PROCESAMIENTO DIGITAL DE IMÁGENES

TALLER 4. CLASIFICACIÓN

Los valores de reflexión en una imagen dependen de las características de la superficie

terrestre. En otras palabras, existe una estrecha relación entre los valores de reflexión y las
clases de cobertura. El proceso para encontrar esta relación se conoce como Clasificación a
cuál puede ser UNIBANDA y MULTIBANDA.

1. Clasificación Unibanda. – Density Slicing. Se asignan las clases según los

valores digitales presentados por las diferentes coberturas, en una banda
seleccionada.

 Abrir tmtomi4 \ Examinar la imagen y escribir los valores de agua, vegetación y suelo:
Clase Valores
Agua
Bosque
Pasto
Suelo

 Abrir Display Options de tmtomi4 \ Click en el botón Create Representation \ en Name

: Tomi4\ Ok. Se abre el editor de la representación.
 Abrir el menú Edit \ Insert Limit \ Entrar el valor superior de la primera clase (Tabla
anterior) \ Seleccionar el color azul para el agua.
 Insertar el siguiente límite\ Vegetación \ Verde.
 Abrir la cajita que muestra la lista, que aparece después de hacer click en la palabra
Stretch entre los límites. Seleccionar Upper. Hacer los mismo con la siguiente clase:
Suelo
 Hacer click en el botón Redraw en la ventana para observar la nueva representación.
 Cerrar el editor de la representación cuando los colores estén seleccionados.

Slicing:

 Abrir Slicing de la lista de operaciones \ tmtomi4 \ Slices \ Click en el botón Crear

Domain . Escriba como nombre Slices \ Activar Group\ Ok. Se abre el editor de
Dominio.
 Click en el botón Add Item \ Escriba el valor del límite superior de la primera clase\
Escriba Agua en el nombre \ Ok.
 Presione la tecla Insert para entrar el límite superior de la segunda clase y el nombre:
Vegetación. Repita el procedimiento para la tercera clase: Suelo.
 Abrir el botón Representación. Cambie los colores si es necesario haciendo doble click
en cada uno. Salir del editor de representación. Salir del editor del Domain.
 Click Show en la caja de diálogo de Slicing \Ok.

2. Clasificación Multiespectral. – Clasificación Supervisada. Es utilizada para extraer

información de manera semiautomática. Se debe crear una muestra (Sample Set), con los
datos relevantes de cada clase en la lista de las bandas utilizando la composición a color
seleccionada.

2.1 Elaboración de las muestras para la clasificación Supervisada

___________________________________ 1
ESCUELA COLOMBIANA DE INGENIERÍA
Luz Mery Valencia C.
  Abrir Create Sample Set \ Name: Tomiclases\ Abrir el botón Create Domain\ En el editor
de dominio escriba Tomiclases como nombre del dominio\ Seleccione clases como tipo de
dominio\ Ok.
 En el editor de Clases, abrir el botón Add Item\ Entre el nombre de la primera clase: Agua,
Código A\ repetir para las clases: Bosques, pastos, cultivos y suelo.
 Abrir el editor Representation, seleccione cada clase y asignar los colores
correspondientes. Cierre los editores de Representation y el editor Class para regresar
al diálogo de Create Sample set.
 Crear una nueva lista con las tres imágenes utilizadas en la composición a color\Ok.
 Hacer un zoom en el área que contiene la clase Agua.\ Seleccionar una muestra con
la clase agua, presionando y arrastrando el botón izquierdo del mouse. Cuando se
suelta el mouse, aparecen las estadísticas de los datos seleccionados.
 Presionar el botón derecho del mouse\ Edit\ Seleccione la clase correspondiente de la
lista de clases. Las estadísticas de toda la muestra seleccionada aparecen en la parte
superior de la tabla y en la parte inferior las de la muestra.
 Comparar las estadísticas de la última muestra con las anteriores.
 Seleccionar las muestras de las otras clases siempre observando los datos
estadísticos.
 Abrir el botón Feature Space de la barra de herramientas del editor Sample Set\
Seleccione las dos bandas para crear el gráfico. Las nubes de puntos de cada clase
en la gráfica, deben estar separadas, si las muestras se han seleccionado
correctamente. Realice varias combinaciones en el Feature Space.
 Cerrar las ventanas una vez terminada la selección de las muestras.

2.2 Métodos de Clasificación Supervisada

 Seleccionar Classify de la lista de operaciones\ Seleccione la muestra elaborada en el

paso anterior\ Box Classifier como método de clasificación\ Acepte el factor de
multiplicación como default\ Out Put: USO_Caja\ Show\ Ok.
 Realice otras clasificaciones usando los métodos de MÍNIMA DISTANCIA y MÁXIMA
PROBABILIDAD.
 Comparar los resultados con los del método de Caja.

3. Clasificación No Supervisada. Mediante operaciones numéricas y determinación del

tamaño y distancia entre grupos de píxeles, se asigna a cada grupo una clase de
cobertura, según la relación entre las características espectrales presentadas y las
esperadas para la clase supuesta. Utiliza la Regla de “La mínima distancia al centro”.
 Doble click en Cluster Operation\ Seleccione las bandas 4, 3, 2 de Tominé. Utilice las
mismas clases de la clasificación supervisada.
 Escribir No_Supervisada como nombre del Out Put\ Desseleccione la opción Out Put
Table\ Show\ Acepte los defaults de las opciones de despliegue\Ok. Comparar
resultados.

4. Compare los diferentes métodos de clasificación y selecciones el mejor mapa de USO

Convierta este mapa ráster en un mapa vectorial utilizando la operación Raster to Poligon.
Sobre el mapa seleccionado, File/ Create Layout, adicionar al mapa, Leyenda, Escala, Norte,
Nombre del mapa, Nombre del autor, fecha.

___________________________________ 2
ESCUELA COLOMBIANA DE INGENIERÍA
Luz Mery Valencia C.