PRACTICA N.

2 ENVI
PROCESAMIENTO DE IMÁGENES MEDIANTE FITROS

JOHANA KATHERINE TORO MORENO

Resumen practica en ENVI sobre utilización de filtros, clases e interpretación.

Profesor: Elkin Darío Cañón Buitrago

Ingeniero Topográfico

UNIVERSIDAD NACIONAL DE COLOMBIA

FACULTAD DE INGENIERIA
BOGOTA
2017
INTRODUCCION:
Las imágenes obtenidas a partir de sensores remotos son una representación digital de los
objetos terrestres. Dichos datos se almacenan en archivos llamados “archivos imagen”, los
cuales solo son números y forman una imagen cuando se las ve sobre una pantalla.
Las imágenes digitales se dividen en 2 clases básicas:

• Imágenes vectoriales: Representación gráfica de algún algoritmo matemático que

plasma una figura siguiendo un patrón, basándose en la longitud y la dirección de
un vector posición.

• Imágenes raster: Representación gráfica por medio de grillas formadas por celda
las cuales tienen un arreglo espacial según un sistema de coordenadas formado por
“rows” y columnas verticales “samples”. Cada una de las celdas es llamada “pixel”
“picture element”.

Cada celda o pixel, posee un atributo numérico “z” , el cual indica el valor del gris de
esa celda. Estos niveles de gris son conocidos como DN “digital number” . En la
siguiente imagen es posible identificar los pixeles de forma individual:

Ilustración 1: Caracter digital de la imagen: imagen digital, sector ampliado y numeros digitales. Recuperado de
http://aviris.gl.fcen.uba.ar/Curso_SR/Guia_Curso_sr_2007.pdf

Los filtros se aplican en análisis digital de imágenes para acentuar y suavizar los contrastes
espaciales o variaciones en la frecuencia de los valores DN de los pixeles que componen
la imagen. Lo que se busca es un realce visual para mejorar su interpretación.
Estos tipos de filtros operan por una matriz móvil (kernel o mascara), dichos filtros pueden
ser:
Filtros de paso bajo
Su objetivo es suavizar la imagen, son útiles cuando se supone que la imagen tiene gran
cantidad de ruido y se quiere eliminar. También pueden utilizarse para resaltar la
información correspondiente a una determinada escala (tamaño de la matriz de filtrado);
por ejemplo, en el caso de que se quiera eliminar la variabilidad asociada a los tipos de
cubierta presentes en la imagen uniformizando de esta manera su respuesta. Existen varias
posibilidades:

• Filtro de la media, asigna al pixel central la media de todos los pixeles incluidos en
la ventana. La matriz de filtrado estaría compuesta por unos y el divisor sería el
número total de elementos en la matriz.
• Filtro de media ponderada, los elementos de la matriz de filtrado no son todos 1 sino
que se da más peso a uno de ellos (generalmente el central) para obtener un
resultado más parecido a la imagen original y evitar que aparezca borrosa.
• Filtro de la mediana tiene la ventaja de que el valor final del pixel es un valor real
presente en la imagen y no un promedio, de este modo se reduce el efecto borroso
que tienen las imágenes que han sufrido un filtro de media.
• Filtros adaptativos. Son considerablemente más complejos ya que los coeficientes
de ponderación se recalculan para cada uno de los pixels en función del histograma
de los ND que aparecen en la ventana. Se han utilizado con gran éxito filtros
adaptativos para eliminar el speckle de las imágenes de radar y para detectar, con
un solo filtro, diferentes elementos.
• Filtros gaussianos. Simulan una distribución gaussiana bivariante. El valor máximo
aparece en el pixel central y disminuye hacia los extremos tanto más rápido cuanto
menor sea el parámetro de desviación típica s. El resultado será un conjunto de
valores entre 0 y 1.

Filtros de paso alto

Su objetivo es resaltar las zonas de mayor variabilidad eliminando lo que sería la
componente media, precisamente la que detectan los filtros de paso bajo. Por otra parte, la
respuesta de cada pixel está contaminada por la de los pixeles vecinos ya que,
considerando la superficie terrestre como lambertiana, la radiación reflejada por un pixel se
reparte hacia los pixeles vecinos. Los filtros de paso alto consiguen también eliminar en
parte esta contaminación. Existen diversos métodos:
Sustracción de la media.
Filtros basados en las derivadas. La derivada de una función y = f(x) es el incremento de y
para cada incremento infinitesimal de x.

