Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TELEDETECCIÓN I
PRACTICA FILTROS
Elaborada por Mauricio Auza Aramayo
auza@clas.umss.edu.bo
CONTENIDO
PROCESO DE FILTRADO ..................................................................................................................... 3
FILTROS DE FRECUENCIA ESPACIAL .............................................................................................. 5
FILTROS SUAVIZANTES (Low pass filters)......................................................................................... 6
FILTROS RESALTANTES (High pass filters) ....................................................................................... 8
FILTROS APLICADOS SOBRE EL MODELO DE ELEVACIÓN DIGITAL (MED) ....................... 10
FILTROS MAJORITY ........................................................................................................................... 13
FILTROS BINARIOS ............................................................................................................................ 15
FILTROS DEFINIDOS POR EL USUARIO ......................................................................................... 17
FILTROS PATRÓN (PATTERN).......................................................................................................... 18
FILTROS DESVIACIÓN ESTÁNDAR ................................................................................................ 19
PROCESO DE FILTRADO
En esta parte de la práctica aplicaremos filtros específicos con la finalidad de entender la lógica subyacente en el
proceso del filtrado en un SIG.
Ejecutaremos dos filtros que fueron diseñados para ser aplicados sobre Modelos de Elevación Digital (DEM) y tienen
como finalidad obtener mapas de pendiente los cuales tienen gran cantidad de aplicaciones en el campo de los
recursos naturales.
Usted vera una matriz compuesta de 10 filas y 10 columnas (10*10) representando una porción de un Modelo de
Elevación Digital (DEM), donde cada valor representa la altitud (m.s.n.m = metros sobre el nivel del mar). Sobre este
mapa simplificado aplicaremos dos filtros. El primero de ellos es el filtro denominado DFDX que tiene las siguientes
características:
Escriba en la parte inferior de la matriz, dejando dos filas, los números correspondientes al filtro.
Una fila más abajo escriba el factor de ganancia.
Inserte dos filas en la parte superior y dos columnas a la izquierda de la matriz. Copie los
correspondientes valores de la última fila y columna de cada lado (4 lados). Esto realizamos para
que los filtros puedan abarcar todos los valores dados en el mapa. Este procedimiento es también
realizado por el SIG con la finalidad de que a los valores del borde del mapa se les pueda aplicar
el filtro.
Realice la operación de convolución (de izquierda a derecha de la pantalla = de Oeste a Este)
multiplicando los valores del filtro por cada valor del mapa DEM y finalmente a la sumatoria
multiplíquela por la ganancia. Ejecute la operación creando otra matriz. Por ejemplo. para el
primer valor del mapa (extremo izquierdo superior = 4252) se tendrá la siguiente operación:
[(4252*1)+(4252*-8)+(4252*0)+(4260*8)+(4260*-1)]*0.083 = 4.7
Para mantener los valores del filtro y de la ganancia constante en la fórmula del Excel
transfórmelos en constantes mediante la tecla F4. Luego arrastre la fórmula hasta completar la
matriz. El producto final de proceso de convolución debe ser también una matriz de 10*10.
FILTRO: -1
8
0
-8
1 Factor de Ganancia (GAIN) = 0.0833
Realice la misma operación de convolución pero en el sentido Y (de la parte superior a la inferior
de la pantalla = Norte a Sud). De la misma manera que en el anterior caso el resultado debe ser
una matriz de 10*10.
Combinando los dos mapas resultantes del proceso de filtrado podemos generar un mapa de pendientes aplicando
para ello la función de hipotenusa.
Cree otra matriz de pendientes en base a la siguiente fórmula (trabaje sin decimales):
(Resultado DFDX )2 (Resultado DFDY )2
Pendiente 100 *
29.941
El valor de 100 indica que la pendiente será expresada en porcentaje, el denominador representa
el cálculo de la hipotenusa, y el denominador (29.941 = Tamaño de píxel) se le incluye para
determinar la pendiente en fracción.
Todo el procedimiento anterior lo ejecutamos en una simple hoja de cálculo. Realizaremos el mismo proceso en el
entorno del SIG.
Este mapa es un DEM y contiene los mismos valores que la matriz de la hoja de cálculo. A partir de este mapa
calcularemos la pendiente.
