Informe Practica 3 Percepción - Lizeth Hernandez
Informe Practica 3 Percepción - Lizeth Hernandez
PRACTICA N o.3
PERCEPCIÓN REMOTA
PRACTICA No.3 PERCEPCIÓN REMOTA
RECORTE, ESTADISTICAS, FILTROS
PRESENTADO POR:
LIZETH ANDREA HERNANDEZ BUITRAGO
CODIGO: 20141032251
PRESENTADO POR
LIZETH ANDREA HERNANDEZ BUITRAGO
CODIGO: 20141032251
PRESENTADO A:
GERMAN TORRIJOS CADENA
1. INTRODUCCIÓN ......................................................................................................... 1
2. OBJETIVOS ................................................................................................................. 2
3.2.ESTADISTICAS ........................................................................................................... 6
4. RESPUESTAS............................................................................................................ 16
5. ANÁLISIS DE RESULTADOS..................................................................................... 28
6. CONCLUSIONES ....................................................................................................... 29
7. BIBLIOGRAFÍA ........................................................................................................... 30
LISTADO DE IMÁGENES
LISTADO DE TABLAS
Tabla 1.Matriz de covarianza obtenida a partir del modelo. Fuente Propia. ..................... 10
Tabla 2. Datos estadísticos del recorte. Fuente Propia. ................................................... 19
Tabla 3. Histogramas de las bandas del Recorte. Fuente Propia. .................................... 20
Tabla 4. Datos estadísticos de la imagen compilada. Fuente Propia. .............................. 21
Tabla 5. Histogramas de las bandas de la imagen compilada. Fuente Propia. ................ 22
1. INTRODUCCIÓN
1
2. OBJETIVOS
2
3. DESARROLLO DE LA PRÁCTICA
Una vez estando en una ventana View de ERDAS IMAGINE se enruta la imagen
obtenida en la práctica anterior la cual como se observa en la imagen 1 se
encuentra identificada con el nombre COMPILADA.
3
Con la imagen abierta se hizo click derecho sobre ella, lo cual desplego una serie
de opciones de las cuales se eligió Inquire Box, como se ve en la imagen 3.
Una vez hecho esto apareció un cuadro para la selección del área a recortar este
se ubicó en una zona con presencia de diferentes coberturas como ríos,
vegetación, cultivos y zona construida como se puede observar en la imagen 4.
4
Luego de ello en el menú raster en Subset & Chip se desplegaron una serie de
opciones de las cuales se eligió Create Subset Imagine, con lo cual se desplego
la ventana Subset como se observa en la imagen 5. En la opción Input File se
enruto la imagen completa y en el Output File se indicó el nombre Recorte, se
fijaron las coordenadas haciendo clic en la opción From Inquire Box y finalmente
en el Data Type se indicó como Output Unsigned 16 bit.
5
Posteriormente se obtuvo el recorte de la imagen según el área seleccionada
como se puede ver en la imagen 7, con las coordenadas en este caso
geográficas Latitud y longitud de sus extremos.
3.2. ESTADISTICAS
6
Cargada la imagen se observaron los datos correspondientes a las pestañas, que
se encuentran en la ventana de metadatos de la imagen como los son: General,
Projection, Histogram, y Pixel Data (Ver imagen 9), las cuales fueron descritas en
la pregunta número 2 del ítem preguntas a respuestas.
7
Allí se insertaron los objetos correspondientes raster, función de definición y la
matriz final como se observa en la imagen 11.
8
IMAGEN 13. Selección de la función correlación. Fuente Propia.
IMAGEN 15. Procesamiento del modelo para obtener matriz de covarianza. Fuente Propia.
9
Una vez ejecutado el proceso se verifico que el archivo final hubiese quedado
correctamente guardado con el formato y nombres correspondientes como se
observa en la imagen 16.
Para esta parte inicialmente se abrieron dos ventana View en las cuales se el
recorte de la imagen Landsat 8. Posteriormente en la opción Filtering que se
encuentra en el menú Multiespectral, para la imagen ubicada a la izquierda se
10
aplicó el filtro Smooth y para la ubicada en la parte derecha se aplicó el filtro
Sharpen como se alcanza a evidenciar en la imagen 17.
11
A partir de las opciones que allí se despliegan se hizo la selección de los filtros
anteriormente mencionado, cuya aplicación de evidencia en las imágenes 19,
20,21 y 22.
12
IMAGEN 22. Aplicación filtro 3X3 Edge Detect. Fuente Propia.
13
IMAGEN 24. Aplicación de filtro majority. Fuente Propia.
14
IMAGEN 27. Aplicación de filtro de mediana. Fuente Propia.
