Download Procesamiento de Imágenes - Universidad de La Laguna

Prácticas de Teledetección
Universidad de La Laguna
Práctica 2 - Procesamiento de Imágenes
En esta práctica veremos diferentes técnicas de tratamiento que suelen ser aplicadas a las
imágenes obtenidas desde satélites. Muchos de los procedimientos que aprendamos a utilizar
aquí, serán necesarios en las prácticas siguientes. Las técnicas que estudiaremos son:
•
•
•
•
•
•
•
•
•
Contraste de imágenes
Lectura de pixeles
Transformación HSI
Operaciones aritméticas entre imágenes
Filtros
Eliminación de ruido
Estadística de imágenes
Restauración de imágenes
Análisis de componentes principales
1. Contraste de Imágenes
La técnica de realce del contraste tiene como objetivo mejorar la calidad de las imágenes
según los criterios subjetivos del ojo humano. Normalmente se utiliza en una etapa de preprocesamiento.
Þ Realce de Imagen
- # Iniciar - Programas - Spring - Spring
SPRING-3.1
* Activar el banco de datos donde se encuentre la imagen de Tenerife
• Activar el proyecto
1.1. Contraste de imagen con una única banda
Þ Visualizando una imagen:
Panel de Control
- (Categorías | Imagem_TM)
- (Planos de Información | TM4)
- (M) - para monocromático (imagen en niveles de gris)
SPRING-3.1
- [Ejecutar] [Visualizar]
Þ Definiendo un aumento de contraste lineal:
SPRING-3.1
- [Imagen][Contraste...]
Contraste
- [Operación] [Lineal]
* Seleccionar con el cursor (botón izquierdo) el valor mínimo del histograma
* Seleccionar con el cursor (botón derecho) el valor máximo del histograma
- [Ejecutar] [Contraste]
- * La imagen de la pantalla activa es realzada
1
Prácticas de Teledetección
Universidad de La Laguna
Þ Guardando la imagen realzada:
Contraste
- {Nombre: TM4_realce_lineal}
- (Guardar Imagen <=> Banda)
- [Ejecutar] [Guardar]
* En caso que se desee, se puede seleccionar con el cursor un sector de la imagen
para guardar, para lo cual basta definir un rectángulo sobre la imagen, como si
fuera a realizar un zoom, pero sin hacer clic en Ejecutar - Visualizar.
- (Cerrar) o botón X (esquina superior derecha de la ventana)
IMPORTANTE: En caso que cierre la ventana de Contraste con una de las opciones de
contraste aplicada sobre una imagen, esta transformación podrá quedar almacenada. Así, si
carga una imagen que ya fue realzada, esta aparecerá con un contraste modificado en la
pantalla, inclusive si la ventana de Contraste está cerrada. Para que esto no ocurra se debe
responder No al cerrar la ventana.
1.2. Contraste de una Composición en Color (RGB)
Þ Visualizando una composición en color de tres bandas:
Panel de Control
- (Categorías | Imagem_TM)
- (Planos de Información | TM4), (R)
- (Planos de Información | TM5), (G)
- (Planos de Información | TM3), (B)
SPRING-3.1
- [Ejecutar] [Visualizar]
Þ Definiendo un contraste para cada banda:
SPRING-3.1
- [Imagen][Contraste...]
Contraste
- [Operaciones] [Lineal] u otra opción de contraste.
- [Canal] [Rojo]
* Seleccionar con el cursor (botón izquierdo) el valor mínimo del histograma
* Seleccionar con el cursor (botón central) el valor máximo del histograma
- [Ejecutar] [Contraste]
* La composición en color en la pantalla activa presenta el resultado de la
alteración del histograma.
* Repetir para los canales verde y azul
Þ Creando una Imagen Sintética de la composición en color:
Contraste
- {Nombre: comp_453}
- (Guardar Imagen <=> Imagen Sintética)
- [Ejecutar] [Guardar]
* La imagen sintética estará disponible en el "Panel de Control".
- Analizar otras opciones de contraste: MinMax, RaizCuadrada, Cuadrado,
Logarítmico, Negativo, Ecualización de Histograma.