Cierre el mapa FIL.. En la ventana principal del ILWIS resalte este mapa. Presione el botón
derecho del mouse y seleccione Image Processing/Filter. En la ventana desplegada (Filtering)
seleccione Linear en tipo de filtro y DFDX en el nombre de filtro. Nombre el mapa de salida
como DX. Mantenga las otras opciones por defecto y presione Show. En la ventana de dialogo
active la opción Text y de OK. Los valores obtenidos debieran ser los mismos a los obtenidos en
su hoja de cálculo cuando aplico dicho filtro.
Realice la misma operación aplicando esta vez el filtro DFDY. Nombre el mapa de salida como
DY.
En la línea de comando del ILWIS escriba la siguiente fórmula:
Pendiente:=100*HYP(DX,DY)/29.941
Trabaje sin decimales para poder comparar con la hoja de cálculo.
Esta fórmula es exactamente a la misma empleada en la hoja de cálculo: El valor de 100 indica
que la pendiente será expresada en porcentaje, la función interna del ILWIS HYP calcula la
hipotenusa, y el denominador (29.941 = Tamaño de píxel) se le incluye para determinar la
pendiente en fracción.
Compare el mapa resultante con el obtenido en la hoja de cálculo. Debiera ser prácticamente
igual, de otra forma debes revisar y corregir en caso de presentarse algún error en la hoja de
cálculo.
De esta forma llegamos a entender mejor y de una manera práctica cómo se realiza el proceso de filtrado en un SIG.
La frecuencia espacial se refiere a las variaciones en los valores de los números digitales (ND) que están presentes
en una imagen. En áreas de alta frecuencia espacial los valores de ND pueden cambiar abruptamente sobre un
número relativamente pequeño de pixeles (por ejemplo a través de caminos, bordes de parcelas, líneas costeras).
Áreas uniformes (llanas) de la imagen están caracterizadas por una baja frecuencia espacial donde los valores de
ND cambian gradualmente sobre un número grande de pixeles (por ejemplo, parcelas agrícolas grandes y
homogéneas, cuerpos de agua). Filtros de “paso bajo” o suavizantes están diseñados para resaltar rasgos de baja
frecuencia y para suprimir componentes de alta frecuencia de una imagen. Filtros de “paso alto” o resaltantes
realizan lo contrario.
Utilizando el ILWIS Navegue hasta la carpeta FRECUENCIA. Abra la vista Banda. En ella
visualizará una banda de una imagen satelital con tres zonas. La zona 1 corresponde a “Suelo
desnudo” cuya reflectancia es alta y los DN altos se mantienen homogéneamente (Baja
frecuencia espacial). La zona 2 son “Arbusto esparcidos” cuya reflectancia es menor y los DN
presentan una moderada heterogeneidad (Moderada frecuencia espacial). Finalmente la zona 3
son “Viviendas” cuya reflectancia es variada y los DN tienen una alta heterogeneidad (Alta
frecuencia espacial).
Con el comando IFNOTUNDEF corte las zonas con sus correspondientes mascaras (Z1,Z2 y Z3).
Llame las mismas como Zona1, Zona2 y Zona3 respectivamente. Defina el dominio de salida
como valor en el rango de 0 a 255 sin decimales. Esto para poder aislar correctamente cada zona.
Observe en el histograma de los mapas resultantes la desviación estándar Std.Dev (estadístico
de dispersión), localizado en la parte inferior izquierda en el recuadro resumen. Registre los
valores en la hoja de cálculo Zonas, ubicada en la carpeta de trabajo.
¿Por qué el valor de desviación estándar en la columna value (StD) no iguala al registrado?
Aplicando este tipo de filtro se tiene el efecto de filtrar (suprimir) las altas y medias frecuencias, donde el resultado es
una imagen que tiene una apariencia suavizada o allanada. Estos filtros sirven fundamentalmente para eliminar
“ruidos” en una imagen. El proceso es fácil pero el problema al hacer esto es que se pierden muchos rasgos
importantes en la imagen. Para remover componentes de alta frecuencia en una imagen un filtro suavizante estándar
es usado.