15
4. RESPUESTAS
En la ventana general (Ver imagen 30), se identifican una serie de diferencias con
respecto en cuanto al tamaño teniendo en cuenta que una es la imagen completa
(805.91 MB) y la otra es un recorte de un área más pequeña (51.32 MB), así
mismo se evidencian diferencias en los límites en cuanto al ancho y alto, en la
información estadística y en los valores de las coordenadas proyectadas. El
sistema de proyección sigue siendo el mismo UTM Zona 18, así como las
unidades.
IMAGEN 30. Comparación de pestaña general de imagen completa y recorte. Fuente Propia.
16
En la segunda pestaña correspondiente a la proyección (Ver imagen 31) de la
imagen, los datos son los mismos tanto para el compilado como para el recorte,
correspondientes a los parámetros de la proyección Universal Transversa
Mercator, Datum WGS84, Zona 18.
17
Finalmente en la pestaña número 4 (Ver imagen 33) se muestran los datos
correspondientes los niveles digitales de los pixeles que para el caso de la imagen
completa contiene únicamente ceros.
IMAGEN 33. Pestaña Pixel Data de imagen completa y recorte. Fuente Propia.
Recorte: La banda 2 ofrece entre las del espectro visible el mayor desplazamiento
en sus niveles digitales mínimos, los valores medios son más altos para las
bandas 5 y 6, bastante saturadas teniendo en cuenta el rango entre los valores
máximos y mínimos, la banda 5 cuenta con una heterogeneidad mayor con una
desviación típica superior a 2000 ND, en su respectivo histograma se puede
identificar un buen contraste con un desplazamiento más a la derecha reflejando
de esa manera una imagen más clara, la siguiente banda con mejor desviación
típica es la 6, cuyo histograma se encuentra un poco a la derecha con respecto a
las demás bandas 1,2,3,4,7 reflejando una imagen un poco más clara. La banda 1
correspondiente al azul profundo ofrece un rango de variación menor a
comparación de las demás, entre 8985 y 18421 con una desviación típica inferior a
300 ND seguida por la banda 2, cuyo histograma se encuentra desplazado hacia
la izquierda reflejando una imagen más oscura. Las distribuciones de las bandas 3
y 4 no son muy altas y tienden a la izquierda igualmente. La banda 5 es la más
sensible de todas las demás a las alteraciones de radiancia, mientras que la 1 y la
2 cuentan con el peor contraste de la imagen. Para la banda 7 se evidencia un
pico muy pequeño hacia sus niveles digitales mínimos, lo cual puede indicar la
presencia de cuerpos de agua, teniendo en cuenta que los niveles de absorción
del agua son altos en esta banda del espectro. Los datos estadísticos pueden
18
evidenciarse en la Tabla 2 y los histogramas de las 7 bandas del recorte en la
Tabla 3.
19
HISTOGRAMA BANDAS DEL RECORTE
HISTOGRAMA BANDA 5 HISTOGRAMA BANDA 6
HISTOGRAMA BANDA 7
Imagen Compilada: Los valores medios son más altos para las bandas 5 y 6,
bastante saturadas teniendo en cuenta el rango entre los valores máximos y
mínimos, la banda 5 cuenta con una heterogeneidad mayor con una desviación
típica superior a 10000 ND, en su respectivo histograma se puede identificar un
buen contraste con un desplazamiento más a la derecha reflejando una imagen un
poco más clara, así mismo presenta unos pequeños picos hacia sus niveles
digitales más bajos, lo cual denota la presencia de cuerpos de agua por la alta
absorbancia de la cobertura en la banda, la siguiente banda con mejor desviación
típica es la 6, cuyo histograma se encuentra un poco a la derecha con respecto a
las demás bandas 1,2,3,4,7 reflejando una imagen un poco más clara, así mismo
presenta un pico hacía sus niveles bajos que indica un tipo de cobertura marcada .
La banda 4 correspondiente al azul ofrece un rango de variación menor a
comparación de las demás, entre 0 y 65123 con una desviación típica inferior a
5000 ND seguida por la banda 3, cuyos histogramas son estrechos y se
20
encuentran desplazados hacia la izquierda reflejando una imagen más oscura. Las
distribuciones de las bandas 1 y 2 no son muy altas y tienden a la izquierda
igualmente. La banda 5 es la más sensible de todas las demás a las alteraciones
de radiancia, mientras que la 3 y la 4 cuentan con el peor contraste de la imagen.
Para la banda 7 se evidencia un pico hacia sus niveles bajos indicando una
cobertura muy marcada, es un poco menos estrecho que los anteriores 3 y 4 pero
refleja así mismo una imagen un poco oscura. Los datos estadísticos pueden
evidenciarse en la Tabla 4 y los histogramas de las 7 bandas en la Tabla 5.
