Professional Documents
Culture Documents
EN INFORMACIÓN GEOGRÁFICA
CIAF
Xander Bakker
© Instituto Geográfico Agustín Codazzi, 2001. Todos los derechos comerciales reservados.
Prohibido su reproducción para fines no académicos o de investigación.
Índice
3. VISUALIZACIÓN DE BANDAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.1 Despliegue de imágenes de satélite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 Acercar a y alejar de la imágenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.3 Utilización de las barras de desplazamientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.4 Despliegue de la imagen entera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.5 Generar un sub mapa de la información útil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.6 Pixeles y números digitales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6. GEOREFERENCIAR IMÁGENES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.1 Georeferenciación por medio de especificación de las coordenadas de las esquinas . . . . . 35
6.2 Georeferenciación por medio de puntos de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.2.1 Funciones de transformación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
6.2.2 Puntos de control a partir de mapas análogos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
6.3.3 Puntos de control a partir de mapas digitales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
7. OPERACIONES MULTIBANDA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
7.1 Relaciones entre las bandas: variaciones en iluminación . . . . . . . . . . . . . . . . . . . . . . . . . 40
7.2 Índice de vegetación de diferencia normalizado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
7.3 Aritméticas de imágenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
11. RESPUESTAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
BIBLIOGRAFÍA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Es necesario introducir unos conceptos básicos de ILWIS para Windows antes de empezar con el
desarrollo del análisis:
Para entrar al Sistema de Información Geográfica ILWIS haga doble clic sobre el icono de ILWIS
que se ha generado en el escritorio de WINDOWS; o acceda al programa mediante la utilización de
las opciones Inicio, Programas, ILWIS 2.2, ILWIS 2.2.
©
X. Bakker 1 Instituto Geográfico Agustín Codazzi. 2001
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
La Ventana principal de ILWIS da acceso a todas sus posibilidades, en ella se muestran todos los
elementos necesarios para la elaboración de cualquier operación así como los archivos que el usuario
genera.
La barra de Título
Como en otras aplicaciones bajo Windows la barra de título suministra información al usuario acerca
de 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 se
posibilita 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 para
ejecutar ordenes mediante el tecleo de los comandos apropiados. Además allí pueden escribirse las
fórmulas 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 sin
necesidad de escribirlas nuevamente.
©
X. Bakker 2 Instituto Geográfico Agustín Codazzi. 2001
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
La barra de botones
Este botón permite al usuario mostrar un nuevo mapa en una nueva pantalla. Gracias
a las características propias del Sistema operativo (Windows) es posible desplegar
varias ventanas de mapa, tablas y gráficos simultáneamente.
Haga clic aquí para seleccionar los elementos que quiere visualizar en el Catálogo; esta
herramienta le facilita encontrar un objeto o mostrar solamente aquellos de un tipo
determinado.
Este es el seleccionador de drive; con el puede desplazarse de uno a otro sin tener que
recurrir al Administrador de Archivos. Si hace clic sobre él se desplegarán los drives
existentes en el computador y podrá escoger cualquiera de ellos.
Las Barras de desplazamiento al igual que en cualquier aplicación de Windows permiten visualizar
información 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 por
donde se desplace el cursor.
©
X. Bakker 3 Instituto Geográfico Agustín Codazzi. 2001
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
El Listado de Operaciones
En él se encuentran todos los programas y funcionalidades que hacen parte del Sistema de
Información Geográfica ILWIS. La forma de acceder a cualquiera de estas aplicaciones es haciendo
doble clic sobre el programa que se quiere ejecutar.
El Catálogo
En el Catálogo aparecen todos aquellos elementos de ILWIS que se encuentran dentro del directorio
en ejecución, es importante tener en cuenta que un objeto de ILWIS no siempre consta de un solo
archivo por ello es recomendable que sean manejados, copiados o borrados desde la ventana de
ILWIS y no desde el Administrador de archivos.
©
X. Bakker 4 Instituto Geográfico Agustín Codazzi. 2001
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
En el Catálogo entonces pueden visualizarse los diferentes tipos de mapas, tablas u objetos que
pueden generarse con ILWIS. Como puede observarse un icono identifica cada objeto dentro de esta
ventana, a continuación podrá diferenciar estos iconos y comprender su significado.
Objetos de Datos:
Objetos de datos consisten en los elementos que contengan datos. Además, los objetos se caracterizan
por ser utilizados como datos de entrada en un análisis.
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 y
fotografías aéreas}).
Listados de mapas (un listado de mapas raster que comparten la misma georeferenciación
y 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 mantenimiento
Objetos de mantenimiento contienen información acerca de objetos de datos:
Dominio Contiene información sobre la definición (códigos) de los elementos que contiene
un objetos de datos.
©
X. Bakker 5 Instituto Geográfico Agustín Codazzi. 2001
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Objetos especiales
Objetos especiales son aquellos objetos que pueden ser aplicados a, o derivados de objetos de datos.
Histograma de un mapa raster Una tabla con el mismo dominio que el mapa raster, la cual
contiene información sobre la frecuencia de ocurrencia de los elementos en el mapa.
Histograma de un mapa de puntos Una tabla con el número de puntos por cada elemento
del dominio del mapa de puntos.
Tabla bi-dimensional Usado para definir la combinación de elementos en dos mapas raster
durante una superposición.
Filtro Contiene información sobre la matriz de valores que se aplica en el proceso de filtrar
un mapa raster.
