Visualización de imágenes

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