INFORME DE

PRACTICA N o.3
PERCEPCIÓN REMOTA
 PRACTICA No.3 PERCEPCIÓN REMOTA
RECORTE, ESTADISTICAS, FILTROS

PRESENTADO POR:
LIZETH ANDREA HERNANDEZ BUITRAGO
CODIGO: 20141032251

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

FACULTAD DEL MEDIO AMBIENTE Y RECURSOS NATURALES
INGENIERÍA TOPOGRÁFICA
BOGOTÁ D.C.
2017
 PRACTICA No.3 PERCEPCIÓN REMOTA
RECORTE, ESTADISTICAS, FILTROS

PRESENTADO POR
LIZETH ANDREA HERNANDEZ BUITRAGO
CODIGO: 20141032251

INFORME DE PRACTICA No. 3

PERCEPCIÓN REMOTA
.

PRESENTADO A:
GERMAN TORRIJOS CADENA

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

FACULTAD DEL MEDIO AMBIENTE Y RECURSOS NATURALES
INGENIERÍA TOPOGRÁFICA
BOGOTÁ D.C.
2017
 TABLA DE CONTENIDO

1. INTRODUCCIÓN ......................................................................................................... 1

2. OBJETIVOS ................................................................................................................. 2

2.1.OBJETIVOS GENERALES .......................................................................................... 2

2.2.OBJETIVOS ESPECIFICOS ........................................................................................ 2

3. DESARROLLO DE LA PRÁCTICA ............................................................................... 3

3.1.PROCEDIMIENTO PARA EL RECORTE .................................................................... 3

3.2.ESTADISTICAS ........................................................................................................... 6

3.3.APLICACIÓN DE FILTROS ....................................................................................... 10

4. RESPUESTAS............................................................................................................ 16

5. ANÁLISIS DE RESULTADOS..................................................................................... 28

6. CONCLUSIONES ....................................................................................................... 29

7. BIBLIOGRAFÍA ........................................................................................................... 30
 LISTADO DE IMÁGENES

IMAGEN 1. Ruta de imagen compilada. Fuente Propia. .................................................... 3

