Anda di halaman 1dari 94

UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS

FACULTAD DE INGENIERIA
IVAN FELIPE MONCADA SOTELO
Cd. 20121025126
INGENIERIA CATASTRAL Y GEODESIA
PROCESAMIENTO DIGITAL DE IMGENES
PRACTICA N 2
1. Histogramas bidimensionales
Unir las 7 primeras bandas de lansat 8(azul costero(b1),azul(b2), verde(b3), rojo(b4),
infrarrojo cercano(b5), infrarrojo medio(b6), infrarrojo lejano(b7).
A travs del men raster, la opcin layer stack.

Imagen(7 bandas)

Como la imagen obtenida a travs de la unin de las 7 bandas es de 16 bits se rescalar a


8 bits y adems dado que la imagen obtenida tiene una resolucin espacial de 30 metros
se resamplea a 15.

Imagen rescalda a 8 bits y de 15 metros.

Con la imagen a 8 bits y 15 metros realizamos un recorte de 2048*2048 as:

Imagen (7-bandas_2048*2048)

Realizar una tabla con la media mediana moda y desviacin estndar de cada una de las
bandas.

ESTADISTICOS UNIBANDA
banda
s
azul costero
Azul
Verde
Rojo

Medi
a
36.88
5
35.13
8
34.62
9
33.09
9

Median
a

Mod
a

35

33

33

31

33

31

31

26

Des_Estand
ar
5.710
6.421
6.934
8.517

IR-cercano
IR-medio
IR-lejano

60.46
3
48.22
1
41,71
9

57

45

48

47

40

34

17.041
11.004
11.374

En los estadsticos unibanda se observa que para las bandas del visible (b1, b2, b3, b4) se
observa que los valores medios de los pixeles son muy parecidos y sus niveles digitales son
bajos lo que indican que son oscuras, a diferencia de estas los infrarrojos son ms claros
sus datos estn ms alejados de la media lo que permite mayor discriminacin de estos
niveles digitales
2.1. Hacer la matriz de correlacin entre las bandas
A travs de la opcin model maker realizamos el modelo de correlaciona si:

En el raster colocamos la imagen con la siete bandas:

Definimos la funcin correlacin covarianza con el archivo as:

Despus le damos un nombre a la matriz y ejecutamos el siguiente modelo as:

Abrimos a travs de Excel la matriz as:

De esta manera podemos visualizar y organizar los datos de la matriz, de tamao 7*7 que
contiene la correlacin entre las bandas que vara de 0- 1.
bandas

azul costero
1

azul

verde

rojo

infra_cercano

infra_medio

infra_lejano

1 0.9932938626754706
0.9623341222318624
0.95158996711316290.005125463813669987
0.6720388014890224
0.8285802807932946

2 0.9932938626754706

1 0.9684806099526259
0.9632358155386770.004640085034122126
0.6883517404790461
0.8447388552028116

3 0.9623341222318624
0.9684806099526259

1 0.97409469713182950.1441016984914555
0.7732473099204882
0.8588131123222926

4 0.9515899671131629
0.963235815538677
0.9740946971318295

1 -0.007979868698138324
0.7550947986533424
0.8936817581273392

5 0.005125463813669987
0.004640085034122126
0.1441016984914555
-0.007979868698138324

1 0.4203740666095062
0.03992455052637416

6 0.6720388014890224
0.6883517404790461
0.7732473099204882
0.75509479865334240.4203740666095062

1 0.8863604783590752

7 0.8285802807932946
0.8447388552028116
0.8588131123222926
0.89368175812733920.03992455052637416
0.8863604783590752

En la tabla se observa correlacin ms alta que existe entre las bandas del azul y azul
costero lo cual significa que la informacin contenida en las dos bandas es muy parecida,
por otro lado las bandas del rojo y el infrarrojo cercano nos garantiza la existencia de
informacin no redundante dado que su correlacin es la ms baja.

3) Realizar los histogramas bidimensionales de la imagen de 7 bandas :

Realizando las siguientes acciones a travs del men raster, la herramienta clasification
supervised. Hacer clic en la opcin freature Space image.

