• Author / Uploaded
• robertorfr

• Categories
• Histograma
• Color
• Modelo de color RGB
• Píxel
• Visión

Citation preview

ENVI 3.5

Arq. Mercedes Frassia

CLASE 5: MEJORA DE LA IMAGEN ÍNDICE 1. MEJORA DE LA IMAGEN ................................................................................................................................................................ 2 1.1. Realce de contraste ................................................................................................................................................................ 2 1.2. Que es un Histograma ............................................................................................................................................................ 3 1.3. Estiramiento lineal ................................................................................................................................................................. 5 1.4. Ajuste de Brillo ...................................................................................................................................................................... 6 1.5. Ecualización del histograma o por áreas iguales.......................................................................................................................... 6 2. FILTRADO ESPACIAL .................................................................................................................................................................... 7 2.1. Filtro pasa bajo - Filtro para reducir el ruido............................................................................................................................... 7 2.2. Filtro pasa alto - Filtro para resaltar bordes................................................................................................................................ 8 2.3. Filtro de dirección .................................................................................................................................................................. 8 2.4. Filtro Operador de Roberts ...................................................................................................................................................... 9 2.5. Filtro Operador de Sobel ......................................................................................................................................................... 9 2.5. Filtro Laplaciano................................................................................................................................................................... 10 2.6. Ejemplos ............................................................................................................................................................................ 10 3. TRANSFORMACIONES ................................................................................................................................................................ 11 3.1. Substracción ....................................................................................................................................................................... 11 3.2. Adición de Imágenes ............................................................................................................................................................ 12 3.3. División o Razón Entre Bandas ............................................................................................................................................... 13 3.4. Transformación Por Componentes Principales ........................................................................................................................... 14 3.5. Fusión de Datos - Transformación IHS .................................................................................................................................... 15 1. CONTRASTE.............................................................................................................................................................................. 17 2. FILTROS DE VISUALIZACIÓN ...................................................................................................................................................... 19 2.1. Realce de bordes ................................................................................................................................................................. 20 3. DIVISIÓN ENTRE BANDAS .......................................................................................................................................................... 21 4. TRANSFORMACIÓN POR COMPONENTES PRINCIPALES.................................................................................................................... 22 5. FUSIÓN DE DATOS – TRANSFORMACION IHS ................................................................................................................................ 23 EVALUACIÓN ................................................................................................................................................................................ 25

1

ENVI 3.5

Arq. Mercedes Frassia

CONOCIMIENTOS TEÓRICOS 1. MEJORA DE LA IMAGEN El principal objetivo de estas técnicas es procesar una imagen con el fin de hacerla más adecuada para una determinada aplicación. Depende por lo tanto del problema específico a resolver el que se emplee uno u otro procedimiento. Los métodos de mejora de imagen se pueden dividir en dos grandes grupos: •

Métodos que mejoran la visualización de la imagen también conocida como realce de contraste.

•

Métodos que realizan manipulaciones directas sobre los píxeles de la imagen.

1.1. Realce de contraste •

El objetivo de este procedimiento es aumentar el contraste de una imagen para aumentar la discriminación visual entre los objetos presentes en la misma.

•

¿A qué se debe la oscuridad de la imagen? A que los datos crudos sólo utilizan una pequeña porción del rango de los valores digitales disponibles.

•

Las figuras a continuación muestran dos imágenes de la banda 5 del Landsat 5, la imagen de la izquierda corresponde a la banda original y la de la derecha es la banda realzada por una modificación del histograma.

•

En otras palabras ya a mondo de ejemplo, suponga que tengamos 255 valores de grises y solo usemos los primeros 50. La imagen se vería empastada.

•

Para mejorar el contraste, se utiliza todo el rango de valores disponible.

•

Para comprender estos conceptos es importante introducir la noción de histograma.

2

ENVI 3.5

Arq. Mercedes Frassia

1.2. Que es un Histograma •

Para comprender este concepto, partimos de una imagen en blanco y negro, donde todos los colores o tonos de esta imagen están representados por diferentes niveles de gris.

•

A partir de esa imagen creamos un gráfico donde representamos los diferentes tonos de gris en el eje X. Normalmente para una imagen cuantificada en 8 bits, los valores de grises van desde 0 (negro) y 255 (blanco) en el eje de las X.

•

La frecuencia (o la cantidad de píxeles que posee la imagen para determinado Nivel de Gris) se grafica en el eje Y.

