Main Content

Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Mejora de las imágenes compuestas de color multiespectral

En este ejemplo se muestran algunas técnicas básicas de composición y mejora de imágenes para su uso con datos multiespectrales. A menudo es necesario mejorar los datos de luminosidad o reflectancia multiespectral para crear una imagen adecuada para la interpretación visual. En el ejemplo se utilizan imágenes de mapeadores temáticos de Landsat que cubren parte de París, Francia. Siete bandas espectrales se almacenan en un archivo en el formato LAN de Erdas. Los conceptos abarcados incluyen:

  • Lectura de datos multiespectrales de archivos LAN de Erdas

  • Construcción de compuestos de color a partir de diferentes combinaciones de bandas

  • Mejorar las imágenes con un estiramiento de contraste

  • Mejorar las imágenes con un estiramiento de decorrelación

  • Uso de diagramas de dispersión

Paso 1: Construir compuesto Truecolor a partir de una imagen multiespectral

El archivo LAN, , contiene una imagen de 7 bandas 512 por 512 Landsat.paris.lan Un encabezado de 128 bytes va seguido de los valores de píxel, que se intercalan por línea (BIL) en orden de aumento del número de banda. Se almacenan como enteros de 8 bits sin signo, en orden de bytes little-endian.

Lea las bandas 3, 2 y 1 del archivo LAN mediante la función MATLAB® .multibandread Estas bandas cubren la parte visible del espectro. Cuando se asignan a los planos rojo, verde y azul, respectivamente, de una imagen RGB, el resultado es un compuesto truecolor estándar. El argumento de entrada final para especifica qué bandas leer y en qué orden, para que pueda construir un compuesto RGB en un solo paso.multibandread

truecolor = multibandread('paris.lan', [512, 512, 7], 'uint8=>uint8', ...                           128,  'bil', 'ieee-le', {'Band','Direct',[3 2 1]});

El compuesto truecolor tiene muy poco contraste y los colores están desequilibrados.

f1 = figure; imshow(truecolor); figure(f1); title('Truecolor Composite (Un-enhanced)') text(size(truecolor,2), size(truecolor,1) + 15,...   'Image courtesy of Space Imaging, LLC',...   'FontSize', 7, 'HorizontalAlignment', 'right')

Paso 2: Utilice histogramas para explorar el compuesto Truecolor no mejorado

Al ver un histograma de la banda roja, por ejemplo, puede ver que los datos se concentran dentro de una pequeña parte del rango dinámico disponible. Esta es una de las razones por las que el compuesto truecolor parece aburrido.

f2 = figure; imhist(truecolor(:,:,1)) figure(f2); title('Histogram of the Red Band (Band 3)')

Paso 3: Utilice correlación para explorar el compuesto Truecolor no mejorado

Otra razón para la apariencia opaca del compuesto es que las bandas visibles están altamente correlacionadas entre sí. Las gráficas de dispersión de dos y tres bandas son una excelente manera de medir el grado de correlación entre las bandas espectrales. Puede hacerlos fácilmente simplemente usando .plot

r = truecolor(:,:,1); g = truecolor(:,:,2); b = truecolor(:,:,3); f3 = figure; plot3(r(:),g(:),b(:),'.') grid('on') xlabel('Red (Band 3)') ylabel('Green (Band 2)') zlabel('Blue (Band 1)') figure(f3); title('Scatterplot of the Visible Bands')

La tendencia lineal pronunciada de la gráfica de dispersión rojo-verde-azul indica que las bandas visibles están altamente correlacionadas. Esto ayuda a explicar el aspecto monocromático del compuesto truecolor no mejorado.