Scripts Pueden contener una secuencia de operaciones de ILWIS. Por medio de los scripts
se puede automatizar un análisis.
©
X. Bakker 6 Instituto Geográfico Agustín Codazzi. 2001
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Objetos de anotación
Los objetos de anotaciones son aquellos que contribuyen a los objetos de datos para convertirlos a
cartografía. La mayoría de estos objetos no pueden ser desplegados en el catálogo y son una parte
integral de una “vista de mapas”.
Título Grilla
Leyenda Graticule
Caja Bitmap
Escala
1.3 Dominios
Los dominios son como el centro de un conjunto de información. Ellos contienen todos los códigos
que pueden ocurrir en un mapa, tabla o columna. Existen tres principales tipos de dominios:
Dentro de este tipo de dominio existe una variación que se llama “class group”. Se utiliza para mapas
donde rangos de valores se asignan el mismo significativo. Cuando a partir de un modelo digital de
elevación (mapa con valores que representan la altura en cada pixel) se genera un mapa de pisos
climatológicos, se aplica el dominio “class group”; 0-1000 msnm corresponde a cálido, 1000-2000
msnm a clima templado, 2000-3000 msnm a clima frío y superior a 3000 a páramo y sub-páramo.
©
X. Bakker 7 Instituto Geográfico Agustín Codazzi. 2001
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Min1to1 Usado para cálculos con resultado en el rango de -1 hasta 1 como el índice de
vegetación 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 no
tiene límite).
Value Valores por defecto de -9999999.99 hasta 9999999.99, precisión 0.01, el usuario puede
adaptar el rango y la precisión según sus necesidades.
Otros dominios
Binary 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 Dependencias
En ILWIS existen diferentes tipos de dependencias. Un mapa depende de un dominio, además puede
tener por medio del dominio una o más representaciones. Una tabla de atributos puede utilizar el
mismo dominio que un mapa y por compartir el mismo dominio estos objetos de datos pueden estar
directamente relacionados.
Otro tipo de dependencia es cuando se efectúa un análisis y se guardan en las propiedades la fórmula
que se aplicó para generar un nuevo mapa. Ejemplo: un análisis simplificado para determinar la
erosión, que solamente utilice información (mapas) de precipitación, cobertura vegetal, suelos y
pendientes. Normalmente se tratan los mapas de entrada como si fueran estáticos, generando un
resultado de análisis estático. En ILWIS, cuando un mapa utilizado como entrada para un análisis se
cambia, la dependencia del resultado con el mapa cambiado avisará al usuario que el resultado del
análisis está desactualizado y ofrece la opción de actualizarlo.
©
X. Bakker 8 Instituto Geográfico Agustín Codazzi. 2001
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
1.5 Propiedades
El usuario puede tener acceso a las propiedades de los objetos por medio del menú sensitivo al
contexto. Para hacerlo aparecer se debe ubicar el puntero sobre el objeto de interés y oprimir el botón
derecho 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 y
columnas para mapas raster. En las propiedades se puede especificar la descripción del objeto que
nos ayuda a trabajar más estructuradamente y hacer los datos mas intercambiables.
©
X. Bakker 9 Instituto Geográfico Agustín Codazzi. 2001
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Por ejemplo, algunos cultivos irrigados suelen ofrecer una respuesta espectral muy parecida a los
parques urbanos. Sin embargo, su significado temático es claramente distinto. Digitalmente su
distinción es muy compleja, ya que los valores numéricos de ambas cubiertas son muy similares. Por
medio 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 banda
del espectro. Los pixeles con tonos oscuros indican aquellas áreas sobre las que el sensor detectó una
señal baja, mientras las zonas claras son testigo de altos valores de radiancia. En otros palabras, el
tono se relaciona estrechamente con el comportamiento espectral de las distintas cubiertas, para la
banda particular del espectro sobre la que se trabaja.
El ojo humano es más sensible a las variaciones cromáticas que a la intensidad luminosa. Es fácil de
comprender que el color es un factor indispensable para la interpretación visual de imágenes, puesto
que la mezcla de varias bandas del espectro resulta en un aumento de información. En el capítulo 5
VISUALIZACIÓN DE INFORMACIÓN MULTIBANDA se explica más sobre los colores y las
composiciones a color.
©
X. Bakker - 2001 10 Importación
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
ILWIS utiliza el dominio image para las imágenes de satélite y fotografías escaneadas en escala de
grises. Las bandas de SPOT pancromática y multiespectral tanto como las de LANDSAT utilizan un
rango de valores de 0 hasta 255. Imágenes meteorológicas como NOAA utilizan un rango más
reducido (0-63).
ILWIS 2.2 todavía no viene con un formato de importación que detecta el formato SPOT, por lo
tanto se deben utilizar el formato “General raster data”, lo cual también se utiliza para las imágenes
de LANDSAT, RADAR y otros. Puesto que este tipo de importación se pueden utilizar para varios
formatos que no son lo mismo, se tiene que indicar algunos parámetros que definen como importar
la información.
Las imágenes de SPOT vienen con una página donde están especificados los parámetros que se
necesitan para la importación de las imágenes:
©
X. Bakker - 2001 11 Importación
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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 copiar
la información primero al disco duro. En caso que el CD-ROM contenga varias imágenes el CD-
ROM tendrá varios directorios:
\SCENE01
\SCENE02
...
\SCENEnn
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 satélite
SPOT-4, de marzo de 1998.