21
HISTOGRAMA BANDAS DE IMAGEN COMPILADA
HISTOGRAMA BANDA 5 HISTOGRAMA BANDA 6
HISTOGRAMA BANDA 7
Para el caso de la estadística de las imágenes espaciales esta matriz presenta las
varianzas de todas las bandas que conforman el raster a lo largo de una diagonal
y la covarianza entre todas las bandas, sirve para observar la variabilidad o
dispersión a partir de la media teniendo en cuenta que entre más grande sea la
varianza, más conveniente resulta para encontrar contraste y la covarianza
permite identificar el comportamiento de una relación lineal entre dos variables que
en este caso son representadas por dos bandas.
22
Los valores de la covarianza que se encuentran alejados de la varianza indican la
relación entre bandas. Los valores de la covarianza que se encuentran cercanos
de la varianza indican que no hay relación entre las bandas.
A partir de esta matriz se puede identificar el grado de relación entre dos variables
que este caso corresponden a dos bandas de la imagen satelital.
Matriz de Correlación
Esta matriz sirve para identificar cual es la mejor combinación entre una serie de
bandas teniendo en cuenta que una correlación baja me indica bandas diferentes,
mientras que si la correlación es alta indica que las bandas son prácticamente
iguales por lo tanto no brinda una buena combinación para el análisis de
coberturas.
Como se mencionó en el punto anterior una correlación baja indica que las bandas
son diferentes por lo cual su combinación es más útil para el análisis de
coberturas, a comparación de una correlación alta que denota que las bandas son
prácticamente iguales.
23
5. Indique que cambios se observaron en la imagen, luego de aplicar el filtro
Smooth y luego el filtro Sharpen.
Luego de aplicar el filtro Smooth se pudo observar que la imagen perdió su nitidez,
le otorgo suavizado pero así mismo no se pueden identificar con claridad los
detalles, se ve un poco más lisa con respecto al recorte original.
Luego de aplicar el filtro Sharpen se pudo observar que algunos de los bordes se
agudizan mucho más, lo cual hace que algunos detalles resalten más, la imagen
presenta mejor nitidez a comparación del filtro anterior.
Los dominios pueden ser periódicos, infinitos o cero extendidos, de los cuales los
dos últimos nombrados hacen que el procedimiento adquiera el nombre de
convolucion lineal.
( )( ) ∫ ( ) ( )
Donde:
( ) ( ) ∑ ( ) ( )
24
En cuanto a las imágenes espaciales se aplican filtros de convolucion los cuales
están representados a partir de una matriz llamada kernel, que puede ser
rectangular o cuadrada, de dimensiones mas pequeñas a la de la imagen, la cual
se desplaza sobre los pixels de la imagen sustituyendo el valor que coincide con el
elemento central de la matriz por la suma de los productos.Los filtros de
convolucion se usan de acuerdo al efecto que se desee producir sobre a imagen,
esto puede ser enfoque, desenfoque, realce de bordes y detección de bordes.
25
1x5 Vertical Linear Smoothing
8. Para que se utilizan los filtros de paso alto y paso bajo? De ejemplos de cada
uno con una matriz.
Los filtros de paso bajo se utilizan para suavizar las imágenes, suprimiendo los
ruidos o errores aleatorios de los ND, estos eliminan las altas frecuencias
permitiendo el paso de las bajas, permiten asemejar los Niveles Digitales de un
pixel al de sus pixeles vecinos, causando una reducción en la variabilidad de
información, genera homogeneidad en la imagen, produce borrado de los bordes
de la coberturas, permite reducir la nitidez a partir del desenfoque. Dos ejemplos
de estas matrices se evidencian en la imagen 38.
1 1 1 1 1 1
1 1 1 1 2 1
1 1 1 1 1 1
26
Los filtros de paso alto se utilizan para realzar bordes o contornos, estos eliminan
las frecuencias bajas permitiendo el paso de las altas, permite remarcar los
contrastes espaciales entre los pixeles destacando las características lineales de
la imagen como límites de cultivos o carreteras. Dos ejemplos de estas matrices
se evidencian en la imagen 39.
0 -1 0 -2 0 -2
I
-1 4 -1 0 8 0
0 -1 0 -2 0 -2
MAGEN 39. Ejemplos de matrices de paso alto. Fuente Propia
9. Cuáles son las principales diferencias que usted observo entre los filtros de
convolucion y los de estatistical?
27
5. ANÁLISIS DE RESULTADOS
Al realizar la aplicación de los filtros estándar uno suaviza y hace perder la nitidez
a la imagen, mientras que el otro resalta sus características y bordes, los filtros de
convolucion provocaron diferentes cambios en la imagen, algunos de manera
negativa y otros de manera positiva, dentro de los cuales se observó: Enfoque,
desenfoque, el realce de bordes o afectación en la visualización de los detalles,
los filtros estadísticos tendieron a oscurecer la imagen pero sin generar grandes
distorsiones.
28
6. CONCLUSIONES
29
7. BIBLIOGRAFÍA
30