Paso 4: Mejorar Truecolor Composite con un estiramiento de contraste

Cuando se utiliza aplicar un estiramiento de contraste lineal a la imagen compuesta truecolor, las entidades de superficie son más fáciles de reconocer.imadjust

stretched_truecolor = imadjust(truecolor,stretchlim(truecolor)); f4 = figure; imshow(stretched_truecolor) figure(f4); title('Truecolor Composite after Contrast Stretch')

Paso 5: Compruebe el histograma después del estiramiento de contraste

Un histograma de la banda roja después de aplicar un estiramiento de contraste muestra que los datos se han extendido mucho más del rango dinámico disponible.

f5 = figure; imhist(stretched_truecolor(:,:,1)) figure(f5); title('Histogram of Red Band (Band 3) after Contrast Stretch')

Paso 6: Mejorar Truecolor Composite con un estiramiento de decorrelación

Otra forma de mejorar el compuesto truecolor es utilizar un estiramiento de decorrelación, que mejora la separación de color a través de canales altamente correlacionados. Se utiliza para realizar el estiramiento de descorrelación (seguido de un estiramiento de contraste lineal, según lo especificado por el par parámetro-valor opcional y ).decorrstretch'Tol'0.1

decorrstretched_truecolor = decorrstretch(truecolor, 'Tol', 0.01); f6 = figure; imshow(decorrstretched_truecolor) figure(f6); title('Truecolor Composite after Decorrelation Stretch')

Una vez más, las entidades de superficie se han vuelto mucho más claramente visibles, pero de una manera diferente. Las diferencias espectrales en toda la escena han sido exageradas. Un ejemplo notable es el área de verde en el borde izquierdo, que aparece negro en el compuesto de contraste. Esta zona verde es el Bois de Boulogne, un gran parque en el extremo occidental de París.

Paso 7: Comprobar correlación después del estiramiento de decorrelación

Como era de esperar, una gráfica de dispersión después del estiramiento de decorrelación muestra una fuerte disminución en la correlación.

r = decorrstretched_truecolor(:,:,1); g = decorrstretched_truecolor(:,:,2); b = decorrstretched_truecolor(:,:,3); f7 = figure; plot3(r(:),g(:),b(:),'.') grid('on') xlabel('Red (Band 3)') ylabel('Green (Band 2)') zlabel('Blue (Band 1)') figure(f7); title('Scatterplot of the Visible Bands after Decorrelation Stretch')

Paso 8: Construir y mejorar un compuesto CIR

Al igual que con las bandas visibles, la información de las bandas Landsat que cubren partes no visibles del espectro se puede ver mediante la construcción y mejora de imágenes compuestas RGB. La banda infrarroja cercana (NIR) (Banda 4) es importante debido a la alta reflectancia de la clorofila en esta parte del espectro. Es aún más útil cuando se combina con rojo visible y verde (Bandas 3 y 2, respectivamente) para formar una imagen compuesta infrarroja de color (CIR). Los compuestos infrarrojos de color (CIR) se utilizan comúnmente para identificar la vegetación o evaluar su estado de crecimiento y/o salud.

Construya un compuesto CIR leyendo desde el archivo LAN original y componiendo una imagen RGB que asigne las bandas 4, 3 y 2 a rojo, verde y azul, respectivamente.

CIR = multibandread('paris.lan', [512, 512, 7], 'uint8=>uint8', ...                     128,  'bil', 'ieee-le', {'Band','Direct',[4 3 2]});

A pesar de que la banda de infrarrojo cercano (NIR) (Banda 4) está menos correlacionada con las bandas visibles que las bandas visibles entre sí, un estiramiento de decorrelación hace que muchas características sean más fáciles de ver.

stretched_CIR = decorrstretch(CIR, 'Tol', 0.01); f8 = figure; imshow(stretched_CIR) figure(f8); title('CIR after Decorrelation Stretch')

Una propiedad de los compuestos infrarrojos de color es que se ven de color rojo en áreas con una alta densidad de vegetación (clorofila). Observe que el parque Bois de Boulogne es rojo en el compuesto CIR, que es consistente con su aspecto verde en el compuesto truecolor decorrelación.

Véase también , , , , .decorrstretchimhistimadjustmultibandreadstretchlim

Consulte también

| | | | |

Temas relacionados