Se abrir el siguiente men

Sabemos que a travs de los histogramas podemos representar grficamente los valores
de radiomtricos de los pixeles de dos bandas. Dado que es una imagen de 7 bandas
obtendremos 21 histogramas

Las imgenes de los histogramas bidimensionales muestran la dispersin que existe entre
los datos o la radiancia espectral de la imagen

Practica
Realizar imagen sinttica daada a travs de Matlab
Construir una matriz:
Abrimos el software Matlab, creamos una matriz de 4*4 que corresponde a una imagen
cuyo contenido son niveles digitales aleatorios.

Se procede a rescalar a enteros de 8 bits la imagen sinttica.

Se crea una nueva imagen sintetica

Despus a travs de la funcin figure. Se puede visualizar la matriz

Se hace la matriz traspuesta Y se visualiza

Despus se abre erdas para visualizar las imgenes


Abrimos la imagen columna Y damos : en background ah podemos de manera sinttica visualiza la imagen
con el color que deseemos

Se realiza el promedio de la columna

Damos clic abrimos un nuevo view

En el metadata se puede observar la informacin


Despus se hace lo mismo para

De nuevo la tercera

Despus realizarla para fila.tif de la misma manera obteniendo

4 REALIZAR LAS COMBINACIONES CON LAS 7 PRIMERAS BANDAS DE LANSAT 8


Dado que para obtener una imagen en verdadero color siempre contiene 3 bandas por
ellos las combinaciones a realizar son 35.
Utilizando el layer stack y con las 7 bandas ya recortadas a un tamao de 2048*2048 se
buscara obtener la mejor combinacin.
Las siguientes imgenes corresponden a las resultantes en las combinaciones.

Imagen(321)

Imagen(421)

Imagen(431)

Imagen(432)

Imagen (521)

Imagen(531)

Imagen(532)

Imagen(541)

Imagen(542)

Imagen(543)

Imagen(621)

Imagen(631)

Imagen(632)

Imagen(641)

Imagen(642)

Imagen(643)

Imagen(651)

Imagen(652)

Imagen(653)

Imagen(654)

Imagen(721)

Imagen(731)

Imagen(732)

Imagen(741)

Imagen(742)

Imagen(743)

Imagen(751)

Imagen(752)

Imagen(753)

Imagen(754)

Imagen(761)

Imagen(762)

Imagen(763)

Imagen(764)

4.1 Con el fin de hallar el ndice ptimo (OIF) que permita visualizar la mejor imagen con
el mximo de informacin no redundante entre bandas y dentro de cada banda, es
necesario:
realizar una tabla con las desviaciones estadar y adems con la media, y moda de
cada banda accediendo a dicha informacin a travs del metadato .

Bandas
Lansat 8

Desviacin Estndar
Media
1
2
3
4
5
6
7

8.971
14,131
15.073
17.453
43.962
36.236
23.756

Moda

Mediana
5
8
11
10
29
35
14

6
11
13
15
40
36
21

6.554
8.599
9.759
9.203
17.886
13.633
13.124

Tabla de datos estadsticos

Realizar las matrices de correlacin para cada una de las combinaciones :


A travs de la herramienta model maker:

En el raster se coloca el archivo o la imagen con la que se va hacer la correlacin.

Se define la funcin correlacin covarianza-matriz con el archivo o imagen correspondiente.

Se designa el archivo de salida que ser una matriz de correlacin entre las bandas de la imagen.

Modelo final.

Habiendo realizado el modelo o ejecutamos y podremos visualizar a travs de sesin long la


matriz de correlacin entre las bandas de cada una de las 35 combinaciones.

Para efectos prcticos las matrices se visualizaran a travs de Excel:


MATRICES DE CORRELACION

bandas

3
3
1
2 0.9715352610970126
1 0.9660157757761306

2
0.9715352610970126
1
0.9944250362703263

1
0.9660157757761306
0.9944250362703263
1

4
2
1

4
1
0.9670887541950393
0.956484871166748

2
0.9670887541950393
1
0.9944250362703263

1
0.956484871166748
0.9944250362703263
1

4
3
1

4
1
0.9765985872723894
0.956484871166748

3
0.9765985872723894
1
0.9660157757761306

1
0.956484871166748
0.9660157757761306
1

4
3
2

4
1
0.9765985872723894
0.9670887541950393

3
0.9765985872723894
1
0.9715352610970126

2
0.9670887541950393
0.9715352610970126
1

5
2
1

5
0.9999999999999998
0.02889580395769604
0.02799135427108763

2
0.02889580395769604
1
0.9944250362703263

1
0.02799135427108763
0.9944250362703263
1

5
3
1

5
0.9999999999999998
0.1650084176450661
0.02799135427108763

3
0.1650084176450661
1
0.9660157757761306

1
0.02799135427108763
0.9660157757761306
1

5
3
2

5
0.9999999999999998
0.1650084176450661
0.02889580395769604

3
0.1650084176450661
1
0.9715352610970126

2
0.02889580395769604
0.9715352610970126
1

5
4
1

5
0.9999999999999998
0.0204135533441017
0.02799135427108763

4
0.0204135533441017
1
0.956484871166748

1
0.02799135427108763
0.956484871166748
1

bandas

bandas

bandas

bandas

bandas

bandas

bandas

bandas
5
4
2

5
0.9999999999999998
0.0204135533441017
0.02889580395769604

4
0.0204135533441017
1
0.9670887541950393

2
0.02889580395769604
0.9670887541950393
1

5
4
3

5
0.9999999999999998
0.0204135533441017
0.1650084176450661

4
0.0204135533441017
1
0.9765985872723894

3
0.1650084176450661
0.9765985872723894
1

6
2
1

6
1
0.7030961901755326
0.6868177509745415

2
0.7030961901755326
1
0.9944250362703263

1
0.6868177509745415
0.9944250362703263
1

6
3
1

6
1
0.7868687488191312
0.6868177509745415

3
0.7868687488191312
1
0.9660157757761306

1
0.6868177509745415
0.9660157757761306
1

6
3
2

6
1
0.7868687488191312
0.7030961901755326

3
0.7868687488191312
1
0.9715352610970126

2
0.7030961901755326
0.9715352610970126
1

6
4
1

6
1
0.7656871688874815
0.6868177509745415

4
0.7656871688874815
1
0.956484871166748

1
0.6868177509745415
0.956484871166748
1

6
4
2

6
1
0.7656871688874815
0.7030961901755326

4
0.7656871688874815
1
0.9670887541950393

2
0.7030961901755326
0.9670887541950393
1

6
4
3

6
1
0.7656871688874815
0.7868687488191312

4
0.7656871688874815
1
0.9765985872723894

3
0.7868687488191312
0.9765985872723894
1

6
5
1

6
1
0.4544874746734397
0.6868177509745415

5
0.4544874746734397
0.9999999999999998
0.02799135427108763

1
0.6868177509745415
0.02799135427108763
1

bandas

bandas

bandas

bandas

bandas

bandas

bandas

Bandas

bandas
6
5
2

6
1
0.4544874746734397
0.7030961901755326

5
0.4544874746734397
0.9999999999999998
0.02889580395769604

2
0.7030961901755326
0.02889580395769604
1

6
5
3

6
1
0.4544874746734397
0.7868687488191312

5
0.4544874746734397
0.9999999999999998
0.1650084176450661

3
0.7868687488191312
0.1650084176450661
1

6
5
4

6
1
0.4544874746734397
0.7656871688874815

5
0.4544874746734397
0.9999999999999998
0.0204135533441017

4
0.7656871688874815
0.0204135533441017
1

7
2
1

7
1
0.863456095804669
0.8483722406720214

2
0.863456095804669
1
0.9944250362703263

1
0.8483722406720214
0.9944250362703263
1

7
3
1

7
1
0.8786616232263901
0.8483722406720214

3
0.8786616232263901
1
0.9660157757761306

1
0.8483722406720214
0.9660157757761306
1

7
3
2

7
1
0.8786616232263901
0.863456095804669

3
0.8786616232263901
1
0.9715352610970126

2
0.863456095804669
0.9715352610970126
1

7
4
1

7
1
0.9068813189682071
0.8483722406720214

4
0.9068813189682071
1
0.956484871166748

1
0.8483722406720214
0.956484871166748
1

7
4
2

7
1
0.9068813189682071
0.863456095804669

4
0.9068813189682071
1
0.9670887541950393

2
0.863456095804669
0.9670887541950393
1

bandas

bandas

bandas

bandas

bandas

