Calibración de imágenes en

aplicaciones de control de cámara

MAPIR
Esta página explica cómo y por qué calibramos imágenes usadas para medir la reflectancia de

materiales como la vegetación en un campo de cultivo.

¿Por qué es necesaria la

calibración?
Nuestro sol emite un gran espectro de luz que se refleja en los objetos en la superficie de la

Tierra. Se puede usar una cámara para capturar esta luz reflejada en las longitudes de onda a las

que el sensor de la cámara es sensible. Los sensores que suministramos están basados en silicio que

es sensible en el espectro visible e infrarrojo cercano de aproximadamente 400-1200nm. Usando

filtros de paso de banda que solo permiten que un espectro estrecho de luz llegue al sensor,

podemos capturar la cantidad de reflectancia de los objetos a esa banda de luz en particular.
Por ejemplo, si el filtro de la cámara selecciona una banda de 25nm de ancho con una longitud de

onda máxima de 650nm, solo capturará la luz "roja" reflejada emitida por el sol. Cada píxel en la

imagen es, por lo tanto, un porcentaje de la luz reflejada que puede pasar a través del filtro

"rojo".
Los píxeles tienen un valor que va desde un mínimo hasta un máximo en función de la tasa de bits

de la imagen. Cuanto mayor sea la velocidad de bits, más información se puede almacenar en la

imagen. Un sensor captura cada imagen en formato RAW y luego guarda el RAW o lo convierte a

un formato más común (generalmente comprimiéndolo). Las cámaras Survey3 capturan fotos

RAW de 16 bits por canal RGB, lo que significa que hay 16bits (65,536) píxeles y un rango de

valores de píxeles de 0 a 65,535. Cuando la cámara guarda un JPG de 8 bits, comprime (elimina)

los píxeles dejando un rango de solo 0 a 255. Como estamos capturando una reflectancia de luz y

no tratando de hacer una "imagen bonita", queremos utilizar siempre el formato RAW. Si

necesita un JPG, puede convertir fácilmente el formato RAW a TIFF a JPG utilizando el control

de cámara MAPIR (MCC) (consulte a continuación).

También es importante asegurarse de que los ajustes de la cámara (velocidad de obturación, ISO,

EV) estén ajustados para que ningún píxel alcance el valor máximo de píxel. Si un píxel

normalmente sería más alto que el valor máximo, la información se perderá. Puede observar que

las imágenes de las cámaras Survey3 parecen oscuras. Esto es normal ya que hemos establecido las

configuraciones predeterminadas para evitar que los píxeles alcancen el valor máximo. Recuerde,

usted está capturando un porcentaje de reflectancia no haciendo una "imagen bonita".

Eso nos lleva a la calibración . Simplemente porque hemos capturado un porcentaje de

reflectancia en cada píxel, ¿cómo sabemos si es correcto? Entonces necesitamos algo para calibrar

cada píxel usando un valor de reflectancia conocido. Hacemos esto al capturar una foto de

nuestro Paquete de objetivos de tierra de calibración de reflectancia de cámara MAPIR justo

antes de cada levantamiento, que contiene 4 objetivos que se han medido a longitudes de onda

incrementales mediante un espectrómetro (un instrumento de laboratorio calibrado). Los valores

de píxel de la imagen objetivo capturada se comparan luego con los valores de reflectancia

conocidos de los objetivos. Usando esta información en MAPIR Camera Control (MCC) ,

transformamos los valores de píxel y calibramos las imágenes de la encuesta.

Una vez que las imágenes están calibradas, puede unirlas en una sola imagen llamada mosaico

ortogonal, u "orto" para abreviar. Si está capturando simultáneamente imágenes usando

múltiples sensores, deberá asegurarse de que su software admita la alineación de múltiples

sensores. Ejemplos de dicho software son Pix4Dmapper Pro dePix4D y Photoscan de Agisoft . Las
imágenes ortogonales resultantes pueden tener los cálculos de índice realizados en los píxeles para

producir diferentes tipos de análisis. Si descubre que el software de generación ort está teniendo

dificultades para encontrar puntos de unión entre las imágenes calibradas, puede optar por unir el

orto primero con las imágenes no calibradas y luego exportar y calibrar el orto en MCC

posteriormente.