- Analizar la opción de contraste por Edición. Verificar las operaciones:
Eliminar, Adicionar y Mover puntos de la curva de realce.
2
Prácticas de Teledetección
Universidad de La Laguna
2. Lectura de Pixel
La lectura de pixel permite saber cual es el valor del nivel de gris de un determinado pixel y sus vecinos. Este
análisis es útil para los trabajos que involucren el estudio del comportamiento espectral de los objetos o
superficies, en las diferentes bandas de imágenes multiespectrales.
Þ Lectura del Nivel de Gris de los Pixels:
- # Iniciar - Programas - Spring - Spring
SPRING-3.1
* Activar el banco de dato
* Activar proyecto
* Visualizar la imagen TM5
- [Imagen][Lectura de Pixels...]
- Lectura de Pixels
- [Exhibir] [Cursor de Punto]
* Seleccionar un pixel en la pantalla con el ratón
* Verificar los valores de los pixeles para superficies diferentes. Observe que cada vez que se
selecciona un nuevo pixel, los nuevos valores se presentan en la ventana Lectura de Pixeles.
Þ Lectura de pixeles definido por una coordenada:
Lectura de Pixeles
- (Situar...)
Situar el Cursor de Punto
- (Coordenadas <=> Planas)
- {X}, {Y} Estos valores deben pertenecer a los limites preestablecidos en
la imagen
- (Ejecutar)
* Observe que en la coordenada indicada aparece una "cruz" y se presenta
el informe.
NOTA: Haga clic con el botón del medio (BM) del ratón, sobre el área de visualización, para
liberar el cursor del modo Punto, o [Exhibir] [Cursor de Punto]
Þ Guardar en archivo:
Lectura de Pixels
- (Guardar...)
Guardar Archivo Como o Selección de Archivo
- (C:\directorio-elegido
- {Selección del Nombre del Archivo: pixeltm5.txt} - Nombre de un
archivo de texto que contendrá los valores presentados.
- (Guardar) o (Ejecutar)
Lectura de Pixels
- (Cerrar)
NOTA: El mismo procedimiento para la lectura de pixel, puede ser efectuado sobre una
composición en color de tres bandas, pero no sobre una imagen sintética.
3
Prácticas de Teledetección
Universidad de La Laguna
3. Transformación HSI
Para describir las propiedades del color de un objeto en una imagen, normalmente el ojo
humano no distingue la proporción de azul, verde y rojo presente, y si, evalúa la intensidad
(I), el color o matiz (H) y la saturación (S).
Muchas veces, esta técnica se utiliza para producir imágenes integradas de sensores diferentes o imágenes
geofísicas.
Þ Transformación RGB-IHS
- # Iniciar - Programas - Spring - Spring
SPRING-3.1
* Activar el banco de datos Curso
* Activar el proyecto Brasilia
* Visualizar la imagen TM5_Amostra
- [Imagen][Transformación IHS<-->RGB...]
Transformación RGB<-->IHS
- (TRANSFORMACIONES <=> RGB->IHS)
- (Planos de Entrada <=> R)
Categorías y Pls
- (Categorías | Imagem_TM)
- (Planos de Información | TM5_Amostra)
- (Ejecutar)
- Repetir para: plano de entrada G - TM4_Amostra y plano de entrada B TM3_Amostra
Transformación RGB<-->IHS
- {PI de Salida: Tihs}
- (Resolución de Salida <=> R, G o B) = {X: 30}, {Y:30}, ya que en este caso
la resolución de salida será la misma a la de los PI de entrada.
- (Ejecutar)
- Visualizar la imagen IHS resultante
Aplicar la transformación IHS->RGB utilizando la banda PAN (Categoría:
Imagem_SPOT) en lugar de la I y con Resolución del Plano de Salida X=10 e Y=10.
Þ Transformación inversa: IHS-RGB
- [Imagen][Transformación RGB>-->IHS...]