Navegue con el ILWIS a la carpeta Filtro1 y despliegue el mapa B5. El mismo representa la
banda 5 de una imagen Landsat. Sobre este mapa realizaremos las operaciones de filtrado
posteriores. Minimice el mapa.
Abra la ventana de dialogo Filtering seleccionando la operación Filter en la lista de
operaciones.
Seleccione como mapa de entrada B5, use un filtro lineal y el filtro estándar de paso bajo llamado
Avg3*3 (Filtro 3*3 que obtiene el promedio de los píxeles y el valor resultante es asignado al
píxel central de salida, disminuyendo así las altas frecuencias espaciales). Nombre el mapa de
salida como Avg y seleccione el dominio Image. Despliegue el mapa.
Maximice el mapa original y realice una comparación visual.
Mediante los histogramas las diferencias pueden ser más fácilmente cuantificables. Para ello de
un clic sobre el mapa original presione el botón derecho del Mouse y seleccione
Statistics/Histogram, y despliegue el mismo. Haga lo mismo para el mapa Avg. Compare los
histogramas gráficos.
Abra el ArcMap. Adicione datos (Add Data ). Navegue hasta la carpeta Filtro1 y adicione
la imagen B5.img. Seleccione del menú Customize/ToolBars y active Spatial Analyst.
Active el ArcToolBox Window ( ). Seleccione Spatial Analyst Tools. Luego Neighborhood
y Filter. En la ventana desplegada seleccione como raster de entrada B5.img. Nombre el raster
de salida como B5_low y seleccione como tipo de filtro el LOW dando luego OK.
Realice una comparación visual entre los resultados del filtro en los tres SIG.
Este tipo de filtros suavizantes se aplican fundamentalmente a imágenes radar ya que las mismas tienen la
particularidad de presentar un aspecto “pixelado” o el efecto “Sal-Pimienta”, ya que se observa una dispersión de
valores blancos en medio de un gran conjunto de valores de negro o al revés, negros dispersos en valores blancos.
Aplique el filtro a la imagen Radar. Puede utilizar ya sea el ilwis o el erdas indistintamente.
Adicionalmente a los filtros ya definidos en ILWIS, es posible definir, crear y aplicar tu propio filtro. Un filtro de
suavizante de 3*3 del tipo media ponderado será creado y aplicado sobre la imagen.
Abra la ventana de dialogo Create Filter seleccionando New Filter en la lista de operaciones
Nombre al filtro como Weigmean y confirme los parámetros de entrada.
Un filtro vacío será desplegado y los valores para el filtro pueden ser introducidos:
1 2 1
2 4 2
1 2 1
Asigne una ganancia (gain) de 0.25 y cierre la ventana
Filtrar la imagen B5 usando el filtro creado (Usar el botón derecho del mouse sobre el icono del
filtro creado y escoja Filter). Nombre el mapa de salida como Weigmean y seleccione el dominio
Image.
Despliegue el mapa original y el resultado de la operación y realice una comparación visual. Las
zonas de mayor reflectancia (suelo desnudo) en la imagen original adquieren en valor de cero
(Negro).
Compare también los histogramas respectivos.
Trace a mano alzada los histogramas del mapa original y del resultante del proceso de filtrado:
HISTOGRAMAS
Número de píxeles
Número digital
En teoría, el factor de ganancia multiplicada por la sumatoria de los coeficientes del filtro debiera dar como resultado
la unidad. Sin embargo, la ganancia se asigna en función de los resultados que se quieran alcanzar. Si en este caso
asignamos la correspondiente ganancia calculada a partir del anterior enunciado notaremos un cambio marcado en
el resultado. De ahí la importancia que tiene el factor de ganancia en el resultado que genera cualquier filtro basado
en el proceso de convolución.
Abra el filtro creado anteriormente. Cambie el factor de ganancia utilizando el resultado que se
genera al aplicar el enunciado dado al principio del anterior párrafo. Una vez asignado el factor
cierre el filtro.
De un clic sobre el mapa Weigmean y con el botón derecho del mouse entre a propiedades. Una
vez dentro de la correspondiente ventana ingrese a la opción Dependency y seleccione Make
Up-to-Date que nos permite recalcular el mapa pero con el cambio efectuado en el factor de
ganancia.
Abra el mapa y verificará que este nuevamente cambió. Abra el histograma y trace a mano
alzada el resultado en la anterior gráfica.
