CAPITULO 9

Rectificación
Introducción

Los datos crudos de imágenes de sensores de remotos, obtenidos mediante satélites o

aviones, son representaciones de la superficie irregular de la tierra. Incluso las imágenes
de zonas de topografía plana tienen distorsiones debido a la curvatura de la tierra y al
sensor utilizado. Este capítulo cubre los procesos de corrección geométrica de una
imagen de manera que se pueda representar en una superficie plana, integrarse a otras
imágenes y tener la integridad de un mapa.

Un sistema de proyección cartográfica es cualquier sistema diseñado para representar la

superficie de una esfera o de un esferoide (tal como la Tierra) sobre un plano. Existen
diversos métodos de proyección cartográfica. Como el “aplanamiento” de una esfera
sobre un plano causa distorsiones a la superficie, cada sistema de proyección cartográfica
compromete la exactitud entre ciertas propiedades, tales como la conservación de la
distancia, el ángulo o el área. Por ejemplo, en proyecciones cartográficas de igual área, un
círculo de un determinado diámetro dibujado en cualquier parte del mapa representa la
misma área total. Esto es útil para comparar áreas de uso de la tierra, densidad y muchas
otras aplicaciones. Sin embargo, para mantener las áreas iguales, las formas, los ángulos
y las escala pueden tener distorsión en algunas partes del mapa (Jensen 1996).

Existen varios sistemas de coordenadas cartográficas para determinar la localización de

una imagen. Estos sistemas de coordenadas se ajustan a una cuadrícula y son
expresados como pares de números X, Y (columna, fila). Cada sistema de proyección
cartográfica está asociado con un sistema de coordenadas cartográficas.

La rectificación es el proceso de transformar los datos de un sistema de cuadrícula en otro

sistema de cuadrícula usando una transformación geométrica. Aunque las
transformaciones polinómicas y los métodos basados en triangulación se describen en
este capítulo, una discusión detallada sobre las diversas técnicas de rectificación se
puede encontrar en Yang (1997). Como los pixeles de la nueva cuadrícula pueden no
estar alineados con los pixeles de la grilla original, los pixeles deben ser remuestreados.
El remuestreo es el proceso de extrapolar niveles digitales para los pixeles de la nueva
grilla a partir de los valores de los pixeles originales.

Registro

En muchos casos, se deben usar juntas las imágenes de un área que se han adquirido a
partir de diferentes fuentes. Para poder comparar imágenes separadas, pixel por pixel, las
cuadrículas de los pixeles de cada imagen deben estar ajustadas con las de las otras
imágenes de la base de datos. Las herramientas para rectificar datos de imágenes se
usan para transformar imágenes dispares a un mismo sistema de coordenadas. El registro
es el proceso de hacer una imagen conforme a otra imagen. Un sistema de coordenadas
cartográficas no está necesariamente involucrado. Por ejemplo, si la imagen A no está
rectificada y se va a usar con la imagen B, entonces la imagen B debe registrarse a la
imagen A de manera que sean conformes una con otra. En este ejemplo, la imagen A no
está rectificada en una proyección cartográfica particular, de manera tal que no hay
necesidad de rectificar la imagen B a una proyección cartográfica.
Georeferenciación
La georeferenciación se refiere al proceso de asignar coordenadas cartográficas a los
datos de una imagen. Los datos pueden estar ya proyectados en el plano deseado, pero
no estar referenciados en el sistema de coordenadas apropiado. La rectificación, por
definición, involucra la georeferenciación ya que todos los sistemas de proyección
cartográfica están asociados con coordenadas cartográficas. El registro imagen-a-imagen
involucra georeferenciación únicamente si la imagen de referencia ya está
georeferenciada. La georeferenciación, por sí misma, involucra únicamente el cambio de
la información de coordenadas cartográficas en el archivo de la imagen. La cuadrícula
(grilla) de la imagen no cambia.

Los datos geocodificados son imágenes que se han rectificado en una proyección
cartográfica y en un tamaño de pixel particular y que usualmente tienen correcciones
radiométricas aplicadas. Es posible comprar datos de imágenes que ya están
geocodificados. Los datos geocodificados deberían ser rectificados únicamente si ellos
deben estar conforme a un sistema de proyección diferente o deben ser registrados a
otros datos rectificados.

Latitud/Longitud
Lat/Lon es un sistema de coordenadas esféricas que no está asociado con una
proyección cartográfica. Lat/Lon expresa las posiciones en términos de un esferoide, no
de un plano. Así que, una imagen no está usualmente rectificada en Lat/Lon, aunque es
posible convertir imágenes a Lat/Lon, y en este capítulo se incluyen algunas sugerencias
para hacerlo.

Usted puede ver la información de proyección cartográfica para un archivo particular usando la
utilidad Image Information. Image Information le permite a usted modificar la información
cartográfica que esté incorrecta. Sin embargo, usted no puede rectificar datos usando Image
Information. Usted debe usar las herramientas Rectification descritas en este capítulo..

Las propiedades de las proyecciones cartográficas y las de los sistemas particulares de

proyección cartográfica se discuten en "CAPITULO 12: Cartografía" y "Apéndice B: Proyecciones
Cartográficas"

Ortorectificación
Ortorectificación es una forma de rectificación que corrige el desplazamiento debido al
terreno y que se puede usar si existe un DEM del área de estudio. Está basada en las
ecuaciones de colinealidad, que se pueden derivar usando GCPs (puntos de control
terrestre) en 3D. En áreas relativamente planas, la ortorectificación no es necesaria, pero
en áreas montañosas (o en fotografías aéreas de edificios), en las cuales se requiere un
alto grado de exactitud, se recomienda la ortorectificación.

Vea "CAPITULO 7: Conceptos Fotogramétricos" para más información sobre

ortorectificación.

