Tema 5

Visualización de imágenes Tradicionalmente se ha dividido el análisis de imágenes de satélite en 2 fases, un análisis visual y un análisis digital. El primero es similar en muchos aspectos a la fotointerpretación clásica con las ventajas que aporta la fotografía digital en cuanto a las posibilidades de retocar y realzar las imágenes. Dando por supuestos suficientes conocimientos de fotointerpretación por parte del alumno se procederá a estudiar diferentes técnicas digitales que pueden mejorar el análisis visual. Aunque el espectro electromagnético abarca un ámplio número de regiones, el ojo humano sólo puede apreciar los colores azul, verde y rojo, formándose los demás como combinaciones de estos tres colores primarios. De este modo podemos descomponer cualquier imagen en tres componentes de reflectividad (azul, verde y rojo). Los dispositivos de visualización de imágenes (monitores, televisiones, etc) forman sus imágenes mediante la combinación de diferentes niveles de intensidad en estos tres colores. En este ejemplo (figura 5) se puede ver la descomposición de una imagen de colores vivos en 3 imágenes que reflejan la intensidad en el azul, el verde y el rojo y dos recomposiciones, una en blanco y negro y otra reorganizando caprichosamente los tres colores. La intensidad del rojo se pasa por el canal azul, la del color azul por el canal verde y la del color verde por el canal rojo. Este tipo de recombinaciones son muy usuales en teledetección. Todas las técnicas de análisis visual que se analizan en este tema se caracterizan por suponer tan solo una modificación de la paleta de colores sin alterar la matriz de datos. Otro tipo de técnicas que se estudiarán posteriormente, como el filtrado, implican posteriormente una modificación de la imagen. Como ejemplo de los resultados producidos por las diferentes herramientas para mejorar la visualización de imágenes, se va a utilizar una capa correspondiente a la banda azul de una imagen Landsat-5 del centro de Murcia (figura 5).

5.1 Ajuste de contraste Los sensores utilizados en teledetección están calibrados para recibir valores muy altos de radiación sin llegar a saturarse por lo que lo normal es que todos los valores recibidos estén muy por debajo de los 57

58

Figura 5.1: Composición de color máximos posibles. La consecuencia es que los valores de ND obtenidos son muy bajos y las imágenes se van a ver oscuras. Una forma de solventar este problema es ajustar el contraste mediante diversas técnicas que a continuación se exponen. Con ellas se obtiene el nivel de gris (NG) que se representará en el monitor en función del ND representado. 1. Expansión lineal N G = 255

N D − N Dmin N Dmax − N Dmin

(5.1)

2. Expansión lineal restringida, los valores de N Dmax y N Dmin los decide el usuario en lugar de corresponder a los valores reales de la imagen. De esta forma: • si N Dmax > N D > N Dmin

D−N Dmin N G = 255 N N Dmax −N Dmin

• si N Dmax < N D

N G = 255

• si N Dmin > N D

NG = 0

3. Ecualización del histograma. Tiene en cuenta, nó sólo los valores de ND, sino también su frecuencia de manera que aquellos valores de ND más frecuentes resultarán más ajustados que los menos frecuentes. Para ello debe calcularse para cada nivel de gris i el valor:

59

Figura 5.2: Imagen original. Banda b1

Ci =

256

Pi

j=0 nj

N

(5.2)

Donde nj es el número de pixeles con valor j y N el número total de pixeles 4. Ajuste gaussiano. Supone el ajuste del histograma observado al histograma que aparecería si la distribución fuera gaussiana, es decir si: 1 −(x − µ)2 f (x) = √ exp( ) 2σ 2 σ 2π

(5.3)

donde f (x) es la frecuencia de x, µ es la media y σ la desviación típica. Para llevar a cabo este procedimiento de forma manual habría que construir la siguiente tabla: En esta tabla la primera columna representa los ND de un sensor hipotético con resolución radiométrica de 4 bytes, la segunda asigna a cada valor de ND valores de una distribución normal estandard (µ = 0 y σ = 1), la tercera la probabilidad de ocurrencia de esos valores que se obtienen de las tablas de la distribución normal tipificada que puede encontrarse en cualquier libro de estadística, la cuarta el número de pixeles correspondientes a esa probabilidad, la quinta contiene el acumulado de la cuarta columna, la sexta el número de pixeles que realmente corresponden a cada uno de los 15 valores de ND y la séptima el acumulado. Finalmente la octava columna contiene

60

Figura 5.3: Construcción de una tabla de color utilizando una transformación lineal los valores de nivel de gris que se adjudicarían en la LUT; estos valores se obtienen buscando, para cada valor de O(x) el primer valor de F (x)N que lo supera y anotando el correspondiente valor de x.

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

5.3 Composición de color En una imagen e satélite se dispone de varias bandas que corresponden a diversas regiones del espectro electromagnético. En muchos casos algunas de estas bandas corresponden a las subregiones del visible que corresponden a los colores azul, verde y rojo. Por otra parte, los monitores y tarjetas de video disponen de 3 canales

61

Figura 5.4: Construcción de una tabla de color utilizando una ecualización del histograma • R rojo • G verde • B azul para representar los 3 colores básicos. Por tanto puede utilizarse cada canal para representar el ND de una banda y obtener así una composición de color. La más obvia seria simular el color real, asumiendo que estamos trabajando con Landsat: b1 -> B b2 -> G b3 -> R pero como se dispone de más bandas, nada impide utilizarlas para generar visualizaciones en falso color. Estas composiciones servirán para resaltar los elementos que mayor reflectividad presentan en las bandas utilizadas, además de obtener visualizaciones más o menos estéticas. Por ejemplo, si se pasa la banda 4 de landsat (con alta reflectividad por parte de la vegetación) por el canal verde, la vegetación se verá mucho más claramente que si se utiliza la banda 2

62 ND 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

z < -3 -2.6 -2.2 -1.8 -1.4 -1 -0.6 -0.2 0.2 0.6 1 1.4 1.8 2.2 2.6 >3.0

f (x) 0.0020 0.0033 0.0092 0.0220 0.0448 0.0779 0.1156 0.1465 0.1585 0.1465 0.1156 0.0779 0.0448 0.0220 0.0092 0.0040

f (x)N 530 868 2423 5774 1175 20421 30303 38401 41555 38401 30303 20421 11751 5774 2423 1045

F (x)N 530 1398 3821 9595 21346 41767 72070 110471 152026 190427 220730 241151 252902 258676 261099 262144

o(x) 1311 2622 5243 9176 13108 24904 30146 45875 58982 48496 11796 3932 3932 2621 0 0

O(x) 1311 3933 9176 18352 31460 56364 86510 132385 191367 239863 251659 255591 259523 262144 262144 262144

NG 1 3 3 4 5 6 7 8 10 11 12 13 14 15 15 15

b1 -> B b2 -> G b3 -> R En general, se trata de aprovechar que podemos visualizar tres canales a la vez para introducir las tres bandas que más nos van a ayudar a discriminar visualmente los elementos que nos interesan. Puede obtenerse un índice del grado de información que presenta una composición en color en comparación con otras: P3

sk OIF = P3k=1 j=1 |rj |

(5.4)

donde sk es la desviación típica de cada una de las 3 bandas que intervienen en la composición y rj el coeficiente de correlación de cada uno de los 3 pares de bandas. Cuanto más alto sea el índice mayor será el contenido informativo de la composición.

63

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

Figura 5.6: Construcción de una tabla de color utilizando pseudocolor

64

Figura 5.7: Banda 1 represenada con pseudocolor

Figura 5.8: Composición en color real

65

Figura 5.9: Composición en falso color

66