¿Qué sucede con la distribución de valores en el mapa cuando se cambia el factor de
ganancia?
A veces cambios abruptos se presentan (área de uniformes ND a un área con diferentes ND). Esto es representado
por una gradiente marcada en los valores de DN. Los límites de este tipo son conocidos como bordes. Ellos ocupan
solamente una pequeña y por lo tanto ellos son rasgos de alta frecuencia. Filtros resaltantes están diseñados para
enfatizar altas frecuencias y para suprimir bajas frecuencias. Aplicando este tipo de filtros se tiene el efecto de
resaltar los bordes o mejorar el contraste entre rasgos de la imagen. Dos tipos de filtros de paso alto pueden ser
distinguidos: De gradiente ( o direccionales) y Laplacian (No direccionales). Filtros de gradiente son filtros
direccionales que son usados para resaltar tendencias lineales específicas. Ellos son diseñados de tal manera que
los bordes siguiendo una dirección (horizontal, vertical o diagonal) son resaltados. Laplacian son filtros no
direccionales porque ellos resaltan rasgos lineales que no tienen ninguna dirección en la imagen. Cuando estos filtros
(De gradiente y Laplacian) son aplicados los valores resultantes pueden ser ya sea positivos y negativos. Por esta
razón que ILWIS trata las imágenes de salida almacenando los resultados en un dominio valor (Value). Para resaltar
los componentes de alta frecuencia de una imagen un filtro éstandar de paso alto es empleado. El filtro es de 3*3 que
mejorará los bordes o los resaltará, con un valor central de 16 y ocho valores vecinos de –1 y una ganancia de 0.125.
Existen diferencias entre los SIG en cuanto a la aplicación de filtros. Por ejemplo, una importante diferencia es que el
ERDAS puede aplicar los filtros tanto sobre imágenes de banda simple y sobre composiciones a color. En
contraposición el ILWIS sólo puede aplicar los filtros sobre imágenes de banda simple y/o mapas de valor.
Verificaremos esto mediante el siguiente ejercicio:
el cursor normal sobre los tres pixeles y registre los valores correspondientes a las bandas roja,
verde y azul que son reportados de izquierda a derecha.
¿A qué pueden deberse las diferencias de los resultados obtenidos por ambos SIG?
Este grupo de filtros es usado para calcular la inclinación, forma y dirección de pendiente y el “sombreado” del
terreno a partir de un Modelo de Elevación Digital. Así los filtros Dfdx y Dfdy permiten calcular las gradientes
horizontal y vertical. Al mismo tiempo el filtro Laplace puede ser usado para investigar que partes del terreno son
convexos (mostrando valores negativos en el mapa de salida) y cóncavos (mostrando valores positivos en el mapa
de salida). Áreas planas y uniformes obtienen valores de cero o cercanos a cero. Estos filtros ya fueron desarrollados
en el modulo introductorio a los SIG. Existe un filtro adicional aplicado sobre el MED que permite calcular el RELIEVE
INTERNO, expresado como el cambio máximo de elevación dentro de 1 hectárea o dentro de un kilómetro cuadrado.
El tipo de filtro que puede ser usado es el rank order (Orden de Jerarquía), el cual ordenará en forma ascendente
todos los píxeles que caigan dentro del filtro. En el caso de un filtro 3*3, el primer valor en esta jerarquía será el
mínimo de los nueve píxeles, el quinto valor sería el medio y el noveno seria el máximo.
Asigne un rango de salida entre 0 y 2000 con una precisión de 1 (sin decimales). Acepta las otras
opciones por defecto.
Calcule un mapa denominado Escarpes tomando un umbral >50 m de relieve interno.
Los filtros dfdx y dfdy permiten también calcular la dirección de la pendiente combinando los mapas de gradientes,
resultantes de la aplicación de filtros horizontal y vertical sobre el Modelo de Elevación Digital. El mapa resultante da
valores entre 0 y 360 de acuerdo a los grados del compás geográfico. En áreas planas ningún valor puede ser
calculado por lo que ellas obtendrán un valor indefinido.
Calcule los mapas DX y DY, aplicando los filtros dfdx y dfdy al mapa DEM.