El índice de vegetación con diferencia normalizada (NDVI) es el análisis más común y compara la

luz reflejada roja y cercana al infrarrojo (NIR) para evaluar dónde las plantas están más

"sanas". Suponemos que dado un área de muestra de un solo cultivo, las plantas que reflejan más

luz NIR realizarán más fotosíntesis y, por lo tanto, estarán más sanas (y viceversa). Si una

determinada región de plantas tiene un valor de NDVI que es más alto (los valores van de -1 a +1),

entonces las plantas son probablemente más saludables allí. Independientemente del análisis de

índice que realice, es vital que también inspeccione físicamente el área temática para verificar sus

resultados, un proceso comúnmente llamado "verificación en el terreno".

Cómo calibrar sus imágenes

Después de que haya preprocesado sus imágenes , tiene la opción de unirlas en el ortomosaico final

o calibrar cada fotografía antes de coser. Normalmente, es mejor coser las imágenes no calibradas

y luego calibrar el ortomosaico debido a posibles problemas con la costura de las imágenes

calibradas. Esto es especialmente importante con el software de nube de puntos como Pix4D y

Photoscan para calibrar después de la generación orto.

Para comenzar la calibración, abra MAPIR Camera Control (MCC) y haga clic en la pestaña

Calibrar:
Para que la escala de los datos de píxeles sea la misma, debe cargar todas las cámaras en la

ventana de calibración que desea calibrar. Por ejemplo, si quiere calibrar un Survey3W_RGN con

una cámara Survey3W_NGB, debe seleccionar el modelo de cámara, lente y filtro para ambas

cámaras como tal:

Si tiene una imagen del Paquete de objetivos de tierra de calibración de reflectancia de la cámara

MAPIR tomada justo antes de su levantamiento (recomendado), haga clic en el primer botón

Examinar y seleccione la imagen de objetivo QR. Luego haga clic en el botón "Generar valores de

calibración" al lado de ese botón de exploración. Cuando el software haya detectado el objetivo

QR, el cuadro de diálogo de la derecha le indicará si fue exitoso. Haga esto para cada cámara que

está calibrando.

Si ninguna de las imágenes puede utilizarse para detectar el código QR, el programa utilizará

automáticamente los valores codificados que proporcionamos y que se toman durante un día claro

y soleado. Puede haber una ligera inexactitud si se usan los valores codificados, así que asegúrese

de capturar algunas buenas imágenes del objetivo poco antes de su levantamiento para obtener los

mejores resultados.

Después de que el complemento haya obtenido los valores de calibración necesarios para cada

cámara, haga clic en el botón Examinar para cada cámara debajo del botón "Generar valores de

calibración" para seleccionar el directorio de imagen de entrada para esa cámara. Está buscando

una carpeta, no una sola imagen, por lo que no verá imágenes en el navegador de la carpeta de

entrada. La calibración calibrará TODAS las imágenes en TODAS las carpetas de entrada, así que

asegúrese de no tener ninguna imagen que no necesite allí. Por lo general, es mejor limpiar las
carpetas de entrada eliminando o moviendo todas las fotos que no necesita a otra carpeta, como las

capturadas por la cámara antes y después de su encuesta principal. Luego, presione el botón

Calibrar en la parte inferior de la ventana para calibrar. Es probable que el programa se congele

y deje de responder durante la calibración, esto es normal.

Se creará automáticamente una carpeta Calibrated_1 en las carpetas de entrada para las imágenes

calibradas. Si desea que los TIFF calibrados se conviertan a JPG, seleccione la casilla "Convertir

TIFF calibrados a JPG" antes de presionar el botón Calibrar.