•

En el histograma que incluimos a continuación se puede apreciar que los valores están concentrados entre los valores 108 y 158.

•

Por otra parte, no se registran valores de radiancia menores al valor 60 ni superiores a 158.

•

Se podría afirman entonces que gran cantidad de valores de grises no son utilizados.

•

Como cada imagen tienen su peculiar forma de histograma, es importante aprender a mirar el mismo para saber que ajuste es mejor en cada caso.

•

Si miramos el histograma de varias imágenes notaremos fácilmente la relación entre el mismo y el aspecto de una imagen.

•

Si la mayoría de los píxeles de una imagen están cerca del extremo izquierdo del espectro, es porque la imagen es muy oscura

•

Si por lo contrario, están del otro lado es porque es clara.

•

A veces una imagen tiene un espectro con mas de una “montaña” de píxeles

•

Otras veces hay “agujeros” sin píxeles en el espectro de una imagen, estos agujeros son en realidad tonos que faltan en la imagen.

•

Volviendo a nuestro ejemplo, se disponía de 256 tonos de gris, pero sólo se utilizaban 100 tonos (entre 60 y 158).

•

Entonces si se pudiera “estirar” el espectro y utilizar todos los tonos disponibles, la imagen aparecería más contrastada. Esto, es justamente lo que se denomina ajuste por contraste: no es más que estirar el espectro de la imagen para representarla con todos los tonos posibles.

3

ENVI 3.5

Arq. Mercedes Frassia

1.3. Estiramiento lineal •

Es la forma más sencilla de efectuar el contraste. Consiste en buscar una función lineal de ajuste tal que el rango NDmin a NDmax se transforme en NVmin a NVmax, por lo tanto NDmax = NVmax y NDmin = NVmin. El resto de valores ND serán transformados en otros valores, según esa transformación lineal. Veamos un ejemplo práctico:

•

La figura a continuación ejemplifica un realce de contraste, en donde se le atribuye el valor 0 a los píxeles cuyos niveles de gris es 60. Estos píxeles adquieren color negro.

•

Se descartan los píxeles entre los valores entre 0 y 59.

•

Los píxeles cuyo valor es 159 adquieren el valor de 255. Estos píxeles reciben el color blanco.

•

Los píxeles cuyo valor es 159 y 255 se descartan.

•

Los valores de píxeles entre 60 y 158 son distribuidos entre 0 y 255.

•

Obsérvese cómo ahora se utiliza todo el rango disponible. A partir de esta transformación, la imagen se verá con mayor nitidez.

•

Aunque la situación es bastante mejor que la anterior todavía no es la ideal, ya que observamos que en la región entre 108 y 158 se encuentran la mayor cantidad de píxeles, realidad que no se refleja en el nuevo histograma.

•

Por lo cual se podría afirmar que en este caso, este contraste no es eficaz. Para solucionar este problema lo que se hace es estirar aún más el espectro, descartando determinados valores cuya ocurrencia es chica (por ejemplo los píxeles entre 60 y 108). Esto es ventajoso ya que se obtiene una imagen más contrastada donde se ve mejor los detalles, pero también es cierto que es se pierde información.

5

ENVI 3.5

Arq. Mercedes Frassia

1.4. Ajuste de Brillo •

Muchas veces el espectro de una imagen tiene una “montaña” de píxeles en uno de los lados, por lo cual la imagen será muy obscura o muy clara.

•

Eso se debe a que la imagen es más clara u obscura que el medio todo. Se puede corregir esto haciendo que el medio tono se corresponda con el medio de esa “montaña” de píxeles. De esa forma la imagen no será ni obscura ni clara.

•

Este tipo de ajuste es lo que se denomina “ajuste de brillo” y es igual de importante que el ajuste por contraste. Usualmente los programas para tratamiento de imágenes permiten hacer ajustes de brillo, y más aún, ajustes combinados de brillo y contraste.

•

El 90 % del ajuste que podemos hacer a una imagen está definido por la combinación de estos dos tipos de ajustes.

•

Podemos decir que este ajuste cada tono tiene el mismo área.

•

Obsérvese cómo los valores de los píxeles se distribuyen de forma uniforme en todo el rango 0-255.

1.5. Ecualización del histograma o por áreas iguales •

El problema de los ajustes por brillo y contraste no resulta cuando el espectro de una imagen tiene dos montañas, una muy clara y la otra muy oscura. Esa imagen tendrá tonos claros, muy blancos y colores oscuros, muy negros.