SCENE02 Imagen pancromática tomada sobre Francia con el satélite SPOT-4, de marzo
de 1998.
©
X. Bakker - 2001 12 Importación
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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”
Seleccione del listado de operaciones la opción “import”. Seleccione el drive del CD-
ROM, el directorio “CPDI1” y su subdirectorio “SCENE02". Seleccione del listado con
los formatos de importación, el formato “General raster data”. Luego, seleccione el
archivo “imag_02.dat”, y cambie el nombre de salida a “p”.
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. ILWIS
asume que el orden de las bandas es secuencial comenzando con el 1. En caso que se ha especificado
el 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 y
3 pero 3, 1 y 2. Además, puesto que se importa la imagen con más columnas de las que tienen
información, se tendrán que cortar las imágenes por la parte útil.
©
X. Bakker - 2001 13 Importación
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
El gráfico abajo indica en color gris la parte de la imagen sin información (aparece en color negro y
tiene valor 0). La parte blanco contiene la información satelital.
Mas adelante cortaremos la información útil y renombraremos las bandas. Primero reconocemos la
información importada.
©
X. Bakker - 2001 14 Importación
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
3. VISUALIZACIÓN DE BANDAS
En este capítulo se aprenderá a desplegar las bandas de la imagen multiespectral y la imagen
pancromática importadas en el ejercicio anterior.
Una banda con información obtenida del infrarroja cercana, contiene información sobre la cobertura
vegetal de la superficie. Con escala de grises, las partes con más densa vegetación aparecerán en gris
claro hacia blanco y partes sin cobertura vegetal, serán reflejadas mediante tonalidades muy oscuras.
Haga doble clic sobre el mapa raster “xs1”, en la caja del diálogo. Asegúrase que se
está utilizando la representación “grey” para el despliegue, acepte los valores dados
por defecto (esto puede demorar un poco, puesto que la primera vez que se
despliegue una banda el sistema tiene que calcular el histograma). Despliegue
simultáneamente 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 la
imagen multiespectral similares y explique por que:
La banda ......que se encuentre en el mapa raster llamado ............ es similar a la banda ..... contenida
en el mapa raster llamado .............. por la siguiente razón:
Haga doble clic sobre el mapa raster “p”, en la caja del dialogo. Asegúrase que se
está utilizando la representación “grey” para el despliegue, acepte los valores dados
por defecto.
©
X. Bakker - 2001 15 Visualización de bandas
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
En la ventana del mapa raster con el nombre “xs1" oprima el botón . Note que el
cursor del mouse se cambia. Ubique el mouse en el centro de la ventana del mapa
raster y oprima con el botón izquierdo del mouse. Se acerca a la imagen con un factor
2. La ventana queda con el mismo tamaño. De la misma manera se puede generar
un rectángulo con esta función de la parte de la imagen que le interese. Acérquese
hasta observar la definición de los pixeles.
Por medio del botón se puede alejar (“zoom out”) de la imagen. Aplique este
botón hasta obtener el factor con que se despliega el mapa por defecto.
©
X. Bakker - 2001 16 Visualización de bandas
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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 la
ventana 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 área
útil. Esta área no es siempre la misma en cada imagen, puesto que debido a un ángulo de incidencia
mayor a 0 al momento de la toma, se registran más columnas de las 3000 que corresponden a una
toma vertical (ángulo de incidencia = 0). El programa requiere la siguiente información: primera fila
donde 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 y
asignar el nombre que debe tener.
Despliegue el mapa raster “xs1" (la banda 3). Amplíe la ventana superior izquierda
para determinar en que fila comienza la información útil. Note que en la parte inferior
izquierda 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 la
primera columna, y calcule tanto el número de filas como el número de columnas.
Repita el proceso para el mapa raster “p”.
©
X. Bakker - 2001 17 Visualización de bandas
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Información Información
multiespectral pancromática
Primera Fila
Primera Columna
Número de Filas
Número de Columnas
Entre al programa “SubRas” y cree los siguientes sub-mapas especificando los datos
de filas y columnas de la tabla anterior (prenda la opción “Show” en la caja del
dialogo):
Ahora se pueden romper los enlaces de dependencia y borrar las bandas originales.
©
X. Bakker - 2001 18 Visualización de bandas
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Mapas raster “x1", “x2" y “x3" correspondientes a una ventana de las bandas 1, 2 y 3
respectivamente de la imagen multiespectral tomada sobre la Sabana de Bogotá.
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, unidad
visual más pequeña que aparece en la imagen. Este valor se traduce por el sensor en un valor
numérico, a partir del cual se realiza el tratamiento digital de imágenes. En consecuencia, cada pixel
contiene 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 escala
de grises (intensidad luminosa) [2].
En este ejercicio anotarán que respuesta espectral tienen las diferentes bandas de la imagen
multiespectral.
Existen elementos que no son incluidos en estas clases: por ejemplo, en medio de los cultivos existen
viveros que dan una respuesta muy elevada debido al material de los techos (vidrio y/o plástico).
©
X. Bakker - 2001 19 Visualización de bandas
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Los procesos de ajuste del contraste tienden a adaptar la resolución radiométrica de la imagen a la
capacidad del monitor de visualización. En caso que el sensor ofrezca un menor número de ND que
el monitor puede procesar, se puede aplicar una expansión del contraste original. Cuando el sensor
presenta un número de ND que excede la capacidad del sistema se debe aplicar una reducción. Hoy
en día los computadores ya no constituyen una limitación.
