice de vegetación, se deben sustituir las bandas de SPOT por las bandas de Landsat TM segúnla parte del espectro electromagnético a que corresponden.


© X. Bakker - 2001 Respuestas59

11. RESPUESTAS

3.1 Despliegue de imágenes de satélite (página 15):La banda 1 que se encuentra en el mapa raster llamado x2 es similar a la banda 2 contenida enel mapa raster llamado x3 por la siguiente razón:

Las bandas 1 y 2 fueron adquiridas en la parte visible del espectro electromagnético.

La imagen pancromática no se parece a la banda 3 de la imagen multiespectral, pero sí a las bandas1 y , por lo tanto se puede concluir que la imagen pancromática fue tomado en la parte visible delespectro electromagnético.

3.5 Generar un sub mapa de la información útil (página 18):

Informaciónmultiespectral

Informaciónpancromática

Primera Fila 2 2

Primera Columna 33 33

Número de Filas* 3008 - 2 + 1 = 3007 6017 - 2 + 1 = 6016

Número de Columnas* 3410 - 33 + 1 = 3378 6788 - 33 + 1 = 6756

* Note que para determinar el número de filas y columnas con información útil, se debe usarel número de la fila o columna donde termina la información útil, restar la primera fila ocolumna y luego sumar 1.

3.6 Pixeles y números digitales (página 19)

Cobertura Banda 1 - XS Banda 2 - XS Banda 3 - XS

Bosque 60 - 70 35 - 45 70 - 110

Páramo 75 - 80 50 - 60 60 - 85

Cuerpo de agua 50 - 55 y 125 - 130 25 - 30 y 110 - 120 33 - 50

Construcciones 100 - 155 100 - 130 70 - 110

Zonas Cultivadas 80 - 115 50 - 80 150 - 200



4.1.1 Cálculo del histograma (página 21):


2% 60 144

5% 64 123

10% 68 108


2% 36 126

5% 40 106

10% 43 86


2% 41 206

5% 71 192

10% 82 179

4.1.3 Comparación de la imagen original con la imagen mejorada (página 23):Para cual banda es menos notorio el efecto del mejoramiento: la banda 3

Explique por que:

Si comparamos los valores ND mínimo y máximo correspondiente al 2% delhistograma, se puede concluir que la banda 1 está usando ( 144-60+1) 85 númerosdigitales, la banda 2 está usando ( 126-36+1) 91 números digitales y la banda 3 (206-41+1) 166. Al redistribuir estos números digitales sobre los 256 niveles devisualización disponibles, para la banda 3 se ut ilizará un factor de expansión de256/166 = 1.54 el que es menor que el factor para la banda 1 (256/85 = 3.01) y elfactor para la banda 2 (256/91 = 2.81).



4.1.4 Ecualización del histogramaExplique por que el valor del porcentaje para excluir del histograma es 0% para la ecualización delhistograma y el 1% para la expansión lineal:

La expansión lineal debe excluir un porcentaje mayor al 0% para tener efecto.Cuando una imagen tiene nubes, estas nubes tienen ND cerca al 255 y las sombrastienen ND cerca al 0. En caso de no excluir al gún porcentaje se distribuirá los 256ND sobre 256 NV, lo cual corres ponde al despliegue original sin aplicar la expansiónlineal. Para la ecualización del histograma la exclusión del 1 porciento del histograma (entre0-1% y entre 99-100%) corresponde teóricamente al 2% de los NV. Puesto quetenemos 256 NV, 2% corres ponde a 5 NV, lo cual no es notable.

4.2.3 Explicación adicional sobre el funcionamiento de filtrosAplique el filtro “edgesenh ” al siguiente mapa y especifique los valores para el mapa de salida:

2 2 8 4 4

2 2 8 4 4 -1 -1 -1 -1 12 3

6 6 7 3 3 -1 16 -1 7 9 1

4 4 5 6 6 -1 -1 -1 3 5 7

4 4 5 6 6

Mapa de Entrada Filtro Mapa de Salida Gain: 0.125 y Offset: 0

Se puede notar que tanto el valor mínimo (2) y el valor máximo (8) del mapa de entrada seven exagerados (respectivamente -1 y 12).