Procesamiento posterior de
imágenes calibradas
Cada píxel en las imágenes ahora representa un porcentaje de reflectancia para el área

fotografiada. Es probable que estén muy oscuros, pero no te preocupes, esto es normal. Recuerde,

está capturando información de reflectancia, no una imagen bonita.

Si calibraste cada foto individual, ahora querrás subir las imágenes al software que elijas para

generar la imagen de orto mosaico.

 Si su software de generación ortho-mosaic no tiene una
calculadora de rastreo / índice integrada, puede seguir la guía
a continuación para calcular el índice deseado y aplicar un
gradiente de color (lut):
Abra MAPIR Camera Control (MCC) y haga clic en la pestaña Visor en la parte superior. The

Viewer le permite mirar imágenes que normalmente son demasiado oscuras para verlas en otros

buscadores de fotos. Puede ver y convertir imágenes individuales directamente desde la cámara o

sus ortomosaicos cosidos. Haga clic en el botón Examinar para abrir una imagen TIFF que se

convirtió previamente de RAW (también puede abrir JPG en el Visor) en la pestaña Proceso de

MCC.

Aquí hay una imagen TIFF no calibrada tomada de una cámara Survey3W RGN volando sobre

una bodega (uvas):

En este modelo de cámara RGN, la luz roja reflejada se captura en el canal rojo de la imagen y la

luz infrarroja cercana reflejada (NIR) se encuentra principalmente en el canal azul de la imagen.
Si tuviera que dividir la imagen en sus canales RGB, aquí está el canal rojo (izquierda / arriba) y

el canal azul derecha / abajo):

(La imagen fue recortada)

Las filas blancas / grises son las vides de uva y aparecen grises en el canal rojo y blancas en el

canal azul. Los valores de píxel oscilan entre negro (sin reflectancia) y blanco (reflectancia

total). Las plantas reflejan mucha luz NIR durante la fotosíntesis, por eso el canal NIR azul
muestra las plantas como blancas y el suelo como negro. Todavía no hemos calibrado las imágenes,

así que hagámoslo ahora:

Debajo de la pestaña Calibrar de MCC cargue en la foto de nuestro paquete de objetivo de tierra

de calibración de reflectancia de cámara MAPIR junto con la selección de la carpeta con la

imagen TIFF sobre las uvas. Haga clic en el botón Generar valores y luego Calibre en la parte

inferior:

Volviendo a la pestaña del Visor, busque la foto calibrada:

Tenga en cuenta que la imagen es en general mucho menos verde, este es un resultado de la

calibración. La otra es que los valores del índice ahora están calibrados correctamente, así que

echemos un vistazo a los próximos.

Haga clic en el botón "Calcular índice" para mostrar la calculadora de ráster. Vamos a elegir el

índice NDVI para este tutorial. La luz NIR se almacena principalmente en el canal de imagen azul,

por lo tanto, cambie el menú desplegable Y a @ Band3 (canal azul). El menú desplegable X debe

ser @ Band1 (canal rojo) para representar el canal de imagen rojo:

Haga clic en el botón "Aplicar" y la imagen en el visor se convertirá en blanco y negro. Esta es la

imagen del índice NDVI, con los píxeles negros que representan un valor de índice bajo y los

píxeles blancos que representan un valor alto. Puede ver el rango de valores de píxeles en el lado

derecho en el área de Leyenda. Para el índice NDVI, un valor de píxel bajo (negro) significa que

ese píxel tenía más luz roja que el NIR reflejado, y por lo tanto no era vegetación sana que

realizaba la fotosíntesis. Lo contrario es cierto para los valores de píxeles altos (blancos), que

tienen más luz NIR que la luz roja y es típicamente vegetación saludable.

Como puede ver, los píxeles de la imagen oscilan entre -0.36 y 0.44. La vegetación típicamente

tendrá un valor de NDVI de aproximadamente 0.2 a 0.9 cuando se usa la fórmula NDVI. Ahora

agreguemos un poco de color para que podamos ver mejor el contraste entre el suelo y las plantas,

y también dentro de las propias plantas.