IMAGEN 2. Imagen Landsat compilada. Fuente Propia. .................................................... 3
IMAGEN 3. Opción Inquire Box. Fuente Propia. ................................................................ 4
IMAGEN 4.Selección del área a recortar. Fuente Propia. .................................................. 4
IMAGEN 5. Ventana Subset. Fuente Propia. ..................................................................... 5
IMAGEN 6. Estado del proceso de recorte de la imagen. Fuente Propia. .......................... 5
IMAGEN 7. Recorte de imagen Landsat con coordenadas geograficas. Fuente Propia. .... 6
IMAGEN 8. Recorte de imagen Landsat en nuevo View. Fuente Propia. ........................... 6
IMAGEN 9. Metadatos de la imagen recortada. Fuente Propia. ......................................... 7
IMAGEN 10. Opción Model Maker. Fuente Propia. ............................................................ 7
IMAGEN 11. Modelo. Fuente Propia, ................................................................................. 8
IMAGEN 12. Recorte de la imagen en el campo Raster. Fuente Propia. ........................... 8
IMAGEN 13. Selección de la función correlación. Fuente Propia. ...................................... 9
IMAGEN 14. Archivo de matriz de salida. Fuente Propia. .................................................. 9
IMAGEN 15. Procesamiento del modelo para obtener matriz de covarianza. Fuente
Propia. ............................................................................................................................... 9
IMAGEN 16. Verificación de archivo de matriz. Fuente Propia. ....................................... 10
IMAGEN 17 Imagenes con filtros Smooth y Sharpen. Fuente Propia. .............................. 11
IMAGEN 18. Opción para filtros de convolución. Fuente Propia. ..................................... 11
IMAGEN 19. Aplicación de Filtro 3x3 Haze Reduction. Fuente Propia. ............................ 12
IMAGEN 20. Aplicación de filtro 5x5 Low Pass. Fuente Propia. ....................................... 12
IMAGEN 21. Aplicación filtro1x5 Vertical Linear Smoothing. Fuente Propia..................... 12
IMAGEN 22. Aplicación filtro 3X3 Edge Detect. Fuente Propia. ....................................... 13
IMAGEN 23. Filtros Estadísticos. Fuente Propia. ............................................................. 13
IMAGEN 24. Aplicación de filtro majority. Fuente Propia. ................................................ 14
IMAGEN 25. Aplicación de filtro max. Fuente Propia. ...................................................... 14
IMAGEN 26. Aplicación de filtro de media. Fuente Propia. .............................................. 14
IMAGEN 27. Aplicación de filtro de mediana. Fuente Propia. .......................................... 15
IMAGEN 28. Aplicación de filtro min. Fuente Propia. ....................................................... 15
IMAGEN 29. Aplicación de filtro minority. Fuente Propia. ................................................ 15
IMAGEN 30. Comparación de pestaña general de imagen completa y recorte. Fuente
Propia. ............................................................................................................................. 16
IMAGEN 31.Comparación de pestaña Projection de imagen completa y recorte. Fuente
Propia. ............................................................................................................................. 17
IMAGEN 32.Comparación de pestaña histograma de imagen completa y recorte. Fuente
Propia .............................................................................................................................. 17
IMAGEN 33. Pestaña Pixel Data de imagen completa y recorte. Fuente Propia. ............. 18
IMAGEN 34. Matriz 3X3 Haze Reduction. Fuente Propia. ............................................... 25
IMAGEN 35. Matriz 5x5 Low Pass. Fuente Propia. .......................................................... 25
IMAGEN 36. Matriz Vertical Linear Smoothing. Fuente Propia. ....................................... 26
IMAGEN 37. Matriz 3X3 Edge Detect. Fuente Propia. ..................................................... 26
IMAGEN 38. Ejemplos de matrices de paso bajo. Fuente Propia. ................................... 26
MAGEN 39. Ejemplos de matrices de paso alto. Fuente Propia ...................................... 27

LISTADO DE TABLAS

Tabla 1.Matriz de covarianza obtenida a partir del modelo. Fuente Propia. ..................... 10
Tabla 2. Datos estadísticos del recorte. Fuente Propia. ................................................... 19
Tabla 3. Histogramas de las bandas del Recorte. Fuente Propia. .................................... 20
Tabla 4. Datos estadísticos de la imagen compilada. Fuente Propia. .............................. 21
Tabla 5. Histogramas de las bandas de la imagen compilada. Fuente Propia. ................ 22
 1. INTRODUCCIÓN

El presente informe corresponde a la tercera práctica de la asignatura

Percepción Remota, basada en el recorte, análisis estadístico y la aplicación
de filtros, a partir de una serie de herramientas del software ERDAS 2015.

Para este trabajo se utilizó la imagen descargada y compilada a partir de las

prácticas anteriores, con el fin de obtener un recorte de un área más pequeña,
que estuviera caracterizada por contar con diversas coberturas como:
Vegetación, cuerpos de agua, cultivos, zonas urbanas o construidas, drenajes
entre otros con el fin de obtener una información y análisis más enriquecedor.

A partir de la imagen completa y el recorte se realizaron análisis sobre: Las

diferencias encontradas en las características de las imágenes en cuanto a su
información general, sistema de proyección de coordenadas, datos de pixeles y
un análisis de la información estadística junto con el histograma de cada una
de las bandas. Finalmente se aplicaron al recorte una serie de filtros estándar,
de convolucion y estadísticos con el fin de analizar los cambios que estos
provocan sobre la imagen.

En términos generales, la realización de esta práctica permitió identificar los

cambios en la imagen original, que se producen al momento de ser recortada y
filtrada, teniendo en cuenta que el comportamiento de sus niveles digitales
varia y por consiguiente sus características estadísticas.