Transformación RGB<-->IHS
- (TRANSFORMACIONES - IHS->RGB)
- (Planos de Entrada <=> I)
Categorías y Pls
- (Categorías | Imagem_SPOT)
- (Planos de Información | PAN)
- (Ejecutar)
- (Planos de Entrada - H)
Categorías y Pls
- (Categorías | Imagem_TM)
- (Planos de Información | Tihs-H)
- (Ejecutar)
- (Planos de Entrada - S)
Categorías y Pls
- (Categorías | Imagem_TM)
- (Planos de Información | Tihs-S)
- (Ejecutar)
4
Prácticas de Teledetección
Universidad de La Laguna
Transformación RGB<-->IHS
- {PI de Salida: T_inversa}
- (Resolución de Salida <=> I) = {X: 10}, {Y:10}
- (Ejecutar)
- Comparar y comentar las composiciones en color originales y transformadas
4. Operaciones Aritméticas entre imágenes. Indice de vegetación (NDVI).
Se utilizan una o dos bandas de una misma área geográfica, previamente georreferenciadas.
Se realiza la operación "pixel" a "pixel", a través de una regla matemática definida,
obteniéndose como resultado una banda que representa la combinación de las bandas
originales, lo que permite la compresión de datos. Normalmente los resultados pueden
sobrepasar el intervalo de 0 a 255, en este caso serían automáticamente normalizados, de
forma que los valores menores que 0 y los mayores de 255, recibirían los valores 0 y 255
respectivamente. Eevidentemente esto causa una pérdida de información espectral, por lo que
se debe utilizar un factor de Ganancia (multiplicativo) u "Off-set" (aditivo).
Þ Operaciones Aritméticas
- # Iniciar - Programas - Spring - Spring
SPRING-3.1
* Activar el banco de datos
* Activar el proyecto
* Visualizar la imagen TM4 de Tenerife
- [Imagen][Operaciones Aritméticas...]
Operaciones Aritméticas
- (Operación <=> C = Ganancia*(A-B/A+B)+Offset)
- (A), (Planos de Información: TM4)
- (B), (Planos de Información: TM3)
- {Ganancia: definir valor adecuado}
- {Offset: idem que ganancia}
- {Salida C: ndvi}
- (Ejecutar)
* Visualizar la imagen resultante
* Aplicar otras operaciones. No se olvide de analizar los valores de Ganancia y
Offset.
5. Filtros
Las técnicas de filtrado son transformaciones de la imagen "pixel" a "pixel", que no dependen
solamente del nivel de gris de un determinado "pixel", sino también del valor de los niveles de
gris de los "pixeles" vecinos, en la imagen original.
OBS: Los filtros implementados se encuentran en la tabla siguiente, además de existir la
posibilidad de poder editar una máscara.
5
Prácticas de Teledetección
Tipos de
Filtros
Lineal
No Lineal
Radar
Universidad de La Laguna
Opciones
Máscaras
Paso Baja - Media 3x3, 5x5 o 7x7
Direccional de
NW, W, SW, N, S, NE, E o SE
Borde
No direccional de Baja, Media o Alta
Borde
Realce de Imagen
TM
Máscaras
Editor de máscaras.
Detección de
Sobel o Roberts
Bordes
Morfológico Dilatación
MorfológicoMtot, Mx, M+, M-, M|, Md o Me
Mediana
MorfológicoErosión
Máscaras
Editor de elementos.
Lee
Definir el Tipo, Tamaño (3x3, 5x5, 7x7, 9x9),
Imagen y Número de Looks.
Kuan Definir el Tipo, Tamaño (3x3, 5x5, 7x7, 9x9),
Imagen y Número de Looks.
Frost
Definir el Tipo, Tamaño (3x3, 5x5, 7x7, 9x9),
Imagen, Numero de Looks y Coeficiente de
Correlación.
Þ Filtraje:
- # Iniciar - Programas - Spring - Spring
SPRING-3.1
* Activar el banco de datos Curso
* Activar el proyecto Brasilia
* Visualizar la imagen TM4
- [Imagen][Filtraje...]
Þ Usando filtros predefinidos:
Filtraje
- (Tipos <=> Lineal)
- (Filtros Lineales <=> Pasa Baja - Media)
- (3x3)
- {PI de Salida: tm4_media}
- (''Area del Proyecto...)
* Seleccionar el área a ser filtrada sobre la imagen. Si no es definida ningun área del
Proyecto se utilizará todo el área del PI.