•

Notemos, que el ajuste que podemos hacer por contraste es mínimo, porque el agujero está en medio del espectro y no en los costados.

•

Tampoco el ajuste del brillo resuelve el problema, ya que la cantidad de píxeles negros y blancos es equilibrada.

•

Para resolver este problema, se utiliza el tipo de ajuste denominado “ecualización”. La ecualización es un ajuste que permite “aplanar” el espectro. Esto se hace cambiando los tonos de la imagen como para que exista igual cantidad de píxeles de cada tono.

Nota para terminar: •

No existe una regla que mejor se aplique para contrastar una imagen ya que se debe elegir el método a utilizar en función de las características de la escena, la época de adquisición, el ángulo de iluminación, la altura del sensor.

•

Por otra parte, en muchos casos se deben realizar ajustes personalizados en cada una de las bandas que se esta visualizando. En general, todos los programas de imágenes lo permiten.

•

Un aumento de contraste no revelará nunca una información nueva que no esté contenida en la imagen. El contraste solamente presentará la misma información existente en los datos brutos, pero de una forma más clara para el usuario. 6

ENVI 3.5

Arq. Mercedes Frassia

2. FILTRADO ESPACIAL •

•

•

•

•

•

El filtrado de una imagen es similar al realce de contraste, pero se diferencia porque altera la información de la imagen: es decir después de aplicar este proceso se genera una nueva imagen con diferentes valores de píxeles.

•

2.1. Filtro pasa bajo - Filtro para reducir el ruido

Estas transformaciones se aplican para mejorar o suprimir detalles con el fin de mejorar la interpretación visual. Ejemplos comunes incluyen la aplicación de filtros para incrementar los detalles de los bordes o para reducir o eliminar patrones de ruido. El proceso de filtraje es realizado utilizando matrices denominadas máscaras, las cuales son aplicadas sobre la imagen. Ejemplo: la imagen original esta formada por una matriz de 512 líneas por 512 columnas. Se le aplica una máscara matricial de 3 líneas por 3 columnas. Cada valor de la matriz de 3 x 3 de la máscara tiene un valor de ponderación.

•

Se evalúa el píxel central de la ventana de acuerdo con los píxeles de alrededor y sus valores de ponderación. Un nuevo valor es así calculado para el píxel central de la mascara. Es más fácil comprender este concepto desde un ejemplo: continué leyendo hasta el filtro paso bajo.

•

Posteriormente, se desplaza la ventana sobre el siguiente píxel, realizando la misma operación.

Este proceso de evaluar la vecindad ponderada del píxel se denomina "Convolución bidimensional" y a la matriz de filtro se le conoce como "Kernel de Convolución".

•

Los filtros para reducir el ruido son los filtros del tipo Blur (desenfocar).

•

Los filtros Blur, Blur Gaussiano, Smooth, Low Pass, etc., se basan en el principio de “promediar” los valores de los píxeles basándose en los valores de los píxeles vecinos.

•

En este ejemplo, se reemplaza el píxel central de la mascara considerando la media aritmética de los nueve píxeles que componen la ventana de filtrado, con lo que se reducen los espurios y la variabilidad de la imagen.

•

Este tipo de filtros es muy empleado para suavizar los contrastes y eliminar las rugosidades. Produce un emborronamiento de los bordes, perdiéndose en nitidez visual de la imagen, pero ganando en homogeneidad.

•

Otro tipo de filtro pasa-bajo es el que aplica la mediana en vez de la media. Es el llamado filtro de mediana y presenta la ventaja de que como medida estadística, la mediana es menos sensible a valores extremadamente desviados y se modifican menos los valores originales.

7

ENVI 3.5

2.2. Filtro pasa alto - Filtro para resaltar bordes

Arq. Mercedes Frassia

2.3. Filtro de dirección

•

Los filtros Sharpen, Edge Detecting, Unsharp Mask, etc. son filtros que se basan en el principio contrario al de los Blur. En vez de disminuir la diferencia entre los píxeles la aumentan, haciendo la imagen más sensible a las texturas y no tanto a los tonos.

•

Seleccionando adecuadamente los valores del kernel, podemos obtener el efecto de extraer bordes en una determinada dirección, mientras que los bordes en el resto de direcciones no se ven tan resaltados.