Cuándo Rectificar
La rectificación es necesaria en los casos en los cuales la cuadrícula de pixeles de la
imagen se debe cambiar para ajustarse a un sistema de proyección cartográfica o a una
imagen de referencia. Existen varias razones para rectificar datos de imágenes:
• Comparación de pixeles de escena a escena en algunas aplicaciones, tales como
detección del cambio o cartografía de inercia termal (comparación día y noche)
• Desarrollo de bases de datos SIG para modelamiento
 • Identificación de muestras de entrenamiento de acuerdo con las coordenadas
cartográficas antes de realizar la clasificación
• Creación de fotomapas exactos, a escala
• Superposición de imágenes con datos vectoriales, tales como ArcInfo
• Comparación de imágenes que están originalmente en escalas diferentes
• Extracción de medidas exactas de áreas y distancias
• Mosaicos de imágenes
• Realización de otros análisis que requieren posiciones geográficas precisas

Antes de rectificar los datos, usted debe determinar el sistema de coordenadas apropiado
para la base de datos. Para seleccionar el sistema de coordenadas y la proyección
cartográfica adecuadas, se debe considerar el uso primario de los datos:

Si usted está realizando un proyecto gubernamental, la proyección puede estar

predeterminada. Una proyección muy usada por el gobierno de Estados Unidos es State
Plane. Use una proyección de igual área para mapas temáticos o de distribución y una
proyección conforme o de igual área para mapas de presentación. Antes de seleccionar
una proyección cartográfica, considere lo siguiente:
• Qué tan grande o pequeña es el área mapeada? Existen diferentes proyecciones
para diferentes tamaños de área.
• En qué lugar del globo está el área de estudio? Las regiones polares y las
regiones ecuatoriales requieren diferentes proyecciones para mayor exactitud.
• Cuál es la extensión del área de estudio? Las áreas circulares, norte-sur, este-
oeste y las áreas oblicuas pueden requerir diferentes sistemas de proyección
(ESRI 1992).

Cuándo Georeferenciar únicamente

La rectificación no es necesaria si no existe distorsión en la imagen. Por ejemplo, si un

archivo de imagen se obtiene mediante “escaneo” o digitalización de un mapa en papel
que está en el sistema de proyección deseado, entonces la imagen ya es plana y no
requiere rectificación a menos que exista inclinación o rotación de la imagen. El “escaneo”
y la digitalización producen imágenes que son planas pero que no contienen ninguna
información de coordenadas cartográficas. Estas imágenes requieren únicamente ser
georeferenciadas, lo cual es un proceso mucho más simple que la rectificación. En
muchos casos, el encabezado de la imagen puede simplemente ser actualizado con una
información de coordenadas cartográficas. Esto involucra redefinir:

• La coordenada cartográfica de la esquina superior izquierda de la imagen

• El tamaño de la celda (el área representada por cada pixel)

Esta información es usualmente la misma para cada capa (banda) de un archivo de

imagen, aunque podría ser diferente. Por ejemplo, el tamaño de celda de la banda 6 de
datos Landsat TM es diferente que el tamaño de la celda de las otras bandas.

Use la utilidad Image Information para modificar el encabezado del archivo de la

imagen que esté incorrecto.
Desventajas de la Rectificación
Durante la rectificación, los niveles digitales de los pixeles rectificados deben ser
remuestreados para ajustarlos a la nueva cuadrícula de filas y columnas de pixeles.
Aunque algunos de los algoritmos para el cálculo de esos valores son altamente
confiables, se puede perder integridad espectral de los datos durante la rectificación. Si
las coordenadas cartográficas o las unidades cartográficas no son necesarias en la
aplicación, entonces es aconsejable no rectificar la imagen. Una imagen no rectificada es
espectralmente más correcta que una imagen rectificada.

Clasificación
Algunos analistas recomiendan realizar la clasificación antes de la rectificación, ya que la
clasificación se puede basar en los niveles digitales originales. Otro beneficio es que un
archivo temático tiene únicamente una banda para rectificar en lugar de las múltiples
bandas de un archivo continuo. De otro lado, puede ser benéfico rectificar los datos
primero, especialmente cuando se usan datos GPS para los GCPs. Debido a que estos
datos son muy exactos, la clasificación puede ser más exacta si las nuevas coordenadas
ayudan a la localización de mejores muestras de entrenamiento.

Archivos Temáticos
El método de remuestreo del vecino más cercano es el único apropiado para archivos
temáticos, lo cual puede ser una desventaja en algunas aplicaciones. Los métodos de
remuestreo disponibles se discuten posteriormente en este capítulo.

Pasos para la Rectificación

NOTA: El registro y la rectificación involucran conjuntos de procedimientos similares. A través de
esta documentación, muchas referencias para la rectificación también aplican al registro imagen-a-
imagen.
Usualmente, la rectificación es la conversión de las coordenadas de archivo de los datos a
otra cuadrícula y sistema de coordenadas, llamada un sistema de referencia. La
rectificación o el registro de los datos de una imagen en un disco involucra los siguientes
pasos generales, independientemente de la aplicación:
1. Ubique GCPs.
2. Calcule y pruebe una transformación.
3. Cree un archivo de imagen de salida con la nueva información de corodenadas en el
encabezado. Los pixeles deben ser remuestreados para ajustarse a la nueva cuadrícula.

Las imágenes pueden ser rectificadas en el despliegue (en un visor o viewer) o sobre el
disco. La rectificación en el despliegue es temporal pero la rectificación en el disco es
permanente, porque se crea un nuevo archivo. La rectificación sobre el disco involucra:
• Reacomocodar los pixeles de la imagen a una nueva cuadrícula que se ajuste a un
plano en la proyección cartográfica y en el sistema de coordenadas nuevos.
• Insertar nueva información en el encabezado del archivo, tal como las coordenadas de
la esquina superior izquierda y el área representada por cada pixel.

Puntos de Control Terrestre

Los GCPs son pixeles específicos de una imagen para los cuales se conocen las
coordenadas cartográficas de salida (u otras coordenadas de salida). Los GCPs consisten
de dos pares X,Y de coordenadas:
• Coordenadas fuente—usualmente coordenadas de archivo de los datos de la
imagen que se va a rectificar.
• Coordenadas de referencia —las coordenadas del mapa o de la imagen de
referencia a la cual la imagen fuente se va a registrar
El término coordenadas cartográficas se usa algunas veces para referirse a coordenadas
de referencia y a coordenadas rectificadas. Estas coordenadas no están limitadas a
coordenadas cartográficas. Por ejemplo, en registro imagen a imagen, las coordenadas
cartográficas no son necesarias.

GCPs en ERDAS IMAGINE

Cualquier imagen ERDAS IMAGINE puede tener un GCP asociado con ella. El conjunto
de GCP es almacenado en el archivo de la imagen junto con las capas raster. Si un
conjunto GCP existe para el archivo superior que está desplegado en el Viewer, entonces
esos GCPs pueden ser desplegados cuando la herramienta GCP Tool es abierta.