Escriba la siguiente fórmula en la línea de comando:
Dirección:= RADDEG(ATAN2(DX,DY)+pi)
Despliegue el mapa con una precisión de 1 (sin decimales)
ATAN2 es una función de cálculo interna del ILWIS, la cual retorna el ángulo en radianes de dos valores de entrada.
El valor de pi es 3.141592653589.
Los valores resultantes están entre 0 y 360 (Grados del compás). Para poder desplegar ellos correctamente se
requiere crear un dominio compas para el cual crearemos posteriormente una representación
Cree un dominio de valores llamado compas. De un Mínimo de 0 y un máximo de 360 y con una
precisión de 1 (sin decimales)
Cree una representación llamada compas seleccionando a la vez el dominio compas.
La representación del valor ahora es abierta mostrando los límites de 0 en negro y el de 360 en
blanco.
Ya que en la dirección del compás 0 = 360 (escala circular) ambos límites debieran tener el mismo color negro,
entonces requerimos adicionar otro límite: 180 el cual tendrá un color blanco.
Abra Edit de la ventana de la representación creada y seleccione Insert límite
Introduzca el valor de 180 y seleccione el color blanco y de OK
De un doble clic sobre el límite 360. La ventana de dialogo Edit limit se abrirá y seleccione
el color negro
Seleccione desde Edit el comando Stretch steps. Asigne un valor de 25 y de OK
La representación está lista. La misma va desde negro para dirección norte, vía blanco en el
sur, regresando nuevamente al color negro.
Cierre la representación
Vincule el dominio compas a la representación compas usando las propiedades de dicho
dominio
Entre a propiedades del mapa Dirección cambiando el dominio value por compas
Despliegue el mapa seleccionando la representación compas.
Para poder discernir los valores de 180 con los indefinidos (ambos de color blanco) con el
mapa de aspecto desplegado entre desde el menú a la opción Layers y luego a Background
color...Seleccione el color verde.
Reclasifique el mapa Dirección de acuerdo al siguiente esquema:
N
N-O N-E
O E
S-O S-E
S
Calcule un mapa denominado NE donde sólo se visualice los pixeles cuya pendiente se dirige
al Nor-Este.
Siendo el valor 57.29578 (360/2) es usado para convertir el valor resultante en radianes
a grados. Los valores resultantes estarán entre -/2 y /2 y en el mapa Dir se encontrarán
entre –90 y 90.
Dirección2:=IFF((dx=0)and(DY=0),?,IFF((DX<0)AND(DY=0),90,IFF((DX>0)AND(DY=0),270,IFF(DY>0,180+Dir,
IFF(DX>0,360+Dir,Dir)))))
Trabaje sin decimales
Para un mejor entendimiento se puede observar la siguiente gráfica donde se esquematiza las direcciones de la
pendiente:
FILTROS MAJORITY
Estos filtros permiten calcular para cada píxel el valor o clase predominante (el que presenta mayor frecuencia), de
cada píxel de entrada y sus vecinos. Puedes usarlos para reducir una gran variación en los valores o clases para los
píxeles vecinos.
Un ejemplo simple será usado en este ejercicio: un pequeño mapa de aptitud, el cual tiene 41 filas y 54 columnas, de
tal modo que claramente puedes ver los efectos del filtro sobre el mapa. El mapa Suitability es un mapa de valores y
contiene los valores de 1 a 6 que muestran la aptitud de un área para el crecimiento del maíz. El área que no tiene
valores asignados es indefinida.
Ahora aplicaremos un filtro majority. El filtro majority estándar MAJORITY es un filtro 3x3. Como valor de salida para
cada píxel central, el filtro selecciona el valor o nombre de clase predominante (el que se repite más frecuentemente),
de cada píxel de entrada y sus 8 vecinos. Si los 9 píxeles tienen un valor o clase diferente, el primer valor o nombre
de clase encontrado se usa como salida.
De un clic al mapa Suitability con el botón derecho del mouse y seleccione Image Processing, y
el comando Filter del menú desplegado. La ventana de dialogo Filtering se abrirá.
Seleccione Filter Type: Majority, y Filter Name: Majority.
Escribe el nombre del mapa de salida como Suitability1 y de un clic sobre el botón Show.