•

Enfatizan las diferencias y resaltan o afilar las características lineales como carreteras, fallas, o límites en general.

•

Este filtro es muy usado en geología para detectar fallas, por ejemplo.

•

Algunos ejemplos de filtraje pasa alta son:

•

Las máscaras de filtraje que se presentan a continuación, son utilizadas para el realce de bordes en diferentes sentidos. El nombre dado a cada una de ellas indica la dirección ortogonal preferencial en que será realzado el límite de borde. Por ejemplo, la máscara norte realza límites horizontales.

8

ENVI 3.5

Arq. Mercedes Frassia

2.4. Filtro Operador de Roberts •

La detección de características, tales como bordes, líneas, curvas y manchas, puede realizarse también con filtros no lineales.

•

El operador gradiente de Roberts es el método no lineal más simple utilizado para la detección de bordes. Presenta la desventaja que, dependiendo de la dirección, ciertos bordes son más realzados que otros, inclusive teniendo igual magnitud.

•

Como resultado de su aplicación, se obtiene una imagen con altos valores de niveles de gris, con regiones de límites bien definidos.

•

El operador aplica la siguiente función: (a') = (a - d)2 + (c - b)2 donde: a' = es el nivel de gris correspondiente a la localización a, que será substituido; a, b, c, d = son las localizaciones cuyos valores serán computados para la operación.

2.5. Filtro Operador de Sobel •

El operador gradiente de Sobel tiene la propiedad de realzar líneas verticales y horizontales más oscuras que el fondo, sin realzar puntos aislados.

•

Consiste en la aplicación de dos máscaras que componen un único resultado, las cuales se muestran en la imagen siguiente:

•

La máscara (a) detecta las variaciones en sentido horizontal y la máscara (b), en sentido vertical. El resultado de esta aplicación en cada "píxel", es dado por la siguiente formula:

donde a' es el valor de nivel de gris correspondiente a la localización del elemento central de la máscara.

9

ENVI 3.5

2.5. Filtro Laplaciano •

Arq. Mercedes Frassia

2.6. Ejemplos

Este filtro aplica la siguiente formula:

Lo que es lo mismo que usar el kernel:

Imagen Original

Imagen con filtro Sharpen

Imagen con filtro Smooth

Imagen con filtro Laplaciano

• Principios de la Imagen Digital - KODAK http://www.kodak.es/ES/es/consumer/rincon/6030_curso_45.shtml • Visión artificial http://carpanta.dc.fi.udc.es/~cipenedo/cursos/Ip/inicio2.html • Introducción al Procesamiento de Imágenes http://webs.sinectis.com.ar/jmvuletich/ImageProcessing/TP2.html 10

ENVI 3.5

Arq. Mercedes Frassia

3. TRANSFORMACIONES •

Las transformaciones involucran típicamente la manipulación de varias imágenes de la misma área pero en periodos diferentes o de sensores diferentes.

3.1. Substracción •

La substracción de imágenes o de bandas de una misma imagen se utiliza para realzar diferencias espectrales.

•

Conociéndose las curvas de comportamiento espectral de los blancos de interés y el intervalo espectral de las bandas de los sensores, es posible definir cuales bandas serán utilizadas para realzar las diferencias espectrales a través de la substracción de bandas.

Estas operaciones pueden tener varios objetivos: •

La comparación temporal de un área en diferentes periodos, por ejemplo, antes y después de una inundación

•

La compresión de datos con el objetivo de disminuir el número de bandas: esta operación ocasiona sin embargo, pérdida de la información original.

•

El realce de alguna variable.

•

Dentro de las transformaciones mas comunes entre bandas encontramos las operaciones de suma, substracción, división (o razón entre bandas) y la multiplicación de una banda por una constante (realce lineal).

•

De manera general, se puede afirmar que se utiliza la operación de adición para realzar semejanzas entre bandas y la substracción, la multiplicación y división, para realzar diferencias espectrales.

11

ENVI 3.5

Arq. Mercedes Frassia

3.2. Adición de Imágenes •

Esta operación se utiliza para integrar imágenes de diferentes sensores.

•

Se usa habitualmente para incrementar la resolución espacial de un conjunto de datos multiespectral usando información proveniente de una imagen pancromática o de radar, como por ejemplo la unión de imágenes SPOT (pancromático de 10 metros de resolución) con una TM-Landsat color de 30 metros de resolución. Se logra de esta forma “colorear” los píxeles de la imagen SPOT. Vamos a realizar esta ejercitación.

