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 NG = 255 ND ND min (5.1) ND max ND min 2. Expansión lineal restringida, los valores de ND max y ND min los decide el usuario en lugar de corresponder a los valores reales de la imagen. De esta forma: si ND max > ND > ND min NG = 255 ND ND min ND max ND min si ND max < ND NG = 255 si ND min > ND 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 C i = 256 i j=0 n j N (5.2) Donde n j 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: f(x) = 1 σ µ)2 exp( (x 2π 2σ 2 ) (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 z f(x) f(x)n F (x)n o(x) O(x) NG 0 < -3 0.0020 530 530 1311 1311 1 1-2.6 0.0033 868 1398 2622 3933 3 2-2.2 0.0092 2423 3821 5243 9176 3 3-1.8 0.0220 5774 9595 9176 18352 4 4-1.4 0.0448 1175 21346 13108 31460 5 5-1 0.0779 20421 41767 24904 56364 6 6-0.6 0.1156 30303 72070 30146 86510 7 7-0.2 0.1465 38401 110471 45875 132385 8 8 0.2 0.1585 41555 152026 58982 191367 10 9 0.6 0.1465 38401 190427 48496 239863 11 10 1 0.1156 30303 220730 11796 251659 12 11 1.4 0.0779 20421 241151 3932 255591 13 12 1.8 0.0448 11751 252902 3932 259523 14 13 2.2 0.0220 5774 258676 2621 262144 15 14 2.6 0.0092 2423 261099 0 262144 15 15 >3.0 0.0040 1045 262144 0 262144 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: OIF = 3k=1 s k 3j=1 r j (5.4) donde s k es la desviación típica de cada una de las 3 bandas que intervienen en la composición y r j 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
Figura 5.9: Composición en falso color 65
66