Que hace el siguiente filtro:

2 8 4 0 0 0 2 8 4

6 7 3 0 2 0 6 7 3

4 5 6 0 0 0 4 5 6

Mapa de Entrada Filtro Mapa de SalidaGain: 0.5 y Offset: 0



El filtro reproduce exactamente el mapa de entrada, puesto que únicamente toma en cuentael pixel central de los 9 pixeles y lo multiplique con 2 (valor del filtro) y luego lo multiplicacon 0.5 (valor del “Gain”) resultando en el valor de entrada.

5.1.1.1 Composiciones a falso color, creando un mapa físico (página 32):

Cobertura Color

Bosque vino tinto - rojo oscuro

Páramo verde - gris

Suelos desnudos verde claro

Cuerpos de agua negro / azul oscuro / verde azul

Construcciones cyan - gris - verde

Zonas Cultivadas rojo intenso

Nubes* blanco

Sombras de los nubes* negro

* Note que ni las nubes ni las sombras de los nubes son coberturas.

6.3.3 Puntos de control a partir de mapas digitales (página 39):Seleccione al menos 15 puntos de control y compare tanto la precisión (sigma) como el tiempoinvertido en la georeferenciación a partir del mapa análogo con la hecha desde el mapa digital. Cuales la conclusión:

La georeferenciación utiliza ndo puntos de control sel eccionados en el mapa digitalpermite ubicar los puntos con mayor precisión. El mapa digital está basado eninformación a escala 1:25.000 y el mapa anál ogo fue impreso a escala 1: 100.000. Enun mapa análogo se puede determinar un punto con aproximadamente 0.5 mm deprecisión lo cual corresponde a 50 metros (son 2.5 pixeles de 20 metros, entoncesse justifica un sigma de 2.5). En el mapa digital se pueden hacer los acercamientosnecesarios para ubicar los puntos con precisión. Además, no se requiere calcar ydigitar las coordenadas. Como referencia se puede adicionar el mapa digital en eldespliegue y determinar en que partes de la imagen se requiere mas puntos decontrol para obtener mayor precisión.



7.2 Índice de vegetación de diferencia normalizado (página 43):Determine el rango de valores con el índice de vegetación para las siguientes coberturas:

Cobertura Rango IVDN

Bosque 0.35 a 0.50

Páramo 0.00 a 0.15

Suelos desnudos -0.20 a 0.00

Cuerpos de agua -0.55 a -0.15

Construcciones -0.25 a -0.05

Zonas Cultivadas (fin del ciclo) 0.50 a 0.75

Zonas Cultivadas (comienzo del ciclo) 0.00 a 0.50

Nubes* -0.10 a 0.00

Sombras de los nubes* 0.00 a 0.25

7.3 Aritméticas de imágenes (página 45):Despliegue el resultado y determine los rangos de valores para las siguientes coberturas:

Cobertura Rango en mapa Ratio

Bosque 1.00 a 1.80

Páramo 0.90 a 1.05

Suelos desnudos 0.70 a 1.00

Cuerpos de agua 0.25 a 0.40

Construcciones 0.50 a 0.75

Zonas Cultivadas 1.50 a 3.00

Nubes* 0.60 a 1.00

Sombras de los nubes* 0.60 a 1.00

* Note que ni las nubes ni las sombras de las nubes son coberturas.

Determine con que rango de valores se pueden distinguir los cuerpos de agua de las demáscoberturas: utilizando un rango de 0 o 0.25 hasta 0.4.


© X. Bakker - 2001 Bibliografía64

BIBLIOGRAFÍA

[1] Bijker, W. 1997. Radar for rain forest. A monitoring system for land cover change in theColombian Amazon. ITC publication 53, Enschede. 192 pp.

[2] Chuvieco, E. 1995. Fundamentos de teledetección espacial. Ediciones Rialp S.A. Madrid.453 pp.

[3] FAO, 1993. Radar imagery: theory and interpretation. Lecture notes. FAO, Rome. 103 pp.[4] Gonima G., L. 1995. Fundamentos físicos de la percepción remota. IGAC. Santafé de

Bogotá. 20 pp.[5] ILWIS. 1997. ILWIS User’s Guide. ITC. Enschede 511 pp.[6] Microsoft. 1999. Enciclopedia Encarta 99. CD-ROM[7] Montoya P., J. A. 1995. Clasificación de los sensores remotos y plataformas utilizadas en

percepción remota. IGAC, Santafé de Bogotá. 158 pp.[8] Richards, J. A. 1986. Remote sensing digital image analysis, an introduction. Springer-

Verlag, Berlin. 281 pp.

procesamiento digital de imágenes - ilwis

Documents