Landsat color con 30 metros de resolución

Spot Blanco y Negro con 10 metros de resolución

•

Por otra parte se utilizan esta operación para la identificación de diferentes tipos de cobertura vegetal, la localización de patrones de cambio de cobertura tales como uso del suelo, expansión urbana, deforestación, la determinación de área inundadas, etc.

Ejemplo: Evaluación de Daños por Inundación Fuente: http://umbc7.umbc.edu/~tbenja1/baumann/baumann.html

Imagen nueva con resolución Spot y colores Landsat

• •

La metodología utilizada para evaluar daños por inundación consiste en superponer una imagen en época seca con otra durante la inundación, con el objetivo de construir una tercera imagen donde se distinguen tres áreas diferentes: el cause del río, la zona seca y el área inundada.

•

Los píxeles de estas dos imágenes se suman de forma tal que se obtiene una nueva imagen con los siguientes valores: 0 = Suelo seco, 2 = Cause del rió, 3 = Área inundada

12

ENVI 3.5

Arq. Mercedes Frassia

3.3. División o Razón Entre Bandas •

La operación de división de imágenes se utiliza para realzar las diferencias espectrales de un par de bandas, caracterizando determinados rasgos de la curva de firma espectral de algunos objetivos, por lo cual esta operación es limitada para bandas que presentan diferencias importantes.

•

Por ejemplo, se utiliza esta técnica para detectar áreas de vegetación. Parte de la idea de que solamente la vegetación presenta un salto importante entre la respuesta del infrarrojo (gran reflectancia) y el rojo (importante absorción). A diferencia de la vegetación, tanto los suelos como el agua absorben en forma similar en ambas bandas. Resumiendo, cuanto mayor es este contraste, mayor es el vigor de la vegetación. A partir de esta información se genera una nueva imagen conocida habitualmente como GVI (Green Value Index).

•

Como ejemplo, se podría considerar la imagen resultante de una división entre la banda 5 del Landsat MSS y la Banda 7 que permite distinguir claramente vegetación. En la parte práctica realizaremos este ejercicio.

•

Estos ratios tienen la ventaja que al considerar valores relativos permiten la comparación temporal a la largo del tiempo.

•

Por otra parte, presentan la ventaja de que atenúan la incidencia de otros factores como la atmósfera, iluminación y topología.

•

Existen varios modelos matemáticos para el cálculo de este GVI, pero las bondades de uno u otro modelo y la calidad del resultado obtenido depende en gran parte, de las características de la toma y del área de muestra. Uno de los más usados es el NDVI (Normalized Difference Vegetation Index) que se utiliza para monitorear vegetación a escala mundial.

• MODIS VEGETATION INDEX http://modis.gsfc.nasa.gov/data/atbd/atbd_mod13.pdf • Land applications of meteorological satellites http://www.eumetsat.de/en/area2/cgms/chap6.htm

13

ENVI 3.5

Arq. Mercedes Frassia

3.4. Transformación Por Componentes Principales •

Otra operación frecuente, es la denominada transformación por componentes principales. Es una técnica que reduce o remueve la redundancia espectral, o sea, genera un nuevo conjunto de nuevas imágenes con menor cantidad de bandas que la original, tratando de no perder información.

•

Parte de la observación de que frecuentemente las bandas individuales de una imagen multiespectral son altamente correlacionadas, o sea son similares visual y numéricamente.

•

A partir de esta observación, se opera una transformación derivada de la matriz de covariancia entre las bandas y se crea un nuevo conjunto de imágenes donde cada valor de "píxel" es una combinación lineal de los valores originales.

•

El número de componentes principales es igual al número de bandas espectrales utilizadas y son ordenadas de acuerdo con el decremento de la variancia de nivel de gris. La primera componente principal tiene la mayor variancia (mayor contraste) y la última por consecuencia, la menor variancia.

•

En este caso las 7 bandas de Thematic Mapper (TM) fueron reducidas estadísticamente de forma tal que las tres primeras componentes contienen el 90 % de la información

•

Dentro de estas transformaciones una de las mas utilizadas en la transformación Tasseled Cap, que supone pasar de las 6 bandas de Landsat a 3 bandas con un claro sentido físico que representan el brillo de la imagen (albedo), el verdor y la humedad. Habitualmente se asigna el canal rojo a la componente de brillo que corresponde a áreas de área de baja vegetación y alta reflectancia, el canal verde al verdor ya que indica vegetación y el canal azul a la humedad ya que indica agua o zona húmeda.