1
 2. OBJETIVOS

2.1. OBJETIVOS GENERALES

 Aplicación de las herramientas del software ERDAS IMAGINE para el

recorte, análisis estadístico y filtrado de imágenes satelitales.

2.2. OBJETIVOS ESPECIFICOS

 Recortar un área de la imagen Landsat 8 con presencia de distintas

coberturas.

 Identificar las diferencias entre la imagen Landsat 8 completa y el recorte.

 Analizar los datos estadísticos y el histograma de las bandas que

componen las imágenes.

 Aplicar filtros estándar, de convolución y estadísticos al recorte para

idenficar los cambios que generan en la imagen.

2
 3. DESARROLLO DE LA PRÁCTICA

3.1. PROCEDIMIENTO PARA EL RECORTE

Una vez estando en una ventana View de ERDAS IMAGINE se enruta la imagen
obtenida en la práctica anterior la cual como se observa en la imagen 1 se
encuentra identificada con el nombre COMPILADA.

IMAGEN 1. Ruta de imagen compilada. Fuente Propia.

Al dar la opción OK se y posteriormente Fit to Frame se abre automáticamente en

el View la imagen del satélite Landsat 8 completa, como se evidencia en la imagen
2.

IMAGEN 2. Imagen Landsat compilada. Fuente Propia.

3
Con la imagen abierta se hizo click derecho sobre ella, lo cual desplego una serie
de opciones de las cuales se eligió Inquire Box, como se ve en la imagen 3.

IMAGEN 3. Opción Inquire Box. Fuente Propia.

Una vez hecho esto apareció un cuadro para la selección del área a recortar este
se ubicó en una zona con presencia de diferentes coberturas como ríos,
vegetación, cultivos y zona construida como se puede observar en la imagen 4.

IMAGEN 4.Selección del área a recortar. Fuente Propia.

4
Luego de ello en el menú raster en Subset & Chip se desplegaron una serie de
opciones de las cuales se eligió Create Subset Imagine, con lo cual se desplego
la ventana Subset como se observa en la imagen 5. En la opción Input File se
enruto la imagen completa y en el Output File se indicó el nombre Recorte, se
fijaron las coordenadas haciendo clic en la opción From Inquire Box y finalmente
en el Data Type se indicó como Output Unsigned 16 bit.

IMAGEN 5. Ventana Subset. Fuente Propia.

Una vez ingresadas las opciones correspondientes en la ventana Subset se dio

OK, lo cual activo la ventana Process List donde se observó como en la imagen
6, el porcentaje del proceso de recorte de la imagen.

IMAGEN 6. Estado del proceso de recorte de la imagen. Fuente Propia.

5
 Posteriormente se obtuvo el recorte de la imagen según el área seleccionada
como se puede ver en la imagen 7, con las coordenadas en este caso
geográficas Latitud y longitud de sus extremos.

IMAGEN 7. Recorte de imagen Landsat con coordenadas geograficas. Fuente Propia.

3.2. ESTADISTICAS

Luego de obtener el recorte se abrió este en un nuevo View como se observa en

la imagen 8, con lo cual se pudo evidenciar como fueron resaltadas cada una de
las coberturas presentes en la zona.

IMAGEN 8. Recorte de imagen Landsat en nuevo View. Fuente Propia.

6
Cargada la imagen se observaron los datos correspondientes a las pestañas, que
se encuentran en la ventana de metadatos de la imagen como los son: General,
Projection, Histogram, y Pixel Data (Ver imagen 9), las cuales fueron descritas en
la pregunta número 2 del ítem preguntas a respuestas.

IMAGEN 9. Metadatos de la imagen recortada. Fuente Propia.

Se seleccionó seguidamente en el menú Toolbox la opción Model Maker como

se muestra en la imagen 10.

IMAGEN 10. Opción Model Maker. Fuente Propia.

7
Allí se insertaron los objetos correspondientes raster, función de definición y la
matriz final como se observa en la imagen 11.

IMAGEN 11. Modelo. Fuente Propia,

En el icono de raster se enruto el recorte en el campo File Name como se

observa en la imagen 12.

