Tema 5

Visualización de imágenes

Tradicionalmente se ha dividido el análisis de imágenes de satélite en 2 fases, un análisis visual y unanálisis digital. El primero es similar en muchos aspectos a la fotointerpretación clásica con las ventajasque aporta la fotografía digital en cuanto a las posibilidades de retocar y realzar las imágenes. Dando porsupuestos suficientes conocimientos de fotointerpretación por parte del alumno se procederá a estudiardiferentes técnicas digitales que pueden mejorar el análisis visual.

Aunque el espectro electromagnético abarca un ámplio número de regiones, el ojo humano sólo puedeapreciar los colores azul, verde y rojo, formándose los demás como combinaciones de estos tres coloresprimarios. De este modo podemos descomponer cualquier imagen en tres componentes de reflectividad(azul, verde y rojo). Los dispositivos de visualización de imágenes (monitores, televisiones, etc) formansus imágenes mediante la combinación de diferentes niveles de intensidad en estos tres colores.

En este ejemplo (figura 5) se puede ver la descomposición de una imagen de colores vivos en 3 imágenesque reflejan la intensidad en el azul, el verde y el rojo y dos recomposiciones, una en blanco y negro yotra reorganizando caprichosamente los tres colores. La intensidad del rojo se pasa por el canal azul, ladel color azul por el canal verde y la del color verde por el canal rojo. Este tipo de recombinaciones sonmuy usuales en teledetección.

Todas las técnicas de análisis visual que se analizan en este tema se caracterizan por suponer tan solo unamodificación de la paleta de colores sin alterar la matriz de datos. Otro tipo de técnicas que se estudiaránposteriormente, como el filtrado, implican posteriormente una modificación de la imagen.

Como ejemplo de los resultados producidos por las diferentes herramientas para mejorar la visualizaciónde imágenes, se va a utilizar una capa correspondiente a la banda azul de una imagen Landsat-5 delcentro de Murcia (figura 5).

5.1 Ajuste de contraste

Los sensores utilizados en teledetección están calibrados para recibir valores muy altos de radiación sinllegar a saturarse por lo que lo normal es que todos los valores recibidos estén muy por debajo de los

57

58

Figura 5.1: Composición de color

máximos posibles. La consecuencia es que los valores de ND obtenidos son muy bajos y las imágenesse van a ver oscuras. Una forma de solventar este problema es ajustar el contraste mediante diversastécnicas que a continuación se exponen. Con ellas se obtiene elnivel de gris (NG) que se representaráen el monitor en función del ND representado.

1. Expansión lineal

NG = 255ND −NDmin

NDmax −NDmin(5.1)

2. Expansión lineal restringida, los valores deNDmax y NDmin los decide el usuario en lugar decorresponder a los valores reales de la imagen. De esta forma:

• siNDmax > ND > NDmin NG = 255 ND−NDminNDmax−NDmin

• siNDmax < ND NG = 255

• siNDmin > ND NG = 0

3. Ecualización del histograma. Tiene en cuenta, nó sólo los valores de ND, sino también su fre-cuencia de manera que aquellos valores de ND más frecuentes resultarán más ajustados que losmenos frecuentes. Para ello debe calcularse para cada nivel de grisi el valor:

59

Figura 5.2: Imagen original. Banda b1

Ci =256

∑ij=0 nj

N(5.2)

Dondenj es el número de pixeles con valor j yN el número total de pixeles

4. Ajuste gaussiano. Supone el ajuste del histograma observado al histograma que aparecería si ladistribución fuera gaussiana, es decir si:

f(x) =1

σ√

2πexp(

−(x− µ)2

2σ2) (5.3)

dondef(x) es la frecuencia dex, µ es la media yσ la desviación típica. Para llevar a cabo esteprocedimiento de forma manual habría que construir la siguiente tabla:

En esta tabla la primera columna representa los ND de un sensor hipotético con resolución ra-diométrica de 4 bytes, la segunda asigna a cada valor de ND valores de una distribución normalestandard (µ = 0 y σ = 1), la tercera la probabilidad de ocurrencia de esos valores que se obtienende las tablas de la distribución normal tipificada que puede encontrarse en cualquier libro de es-tadística, la cuarta el número de pixeles correspondientes a esa probabilidad, la quinta contiene elacumulado de la cuarta columna, la sexta el número de pixeles que realmente corresponden a cadauno de los 15 valores de ND y la séptima el acumulado. Finalmente la octava columna contiene

60

Figura 5.3: Construcción de una tabla de color utilizando una transformación lineal

los valores de nivel de gris que se adjudicarían en la LUT; estos valores se obtienen buscando, paracada valor deO(x) el primer valor deF (x)N que lo supera y anotando el correspondiente valordex.