En la matriz de datos GCP que se despliega en la herramienta GCP Tool, una columna
muestra el identificador (ID) de cada GCP. El ID de cada punto es un nombre dado a los
GCPs en archivos separados que representan la misma posición geográfica. Estos GCPs
son llamados GCPs correspondientes.

Una cadena de texto default para el ID de cada punto es proporcionada (tal como GCP
#1), pero usted puede entrar su propio identificador (ID) único para especificar los GCPs
correspondientes cuando sea necesario. Aún cuando únicamente un conjunto de GCPs
está asociado con un archivo de imagen, un conjunto GCP puede incluir GCPs para un
número dado de rectificaciones, cambiando los IDs de cada punto para grupos diferentes
de GCPs correspondientes.

Entrada de GCPs
Tener GCPs exactos es esencial para una rectificación exacta. A partir de los GCPs, se
extrapolan las coordenadas rectificadas de todos los demás puntos de la imagen.
Seleccione muchos GCPs en toda la escena. Entre más separados estén los GCPs, más
confiable es la rectificación. Los GCPs para imágenes en escala grande pueden incluir la
intersección de dos vías, las pistas de aterrizaje, los corredores de servicios públicos,
torres o edificios. Para imágenes en escala pequeña, se pueden usar elementos grandes
tales como áreas urbanas o rasgos geológicos. Elementos variables (por ejemplo, los
límites de lagos u otros cuerpos de agua, vegetación, etc) no deberían usarse.

Las coordenadas fuente y de referencia de los GCPs pueden entrarse de las siguientes
maneras:
• Ellas pueden ser conocidas a priori, y entradas desde el teclado.
• Use el mouse para seleccionar un pixel de una imagen en el Viewer. Con los dos viewers
abiertos, el origen y el destino, entre las coordenadas fuente y las coordenadas de
referencia para el registro imagen a imagen.
• Use una tableta digitalizadora para registrar una imagen a un mapa en copia dura.
La información sobre el uso y la configuración de una tableta digitalizadora es
discutida en "CAPITULO 2: Capas Vectoriales"

Opción Tableta Digitalizadora

Si los GCPs son digitalizados de un mapa en papel usando una tableta digitalizadora, se
deben tener mapas básicos de buena exactitud. Usted debería tratar de ajustar la
resolución de la imagen con la escala y proyección del mapa fuente. Por ejemplo, los
cuadrángulos a escala 1:24,000 de USGS son buenos mapas básicos para rectificar
imágenes Landsat TM y SPOT. Evite usar mapas de escala menor que 1:250,000 si es
posible. Los mapas “gruesos” (por ejemplo, 1:250,000) son útiles para imágenes de
resolución muy baja (por ej, AVHRR) y los mapas básicos “finos” (por ejemplo, 1:24,000)
son útiles para imágenes de resolución espacial “fina” (por ejemplo, Landsat y SPOT).
Opción Mouse
Cuando se entran GCPs con el mouse, usted debería tratar de ajustar la imagen de
resolución gruesa a la imagen de resolución fina (ejemplo, Landsat TM a SPOT) y evitar
ampliar la resolución más allá del radio de convolución cúbica (un área de 4x4). En otras
palabras, usted no debería tratar de ajustar Landsat MSS o Landsat TM a una fotografía
aérea.

Cómo se almacenan los GCPs

Los GCPs entrados con el mouse son almacenados en el archivo de la imagen y aquellos
entrados con el teclado o usando una tableta digitalizadora son almacenados en un
archivo separado con la extensión .gcc.

Predicción y Ajuste de GCP

La predicción automática de GCP permite al usuario “picar” un GCP en cualquier sistema
de coordenadas y automáticamente localizar ese punto en otro sistema de coordenadas
basado en los parámetros de transformación actuales.

El ajuste automático de GCP es un paso adelante de la predicción GCP. Para una

rectificación imagen a imagen, un GCP seleccionado en una imagen es ajustado de
manera precisa a su contraparte en la otra imagen usando las características espectrales
de los datos y la transformación geométrica. El ajuste GCP permite al usuario afinar una
rectificación para obtener resultados exactos.

Los dos métodos requieren una transformación existente que consiste de un conjunto de
coeficientes usados para convertir de un sistema al otro.

Predicción GCP
La predicción GCP es una técnica útil para ayudar a determinar si se han recolectado
suficientes GCPs. Después de seleccionar algunos GCPs, seleccione un punto en la
imagen fuente o en la imagen destino, luego use predicción GCP para localizar el GCP
correspondiente en la otra imagen (mapa). Este punto es determinado basado en la
transformación actual derivada de los GCPs existentes. Examine el punto generado
automáticamente y vea que tan exacto es. Si está dentro de un nivel aceptable de
exactitud, entonces existen suficientes GCPs para realizar una rectificación exacta
(dependiendo de la separación entre los GCPs). Si el punto generado automáticamente
no es exacto, entonces se deben utilizar más GCPs antes de rectificar la imagen.

La predicción GCP también puede ser usada cuando se aplica una transformación
existente a otra imagen en un conjunto de datos. Esto ahorra tiempo en la selección
manual de otro conjunto de GCPs. Luego que los GCPs se han seleccionado
automáticamente, aquellos que no cumplen un nivel aceptable de error pueden ser
editados.

Ajuste GCP
En el ajuste de GCP, usted puede seleccionar cuáles capas de la imágenes de fuente y
de destino se usan. Como el proceso de ajuste se basa en los valores de reflectancia, se
deben seleccionar capas que tengan longitudes de onda similares, tales como dos bandas
visibles o dos bandas infrarojas. Usted puede ejecutar ajuste de histogramas para
asegurar que no hay desplazamientos entre las imágenes. Usted también puede
seleccionar el radio a partir del GCP que se ha pronosticado desde donde la operación de
ajuste busca los pixeles espectralmente similares. La ventana de búsqueda puede ser
cualquier valor impar entre 5 x 5 y 21 x 21.
 El ajuste de histogramas se discute en "CAPITULO 5: Realces".

Un umbral de correlación se usa para aceptar o descartar puntos. La correlación varía

entre -1.000 y +1.000. El umbral es un valor absoluto que varía entre 0.000 y 1.000. Un
valor de 0.000 indica un ajuste malo y un valor de 1.000 indica un ajuste exacto. Se
recomiendan valores superiores a 0.8000 o 0.9000. Si un ajuste no se puede hacer
porque el valor absoluto de la correlación es menor que el umbral, usted tiene la opción
de descartar puntos.