En la ventana Display Options - Raster Map seleccione la representación Pseudo y clic OK. El
mapa será desplegado.
Compare los dos mapas Suitability1 y Suitability. Luego cierre los mapas.
El resultado de un filtro majority es que píxeles indefinidos que estaban dentro de diferentes áreas ahora están
llenados, y los rasgos lineales de ancho de 1 pixel han desaparecido.
Hay también un filtro majority que se usa solamente sobre los valores indefinidos. El filtro undef-majority
(MAJUNDEF) es un filtro 3x3 que selecciona el valor o clase predominante si el píxel central es indefinido. Si el píxel
central es no indefinido, el valor o nombre de clase no será cambiado.
Ahora filtre el mapa Suitability con el filtro Majundef, y cree un mapa de salida denominado
Suitability2. Despliegue los tres mapas (Suitability, Suitability1, y Suitability2) uno al lado del
otro y compárelos.
El resultado de un filtro undefined majority es que píxeles indefinidos simples desaparecen y las unidades del mapa
se extienden en las áreas indefinidas.
También se puede realizar el mismo proceso aplicando al mapa COB el filtro Majority y
desactive la opción Predefined, asigne un filtro de 5*5 y active la opción Undefined. Este quiere
decir que a un píxel indefinido se le asignará el valor del valor predominante de los 24 píxeles
vecinos. Observará que el resultado del proceso anula directamente los píxeles indefinidos en un
solo paso.
¿Porqué este filtro realiza el proceso en un sólo paso?
Similar al anterior filtro existe el MAJZERO el cual selecciona el valor o clase predominante y lo asigna al píxel
central si éste tiene un valor de cero. Si ese no es el caso el valor se mantiene como en el mapa original. Esto es
importante porqué en algunas operaciones matemáticas los valores cero dan como resultado píxeles indefinidos.
Despliegue el mapa CERO. Este mapa contiene valores cero. Verifique ello desplegando el
histograma. ¿Qué porcentaje de los píxeles del mapa tienen valor cero?
Aplique el filtro Majority-MAJZERO sobre el mapa CERO. Verifique mediante el histograma
respectivo que los valores cero han sido anulados.
Finalmente, los mapas resultantes de muchas operaciones espaciales presentan una gran cantidad de píxeles
dispersos (Scattered), para mejorar la visualización de los mismos tenemos el filtro Majority MAJORITY.
Despliegue el mapa SLOPE. Este es un mapa de clases de pendiente. Como observa existe gran
cantidad de píxeles que se encuentran dispersos.
Aplique sobre el mapa el filtro Majority MAJORITY. Usted notará que los píxeles dispersos
fueron en cierta manera “absorbidos” dentro de la categoría predominante que los rodea.
¿Cómo podría mejorarse el mapa original en un solo proceso de filtrado sin realizar
sucesivas aplicaciones del filtro?
FILTROS BINARIOS
Estos filtros consideran el mapa de entrada como un mapa binario. Esto quiere decir que los valores cero y los
indefinidos se consideran como cero y los otros valores como uno. Dependiendo del valor del píxel central y sus 8
vecinos, el filtro genera ya sea valores cero o uno como valores de salida. Estos filtros se usan en lo que
denominamos matemática morfológica. Puedes usarlos para “expansión” (el crecimiento de píxeles “verdaderos” en
una cierta dirección) y “erosión” (la reducción de los píxeles “verdaderos” en una cierta dirección). Tratemos
algunos de estos filtros utilizando el mapa Suitability_null. Primero aplicaremos el filtro Dilate8.
Filtre el mapa Suitability_null con el tipo de filtro Binary y con Filter Name Dilate8. Nombre
el mapa de salida como Suitability3. Note que el dominio del mapa de salida es Boleano (Bool)
Despliegue el mapa resultante al lado del mapa de entrada de la operación de filtrado (éste
último con la representación Pseudo) y compárelos. Clic sobre los píxeles en ambos mapas para
desplegar sus valores. Cierre los dos mapas.