5.2 Uso del pseudocolor

Tradicionalmente las imágenes de satélite, al menos cuando se representa una sola banda, se visualizancon niveles de gris. Diversos estudios evidencias que el ojo humana tiene menos capacidad para distinguirniveles de gris que para distinguir diferentes colores. Por ello puede representarse una banda con coloresen lugar de con niveles de gris asignando a cada ND 3 valores (intensidad en el rojo, verde y azul) en unapaleta e colores.

5.3 Composición de color

En una imagen e satélite se dispone de varias bandas que corresponden a diversas regiones del espectroelectromagnético. En muchos casos algunas de estas bandas corresponden a las subregiones del visi-ble que corresponden a los colores azul, verde y rojo. Por otra parte, los monitores y tarjetas de videodisponen de 3 canales

61

Figura 5.4: Construcción de una tabla de color utilizando una ecualización del histograma

• R rojo

• G verde

• B azul

para representar los 3 colores básicos. Por tanto puede utilizarse cada canal para representar el ND deuna banda y obtener así una composición de color. La más obvia seria simular elcolor real, asumiendoque estamos trabajando con Landsat:

b1 -> Bb2 -> Gb3 -> R

pero como se dispone de más bandas, nada impide utilizarlas para generar visualizaciones enfalso color.Estas composiciones servirán para resaltar los elementos que mayor reflectividad presentan en las bandasutilizadas, además de obtener visualizaciones más o menos estéticas. Por ejemplo, si se pasa la banda4 de landsat (con alta reflectividad por parte de la vegetación) por el canal verde, la vegetación se verámucho más claramente que si se utiliza la banda 2

62

ND z f(x) f(x)N F (x)N o(x) O(x) NG

0 < -3 0.0020 530 530 1311 1311 11 -2.6 0.0033 868 1398 2622 3933 32 -2.2 0.0092 2423 3821 5243 9176 33 -1.8 0.0220 5774 9595 9176 18352 44 -1.4 0.0448 1175 21346 13108 31460 55 -1 0.0779 20421 41767 24904 56364 66 -0.6 0.1156 30303 72070 30146 86510 77 -0.2 0.1465 38401 110471 45875 132385 88 0.2 0.1585 41555 152026 58982 191367 109 0.6 0.1465 38401 190427 48496 239863 11

10 1 0.1156 30303 220730 11796 251659 1211 1.4 0.0779 20421 241151 3932 255591 1312 1.8 0.0448 11751 252902 3932 259523 1413 2.2 0.0220 5774 258676 2621 262144 1514 2.6 0.0092 2423 261099 0 262144 1515 >3.0 0.0040 1045 262144 0 262144 15

b1 -> Bb2 -> Gb3 -> R

En general, se trata de aprovechar que podemos visualizar tres canales a la vez para introducir las tresbandas que más nos van a ayudar a discriminar visualmente los elementos que nos interesan. Puedeobtenerse un índice del grado de información que presenta una composición en color en comparacióncon otras:

OIF =∑3k=1 sk∑3j=1 |rj |

(5.4)

dondesk es la desviación típica de cada una de las 3 bandas que intervienen en la composición yrj elcoeficiente de correlación de cada uno de los 3 pares de bandas. Cuanto más alto sea el índice mayor seráel contenido informativo de la composición.

63

Figura 5.5: Construcción de una tabla de color utilizando una transformación gaussiana

Figura 5.6: Construcción de una tabla de color utilizando pseudocolor

64

Figura 5.7: Banda 1 represenada con pseudocolor

Figura 5.8: Composición en color real

65

Figura 5.9: Composición en falso color

66