Aparte del mejoramiento de contraste, que se aplica globalmente, existe el mejoramiento espacial que
influye en el contraste local entre diferentes elementos en la imagen.
En el siguiente ejercicio se calcularán los histogramas de las imágenes y luego se aplicarán una
expansión lineal para el despliegue adecuado de la información.
Seleccione la banda 1 “x1", oprima el botón derecho del mouse y en el menú sensitivo al
contexto seleccione la opción “Statistics” y luego “Histogram”. En la caja del dialogo
oprima el botón “OK”.
©
X. Bakker - 2001 20 Mejoramiento de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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 dominio
npixpct Número de pixeles por valor del dominio en porcentaje del total de pixeles
pctnotzero Número de pixeles en porcentaje del total, excluyendo el valor 0
npixcum Número de pixeles acumulativo
npcumpct 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, podemos
concluir que se está usando el rango 56 hasta 175. Verifique si este rango corresponde al rango que
aparece 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:
2%
5%
10%
2%
5%
10%
2%
5%
10%
©
X. Bakker - 2001 21 Mejoramiento de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
NV = s + g * ND
donde “s” es el sesgo y “g” representa la ganancia. Al utilizar los valores NDmin y NDmax y asignar al
mínimo la intensidad 0 (negro) y al máximo la intensidad 255 (blanco) se pueden determinar las
variables “s” y “g”[2]: 255
g=
N D m ax − N D m in
y
− 2 5 5 * N D m in
s=
N D m ax − N D m in
Normalmente no se utilizan los valores mínimos y máximos de la imagen. ILWIS utiliza por defecto
un rango que excluye “1%”, es decir el 0% hasta 1% y 99% hasta 100% serán excluidas en la
determinación de los valores de expansión.
©
X. Bakker - 2001 22 Mejoramiento de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
La expansión lineal se puede aplicar durante el despliegue, mediante la opción “stretch” (la cual está
prendida por defecto), pero también se puede generar un nuevo mapa raster en donde se registran los
valores resultados de la expansión. Esto se hace por medio del programa “stretch”.
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 al
contexto seleccione la opción “Image Processing” y luego “Stretch”. El método de
expansión lineal (“Linear Stretching”) está seleccionado por defecto. La opción “Stretch
From” está configurada para el uso de porcentajes y el valor del porcentaje para excluir
es 1. Escriba como nombre de salida “x1str”, prenda la opción “Show” y oprima el botón
“OK”.
©
X. Bakker - 2001 23 Mejoramiento de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Teóricamente el histograma mejorado trata de describir una linea horizontal, donde cada nivel de
visualización (NV) tiene un igual número de pixeles asignado. Sin embargo, en la práctica siempre
habrán ND que tienen una mayor cantidad de pixeles y por lo tanto no pueden ser divididos. Véase
el ejemplo abajo, donde existen elementos (p.ej. las construcciones en tonos claros) que tendrán un
número de pixeles mayor al promedio que teóricamente se asigna a cada intensidad de gris.
En el siguiente ejercicio creamos tres nuevos mapas raster (“x1ecua”, “x2ecua” y “x3ecua”) por
medio de ecualización del histograma de las bandas originales.
©
X. Bakker - 2001 24 Mejoramiento de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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 el
1% para expansión lineal:
Despliegue gráficos de los histogramas de los mapas “x1", “x1str” y “x1ecua” simultáneamente y
compare los resultados.
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”.
Entre al programa “Filter”. El tipo de filtro por defecto es “Linear”. Seleccione el nombre
del 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 Embalse
de Tominé tanto de la banda original como de la banda 1 filtrada. Observe las diferencias.
©
X. Bakker - 2001 25 Mejoramiento de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Entre al programa “Filter”. El tipo de filtro por defecto es “Linear”. Seleccione el nombre
del 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 el
mapa “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 como
corregirlo.
1 1 1
1 1 1
1 1 1
Un filtro utiliza los valores de los vecinos para escribir el resultado en el pixel central. La formula es
la siguiente:
vecinos1
Pixelcentral
M
n
1
Valordelmapan Valordelfiltron Gain Offset
©
X. Bakker - 2001 26 Mejoramiento de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
2 8 4 1 1 1
6 7 3 1 1 1 5
4 5 6 1 1 1
Pixelcentral
21 81 41 61 71 31 41 51 61 0.11111 0
El Gain (0.11111) 1/9, así que se hace un promedio de los vecinos (incluyendo el valor central) y
se escribe el resultado en el mapa de salida en el pixel central. En esta forma se va moviendo el filtro
sobre 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 del
mapa de salida:
2 8 4 -1 -1 -1
6 7 3 -1 16 -1
4 5 6 -1 -1 -1
Como es obvio este filtro ampliará las diferencias que tiene el pixel central con sus vecinos.
©
X. Bakker - 2001 27 Mejoramiento de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
ILWIS ofrece una gran escala de filtros, incluyendo la posibilidad que el usuario defina sus propios
filtros.
2 8 4 0 0 0
6 7 3 0 2 0
4 5 6 0 0 0
Mapa de Entrada Filtro Mapa de Salida
Gain: 0.5 y Offset: 0
©
X. Bakker - 2001 28 Mejoramiento de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Una combinación específica de bandas utilizada para crear una composición a color se llama
composición a falso color (FCC, False Color Composite). En una FCC el color rojo se asigna a la
banda con la información del terreno obtenida del espectro infrarrojo cercano, el color verde se asigna
a la información obtenida del espectro rojo visible y el color azul se asigna a la información obtenida
del espectro verde visible. Para las imágenes multiespectrales de SPOT la banda 3 se despliega en
color rojo, la banda 2 en color verde y la banda 1 en color azul. Este combinación RGB (rojo verde
azul) se llama RGB 321. En la composición que resulta se puede observar la vegetación en tonos de
rojo, 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 de
composiciones se llaman composiciones pseudo naturales.