Transformación Polinómica

Las ecuaciones polinómicas son usadas para convertir coordenadas coordenadas de

archivos fuente en coordenadas rectificadas (de mapa). Dependiendo de la distorsión de
la imagen, el número de GCPs usados y su localización relativa a los demás puntos, se
pueden requerir polinomios complejos para expresar la transformación necesaria. El grado
de complejidad del polinomio es expresado como el orden del polinomio. El orden es
simplemente el exponente más alto usado en el polinomio.

El orden de la transformación es el orden del polinomio usado en la transformación.

ERDAS IMAGINE permite transformaciones de 1er orden hasta n orden. Usualmente se
usan transformaciones de primer y de segundo orden.

Usted puede especificar el orden de la transformación que desea usar en Transform Editor.

Una discusión de polinomios y ordenes se incluye en "Apéndice A: Temas Matemáticos".

Matriz de Transformación

Una matriz de transformación es calculada a partir de los GCPs. La matriz consiste de

coeficientes que son usados en ecuaciones polinómicas para convertir las coordenadas.
El tamaño de la matriz depende del orden de la transformación. La meta en el cálculo de
los coeficientes de la matriz es derivar las ecuaciones polinómicas para las cuales existe
la menor cantidad de error cuando ellas se usan para transformar las coordenadas de
referencia de los GCPs en coordenadas fuente. No siempre es posible derivar coeficientes
que no produzcan errores. Por ejemplo, en la Figura 9-1, los GCPs se han dibujado y
comparado con la curva que está expresada por un polinomio.
 Figura 9-1 Curva Polinomial vs. GCPs

Cada GCP influencia los coeficientes, aún si no existe un ajuste perfecto de cada GCP
con el polinomio que representan los coeficientes. La distancia entre la coordenada de
referencia y la curva se conoce como error RMS, que se discute más adelante en este
capítulo. El método de regresión por mínimos cuadrados es utilizado para calcular la
matriz de transformación a partir de los GCPs. Este método es muy común y se discute en
textos de estadística.

Transformaciones Lineales

Una transformación de 1er orden es una transformación lineal. Ella puede cambiar:
• Posición en X y/o Y
• escala en X y/o Y
• inclinación en X y/o Y
• rotación

Las transformaciones de primer orden se pueden usar para proyectar imágenes “crudas”
en una proyección cartográfica, convertir una proyección cartográfica a otra proyección
cartográfica y en la rectificación de imágenes de áreas relativamente pequeñas. Usted
puede ejecutar transformaciones lineales simples a una imagen desplegada en un visor o
a la matriz de transformación en sí misma. Las transformaciones lineales pueden ser
requeridas antes de recolectar GCPs en la imagen desplegada. Usted puede reorientar
datos Landsat TM inclinados, rotar mapas topográficos escaneados de acuerdo con el
ángulo de declinación indicado en la leyenda y rotar datos descendientes de manera tal
que el norte quede hacia arriba.

Una transformación de 1er orden también se puede usar para datos que ya están
proyectados en un plano, pero que no se han rectificado a la proyección cartográfica
deseada. Cuando se realiza este tipo de rectificación, no es recomendable incrementar el
orden de la transformación si ocurre un error RMS grande al principio. Examine otros
factores primero, tales como la fuente y distribución de GCPs y busque errores
sistemáticos.

ERDAS IMAGINE proporciona las siguientes opciones para transformaciones de 1er

orden:

• escala
• traslación
• rotación
• reflexión
Escala
Escala es igual a la option zoom en el visor, excepto que usted puede especificar
diferentes factores de escala para X y para Y.

Si usted está escalando una imagen en el visor, la opción zoom deshace los cambios de
escala que usted haya hecho y viceversa.

Traslación
Traslación mueve la imagen un número de pixeles que haya especificado el usuario en las
direcciones X y Y.

Rotación
Para rotación, usted puede especificar cualquier número positivo o negativo de grados de
rotación en sentido horario u antihorario. La rotación ocurre alrededor del pixel central de
la imagen.

Reflexión
Las opciones de reflexión permiten realizar las siguientes operaciones:
• reflexión de izquierda a derecha
• reflexión de arriba hacia abajo
• reflexión de derecha y arriba hacia abajo (igual a rotación de 180°)

Los ajustes lineales están disponibles desde el Viewer o desde Transform Editor. Usted puede
realizar transformaciones lineales en el Viewer y luego cargar esa transformación a Transform
Editor, o usted puede realizar las transformaciones lineales directamente en la matriz de
transformación.

La Figura 9-2 ilustra cómo cambian los datos en transformaciones lineales.

Figura 9-2 Transformaciones Lineales

La matriz de transformación para una transformación de 1er orden consiste de seis
coeficientes — tres para cada coordenada (X y Y).

Los coeficientes se usan en un polinomio de 1er orden como se indica enseguida:

Donde:

x e y son coordenadas fuente (entrada)

xo e yo son coordenadas rectificadas (salida)

los coeficientes de la matriz de transformación son los indicados arriba.

La posición de los coeficientes en la matriz y la asignación de los coeficientes en el

polinomio son una convención ERDAS IMAGINE. Otras representaciones de una
matriz de transformación de 1er orden pueden tomar una forma diferente.

Transformaciones No Lineales

Las transformaciones de segundo o mayor orden son transformaciones no lineales. Estas

transformaciones pueden corregir distorsiones no lineales. El proceso de corregir
distorsiones no lineales también se conoce “rubber sheeting”. La Figura 9-3 ilustra los
efectos de algunas transformaciones no lineales.

Figura 9-3 Transformaciones No lineales

Las transformaciones de segundo orden también pueden usarse para convertir datos
Lat/Lon a una proyección plana, para datos que cubran un área grande (para tener en
cuenta la curvatura de la Tierra) y con datos distorsionados (por ejemplo, debido a la
distorsión del lente de la cámara). Las transformaciones de tercer orden se usan con
fotografías aéreas distorsionadas, en escaneos de mapas deformados y con imágenes de
radar. Las transformaciones de cuarto orden pueden usarse en fotografías aéreas muy
distorsionadas.