- (Número de Interacciones <=> 1)
- (Ejecutar)
* Visualizar la imagen tm4_media filtrada para compararla con la original
* Aplicar otros filtros
6
Prácticas de Teledetección
Universidad de La Laguna
NOTA: El filtraje es efectuado directamente en el disco, creando un PI nuevo o actualizando
el PI activo.
Þ Editando filtros de usuarios
Panel de Control
* Visualizar la imagen PAN (Categoría : Imagem_SPOT)
Filtraje
- (Tipos <=> Lineal)
- (Filtros Lineales <=> Máscaras)
- (Seleccionar...)
Máscaras
- (Directorio: /springdb/Datos) o (C:\springdb\Datos)
- (CR)
- (X <=> 7), (Y <=> 7)
- (Crear...)
Edición de Máscaras
- {Nombre: urb}
* Completar la máscara con los valores como se muestra a continuación:
0
0
0
0
0
0
0
0
0
0
-2
0
0
0
0
0
1
-2
1
0
0
-2
-2
-2
25
-2
-2
-2
0
0
1
-2
1
0
0
0
0
0
-2
0
0
0
0
0
0
0
0
0
0
- (Guardar)
Máscaras
- (Ejecutar)
Filtraje
- {PI de Salida: SPOT_m }
- (área del Proyecto...)
* Seleccionar el área de la imagen sobre la cual se aplicará el filtro, si no se
especifica nada se aplicará sobre toda el área del PI.
- (Nº de Iteraciones <=> 1)
- (Ejecutar)
* Visualizar la imagen SPOT_m filtrada para comparación
* Editar otras máscaras y aplicar
Las técnicas de filtraje utilizando filtros pasa baja son útiles para la eliminación de ruido no sistemático, como se
puede observar en el siguiente ejercicio. Note que fueron creados ruidos totalmente oscuros (NG=0) y ruidos
blancos (NG=255).
Þ Filtraje pasa baja para la eliminación de ruido:
SPRING-3.1
- Activar el proyecto Rondonia
- Visualizar la imagen TM5_RuidoA
* Comparar con las imágenes TM5_RuidoB y TM5_RuidoC.
- [Imagen][Filtraje...]
7
Prácticas de Teledetección
Universidad de La Laguna
Filtraje
- (Tipos <=> Lineal)
- (Filtros Lineales <=> Pasa Baja Media)
- (3x3)
- {PI de Salida: TM5_SemRuidoA }
- (Nº de Iteraciones <=> 1)
- (Ejecutar)
NOTA: Realice pruebas y observe el efecto de utilizar filtros con máscaras de tamaño mayor
y también filtros no lineales. Comentar los resultados.
6. Eliminación de Ruido
Ruidos (puntos totalmente blancos o negros) pueden aparecer distribuidos aleatoriamente o de
forma sistemática (líneas verticales y horizontales). Las causas pueden ser fallos de
detectores, limitaciones del sistema electrónico del sensor, etc.
Se debe escoger los valores de: Umbral Inferior y Umbral Superior.
Selección del Umbral Inferior
Un punto será considerado ruido en caso de que su nivel de gris esté por debajo de los niveles
de gris de sus dos puntos vecinos abajo y arriba (líneas de arriba y de abajo) en una
diferencia mayor que el umbral inferior. En este caso, el punto será substituido por la
media entre los dos puntos vecinos.
Selección del Umbral Superior
Un punto será considerado ruido en caso de que su nivel de gris sea mayor que el de los
dos puntos vecinos abajo y arriba (línea de arriba y de abajo) en una diferencia mayor que
el umbral superior. En este caso, el nivel de gris del punto también será substituido por la
media de los dos puntos vecinos.
Þ Eliminación de Ruido
- # Iniciar - Programas - Spring - Spring
SPRING-3.1
* Activar el banco de datos Curso
* Activar el proyecto Rondonia
* Visualizar la imagen tm5_ruido
- [Imagen][Eliminación de Ruido...]