©
X. Bakker - 2001 29 Visualización de información multibanda
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
La razón por la cual se están utilizando más frecuente las composiciones a falso color que las
composiciones pseudo naturales, es que las diferentes coberturas se destacan mejor en las
composiciones a falso color.
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 en
bandas, las cuales son el resultado de un análisis. La utilización de componentes principales es un
ejemplo y la combinación de bandas provenientes de diferentes sensores (sinergismo) como SPOT
pancromática (resolución 10m) con SPOT multiespectral (resolución 20m) es otro.
©
X. Bakker - 2001 30 Visualización de información multibanda
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Cada banda se asigna a un color principal. La figura abajo muestra el cubo de colores con los colores
principales del sistema aditivo (rojo, verde y azul) y del sistema substractivo (amarillo, magenta y
cyan).
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, al
otro lado un elemento con alta intensidad en las tres bandas resulta en un color claro. Cada punto
dentro del cubo representa un diferente color dependiendo de la contribución de los componentes
rojo, verde y azul.
En ILWIS la relación entre el valor del pixel de imágenes multibanda y el color asignado a cada pixel
se guarda en la representación. La representación guarda las valores de rojo, verde y azul. El valor
para cada color principal representa la intensidad, utilizando un rango de 0-255. Las tres intensidades
combinadas definen el color. Por ejemplo, intensidad de rojo = 255, verde = 0 y azul = 0 resulta en
un 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.
Finalmente, el color asignado a cada grupo de pixeles es el centro del volumen del grupo de pixeles
generado en la subdivisión. En caso que se esté interesado en una imagen completa la opción
dinámica es la mejor opción. En caso que el usuario esté interesado en un rango limitado del espectro
de la imagen, la mejor opción es la composición a color estándar, puesto que mediante el histograma
se puede destacar mejor ciertos rangos del espectro.
©
X. Bakker - 2001 31 Visualización de información multibanda
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
El método estándar subdivide los ejes del cubo de colores en 6 partes iguales. De esta manera se
obtiene 6x6x6 = 216 posibles colores (utilizando el formato 1 byte). Es fácil de entender que tanto
la opción dinámica como la opción estándar tiene una limitación en la cantidad de colores a utilizar
para el resultado. La opción 24 bits utiliza las 256x256x256 = 16'777.216 colores, pero utiliza 4 bytes
por 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 resolución
de la pantalla se deben aplicar las opciones dinámica y estándar.
parece 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 la
opción “Color Composite”.
En esta composición a falso color (la composición convencional de las tres bandas de SPOT) la
vegetación aparece en rojo. Se observa que se distingue más fácilmente las diferentes coberturas que
usando una sola banda.
©
X. Bakker - 2001 32 Visualización de información multibanda
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Como fue explicado en la parte teórica de este curso, estamos utilizando, además de información
visible del espectro electromagnético, información de la parte infrarrojo del espectro, con el fin de
poder distinguir coberturas las cuales serían difícil o imposible de distinguir si hubiéramos utilizada
únicamente información de la parte visible del espectro. Ver abajo el espectro electromagnético con
sus diferentes usos dependiendo de la longitud de onda:
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?
©
X. Bakker - 2001 33 Visualización de información multibanda
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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 el
mapa raster “x1" y oprima el botón con el signo mayor que (“>”) para adicionarlo al listado
a 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 del
dialogo donde se debe especificar las bandas (mapas raster del listado) que se asignarán
a los colores principales. Note que por defecto el primer mapa raster del listado de mapas
se asigna al color azul, el segundo mapa al verde y el tercer mapa al color rojo. Los
valores que aparecen al lado derecho de las bandas son los rangos que corresponden al
1% 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 rangos
de expansión lineal sin la necesidad de crear mapas físicos (en el disco duro). Con el método
convencional se crea un mapa raster en el disco duro.
©
X. Bakker - 2001 34 Visualización de información multibanda
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
6. GEOREFERENCIAR IMÁGENES
Las imágenes de satélite se ven afectadas por distorsiones, causadas por la misma geometría del
sensor, rotación y curvatura de la tierra, etc. Algunos de estas distorsiones, dependiendo del nivel de
pre-procesamiento, son corregidas por SPOT Image. Otras pueden ser corregidas mediante la
corrección geométrica, previa realización de la georeferenciación.
Puesto que la corrección geométrica implica el cambio de los valores ND, se recomienda aplicarlo
únicamente a los resultados de la clasificación (ver capítulo 9).
©
X. Bakker - 2001 35 Georeferenciar imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
©
X. Bakker - 2001 36 Georeferenciar imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Por defecto la transformación “Affine” está seleccionada. Esta transformación necesita 3 puntos de
control. Al ingresar más que tres puntos se puede generar una óptima triangulación y para cada punto
de control se puede determinar su desajuste (diferencia en X y Y expresada en pixeles) con respecto
a la triangulación. El desajuste global es calculado por medio de la desviación estándar del error
medio cuadrado, llamado “sigma”.