La matriz de transformación para una transformación de orden t contiene este número de

coeficientes:

Se multiplica por dos para considerar los dos conjuntos de coeficientes —un conjunto para
X, uno para Y.
Una manera más fácil de llegar al mismo número es:

Claramente, el tamaño de la matriz de transformación se incrementa con el orden de la

transformación.

Polinomios de Mayor Orden

Las ecuaciones polinómicas para una transformación de orden t tienen la siguiente forma:
Donde:

t es el orden del polinomio

ak y bk son coeficientes

el subíndice k en ak y bk está determinado por:

Un ejemplo de ecuaciones de transformación de 3er orden para X y Y, usando números,

es:

Estas ecuaciones usan un total de 20 coeficientes, o

Efectos de Orden

El cálculo y la salida de una ecuación polinómica de alto orden son más complejos que los
de una ecuación de bajo orden. Por consiguiente, los polinomios de segundo orden se
usan para realizar rectificaciones de imágenes más complejas. Para entender los efectos
de diferentes órdenes de transformación de la rectificación de imágenes, es útil ver la
salida de diferentes órdenes de polinomios.

El siguiente ejemplo usa únicamente una coordenada (X), en lugar de dos (X,Y), como se
usa en los polinomios de rectificación. Esto permite que usted dibuje gráficos
bidimensionales que ilustran la manera en la que los órdenes altos de transformación
afectan la imagen de salida.

NOTA: Como únicamente se usa la coordenada X en estos ejemplos, el número de GCPs

usado es menor que el número requerido para realizar realmente los diferentes órdenes
de transformación.
Los coeficientes –como los presentados en este ejemplo- deberían ser calculados
generalmente por el método de regresión de mínimos cuadrados. Suponga que los GCPs
se ingresan con estas coordenadas X:

Estos GCPs permiten una transformación de 1er orden para las coordenadas X, la cual es
satisfecha por la ecuación (los coeficientes están entre paréntesis):

Donde:
xr= la coordenada X de referencia
xi= la coordenada X fuente

Esta ecuación tiene la misma forma que la ecuación de una línea (y = mx + b). En
términos matemáticos, un polinomio de 1er orden es lineal. Por consiguiente, una
transformación de 1er orden también se conoce como transformación lineal. Esta
ecuación se grafica en la Figura 9-4.

Figura 9-4 Ejemplo de Transformación —1er-Orden

Sin embargo, qué pasa si el segundo GCP fuera cambiado como sigue?

Estos puntos son graficados nuevamente en la Figura 9-5.

Figura 9-5 Ejemplo de Transformación —Segundo GCP cambiado

Una línea no puede conectar estos puntos, lo cual ilustra que ellos no pueden ser
expresados por un polinomio de 1er orden, como el de arriba. En este caso, una ecuación
polinómica de segundo orden expresa estos puntos:

Los polinomios de segundo orden o de mayor orden no son lineales. El gráfico de esta
curva es dibujado en la Figura 9-6.
 Figura 9-6 Ejemplo de Transformación de segundo orden

Qué pasa si un GCP adicional fuera agregado a la lista?

Figure 9-7 Ejemplo de Transformación —Cuarto GCP Añadido

Como se ilustra en la Figura 9-7, este cuarto GCP no ajusta en la curva de la ecuación
polinómica de segundo orden. Parfa asegurar que todos los GCPs ajustan, el orden de la
transformación debería ser incrementado a tercer orden. La ecuación y el gráfico de la
Figura 9-8 serían entonces los resultados.
 Figura 9-8 Ejemplo de Transformación – Tercer Order

La Figura 9-8 ilustra una transformación de tercer orden. Sin embargo, esta ecuación
puede ser innecesariamente compleja. La ejecución de una transformación de
coordenadas con esta ecuación puede causar distorsiones no deseadas en la imagen de
salida por pretender un ajuste perfecto para todos los GCPs. En este ejemplo, una
transformación de tercer orden probablemente sería demasiado alta, porque los pixeles de
salida serían organizados en un orden diferente que los pixeles de entrada, en la dirección
X.

Figura 9-9 Ejemplo de Transformación—Efecto de una transformación de tercer orden

En este caso, un mayor orden de transformación probablemente no producirá los
resultados deseados.

Número mínimo de GCPs

Los órdenes altos de transformación pueden ser usados para corregir tipos de distorsión
más complicados. Sin embargo, para usar un orden alto de transformación se requieren
más GCPs. Por consiguiente, para realizar una transformación de primer orden, que está
expresada por la ecuación de un plano, se requieren por lo menos 3 GCPs. De manera
similar, la ecuación usada en una transformación de segundo orden es la ecuación de un
paraboloide. Se requieren seis puntos para para definir un paraboloide. Por consiguiente,
se requiere un mínimo de seis GCPs para realizar una transformación de segundo orden.
El número mínimo de puntos requeridos para realizar una transformación de orden t es:

Use más puntos que el número mínimo de GCPs siempre que sea posible. Aunque es
posible conseguir un ajuste perfecto, ello es poco común, no importa cuántos GCPs se
usen.

Para transformaciones entre 1 y n órdenes, el número mínimo de GCPs requeridos para

realizar una transformación se indica en la tabla siguiente:

Tabla 9-1 Número de GCPs por Orden de Transformación

Para los mejores resultados de rectificación, usted debe usar siempre un número de GCPs
mayor que el mínimo, y ellos deben estar bien distribuidos..
Rubber Sheeting

Análisis de Elementos Finitos Basado en Triángulos

El análisis de elementos finitos es una herramienta poderosa para resolver problemas de

cálculo complicados que pueden ser examinados en pedazos pequeños más simples. Se
ha usado como una técnica de interpolación local en aplicaciones geográficas. Para
rectificación de imágenes, los puntos de control conocidos pueden ser triangulados en
muchos triángulos. Cada triángulo tiene tres puntos de control como sus vértices. Luego,
la transformación polinómica puede ser usada para establecer relaciones matemáticas
entre los sistemas fuente y destino para cada triángulo. Como la transformación pasa
exactamente a través de cada punto de control y no lo hace de manera uniforme, el
análisis de elementos finitos también se conoce como “rubber sheeting”. También puede
llamarse rectificación basada en triángulos porque la transformación y el remuestreo para
la rectificación de la imagen son realizados triángulo a triángulo.

Esta técnica basada en triángulos debería usarse cuando otros métodos de rectificación
tales como la transformación polinómica y el modelamiento fotogramétrico no pueden
producir resultados aceptables.