El filtro Dilate8 asigna 1 al píxel central si cualquiera de los vecinos es “verdadero”. El resultado del uso de éste filtro
es que los píxeles verdaderos “crecen” en todas las direcciones. Lo inverso será hecho utilizando el filtro Shrink8. El
filtro Shrink asigna un 1 solamente cuando el píxel central es 1 y también cuando todos los vecinos son también 1. El
resultado de éste filtro es que áreas de píxeles “verdaderos” se “encogen” (shrink) a los largo de sus bordes, líneas
simples de píxeles “verdaderos” y píxeles simples “verdaderos” rodeados totalmente por píxeles “falsos”
desaparecen. Este filtro definirá el área apta encogida en tamaño en todas las direcciones. Si usas el filtro Shrink4 el
área se encogerá en la dirección horizontal y vertical, pero no en dirección diagonal.
Filtre el mapa Suitability_null con el tipo de filtro Binary y con Filter Name Shrink8.
Nombre el mapa de salida como Suitability4. Note que el dominio del mapa de salida es Boleano
(Bool)
Despliegue el mapa Suitability4 al lado del mapa Suitability_null y compárelos. Clic sobre los
píxeles de ambos mapas para desplegar sus valores. Cierre los dos mapas.
A continuación ejecutaremos algunos filtros que extraen los bordes de unidades en un mapa. Por ejemplo, el filtro
Inbnd8 asigna un 1 cuando el píxel central es 1 y por lo menos uno de los 8 vecinos es 0 (significando que está
localizado en el borde de un grupo de píxeles “verdaderos”). El resultado de usar este filtro es que áreas de 8 píxeles
verdaderos conectados son reemplazados por un contorno de 8 píxeles conectados (un borde de 8 píxeles
verdaderos conectados).
Filtre el mapa Suitability_null con el tipo de filtro Binary y con Filter Name Inbnd8. Nombre
el mapa de salida como Suitability5. Note que el dominio del mapa de salida es Boleano (Bool)
Despliegue el mapa Suitability5 al lado del mapa Suitability_null y compárelos. Clic sobre los
píxeles de ambos mapas para desplegar sus valores. Cierre los dos mapas.
Lo inverso al filtro Inbnd8 es el filtro Outbnd8, el cual extrae los límites externos de las áreas de 8 píxeles
conectados (matriz 3x3). De esta manera en vez de extraer el borde de los píxeles “verdaderos” (píxeles con un valor
más grande que 0), extraerá el borde de los píxeles “falsos” (píxeles con un valor de 0).
Otro de los filtros binarios que quisiéramos mostrar se denomina Conn8to4. Cuando píxeles “verdaderos” están
conectados de 8, este filtro lo transforma a conectados de 4 mediante la adición de píxeles “verdaderos” en algunos
lugares. Esto proporciona a la imagen binaria una mejor visualización. Se usa también para mejorar las líneas de
barrera utilizadas en el cálculo de las distancias. La línea barrera debe tener un ancho de al menos dos píxeles, de
tal modo que ninguno de los píxeles en cualquiera de sus lados en la línea estén conectados, tampoco
diagonalmente. Esto será demostrado utilizando el mapa Drainage.
Clic con el botón derecho del mouse sobre el mapa de segmentos Drainage y seleccione del menú
desplegado Rasterize, Segment to Raster. Se abrirá la ventana de dialogo Rasterize Segment
Map. Seleccione la georeferencia Cochabamba y presione el botón Show. En la ventana de
dialogo Display Options clic OK. El mapa será desplegado.
Filtre el mapa Drainage con el tipo de filtro binario Conn8to4. Nombre el mapa de salida como
Drain4connected. Note que el dominio es boleano (Bool). Despliegue el mapa resultante al lado
del mapa original. Amplíe una pequeña sección de ambos mapas con las mismas líneas de
drenaje y compárelos (Ver fila 182, columna 469). Podrás ver que todas las líneas de drenaje
están ahora conectadas de 4. En un cálculo de distancias ellas puede ahora actuar como barreas
cerradas. Cierre todos los mapas.
Aparte de los filtros que son almacenados en los directorios del sistema ILWIS, es posible que definas filtros por tu
cuenta como ya se ha visto en un ejercicio previo. Un ejemplo de filtros definido por el usuario son los filtros de
conteo. Ellos pueden ser utilizados para contar el número de rasgos puntuales, tales como viviendas, pozos o
deslizamientos. Utilizaremos un filtro de conteo creado previamente por nosotros que contará el número de píxeles
de deslizamientos dentro de un rango de 10 píxeles.