Utilizaremos para la georeferenciación una transformación de “Full second order” y, puesto que
estamos trabajando sobre una ventana de una imagen de satélite, un mínimo de 15 puntos de control.
Para georeferenciar por medio de puntos de control identificados en un mapa análogo, se debe crear
una georeferenciación de tipo “Tiepoints” (puntos de control).
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 este
mapa como fondo para la georeferenciación.
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. Observe
que el mouse es como un lápiz. Con el punto (izquierdo abajo) se debe indicar el elemento que se
utilizará como punto de control (hacer clic con el botón izquierdo del mouse). Esto hace aparecer una
ventana 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.
©
X. Bakker - 2001 37 Georeferenciar imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Al especificar más de tres puntos la ventana “GeoReference Editor” mostrará el sigma en la parte
superior de la ventana. También para cada punto se desplegará su desviación en pixeles, tanto en filas
como en columnas (ver las columnas “DRow” y “DCol” respectivamente).
Recuerde que necesitamos seleccionar al menos 15 puntos de control. Numera los puntos de control
en el mapa análogo.
Valor Explicación
0-1 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 la
requerida con el fin de obtener un sigma apropiado.
Como referencia para la georeferenciación usamos la vista de mapas con el nombre “xgeoref”. Esta
vista contiene información de vías principales (1:25.000), drenajes principales (1:25.000), lagunas y
cascos 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 lagunas
fueron digitalizadas desde una imagen de satélite del 1995, la imagen multiespectral de este ejercicio
fue tomada en 1994.
©
X. Bakker - 2001 38 Georeferenciar imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Seleccione al menos 15 puntos de control y compare tanto la precisión como el tiempo invertido en
la georeferenciación a partir del mapa análogo con la hecha desde el mapa digital. Cual es la
conclusión:
Una vez establecida una georeferenciación aceptable, se debe asignar esta georeferenciación a todas
las bandas:
Seleccione la banda 1 (“x1") y oprima el botón a la derecha del mouse, luego entre a la
opción “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 la
opción “Add Annotation”, “Grid Lines”.
Note que cuando se cambia la georeferenciación ILWIS vuelve a calcular una sola vez el histograma
al desplegar el mapa.
©
X. Bakker - 2001 39 Georeferenciar imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
7. OPERACIONES MULTIBANDA
Para mejorar o extraer elementos de imágenes de satélite que no pueden ser distinguidos en una sola
banda, se puede emplear la información de múltiples bandas para destacarlos. Este método se puede
aplicar tanto a imágenes multiespectrales como a imágenes multitemporales.
Este efecto es mínimo en las imágenes multiespectrales de SPOT y puesto que tenemos como área
de estudio un altiplano no es muy apreciable en nuestra imagen. Sin embargo, en el siguiente ejercicio
podemos evaluar este efecto.
Para hacer cálculos con varias bandas, cada banda tiene que tener la misma georeferenciación (es
decir, 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 escribirlos
directamente en la linea de comando ya que es una forma más rápida para ingresar la fórmula.
x2div3=x2/x3
Donde:
x2divx3 Es el nombre del mapa que se va a crear
x2/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.
©
X. Bakker - 2001 40 Operaciones multibanda
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Emilio Chuvieco [2] determinó que en un estudio realizado alrededor de Madrid, el cociente entre
la banda 4 y la banda 3 de LANDSAT TM (muy similares a las bandas 3 y 2 de SPOT) es el mismo
para cada cobertura sin influencia del sol o de la sombra. Sin embargo, no se puede ajustar la imagen
con este cociente, puesto que es distinto para cada cobertura. Ver tabla abajo:
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 modelo
digital de elevación y datos técnicos acerca del ángulo del sol, con el fin de determinar la relación
entre el aspecto de la pendiente y la intensidad de iluminación obtenida al momento de la toma.
El índice de vegetación de diferencia normalizado debe definirse por valores de reflectividad en las
bandas y no directamente a los ND que componen la imagen. Sin embargo, puesto que la obtención
de la masa de la vegetación sale de los objetivos de este curso, se puede aplicar la fórmula
directamente a los ND y así obtenemos una indicación de la masa de vegetación.
©
X. Bakker - 2001 41 Operaciones multibanda
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
B a n d a IR − B a n d a R
NDVI =
B a n d a IR + B a n d a R
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 con
valores en el rango desde -1 hasta 1. En ILWIS existe un dominio predefinido para este rango de
valores 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 crear
un 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 como
mínimo, 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 “Raster
map 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 suelos
desnudos y las zonas construidas con verde y la vegetación con rojo. Con el fin de obtener una mejor
separación de las diferentes coberturas, crearemos una representación (“pericol”) con más colores:
En el catálogo de datos seleccione el dominio “ivdn”, oprima el botón derecho del mouse
y seleccione del menú sensitivo al contexto la opción “Create representation”.
Especifique el nombre “ivdn” y oprima el botón “OK”. En la ventana de la representación
cambiemos el número de tonalidades a 50: “Edit”, “Stretch Steps”, cambiar el valor a 50
y oprima el botón “OK” (observe que se esta utilizando más tonalidades). Haga doble clic
sobre el valor 1.00, cambie el color a rojo y oprima el botón “OK”.