Triangulación

Para realizar una rectificación basada en triángulos, es necesario triangular los puntos de
control en un malla de triángulos. Watson (1994) hizo un resumen de cuatro clases de
triangulación, incluyendo arbitraria, óptima, Greedy y Delaunay triangulation. De las cuatro
clases, la triangulación Delaunay es la más usada y es adoptada debido a que las
variaciones de ángulo de los triángulos resultantes es más pequeña.

La triangulación Delaunay puede ser construida mediante el criterio de la circunferencia

vacía. La circunferencia formada a partir de los tres puntos de cualquier triángulo no debe
tener ningún otro punto adentro. Los triángulos definidos de esta manera son los más
equiangulares posibles.

La Figura 9-10 muestra un ejemplo de la red de triángulos formada por 13 puntos de

control.

Figura 9-10 Red de Triángulos

Rectificación basada en Triángulos

Luego que se ha generado una malla triangular y está disponible el orden espacial de los
puntos de control, la rectificación geométrica puede ser realizada triángulo a triángulo.
Este método basado en triángulos es atractivo porque divide la región entera en
subconjuntos más pequeños. Si el problema geométrico de la región entera es muy
complicado, la geometría de cada subconjunto puede ser mucho más simple y modelada
a través de transformaciones simples. Para cada triángulo, los polinomios se pueden usar
como la forma de transformación general entre los sistemas fuente y destino.

Transformación Lineal

La más fácil y rápida es la transformación lineal con los polinomios de primer orden:

No hay necesidad de información extra porque existen tres condiciones conocidas en

cada triángulo y tres coeficientes desconocidos para cada polinomio.

Transformación No Lineal
Aún cuando la transformación lineal es fácil y rápida, tiene una desventaja. La transición
entre triángulos no siempre es suave. Este fenómeno es obvio cuando se derivan curvas
de nivel o relieve sombreado de DEM que se han generado usando “rubber sheeting”. Ello
se debe a la incorporación del cambio de pendiente de los datos de control en los ejes y
vértices de los triángulos. Con el fin de distribuir los cambios de pendiente de manera
suave entre los triángulos, la transformación no lineal con un orden polinómico mayor que
uno, se usa considerando la información de gradiente.

Una transformación polinómica quíntica o de quinto orden se escoge aquí como técnica
de “rubber sheeting” en esta disertación. Ella es una función suave. La función de
transformación y su derivada parcial de primer orden son continuas. No es difícil
construirlas (Akima 1978). La formulación es simplemente la siguiente:

la cual tiene 21 coeficientes por cada polinomio que deben ser determinados. Para
encontrar estas incógnitas, deben estar disponibles 21 condiciones. Para cada vértice del
triángulo, se tiene el valor de un punto, y se pueden obtener fácilmente dos derivadas
parciales de primer orden y tres de segundo orden usando vértices en la vecindad del
vértice. Entonces, se tienen 18 condiciones listas para ser usadas. Tres condiciones
adicionales se pueden obtener asumiendo que la derivada parcial normal en cada eje del
triángulo es un polinomio cúbico, lo cual significa que la suma de los items del polinomio
más allá del tercer orden en la derivada parcial normal tiene un valor de cero.
Análisis de Puntos de Chequeo
Debe enfatizarse que el análisis de puntos de chequeo independientes es crítico para
determinar la exactitud del modelamiento “rubber sheeting”. Para un método de
modelamiento exacto como “rubber sheeting, los puntos de control terrestre, que son
usados en el proceso de modelamiento, no existen residuales geométricos significativos.
Para evaluar la transformación geométrica entre los sistemas de coordenadas fuente y
destino, se recomienda la evaluación de la exactitud usando puntos de chequeo
independientes.

Error RMS

El error RMS es la distancia entre la posición de entrada (fuente) de un GCP y la posición

retransformada del mismo GCP. En otras palabras, es la diferencia entre la coordenada
de salida deseada y la coordenada de salida real para el mismo punto, cuando el punto es
transformado con la transformación geométrica.

El error RMS es calculado con una ecuación de distancia:

Donde:

xi e yi son las coordenadas fuente de entrada

xr e yr son las coordenadas retransformadas

El error RMS se expresa como distancia en el sistema de coordenadas fuente. Si las

coordenadas del archivo de los datos son las coordenadas fuente, entonces el error RMS
es una distancia en unidades de pixel. Por ejemplo, un error RMS de 2 significa que el
pixel de referencia está 2 pixeles lejos del pixel retransformado.

Residuales y Error RMS por GCP

La herramienta GCP Tool contiene columnas para los residuales X y Y. Los residuales
son las distancias entre las coordenadas fuente y las coordenadas retransformadas, en
una dirección. Ellas se muestran para cada GCP. El residual X es la distancia entre la
coordenada X fuente y la coordenada X retransformada. El residual Y es la distancia entre
la coordenada Y fuente y la coordenada Y retransformada.

Si los GCPs están consistentemente desplazadados, sea en la dirección X o en la

dirección Y, se deben agregar más puntos en esa dirección. Este es un problema común
en datos fuera del nadir.

Error RMS por GCP

El error RMS de cada punto es reportado para ayudar a evaluar los GCPs. Este se calcula
con una fórmula de distancia:

Donde:
Ri= el error RMS para GCPi
XRi= el residual X para GCPi
YRi= el residual Y para GCPi
La Figura 9-11 ilustra la relación entre los residuales y el error RMS por punto.

Error RMS Total

A partir de los residuales, se realizan los siguientes cálculos para determinar el error total
RMS, el error RMS X y el error RMS Y.

Donde:

R x= error RMS X
R y= error RMS Y
T= error RMS total
n= número de GCPs
i= número del GCP
XRi= residual X para el GCPi
YRi= residual Y para el GCPi

Contribución del Error por punto

Un valor normalizado que representa el error RMS de cada punto en relación al error RMS
total también es reportado. Este valor es listado en la columna Contribution de la
herramienta GCP Tool.
Donde:

Ei= contribución al error del punto GCPi

Ri= error RMS para GCPi
T = error RMS total

Tolerancia del Error RMS

En la mayoría de los casos, es ventajoso tolerar una cierta cantidad de error en lugar de
realizar una transformación compleja. La cantidad de error RMS que es tolerada puede
ser imaginada como una ventana alrededor de cada coordenada fuente, dentro de la cual
una coordenada retransformada se considera correcta (es decir, suficientemente
cercana). Por ejemplo, si la tolerancia de error es 2, entonces el pixel retransformado
puede estar 2 pixles lejos del pixel fuente y aún se considera exacto.