bandas

bandas

bandas
7
4
3

7
1
0.9068813189682071
0.8786616232263901

4
0.9068813189682071
1
0.9765985872723894

3
0.8786616232263901
0.9765985872723894
1

7
5
1

7
1
0.0793546326200107
0.8483722406720214

5
0.0793546326200107
0.9999999999999998
0.02799135427108763

1
0.8483722406720214
0.02799135427108763
1

7
5
2

7
1
0.0793546326200107
0.863456095804669

5
0.0793546326200107
0.9999999999999998
0.02889580395769604

2
0.863456095804669
0.02889580395769604
1

7
5
3

7
1
0.0793546326200107
0.8786616232263901

5
0.0793546326200107
0.9999999999999998
0.1650084176450661

3
0.8786616232263901
0.1650084176450661
1

7
5
4

7
1
0.0793546326200107
0.9068813189682071

5
0.0793546326200107
0.9999999999999998
0.0204135533441017

4
0.9068813189682071
0.0204135533441017
1

7
6
1

7
1
0.8880463425175663
0.8483722406720214

6
0.8880463425175663
1
0.6868177509745415

7
6
2

7
1
0.8880463425175663
0.863456095804669

6
0.8880463425175663
1
0.7030961901755326

2
0.863456095804669
0.7030961901755326
1

7
6
3

7
1
0.8880463425175663
0.8786616232263901

6
0.8880463425175663
1
0.7868687488191312

3
0.8786616232263901
0.7868687488191312
1

bandas

bandas

bandas

bandas

Bandas

bandas

bandas

1
0.8483722406720214
0.6868177509745415
1

bandas
7
6
4

7
1
0.8880463425175663
0.9068813189682071

6
0.8880463425175663
1
0.7656871688874815

4
0.9068813189682071
0.7656871688874815
1

7
6
5

7
1
0.8880463425175663
0.0793546326200107

6
0.8880463425175663
1
0.4544874746734397

5
0.0793546326200107
0.4544874746734397
0.9999999999999998

bandas

4.3 con los ndices de correlacin de cada una de las matrices y sus desviaciones estndar
calculamos el ndice optimo (OIF)
EL OIF se define como =

3=1

,=1

donde STD es la desviacin estndar de cada banda y rij es

el coeficiente de correlacin entre bandas.


Aplicando la frmula para cada combinacin obtenemos las siguientes tablas:

DESVIACION BANDAS
6,55 b1
8,60 b2
9,76 b3
9,20 b4
17,89 b5
13,63 b6
13,12 b7
Desviacin estndar de cada banda.

COMBINACION i,j correlacion OIF


321
2,93197607
421
2,91799866
431
2,89909923
432
2,9152226
521
1,05131219
531
1,15901555
532
1,16543948
541
1,00488978
542
1,01639811
543
1,16202056
621
2,38433898
631
2,43970228
632
2,4615002
641
2,40898979
642
2,43587211
643
2,5291545
651
1,16929658
652
1,18647947
653
1,40636464
654
1,2405882
721
2,70625337
731
2,69304964
732
2,71365298
741
2,71173843
742
2,73741617
743
2,76214153
751
0,95571823
752
0,97170653
753
1,12302467
754
1,0066495
761
2,42323633
762
2,45459863
763
2,55357671
764
2,56061483
765
1,42188845

8,496658706
8,346816719
8,801354481
9,454166553
31,42644051
29,50693802
31,09899795
33,47929362
35,69
31,7102823
12,07294778
12,2744485
12,99654577
12,20013473
12,90502891
12,88770615
32,56060152
33,81263731
29,35085171
32,824752
10,44876297
10,93073056
11,601336
10,6503635
11,29751491
11,616349
39,30447157
40,76230711
36,30285344
39,94736996
13,74649249
14,40398425
14,29994245
14,0435022
31,39697773

Despus : correcciones radiomtricas


Stretch

Utilizo la funcin stretch:

Realizar el diagrama de dispersin: para eso niveles digitales y visuales

REALCES RADIOMETRICOS

EXPANSIN DEL CONTRASTE

Las imgenes siguientes y las anteriores son mtodos de realces radiomtricos son:
histograma equalization y Expansin lineal del Contraste
Con la banda 2 aplicamos los siguientes metodos de realce:

Expansion lineal del contraste:

Imagen original

imagen contrastada

Mediante este mtodo podemos asignar un nivel digital cualquiera dentro de un rango de
niveles visuales (0 a 255) que queremos observar en pantalla. Matemticamente lo que
hacemos es expresar al nivel visual en teminos del nivel digital a travs de la siguiente
relacin: =

()255

donde ND es el nivel visual, , es el nivel digital

mximo y es el nivel digital mnimo.