©
X. Bakker - 2001 42 Operaciones multibanda
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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 rojo
150, verde 0 y azul 150 (150,0,150). Luego inserte los siguientes límites, según la
siguiente tabla:
-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 ayuda
de la composición a falso color “xcomp321" el rango de valores en el índice de vegetación de
diferencia normalizada para las siguientes coberturas:
Bosque a
Páramo a
Suelos desnudos a
Cuerpos de agua a
Construcciones a
Nubes* a
* Note que ni las nubes ni las sombras de las nubes son coberturas.
©
X. Bakker - 2001 43 Operaciones multibanda
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Prom12 = (x1+x2)/2
Prom13 = (x1+x3)/2
Prom123 = (x1+x2+x3)/3
Asigne el dominio “image” al mapa de salida y despliegue el resultado. Compare las bandas originales
y los mapas promedios.
B a n d a IR
R a tio =
B a n d aV
Ratio = x3/x1
Acepte el dominio valor, pero cambie el rango a 0 hasta 5 con precisión 0.01.
©
X. Bakker - 2001 44 Operaciones multibanda
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Despliegue el resultado y determine los rangos de valores para las siguientes coberturas:
Bosque a
Páramo a
Suelos desnudos a
Cuerpos de agua a
Construcciones a
Zonas Cultivadas a
Nubes* a
Determine con que rango de valores se pueden distinguir los cuerpos de agua de las demás
coberturas: utilizando un rango de ......... hasta ...........
Otras operaciones multibanda que no han sido incluidas en este curso básico son los componentes
principales, estadísticas multibanda y la creación de mosaicos a partir de múltiples imágenes.
©
X. Bakker - 2001 45 Operaciones multibanda
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Puesto que los valores ND no están directamente relacionados a una cobertura predefinida, siempre
habrá que hacer un trabajo de campo. Esto se puede hacer antes de la clasificación con el fin de
establecer la relación entre cobertura y respuesta espectral, o se puede hacer después de una
clasificación 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 interés
permite obtener una clasificación más fiel. Asimismo, cuando la fecha del trabajo de campo es más
cercano a la fecha (o época) de toma de la imagen, se puede establecer más fácil una relación real
entre ND y cobertura.
En el siguiente ejercicio tratamos de separar diferentes coberturas utilizando el mapa “ratio” (banda
3 / banda 1):
Entre a la opción “New Domain”, especifique el nombre “ratiocl” como nombre para el
dominio, marque la opción “Group” para crear un dominio de clases agrupadas y oprima
el botón “OK”. Oprima la tecla “Insertar” para insertar una nueva clase. En la caja del
dialogo “Add domain item” especifique el valor 0.4 como “Upper Bound” (limite superior
de la clase), “Cuerpos de agua” como “Name” y oprima el botón “OK”. Repita este proceso
para las siguientes clases:
©
X. Bakker - 2001 46 Clasificación de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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 oprima
el botón “OK”.
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?
©
X. Bakker - 2001 47 Clasificación de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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 espectral
homogéneo y, por lo tanto, deberían definir clases temáticas de interés. Desafortunadamente las clases
resultado de este proceso, no siempre representan las clases que el temático pretende separar. Sin
embrago, esta herramienta constituye un gran apoyo para evaluar la separabilidad entre clases.
Entre a la opción “Cluster”, especifique los tres bandas originales como bandas de
entrada, 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 observar
que los cuerpos de agua están separados en los cluster 1 (Embalse de Tominé), cluster 3 (Laguna de
Suesca) y cluster 7 (Embalse de Neusa). Las clases generadas no representan las clases que queremos
distinguir. Se puede incrementar el número de cluster en este proceso, pero es mejor efectuar la
clasificación supervisada.
©
X. Bakker - 2001 48 Clasificación de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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 importante
seleccionar varios campos por cobertura con el fin de reflejar adecuadamente su variabilidad en la
zona de estudio [2].
Entre a la opción “New SmplSet”, especifique el nombre “cobert” como “Sample Set
Name”, 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. Oprima
el botón para crear el dominio que utilizaremos para clasificar las coberturas. Asigne el
nombre “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 “Create
a new Sample Set”.
El mensaje “Please zoom in to edit” aparece varias veces en la pantalla, indicando que el usuario
tiene 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 3
para Rojo, la banda 2 para Verde y la banda 1 para Azul. Además de la composición aparecerá la
ventana de las estadísticas de entrenamiento.
©
X. Bakker - 2001 49 Clasificación de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Con el fin de evaluar la separabilidad de las clases a las cuales hemos asignado grupos de pixeles de
entrenamiento, se puede desplegar unos gráficos llamados “Feature Spaces”.
Otra manera de evaluar la separabilidad de las clases es por medio de las estadísticas de muestreo.
“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
©
X. Bakker - 2001 50 Clasificación de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Mientras la desviación típica sea pequeña, los ND que componen la clase tiene poca diferencia. Esto
mejora la separabilidad (menos posibilidad de traslapos), pero existen elementos con un alto grado
de diferencia en los NDmin y NDmax para las diferentes bandas.
Continúe seleccionando pixeles de entrenamiento para todas las clases. Los campos de
entrenamiento deben estar bien distribuidos sobre la imagen.
Se puede ver que existen varias clases que tienen un comportamiento similar en las bandas. Las
construcciones, tanto de los centros como de la periferia urbana tienen una respuesta espectral muy
similar. Los centros urbanos normalmente por ser construidos mas densos tienen una respuesta un
poco mas baja. La periferia urbana por estar combinada con suelos desnudos (en construcción) y
parques genera una respuesta mezclada. Los viveros, por tener la respuesta de construcciones
mezclada con vegetación, aparecen con una respuesta un poco más alta en la banda 3.