Figura 9-12 Tolerancia de Error RMS

El error RMS aceptable está determinado por el uso final de la base de datos, el tipo de
datos que se está usando y los datos históricos usados. Por ejemplo, los GCPs adquiridos
con GPS deberían tener una exactitud de unos 10 m, pero los GCPs tomados de mapas a
escala 1:24,000 deberían tener una exactitud de unos 20 m.

Es importante recordar que el error RMS es reportado en pixeles. Por consiguiente, si

usted está rectificando datos Landsat TM y desea que la rectificación sea exacta en un
rango máximo de 30 metros, el error RMS no debería ser mayor de 1.00. La exactitud
aceptable depende del área de la imagen y de cada proyecto particular.

Evaluación del Error RMS

Para determinar el orden de la transformación polinómica, usted puede evaluar la

distorsión relativa yendo de la imagen al mapa o del mapa al mapa. Uno debería empezar
con una transformación de primer orden a menos que sepa que ella no funciona bien. Es
posible calcular repetidamente las matrices de transformación hasta que se alcance un
error RMS aceptable.
 La mayoría de las rectificaciones son de primer o de segundo orden. El peligro de
usar rectificaciones de orden superior es que entre más complicada sea la
ecuación de la transformación, menos regulares y predecibles son los resultados.
Intentar ajustar todos los GCPs, puede significar mucha distorsión en la imagen.

Después de cada cálculo de una transformación y de un error RMS, existen cuatro

opciones:
• Eliminar el GCP con el error RMS más alto, asumiendo que este GCP es el menos
exacto. Otra transformación puede entonces ser calculada a partir de los GCPs
restantes. Un ajuste más cercano debería ser posible. Sin embargo, si este es el
único GCP en una región particular de la imagen, removerlo puede causar errores
más grandes.
• Tolerar una mayor cantidad de error RMS.
• Incrementar la complejidad de la transformación, creando alteraciones geométricas
más complejas en la imagen. Luego, se puede calcular una transformación que
pueda acomodar los GCPs con un error menor.
• Seleccione únicamente los puntos en los cuales usted tiene más confianza.

Métodos de remuestreo

El siguiente paso en el proceso de rectificación/registro es crear el archivo de salida. Dado

que la grilla (cuadrícula) de pixeles en imagen fuente pocas veces coincide con la grilla de
la imagen de referencia, los pixeles son remuestreados de tal manera que se puedan
calcular los nuevos niveles digitales para el archivo de salida.

Figura 9-13 Remuestreo

Los siguientes métodos de remuestreo están soportados en ERDAS IMAGINE:

 • Vecino más cercano—usa el valor del pixel más cercano para asignar el valor del
pixel de salida.
• Interpolación bilineal—usa los niveles digitales de cuatro pixeles en una ventana
de 2 x 2 para calcular un valor de salida con una función bilineal.
• Convolución cúbica—usa los niveles digitales de 16 pixeles en una ventana de 4 x
4 para calcular el valor de salida con una función cúbica.

En todos los métodos, el número de filas y de columnas en la salida se calcula a partir de

las dimensiones del mapa de salida, las cuales son determinadas por la transformación
geométrica y el tamaño de la celda. Las esquinas de salida (superior izquierda e inferior
derecha) del archivo de salida se pueden especificar. Los valores default se calculan de
tal manera que el archivo fuente completo es remuestreado al archivo destino.

Si se está realizando una rectificación imagen a imagen, puede ser benéfico especificar
las esquinas de salida relativas al sistema del archivo de referencia, de manera tal que las
imágenes sean co-registradas. En este caso, las coordenadas X,Y de la esquina superior
izquierda son 0,0 y no los valores default.

Si las unidades de salida son pixeles, entonces el origen de la imagen es la

esquina superior izquierda. De otra manera, el origen es la esquina inferior
izquierda.

Rectificación a Lat/Lon

Usted puede especificar el tamaño de celda nominal si el sistema de coordenadas de

salida es Lat/Lon. El tamaño de la celda de salida para una proyección geográfica (por ej,
Lat/Lon) está siempre en unidades angulares de grados decimales. Sin embargo, si usted
desea que la celda tenga un tamaño específico en metros, usted puede ingresar metros y
calcular el tamaño equivalente en grados decimales. Por ejemplo, si usted desea que el
tamaño de celda del archivo de salida sea 30 x 30 metros, entonces el programa calcula
cuál sería ese tamaño en grados decimales y automáticamente actualizaría el tamaño de
la celda de salida. Como la transformación entre medidas angulares (grados decimales) y
nominales (metros) varía a través de la imagen, la transformación se basa en el centro del
archivo de salida.

Entre el tamaño de celda nominal en el diálogo Nominal Cell Size.

Vecino más cercano

Para determinar el pixel de salida más cercano, las coordenadas rectificadas (xo,yo) del
pixel son retransformadas al sistema de coordenadas fuente usando la inversa de la
transformación. Las coordenadas retransformadas (xr,yr) son usadas en la interpolación
bilineal y en la convolución cúbica también. El pixel que está más cercano a las
coordenadas retransformadas (xr,yr) es el vecino más cercano. Los niveles digitales de
ese pixel se convierten en los niveles digitales de la imagen de salida.
 Figura 9-14 Vecino más cercano

Tabla 9-2 Remuestreo del Vecino más cercano

Interpolación bilineal

En interpolación bilineal, el nivel digital del pixel rectificado se basa en las distancias entre
la posición de la coordenada retransformada (xr,yr) y los cuatro pixeles m;as cercanos en
la imagen de entrada (fuente) (ver Figura 9-15). En este ejemplo, los pixeles vecinos son
numerados 1, 2, 3 y 4. Dados los niveles digitales de estos cuatro pixeles en una grilla, la
tarea es calcular un nivel digital para r (Vr).
 Figura 9-15 Interpolación Bilineal

Para calcular Vr , primero se deben considerar Vm y Vn . Interpolando Vm y Vn , usted

puede realizar una interpolación lineal que es un proceso simple de ilustrar. Si los niveles
digitales son ploteados en una gráfico relacionando las distancias entre ellos, es clara la
interpolación lineal. El nivel digital de m (Vm) es una función del cambio en el nivel digital
entre los pixeles 3 and 1 (es decir, V3 - V1).