IMAGEN 12. Recorte de la imagen en el campo Raster. Fuente Propia.

Posteriormente en el icono en forma de círculo se dio clic derecho lo cual abrió la

ventana denominada como Function Definition como se observa en la imagen
13, en la cual se seleccionó la función de correlación (Covarianza matriz), dentro
de la cual se asignó el recorte.

8
 IMAGEN 13. Selección de la función correlación. Fuente Propia.

Luego de ello se hizo clic en el icono en forma de malla o cuadricula, lo cual

desplego la ventana para guardar la matriz de covarianza de salida a la cual se le
asignó el nombre de MATRIZ, cuyo formato es .mtx, como se observa en la
imagen 14.

IMAGEN 14. Archivo de matriz de salida. Fuente Propia.

Finalmente se corrió el modelo, abriéndose simultáneamente la venta proceso

hasta completar el 100%, como se observa en la imagen 15.

IMAGEN 15. Procesamiento del modelo para obtener matriz de covarianza. Fuente Propia.

9
Una vez ejecutado el proceso se verifico que el archivo final hubiese quedado
correctamente guardado con el formato y nombres correspondientes como se
observa en la imagen 16.

IMAGEN 16. Verificación de archivo de matriz. Fuente Propia.

La matriz final obtenida se puede observar en la siguiente tabla 1.

BANDA 1 BANDA 2 BANDA 3 BANDA 4 BANDA 5 BANDA 6 BANDA 7

BANDA 1 1 0.99202287 0.93560847 0.93762734 -0.06960248 0.72322525 0.80653121

BANDA 2 0.99202287 1 0.95135723 0.96491434 -0.09095893 0.73722626 0.82700654

BANDA 3 0.93560847 0.95135723 1 0.93866418 0.07422217 0.76390457 0.80354152

BANDA 4 0.93762734 0.96491434 0.93866418 1 -0.1786704 0.72184826 0.83193637

BANDA 5 -0.06960248 -0.09095893 0.07422217 -0.1786704 1 0.28486459 0.05465242

BANDA 6 0.72322525 0.73722626 0.76390457 0.72184826 0.28486459 1 0.9563539

BANDA 7 0.80653121 0.82700654 0.80354152 0.83193637 0.05465242 0.9563539 1

Tabla 1.Matriz de covarianza obtenida a partir del modelo. Fuente Propia.

3.3. APLICACIÓN DE FILTROS

Para esta parte inicialmente se abrieron dos ventana View en las cuales se el
recorte de la imagen Landsat 8. Posteriormente en la opción Filtering que se
encuentra en el menú Multiespectral, para la imagen ubicada a la izquierda se

10
aplicó el filtro Smooth y para la ubicada en la parte derecha se aplicó el filtro
Sharpen como se alcanza a evidenciar en la imagen 17.

IMAGEN 17 Imagenes con filtros Smooth y Sharpen. Fuente Propia.

Posteriormente se seleccionó la opción Convolution Filtering como lo indica la

imagen 18 para la aplicación de algunos de los filtros de convolucion como lo son:
3X3 Haze Reduction, 5x5 Low Pass, 1x5 Vertical Linear Smoothing, 3X3 Edge
Detect, según lo indicado a partir de la guía de la práctica suministrada por el
docente.

IMAGEN 18. Opción para filtros de convolución. Fuente Propia.

11
A partir de las opciones que allí se despliegan se hizo la selección de los filtros
anteriormente mencionado, cuya aplicación de evidencia en las imágenes 19,
20,21 y 22.

IMAGEN 19. Aplicación de Filtro 3x3 Haze Reduction. Fuente Propia.

IMAGEN 20. Aplicación de filtro 5x5 Low Pass. Fuente Propia.

IMAGEN 21. Aplicación filtro1x5 Vertical Linear Smoothing. Fuente Propia.