• Principal components analysis: a background HTTP://RST.GSFC.NASA.GOV/APPC/C1.HTML

14

ENVI 3.5

Arq. Mercedes Frassia

3.5. Fusión de Datos - Transformación IHS •

Este proceso posibilita combinar varias imágenes en una nueva imagen compuesta.

•

Se usa habitualmente para incrementar la resolución espacial de un conjunto de datos multiespectral usando información proveniente de una imagen pancromática o de radar, como por ejemplo la unión de imágenes SPOT-HRV (pancromático) y TMLandsat.

•

Para describir las propiedades de color de un objeto, normalmente el ojo humano no distingue la proporción de azul, verde y rojo presentes y sí evalúa la intensidad (I), el color o matiz (H) y la saturación (S). El Matiz: cuando decimos que un objeto es "rojo", nos estamos refiriendo a su tono. El matiz queda determinado por la longitud de onda dominante.

mezcla de longitudes de onda que irá a producir tonos pasteles (apagados). Luminosidad o intensidad se refieren a la cantidad de luz que el color refleja o transmite.

•

Normalmente vemos los colores agrupados en dos dimensiones. Ésta es una representación muy útil, pero incompleta.

•

Los colores ocupan normalmente un espacio tridimensional

La saturación de un color oscila de neutra a brillante. El círculo de la derecha es de un rojo más vivo que el de la izquierda; a pesar de que ambos tienen el mismo tono o matiz. • •

Un alto valor de saturación resulta en un color espectralmente puro, en tanto que un bajo valor indica una 15

ENVI 3.5 •

La distancia de un punto hasta el origen o ápice del cono representa la intensidad.

•

La distancia radial del punto hasta el eje central del cono representa la saturación.

•

El matiz está representado como una secuencia radial alrededor de los círculos de saturación y del eje de intensidad.

•

Por ser independientes, estos tres parámetros pueden ser analizados y modificados separadamente, para un mejor ajuste de los colores a las características del sistema visual.

•

La transformación de las componentes rojo, verde y azul (RGB) en las componentes intensidad, matiz y saturación (IHS) es utilizada para combinar diferentes tipos de imágenes o imágenes de diferentes sensores. Esta transformación es realizada a través de algoritmos matemáticos que relacionan el espacio RGB al IHS.

•

Al transformar una imagen RGB a una IHS se obtiene como resultado es un conjunto de tres imágenes nuevas: una de intensidad, una de matiz y la otra de saturación.

•

La componente I es substituida por la banda de mayor definición (la banda pancromática del SPOT, por ejemplo) y estas tres imágenes son reconvertidas al sistema RGB.

Arq. Mercedes Frassia

16

ENVI 3.5

Arq. Mercedes Frassia

PRACTICO 1. CONTRASTE •

La expansión interactiva del contraste muestra un histograma y permite controlar interactivamente el contraste de la imagen visualizada. Muchos tipos de diferentes expansiones pueden ser aplicados.

•

Por defecto, una expansión lineal del 2% es aplicada a los datos cuando ellos son visualizados.

•

Cargue la imagen de la clase 1, bsastm.img, en color verdadero (R:3, G:2,B:1).

•

Para ver el histograma seleccione Enhance > Interactive Stretching del menú de la imagen.

•

Dos histogramas muestran el rango para la banda roja. La imagen de entrada es la de la izquierda y la de salida, después del contraste, es la de la derecha.

•

Con el histograma abierto y con el objetivo de ver la imagen en crudo, pulse Enhance > Linear.

•

Se ve toda negra. Por otra parte ahora los histogramas de salida y entrada son iguales.

•

Para que adquiera la apariencia que tenia anteriormente pulse Enhance > Linear 2 %.

17

ENVI 3.5

Arq. Mercedes Frassia

•

Para cambiar el histograma manualmente hay varios procedimientos posibles.

•

Si Options > Auto Apply esta seleccionado, el strech se aplica automáticamente.

•

Observe la líneas punteadas en el gráfico del histograma estas barras pueden ser movidas para controlar el valor máximo y mínimo que se usará para la entrada del contraste.

