Práctica 2 - Procesamiento de Imágenes

Transcripción

1 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 * 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) - [Ejecutar] [Visualizar] Þ Definiendo un aumento de contraste lineal: - [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

2 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 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) - [Ejecutar] [Visualizar] Þ Definiendo un contraste para cada banda: - [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

3 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: * 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 * 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

4 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 * 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) - 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. - 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) - (Planos de Entrada - H) Categorías y Pls - (Categorías Imagem_TM) - (Planos de Información Tihs-H) - (Planos de Entrada - S) Categorías y Pls - (Categorías Imagem_TM) - (Planos de Información Tihs-S) 4

5 Transformación RGB<-->IHS - {PI de Salida: T_inversa} - (Resolución de Salida <=> I) = {X: 10}, {Y:10} - 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 * 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} * 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

6 Tipos de Opciones Máscaras Filtros Paso Baja - Media 3x3, 5x5 o 7x7 Direccional de NW, W, SW, N, S, NE, E o SE Borde Lineal No direccional de Baja, Media o Alta Borde Realce de Imagen TM Máscaras Editor de máscaras. Detección de Sobel o Roberts Bordes No Lineal Morfológico - Dilatación Morfológico- Mtot, Mx, M+, M-, M, Md o Me Mediana Morfológico- Erosión Máscaras Editor de elementos. Lee Definir el Tipo, Tamaño (3x3, 5x5, 7x7, 9x9), Imagen y Número de Looks. Radar 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: * 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) * Visualizar la imagen tm4_media filtrada para compararla con la original * Aplicar otros filtros 6

7 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: (Guardar) Máscaras 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) * 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: - Activar el proyecto Rondonia - Visualizar la imagen TM5_RuidoA * Comparar con las imágenes TM5_RuidoB y TM5_RuidoC. - [Imagen][Filtraje...] 7

8 Filtraje - (Tipos <=> Lineal) - (Filtros Lineales <=> Pasa Baja Media) - (3x3) - {PI de Salida: TM5_SemRuidoA } - (Nº de Iteraciones <=> 1) 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 * 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] * 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

9 , Matriz de Covariancia y correlación, Matriz de Autocorrelación y Matriz de Correlación Cruzada. Þ Realizando un análisis Estadístico: * 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

10 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: * 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) * 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