Eliminación de Ruido
- (Inferior <=< 65), (Superior <=< 41)
- {Imagen de Salida: TM5_c}
* Seleccionar el área con ruido sobre la imagen, utilizando el Cursor de área en
o [Exhibir] [Cursor de área]
- (Ejecutar)
* Visualizar la imagen TM5_c en la Pantalla 2 para comparar
* Aplicar umbrales inferiores y superiores diferentes en caso de que el ruido persista
7. Estadística de Imágenes
La función Análisis Estadística se efectúa sobre Muestras definidas en la imagen y tiene como
objetivo calcular y presentar los siguientes parámetros estadísticos a partir de las imágenes
previamente seleccionadas: Momentos, Mediana, Moda, Desviación Standard y Variancia
8
Prácticas de Teledetección
Universidad de La Laguna
, Matriz de Covariancia y correlación, Matriz de Autocorrelación y Matriz de
Correlación Cruzada.
Þ Realizando un análisis Estadístico:
- # Iniciar - Programas - Spring - Spring
SPRING-3.1
* Activar el banco de datos
* Activar el proyecto
* Visualizar la imagen TM5
- [Imagen][Estadística...]
Análisis Estadística
- {Nombre: estat1}
- (Planos de Información | TM3, TM4, TM5)
- (Crear Archivo...)
Þ Adquiriendo muestras:
Adquisición de Muestras
- {Nombre de la muestra: muestra1}
- (Adquisición <=< Cursor)
* Adquiera una muestra sobre la imagen definiendo un rectángulo como si fuera a
efectuar un zoom, pero no haga clic en [Ejecutar] [Visualizar].
- (Adquirir)
Þ Analizando muestras:
Adquisición de muestras
- (Muestras | muestra1) - observe que un rectángulo verde destaca la muestra en el área de
visualización.
Þ Analizando momentos de las muestras:
Adquisición de Muestras
- (CÁLCULOS <=< Momentos)
- (Calcular y Presentar...)
Estadísticas de Muestras
- (Selección de PI: tm3)
* Analizar el histograma y los valores estadísticos (media, variancia, desviación
standard y momentos)
* Seleccionar otros planos y analizar los valores estadísticos
Þ Analizando momentos de las muestras
Adquisición y Visualización
- (CÁLCULOS - Matriz de Covariancia y Correlación)
- (Calcular y Presentar...)
Estadísticas de Muestras
* Analizar las matrices calculadas
* Analizar otras muestras y otros cálculos
8. Restauración de Imagen
La Restauración es una técnica de corrección radiométrica cuyo objetivo es corregir las
distorsiones ocasionadas por el sensor óptico en el proceso de generación de las imágenes
digitales, intentando reducir este efecto borroso.
9
Prácticas de Teledetección
Universidad de La Laguna
La corrección es realizada por un filtro lineal, donde los pesos se obtienen a partir de las
características del sensor, y no de forma empírica como es realizado en el caso de los filtros
de realce tradicionales. En este caso, el filtro es específico para cada tipo de sensor y banda
espectral.
9. Análisis por Componentes Principales
La creación de componentes principales es una técnica de realce que reduce o elimina la
redundancia espectral, o sea, genera un nuevo conjunto de imágenes cuyas bandas
individuales presentan informaciones no disponibles en otras bandas. Esta redundancia es
debida principalmente al efecto de sombras resultantes de la topografía, de la superposición
de las ventanas espectrales entre bandas adyacentes y del propio comportamiento espectral de
los objetos.
Þ Realizando la transformación por Componentes Principales:
- # Iniciar - Programas - Spring - Spring
SPRING-3.1
* Activar el banco de datos
* Activar el proyecto
* Visualizar la imagen TM5
- [Imagen][Componentes Principales...]
Componentes Principales
- (Planos de información | TM3, TM4 e TM5) - seleccionar PIs para análisis
- (Muestra <=> Cursor)
* Seleccionar el área sobre la imagen
- (Adquirir)
* Adquirir otras muestras
- (Parámetros...)
Parámetros de las Componentes Principales
* Analizar los parámetros
* Guardar los parámetros en el archivo princo1
Componentes Principales
- {Imagen de Salida: tmpc}
- (Realce <=> Sí)
- (Ejecutar)
* Visualizar la imagen tmpc resultante
* Aplicar nuevamente la transformación sin la opción de realce
* Analizar los resultados generados, encontrando la cantidad de información que
retiene cada una de las nuevas componentes.
10