©
X. Bakker - 2001 51 Clasificación de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Por lo tanto este tipo de clasificación no solo considera la respuesta espectral sino también su
ubicación en el mapa.
Entre al programa “Classify”. Seleccione “cobert” como “Sample Set”. Por defecto está
seleccionada la opción “Box classifier”. Acepte esta opción y también el valor 1.732051
como factor de multiplicador. Cambie el nombre de salida a “clbox17" y oprima el botón
“OK”.
©
X. Bakker - 2001 52 Clasificación de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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 “Open
Pixel Information”. Una ventana aparece donde se puede adicionar múltiples mapas con
el 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 mouse
sobre el mapa “xcomp321".
Puesto que los nombres de estas clases son relativamente largos, hacemos unos adiciones en el
dominio “cobert”:
Haga doble clic sobre el icono del dominio “cobert”. Luego haga doble clic sobre el
elemento “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” y
cierre el dominio.
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 en
caso 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 las
zonas urbanas no se están incorporando en el mapa “tmpcob”. Esto se harán en el capítulo 8.
©
X. Bakker - 2001 53 Clasificación de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
En caso que usted ha notado que algunos pixeles se han quedado sin asignación de una clase, se
puede 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 incluir
más pixeles en la fase de entrenamiento se debe aumentar el valor del factor multiplicador
ó el “Treshold distance” según es el caso.
©
X. Bakker - 2001 54 Clasificación de las imágenes
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
Mínimo Máximo
X
Y
©
X. Bakker - 2001 55 Corrección geométrica
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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 el
programa permite con este mapa es la del vecino más cercano. Esto es por que el mapa
de entrada tiene un dominio tipo clase y por lo tanto no puede hacer promedios
ponderados. Escriba el nombre “cobgeo1" como nombre de salida, seleccione la
georeferenciación “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 el
mapa está en condiciones para incorporar las zonas urbanas.
Cobgeo2 = IFF(isundef(zonasurb),cobgeo1,”CU”)
Se puede notar que un pueblo fue incorporado al mapa, pero sale de las dimensiones de la
clasificación. Esto se puede corregir, recodificando el mapa raster zonasurb (“Unique ID”) , luego
determinar cual es su código y por medio de una superposición condicional asignarle el valor “?”.
©
X. Bakker - 2001 56 Corrección geométrica
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
A partir de este mapa se puede calcular el histograma (de la misma manera que con las bandas) y
presentar los resultados en un reporte.
Conclusiones
Como conclusión general se puede establecer que en este curso únicamente se trataron las etapas
básicas de procesamiento digital de imágenes. La teledetección incluye una gran gama de aplicaciones
con sus propios procedimientos. Se recomienda leer el libro de Emilio Chuvieco “Fundamentos de
teledetección 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 de
las que ILWIS ofrece. Antes de seguir con el curso avanzado de procesamiento digital de imágenes
con ILWIS se recomienda hacer el curso de análisis y modelamiento.
©
X. Bakker - 2001 57 Corrección geométrica
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
El mapa de polígonos “landuse” contiene los usos de la tierra en la misma área. Este mapa puede ser
usado como guía para la clasificación en la fase de entrenamiento. Ojo: el mapa vectorial puede
contener información desactualizada y contener más clases!
Puesto que las imágenes ya están georeferenciadas no es necesario pasar por todas las fases del
procesamiento digital de las imágenes. A continuación encontrará el listado de operaciones que se
deben efectuar:
Es importante entender la diferencia entre las imágenes SPOT y Landsat TM. En caso que se cree
el índice de vegetación, se deben sustituir las bandas de SPOT por las bandas de Landsat TM según
la parte del espectro electromagnético a que corresponden.
©
X. Bakker - 2001 58 Procesar ventana Landsat TM
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
11. RESPUESTAS
Información Información
multiespectral pancromática
Primera Fila 2 2
Primera Columna 33 33
* Note que para determinar el número de filas y columnas con información útil, se debe usar
el número de la fila o columna donde termina la información útil, restar la primera fila o
columna y luego sumar 1.
Páramo 75 - 80 50 - 60 60 - 85
Cuerpo de agua 50 - 55 y 125 - 130 25 - 30 y 110 - 120 33 - 50
©
X. Bakker - 2001 59 Respuestas
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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
©
X. Bakker - 2001 60 Respuestas
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
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 se
ven exagerados (respectivamente -1 y 12).
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 Salida
Gain: 0.5 y Offset: 0
©
X. Bakker - 2001 61 Respuestas
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
El filtro reproduce exactamente el mapa de entrada, puesto que únicamente toma en cuenta
el pixel central de los 9 pixeles y lo multiplique con 2 (valor del filtro) y luego lo multiplica
con 0.5 (valor del “Gain”) resultando en el valor de entrada.
Cobertura Color
Nubes* blanco
* Note que ni las nubes ni las sombras de los nubes son coberturas.
©
X. Bakker - 2001 62 Respuestas
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
* 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 demás
coberturas: utilizando un rango de 0 o 0.25 hasta 0.4.
©
X. Bakker - 2001 63 Respuestas
PRÁCTICA DE PROCESAMIENTO DIGITAL DE IMÁGENES
BIBLIOGRAFÍA
[1] Bijker, W. 1997. Radar for rain forest. A monitoring system for land cover change in the
Colombian 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.
©
X. Bakker - 2001 64 Bibliografía