•

Sin cerrar el histograma y analizando los cambios que en el se producen haga las siguientes pruebas:

•

•

Mueva la barra izquierda arrastrando con el botón izquierdo del ratón.

Seleccione Defaults > [Image] Equalization y observe los cambios en el histograma de salida. (Recuadro rosa de la imagen del histograma)

•

Los números de arriba se actualizarán a los valores actuales. Por otra parte el valor del píxel y el porcentaje de píxeles que tienen ese valor, y el porcentaje de píxeles con valores menores o iguales que el valor actual son actualizados automáticamente en la parte de abajo del cuadro de dialogo a medida que usted mueve el cursor. (Recuadro verde de la imagen del histograma)

•

Pulse "Apply" para ejecutar los cambios en la ventana principal.

•

Seleccione Defaults > [Image] Gaussian.

•

Fije la desviación seleccionando Options->Set Gaussian Stdv.

•

Aplique la expansión y observe los cambios en la ventana principal.

•

Pulse "Cancel" para cerrar la ventana de expansión de contraste.

•

Pruebe a mover las barras hasta que sean seleccionados el 5 % (aproximadamente) y el 85% de los píxeles.

•

Pulse "Apply" para ejecutar el contraste y observe los resultados. Esta transformación se aplica solo a la banda roja.

•

Pruebe este procedimiento con la banda azul. (Recuadro azul de la imagen del histograma)

•

Usted puede mover las barras sin usar el Mouse, introduciendo un valor máximo y mínimo en los campos de texto próximos al botón "Apply" (Recuadro amarillo de la imagen). Puede entrar valores o porcentajes.

•

Introduzca "4%" en la caja izquierda y "96%" en la derecha. (presione Enter después de entra cada valor), y pulse "Apply".

•

Las barras se ajustarán y las dos entradas de texto mostrarán los valores 4% y 96%, respectivamente.

•

También, pruebe seleccionar Zoom y Scroll en el menú desplegable Histogram_Source y observe las diferencias en los histogramas y en las expansiones de contraste. 18

ENVI 3.5

Arq. Mercedes Frassia

2. FILTROS DE VISUALIZACIÓN •

ENVI proporciona la capacidad de aplicar diferentes filtros predefinidos o definidos por el usuario. Los siguientes ejemplos muestran cómo aplicar un filtro predefinido a la ventana principal de la imagen.

•

Seleccione Enhance > Filter y elija el filtro deseado en el menú desplegable. Aplique el filtro a la imagen visualizada.

•

Pruebe diferentes filtros tipo sharpen, smooth, median y en la imagen visualizada. Utilice para ellos diferentes display.

•

Pruebe un filtro sharpen de 10 *10 y luego otro de 18 * 18. Note las diferencias

Imagen con contraste lineal

Imagen con filtro Sharpen

Imagen con filtro Smooth

19

ENVI 3.5

Arq. Mercedes Frassia

2.1. Realce de bordes •

•

•

•

A los filtros también se accede a ellos a través del menú Filter en el menú principal de ENVI. Los siguientes ejemplos muestran cómo aplicar un filtro predefinido a la ventana principal de la imagen.

•

Un filtro Laplaciano puede usarse para resaltar los bordes de las imágenes.

•

Aplicando el filtro de esta forma realza fuertemente los bordes pero produce la pérdida de la mayor parte de la información radiométrica.

Desde el menú principal de ENVI, seleccione Filter (Filtros) >Convolution (Convolución) Se abre un cuadro de dialogo que le permite seleccionar el tipo de filtro deseado. Seleccione Convolutions-> Laplacian y aplíquelo.

•

Vuelva al menú Convolution y verá que el programa incluye las otras opciones, sobre las cuales nos hemos referido en la parte teórica.

•

Haga todas las pruebas que crea necesarias.

20

ENVI 3.5

Arq. Mercedes Frassia

3. DIVISIÓN ENTRE BANDAS •

Aclaración: dentro de los procedimientos de división entre bandas, el método más usado es el NDVI (Normalized Difference Vegetation Index) que se utiliza para monitorear vegetación a escala mundial. Este procedimiento ya ha sido explicado en la clase 2. Clasificaciones. •

Desde el menú principal de ENVI, seleccione Transform ->Band Ratios

•

En el cuadro de dialogo que aparece, seleccione la banda 5 como Numerator y la banda 6 (equivale a la banda 7 del Landsat) como Denominador.

•

Presione el botón Enter Pair.