Haga clic en el botón "Configurar LUT" para mostrar la ventana Mapa de Color (LUT). Elijamos

Lut: RrYyGg, Clases: 7 colores y Clip: Fondo de escala de grises. Haga clic en el botón "Aplicar":
Mirando hacia atrás en la pantalla principal del Visor, puede ver que la imagen del índice ahora

está coloreada de acuerdo con su lut:

En la ventana de Mapa de colores (LUT) que aún está abierta, observará que hay valores editables

para los valores de píxeles Mín. Y Máx. Estos valores representan el rango de valores de píxeles

que los colores se están aplicando en función del recorte elegido. Aquí están las opciones de

recorte:
  Color sólido: esta opción toma los colores en el lut en los extremos y establece todos los
píxeles fuera del rango de píxeles mínimo / máximo a los colores en el mínimo y máximo de la
lut.

 Transparente: esta opción hace que todos los píxeles fuera del rango mínimo / máximo sean
transparentes (transparentes). Esto es útil cuando se superponen imágenes entre sí, por
ejemplo, una imagen compuesta con una capa base de imagen RGB y solo la vegetación
coloreada de acuerdo con el lut.

 Escala de grises de fondo: esta opción establece los píxeles en min / max con el color lut y los
píxeles fuera de la misma escala de grises de la imagen de índice.

 Original de fondo: esta opción establece los píxeles dentro del mínimo / máximo con el color
lut y esos píxeles fuera de la imagen original.

Volviendo a nuestro ejemplo, cambiemos el mínimo a 0 y cambiemos el recorte a "Original de

fondo" para que podamos ver el color lut solo los píxeles del índice NDVI de 0 a 0.44 y luego

mostrar la imagen original en los otros píxeles:

 A continuación, puede hacer clic en el botón Guardar para guardar esta imagen secundaria.

Cómo elegir un modelo de filtro de

cámara Survey3
◅
10 de abril de 2018

Artículos Recientes
 Cómo elegir un modelo de filtro de cámara Survey3
 Uso de otros receptores GPS con cámaras Survey3
 Encuesta pre-proceso3 Imágenes en MAPIR Camera Control (MCC)
 Imágenes previas al proceso2 Imágenes en QGIS con el complemento MAPIR
 Procesamiento de imágenes MAPIR Survey en software Point-Cloud
(Pix4D y Photoscan)
 Ofrecemos 4 filtros diferentes para las cámaras Survey3:
RGB, RGN, NGB y NIR. Los filtros capturan 3 canales de
información de luz de la siguiente manera:

Filtro RGN (Rojo + Verde + NIR):

Red Image Channel = Luz roja

Canal de imagen verde = luz verde

Canal de imagen azul = luz NIR (infrarrojo cercano)
El filtro RGN es nuestro modelo más comúnmente adquirido, principalmente debido a su

capacidad para capturar las longitudes de onda Red y NIR necesarias para el popular índice

NDVI (ver más abajo para más información). El NDVI se usa generalmente como un índice

general de salud y vigor de las plantas , básicamente le mostrará qué regiones son más saludables

en comparación con aquellas áreas que no son tan saludables. Si está buscando la mejor cámara

para comprar para medir la salud general de la planta, entonces los modelos RGN son su mejor

opción.

Filtro NGB (NIR + verde + azul):

Red Image Channel = Luz NIR (infrarrojo cercano)

Canal de imagen verde = luz verde

Canal de imagen azul = luz azul
El filtro NGB a menudo se usa para el índice ENDVI, básicamente Enhanced NDVI. Se toma

reflectancia verde de la planta en cuenta para determinar la sanidad vegetal , en lugar de usar la

reflejada luz casi infrarroja (NIR) como el índice NDVI utiliza. Algunas aplicaciones (como

DroneDeploy por ejemplo) no le permiten calcular ENDVI, así que asegúrese de verificar qué

índices son compatibles. También puede calcular el índice NDVI utilizando luz azul frente a luz

NIR, que puede revelar resultados diferentes en comparación con el uso de la cámara RGN. La

mejor manera de pensar en la diferencia entre los modelos RGN y NGB es que la mayoría de las

veces el modelo RGN es la mejor opción, pero el modelo NGB puede mostrarle algo que la RGN no
puede, así que si su presupuesto lo permite, use ambas cámaras y se recomienda comparar los

resultados.