Filtros direccionales
Se utilizan para detectar estructuras que siguen una determinada dirección en el espacio
resaltando el contraste entre los píxeles situados a ambos lados de la estructura. En la tabla
6.8 aparecen como ejemplo las matrices para resaltar estructuras en dirección Este-Oeste
y Norte-Sur respectivamente.
 • Filtros para la detección de bordes
• Uno de los más utilizados es el detector de bordes de Sobel el cual detecta los
bordes horizontales y verticales separadamente sobre una imagen en escala de
grises. Las imágenes en color se convierten en RGB en niveles de grises. Como
con el filtro Laplace, el resultado es una imagen transparente con líneas negras y
algunos restos de color.

OBJETIVOS:

• Tener conocimiento previo de loa tipos de filtros para el procesamiento de imágenes.

• Comprender el uso e importancia de los filtros.
• Aprender el correcto uso de los filtros y la interpretación de los resultados, asi como
poder diferenciarlos y utilizarlos en diferentes situaciones de acuerdo con las
necesidades y datos a resaltar.

DESARROLLO:
1. En primer lugar, se deben obtener las imágenes satelitales con las que se desea
trabajar, en este caso con la imagen de combinación RGB (3,2,1).

2. En segundo lugar, se procesan las imágenes en ENVI de la siguiente manera:

• Se elije la opción file seguido de open image file, se seleccionan las imágenes
resultantes.

A continuación, se desplegará el siguiente panel en donde se elige la opción “convolutions

and morphology”, donde en el botón Convolutions elijo los diferentes tipos de filtros que
podemos aplicar a la imagen.
 ❖ HIGH PASS (PASO ALTO)

Después se selecciona la banda con la que se desea trabajar, en las siguientes imágenes
se muestran primero con la banda R y luego con la banda G.

✓ Como se puede evidenciar la elección de la banda no afecta el resultado en la

imagen debido a que los filtros no se realizan a las bandas sino a la composición de
las bandas, en teste caso, a la imagen en verdadero color.
Volviendo al recuadro Convolutions and morphology se cambia el tamaño de la matriz o
mascara quedando de la siguiente manera:
 ✓ Así, el resultado se ve afectado en un solo digito, esto sin cambiar el tamaño del
kernel, en la imagen resultante se puede apreciar con mayor claridad la fuente
hídrica, la cual toma un color blanco, además se aprecia mejor el relieve presente
en la zona.
Ahora, cambiando el tamaño del kernel (dejando el tamaño de la matriz sin modificar) en la
primera imagen, y modificada en la segunda imagen de la siguiente manera:
 ✓ Con la primera matriz aumentada, se ve claramente la perdida de información,
mientras que en la segunda imagen con la matriz del mismo tamaño (7x7) pero
cambiando los valores se evidencia el realce de las nubes, las cuales se muestran
con el gris más oscuro.

Ahora, cambiando el tamaño del kernel a uno mayor (13x13):

✓ En ambos casos se puede ver perdida de información a pesar de que tienen el
mismo tamaño y diferentes datos, en el primero están los valores por defecto en el
segundo los mismos valores del ejercicio 1.

❖ LOW PASS (PASO BAJO)

✓ Dados los tres tamaños (3,7,59), sin editar el kernel se aprecia que la imagen se
suaviza hasta un tamaño muy grande, como 59.
❖ SOBEL (DETECCION DE BORDE):

✓ En esta imagen resultante se puede ver la diferencia en intensidad de vegetación,

respecto a la imagen original, se puede apreciar que la vegetación existente al
costado inferior derecho de la imagen se muestra en un tono blanco.

❖ GAUSSIAN HIGH PASS:

CONCLUSIONES:

• El filtro paso alto permite ver con mayor claridad las diferencias en alturas con el
relieve presente en la imagen.

• El filtro paso bajo permite ver las fuentes hídricas ya que las realza con color blanco.

• El filtro sobel, detección de borde realza la vegetación presente, por más mínima
que sea, mostrándola de color blanco, al mismo tiempo muestra las diferencias de
brillo.

• El filtro gaussian pass la intensidad de todos los pixeles se ve alterada.

• Por medio de los filtros y su correcto uso es posible la corrección de imágenes,

eliminando defectos y resaltando otros, dicha información es primordial en los
sistemas de información geográfica y conocimiento de características del medio
como el suelo, la vegetación o el agua.

BIBLIOGRAFIA:

• http://aviris.gl.fcen.uba.ar/Curso_SR/Guia_Curso_sr_2007.pdf
• Parra, R.H. Marulanda, M.O. Escobar, J.F. Sistemas de información geográfica,
Medellín, Universidad Nacional de Colombia.
• http://www.um.es/geograf/sigmur/teledet/tema06.pdf
• http://www2.famaf.unc.edu.ar/institucional/biblioteca/trabajos/638/16895.pdf