Figura 9-16 Interpolación Lineal

La ecuación para calcular Vm a partir de V1 y V3 es:

Donde:

Yi= la coordenada Y del pixel i

Vi= el nivel digital del pixel i
dy= la distancia entre Y1 y Ym en el sistema de coordenadas fuente
D= la distancia entre Y1 y Y3 en el sistema de coordenadas fuente

Si uno considera que (V3 - V1 / D) es la pendiente de la línea en el gráfico de arriba,

entonces esta ecuación se transforma en la ecuación de una línea y = mx + b.

De manera similar, la ecuación para el cálculo del nivel digital para n (Vn) en la grilla de
pixeles es:

A partir de V n y V m, el nivel digital de r, que es la posición de la coordenada

retransformada (xr,yr), se puede calcular de la misma manera:

La ecuación siguiente se obtuvo acoplando las ecuaciones para Vm y Vn a esta ecuación

final para V

En la mayoría de los casos D = 1, ya que las coordenadas de archivo de los datos se

usan como coordenadas fuentes y ellas tienen incrementos de 1.

Algunas ecuaciones para interpolación bilineal expresan los niveles digitales de salida
como:
Donde:

wi es un factor de peso

La ecuación de arriba podría ser expresada en un formato similar, en el cual el cálculo de

wi es claro:

Donde:

xi = cambio en la dirección X entre (xr,yr) y la coordenada de archivo de datos del pixel i

yi = cambio en la dirección Y entre (xr,yr) y la coordenada de archivo de datos del pixel i

Vi= el nivel digital del pixel i

D= la distancia entre pixeles (en X o en Y) en el sistema de coordenadas fuente

Para cada uno de los cuatro pixeles, el nivel digital tiene más peso si el pixel está más
cercano a (xr,yr).

Tabla 9-3 Remuestreo de Interpolación Bilineal

Vea "CAPITULO 5: Realces" para más información sobre filtros de convolución.

Convolución Cúbica
La convolución cúbica es similar a la interpolación bilineal, excepto que:

Un conjunto de 16 pixeles, en un arreglo de 4 x 4, se promedia para determinar el

nivel digital de salida, y
Una aproximación de función cúbica, en lugar de lineal, se aplica los 16 valores de
entrada.
Para identificar los 16 pixeles en relación con la coordenada retransformada (xr,yr), se usa
el pixel (i,j), de manera que:

i = int (xr)
j = int (yr)

Esto asume que (xr,yr) está expresado en coordenadas de archivo de datos (pixels). Los
pixeles alrededor (i,j) conforman una grilla de pixeles de entrada de 4 x 4, como se ilustra
en la Figura 9-17.

Figura 9-17 Convolución Cúbica

Como se usa una función cúbica, en lugar de una lineal, para dar peso a los 16 pixeles de
entrada, los pixeles más lejanos de (xr,yr) tienen exponencialmente menos peso que
aquellos que están cerca de (xr,yr) .

Diversas versiones de la ecuación de convolución cúbica son usadas. Las diferentes

ecuaciones tienen tienen diferentes efectos sobre los niveles digitales de salida. Algunas
convoluciones pueden ser similares a un filtro de baja frecuencia (como la interpolación
bilineal) ayudando a promediar y a suavizar los valores. Otras pueden tender a aumentar
la nitidez de la imagen, de manera similar a un filtro de alta frecuencia. La convolución
cúbica usada en ERDAS IMAGINE es un compromiso entre baja y alta frecuencia. El
efecto general de la convolución cúbica depende de los datos.

La fórmula usada en ERDAS IMAGINE es:

Donde:

i= int (xr)
j= int (yr)
d(i,j) = distancia entre un pixel con coordenadas (i,j) y (xr,yr)
V(i,j) = el nivel digital del pixel (i,j)
Vr= el nivel digital de salida
a= -0.5 (una constante que difiere en otras aplicaciones de convolución cúbica)
f(x)= la siguiente función:

Fuente: Atkinson 1985

En la mayoría de los casos, un valor de a de -0.5 tiende a producir capas de salida con
una media y una desviación estándar más cercana que las de los datos originales
(Atkinson 1985).

Tabla 9-4 Remuestreo de Convolución Cúbica

Conversiones de Coordenadas Mapa-a-Mapa

Hay muchas veces en las que usted puede necesitar cambiar un mapa que ya está
registrado en una proyección plana a otra proyección. Algunos ejemplos son los
siguientes (ESRI 1992):

Cuando se combinan dos mapas con diferentes proyecciones.

Cuando la proyección usada en los archivos de la base de datos no produce las
propiedades deseadas de un mapa.
Cuando es necesario combinar datos de más de una zona de una proyección, tales
como UTM o State Plane.

Un cambio en la proyección es un cambio geométrico —las distancias, las áreas y la

escala son representadas de manera diferente. Por consiguiente, el proceso de
conversión requiere que los pixeles sean remuestreados.

El remuestreo ocasiona que parte de la integridad espectral de los datos se pierda (vea
las desventajas de los métodos de remuestreo explicadas previamente). Así que, no es
muy aconsejable remuestrear los datos que yan sido remuestreados si la exactitud de los
niveles digitales es importante para la aplicación. Si los datos no rectificados originales
están disponibles, es mejor rectificar esos datos a un sistema de proyección cartográfica
que perder una generación convirtiendo datos rectificados y remuestreándolos por
segunda vez.

Proceso de Conversión

Para converitr el sistema de coordenadas cartográficas de cualquier imagen

goereferenciada, ERDAS IMAGINE proporciona un atajo al proceso de rectificación. En
este procedimiento, los GCPs son generados automáticamente a lo largo de las
intersecciones de una grilla que usted especifica. El programa calcula las coordenadas de
referencia para los GCPs con la fórmula de conversión apropiada y con una
transformación que puede ser usada en el proceso regular de rectificación.

Datos Vectoriales

La conversión de las coordenadas de mapa de datos vectoriales es mucho más sencilla

que la conversión de datos raster. Como los datos vectoriales son almacenados mediante
las coordenadas de los nodos, cada coordenada es simplemente convertida usando la
fórmula de conversión apropiada. No existen coordenadas entre los nodos que requieran
ser extrapoladas.