Filtro NIR (NIR):

Red Image Channel = Luz NIR

Canal de imagen verde = no utilizado

Canal de imagen azul = no usado
El filtro NIR se usa para capturar una sola banda de luz infrarroja cercana reflejada. Cuando se

procesa con nuestra aplicación MCC , las imágenes de salida serán una sola banda de imagen, es

decir, en blanco y negro. Un píxel blanco tendrá una alta reflectancia NIR y una reflectancia NIR

baja en píxeles negros. Puede ignorar los canales de imagen verde y azul ya que no contendrán

datos útiles en comparación con el canal rojo.

Filtro RGB (Rojo + Verde + Azul):

Red Image Channel = Luz roja

Canal de imagen verde = luz verde

Canal de imagen azul = luz azul
El filtro RGB es el filtro típico que se instala en todas las cámaras, que captura la luz de color tal

como nuestros ojos ven el mundo. Las cámaras RGB se usan comúnmente junto con las

multiespectrales para proporcionar una imagen de referencia al espectador. Esta referencia

muchas veces es necesaria para relacionar lo que nuestros ojos ven con lo que ve una cámara

capaz de capturar la luz infrarroja cercana (NIR).

Fórmulas de índice multiespectral

Una vez que las imágenes son capturadas por las cámaras RGN, NGB y modelo NIR,

deben calibrarse utilizando nuestro objetivo de calibración . Una vez calibradas, las imágenes

pueden coserse en el programa de su elección, como Pix4D, Agisoft, Drone Deploy, Agribotix,

MapsMadeEasy, Simactive, Icaros, etc.

Muchas de estas aplicaciones proporcionan lo que se llama una calculadora de ráster / índice, que

realiza cálculos matemáticos en los píxeles de la imagen. Los valores de píxeles que resultan

después de calcular el índice representan un rango de píxeles dependiente del índice y de lo que

está calculando. Muchos programas hacen de este cálculo un proceso de un botón, pero vamos a

explicarlo con un poco más de detalle:

Usemos el filtro RGN como ejemplo y calculemos el popular índice NDVI:

Como puede ver en la fórmula anterior, el índice NDVI utiliza la luz NIR y ROJA. Entonces, para

los modelos de cámara con filtro RGN, ese sería el canal de imagen azul (NIR) y el canal de

imagen rojo (ROJO). El programa de procesamiento tomará el valor de píxel en los canales de

imagen rojo y azul y lo conectará a la ecuación anterior. Los píxeles resultantes tendrán un valor

que va de -1 a +1. Para las plantas, los valores de NDVI de las plantas reales oscilan entre

aproximadamente 0,2 y 0,8. Luego aplicamos un color lut a los píxeles para que nuestros ojos

puedan interpretar los datos con mayor facilidad. El color lut es el verde al amarillo al rojo (alta

salud a baja salud) colores que puede haber visto antes.

Una mención importante acerca de la calibración de la reflectancia utilizando nuestro objetivo

terrestre :

Los valores de píxeles mencionados anteriormente que le indican si está mirando plantas sanas o

dicen suciedad cercana se ven afectados por el procedimiento de calibración. Sin calibrar las

imágenes, los valores resultantes generalmente serán negativos, básicamente valores basura. La

imagen de color resultante, a menudo llamada "imagen bonita" puede mostrar un mapa similar

de verde a amarillo a rojo, pero sin calibración no podrá comparar los resultados de una ubicación

de campo a otra, una condición de iluminación ambiental a otra, o esencialmente un momento en

el tiempo a otro (semana a semana, mes a mes, etc.). Sin calibración, no está alineando los datos de
píxeles a un estándar conocido, por lo que los valores no serán comparables. Para obtener más

información sobre la calibración de la reflectancia, consulte