La forma del filtro se parece a un círculo en el cual todos los píxeles que caen dentro del mismo (con un radio de 10
píxeles) contienen el valor de 1, y el resto el valor de 0. Cuando aplicamos este filtro sobre un mapa binario, que
representa deslizamientos, para cada píxel se calcula el número de píxeles con deslizamientos dentro de un radio de
10 píxeles. Primero tendrás que crear un mapa binario con los deslizamientos, empleando la información del mapa
geomorfológico denominado Geomorphology.
Clic con el botón derecho del mouse sobre el mapa Deslizamiento y seleccione Image
Processing, y el comando Filter. Se abrirá la ventana de dialogo Filtering. Seleccione el tipo de
filtro Linear y en Filter Name Counting y escriba el nombre del mapa de salida como Desliz_f.
Note que el dominio valor está determinado automáticamente con el valor máximo siendo el
número total de valores 1 en tu filtro.
Clic Show en la ventana de dialogo Filtering. El mapa Desliz_f es calculado ahora y la ventana
de dialogo Display Options es abierta. Clic OK. El mapa será desplegado.
Revise los valores en el mapa dando clic sobre los píxeles. Después de que hayas analizado los
resultados cierre la ventana del mapa
Columnas
-10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
-10 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0
-9 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0
-8 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0
-7 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0
-6 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
-5 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0
-4 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
-3 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
-2 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
Filas
-1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
3 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
4 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
5 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0
6 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
7 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0
8 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0
9 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0
10 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0
Con un filtro patrón se puede detectar áreas donde los píxeles tienen más o menos el mismo valor, valores extremos
donde los valores de los vecinos son marcadamente diferentes del píxel central, y las direcciones en las cuales las
diferencias entre un píxel central y sus vecinos se presentan. Un filtro patrón tiene un entorno de 3*3 y siempre
trabaja sobre imágenes y otros mapas raster con dominio valor. Sí cualquiera de los 8 vecinos se considera que
tendrá el mismo valor que el pixel central o no, se determina mediante un valor umbral (Threshold) que tiene que
especificarse. Cuando la diferencia absoluta entre el vecino y el pixel central es menor o igual al valor umbral la
respuesta es verdadera. Para cada vecino verdadero un digito binario es establecido. El valor asignado al pixel
central es la combinación más óptima de los dígitos binarios correspondientes a todos los vecinos verdaderos.
Nuevamente aplique el filtro esta vez dando un umbral de 50 nombrando el mapa de salida como
Pat50.
¿Qué nos indica las diferencias entre los tres mapas resultantes?
Para cada grupo de píxeles en el mapa de entrada, el filtro calcula la desviación estándar y asigna éste valor al píxel
central en el mapa de salida. De esta manera podemos diferenciar zonas de altas frecuencias espaciales (mayor
frecuencia espacial mayor desviación estándar).
Aplique sobre el mapa Corani el filtro Standard Dev manteniendo la matriz por defecto de 3*3.
Nombre el mapa de salida como STD, mantenga el dominio de salida como Valor y mantenga los
rangos por defecto. En el mapa resultante observará que zonas donde no existe una frecuencia
espacial alta (la laguna misma) la desviación estándar es cero o muy baja. Por el contrario, en
zonas de alta frecuencia espacial (empalme laguna y los terrenos aledaños) la desviación
estándar es alta.
Aplique el mismo filtro sobre el mapa Banda, manteniendo la matriz por defecto de 3*3, nombre
el mapa de salida como STD1, mantenga el dominio de salida como Valor y mantenga los rangos
por defecto. Notará que existen áreas indefinidas en el mapa resultante. Realice un Zoom in en
la zona mostrada en la figura hasta poder visualizar los pixeles. Cada píxel debiera tener un
tamaño de 25*25 metros. Despliegue la ventana de Píxel Information adicionando en ella el
mapa Banda. Escoja un píxel indefinido cualquiera y registre en la tabla los valores originales
de sus 8 vecinos y del píxel mismo.
1 2 3 4 5 6 7 8 9 Promedio
x
_
( x x) 2