•

Presione el botón OK

Este es el resultado obtenido. Una nueva imagen donde la vegetación ve de colores claros.

21

ENVI 3.5

Arq. Mercedes Frassia

4. TRANSFORMACIÓN POR COMPONENTES PRINCIPALES •

Desde el menú principal de ENVI, seleccione Transform ->Tasseled CAP

•

Seleccione la imagen de Buenos Aires.

•

Por defecto el programa reconoce que es una imagen Landsat.

•

Seleccione a la Memoria

•

Este es el resultado esperado.

22

ENVI 3.5

Arq. Mercedes Frassia

5. FUSIÓN DE DATOS – TRANSFORMACION IHS •

•

•

Antes de hacer data fusión entre dos imágenes se deben cumplir alguna de estas dos condiciones: •

Que las imágenes estén georeferenciadas

•

O que cubran el mismo área geográfica, con el mismo tamaño de imagen y de píxel

Esta porción del Tutorial describe el proceso para la combinación de dos conjuntos de datos no georeferenciados que contienen diferente tamaño de pixel. Se usará una imagen TM color y la imagen SPOT de alta resolución. El resultado es una imagen en color compuesto con una resolución espacial mejorada. Como los datos no están georeferenciados, la imagen de menor resolución espacial debe ser reconvertida para que los tamaños de píxeles coincidan.

•

Compare la imagen TM de más arriba y observe una geometría similar pero una cobertura espacial y escala diferente.

•

En la Available Bands List haga clic en la primera imagen –TM –

•

Observe el tamaño de píxeles. (2820 x 1569)

•

Repita la operación para la imagen SPOT(1007 x 560).

•

El tamaño del pixel de la imagen TM debe es 2.8 menor que el de la SPOT

Visualización de la imagen TM color de 30m Estas imágenes tienen un cabezal construido con el software ERMAPPER y pueden ser abiertas de la siguiente forma.

Reconversión de píxeles de la TM

•

Seleccione File > Open Image File y seleccione Lon_tm.ERS

•

•

Elija la opción "RGB" en Available Bands List, y cargue las bandas 4, 3, y 2 (RGB) en una nueva visualización.

•

Seleccione Basic Tools >Rezise Data (Spatial/Spectral) y elija Lon_TM.

Visualización de la Imagen SPOT de 10m. •

Abra el fichero Lon_spot.ers.

•

Pulse en la opción "Grayscale" en Available Bands List, presione "New", y después el botón "Load Band" para cargar la imagen SPOT en una nueva visualización.

Ver tamaño píxeles 23

ENVI 3.5 •

•

•

Entre los valores 2.8 Xfac y 2.8009 Yfac. Se introduce el valor de 2.8009, porque aunque la diferencia sea insignificante las imágenes deben tener el mismo tamaño.

Cargue la nueva imagen en el Display 1

Arq. Mercedes Frassia Realización del Ajuste IHS •

Seleccione Transforms->Image Sharpening->IHS en el menú principal de ENVI.

•

Si tiene visualizada la imagen color, elija la visualización apropiada en el diálogo Select Input RGB. En caso contrario, elija las bandas 4, 3 y 2 de la imagen TM en el diálogo Select Input RGB Input Bands y pulse "OK".

•

Elija la imagen SPOT en el diálogo High Resolution Input File y pulse "OK".

•

Introduzca Memory para el nombre del fichero de salida y pulse "OK" en el diálogo IHS Sharpening Parameters.

•

Aparecerá una caja del estado del proceso. Tras ello, una nueva imagen será listada en Available Bands List.

Visualización de la Imagen en Color de 10m •

Cargue la imagen de color mejorado en una nueva visualización seleccionando la opción RGB Color en Available Bands List. Seleccione las bandas para los canales R, G, y B del nuevo archivo y pulse en "Load RGB".

•

Compare la imagen de color mejorado con la TM-color original y con la SPOT.

•

Pruebe el mismo proceso usando la transformación de Color Normalizado (Brovey) seleccionando Transforms->Image Sharpening->Color Normalized (Brovey), introduzca la información de fichero requerida y pulse "OK".

24

ENVI 3.5

Arq. Mercedes Frassia

EVALUACIÓN •

Pruebe el filtro Smooth con la imagen flevolandradar.img y mande una captura de pantalla

•

Pruebe el filtro Sharpen con la imagen 8617.img y mande una captura de pantalla

25