Ecualizador del histograma:


Utilizamos el mtodo histograma ecualizacin

Al aplicarlo obtenemos el histograma de la imagen:

Imagen contrastada por ecualizador

En la tabla que se muestra a continuacin se muestra los valores de los niveles visuales
asignados a cada nivel digital. Dichos valores no solo depende del nivel digital si no
tambin de su frecuencia.

Columna1
original bv

Columna2
bv
0 bv0
1 bv1
2 bv2
3 bv3
4 bv4
5 bv5
6 bv6
7 bv7
8 bv8
9 bv9
10 bv10

Columna3
l

Columna4 Columna5
frecuenciaf(bv)
0
790
0,1
1023
0,2
850
0,3
656
0,4
329
0,5
245
0,6
122
0,7
81
0,8
71
0,9
3
1
23
4193

Filtros:
A travs de Matlab
Realizamos una matriz sinttica:

Columna6 Columna7
probability(f(bv)7n
0,188409254
0,243978059
0,202718817
0,156451228
0,078464107
0,058430718
0,029096113
0,019317911
0,016932984
0,000715478
0,005485333

Columna8 Columna9 Columna10


k
nueva asignacion(bv)
0,18840925
2
0,432387309
4
0,635106126
6
0,791557354
8
0,870021461
9
0,928452179
9
0,957548291
10
0,976866202
10
0,993799186
10
0,994514664
10
0,999999996
10

Obtenemos:

Resultado de la matriz
Luego abrimos la imagenen en erdas

Realizar el filtro para la banda 2 (azul) y para la composicin rgb con cada uno de los
mtodos de convolucion:
Utilizando la herramienta model maker de erdas con el siguiente modelo :

En el raster se abre la imagen a filtrar que para este caso ser la banda 2.

A continuacion en la matriz se define el mtodo de filtrado.

Despus la funciona definir ser convole(raster, kernel) en la que el raster ser la banda
2 y el kernel es la matriz de convolucion que viene dada por el mtodo que se use, como
se muestra a continuacin:

La siguiente imagen muestra el modelo final que se tiene el cual solo basta ejecutar para
obtener la nueva imagen filtrada.

Este proceso se realiza para cada uno de los mtodos de filtro. Tanto con la banda 2 como
con la composicin RGB.

FILTRO BANDA 2

Imagen original azul(b2)

Paso alto

Paso bajo

Edge detect (detector de bordes)

edge enhance(mejora bordes)

Horizontal

Vertical

Sobel 1

Sobel 2

Summary

Realizar el filtro gaussiano :

Con la siguiente matriz de 4*4:

= [1

3 3 1]

MATRIZ=A*A^T

1
3
3
1

3
9
9
3

3
9
9
3

1
3
3
1

Ingresando los valores de la matriz anterior a la matriz de convolucion tendremos:

Filtro gaussiano

FILTROS RGB

Imagen RGB

Paso bajo

Paso alto

Edge detect (detector de bordes)|

Edge Enhance(mejora bordes)

Vertical

horizontal

sobel 1

Sobel 2

Gaussiano.

summary

ANALISIS DE COMPONENTES PRINCIPALES


A travs de Matlab creamos tres matrices de tamao 2*3:

Convertimos las matrices a entero de 8 bits y las concatenamos. Luego creamos un archivo .tif de
la imagen para poder visualizarlo en erdas.

Abrimos Erdas y visualizamos la imagen creada.

En la imagen se visualizan los vectores propios de la imagen.

Realizar los componentes principales para la imagen RGB

En el archivo de entrada se ingresa la imagen RGB y el archivo de salida ser el que contenga las
componentes principales.

Ilustracin 1: Visualizacin componentes principales RGB original.

En la parte superior se puede visualizar la matriz de vectores propios y debajo los propios de la
imagen RGB.