12
 IMAGEN 22. Aplicación filtro 3X3 Edge Detect. Fuente Propia.

Finalmente se seleccionó la opción Statistical Filtering como lo indica la imagen

23 para la aplicación de los filtros estadísticos. A partir de las opciones que allí se
despliegan se hizo la selección de los filtros, cuya aplicación de evidencia en las
imágenes 24, 25,26 y 27,28 y 29.

IMAGEN 23. Filtros Estadísticos. Fuente Propia.

13
IMAGEN 24. Aplicación de filtro majority. Fuente Propia.

IMAGEN 25. Aplicación de filtro max. Fuente Propia.

IMAGEN 26. Aplicación de filtro de media. Fuente Propia.

14
IMAGEN 27. Aplicación de filtro de mediana. Fuente Propia.

IMAGEN 28. Aplicación de filtro min. Fuente Propia.

IMAGEN 29. Aplicación de filtro minority. Fuente Propia.

15
 4. RESPUESTAS

1. Observe las coordenadas en Lat/Long y map, explique en qué sistema se

encuentran esas coordenadas. Cuál es su origen? Cuál es la zona UTM?

Las coordenadas de la imagen se encuentran en sistema de proyección Universal

Transversa de Mercator, Datum WGS 84, Zona UTM 18N, cuyos limites son
Límites : -78.0000, 0.0000, -72.0000, 84.0000N,Límites proyectados :
166021,4431, 0,0000, 833978,5569, 9329005,1825, Meridiano Central: -75.000,
latitud de origen:0.000, Falso Norte: 0.00 y Falso Este: 500000.0.

2. Haga un análisis de las 4 pestañas de la imagen y del corte, analice cada

uno de los histogramas e indique los valores mayores, menores, medios y la moda
para cada banda.

En la ventana general (Ver imagen 30), se identifican una serie de diferencias con
respecto en cuanto al tamaño teniendo en cuenta que una es la imagen completa
(805.91 MB) y la otra es un recorte de un área más pequeña (51.32 MB), así
mismo se evidencian diferencias en los límites en cuanto al ancho y alto, en la
información estadística y en los valores de las coordenadas proyectadas. El
sistema de proyección sigue siendo el mismo UTM Zona 18, así como las
unidades.

IMAGEN 30. Comparación de pestaña general de imagen completa y recorte. Fuente Propia.

16
En la segunda pestaña correspondiente a la proyección (Ver imagen 31) de la
imagen, los datos son los mismos tanto para el compilado como para el recorte,
correspondientes a los parámetros de la proyección Universal Transversa
Mercator, Datum WGS84, Zona 18.

IMAGEN 31.Comparación de pestaña Projection de imagen completa y recorte. Fuente Propia.

En la tercera ventana correspondiente al histograma se identifican los diagramas

de dispersión con niveles digitales mínimos y máximos distintos para cada imagen,
de acuerdo a cada banda seleccionada (Ver imagen 32).

IMAGEN 32.Comparación de pestaña histograma de imagen completa y recorte. Fuente Propia

17
Finalmente en la pestaña número 4 (Ver imagen 33) se muestran los datos
correspondientes los niveles digitales de los pixeles que para el caso de la imagen
completa contiene únicamente ceros.

IMAGEN 33. Pestaña Pixel Data de imagen completa y recorte. Fuente Propia.

 ANÁLISIS DE DATOS ESTADÍSTICOS E HISTOGRAMAS

Recorte: La banda 2 ofrece entre las del espectro visible el mayor desplazamiento
en sus niveles digitales mínimos, los valores medios son más altos para las
bandas 5 y 6, bastante saturadas teniendo en cuenta el rango entre los valores
máximos y mínimos, la banda 5 cuenta con una heterogeneidad mayor con una
desviación típica superior a 2000 ND, en su respectivo histograma se puede
identificar un buen contraste con un desplazamiento más a la derecha reflejando
de esa manera una imagen más clara, la siguiente banda con mejor desviación
típica es la 6, cuyo histograma se encuentra un poco a la derecha con respecto a
las demás bandas 1,2,3,4,7 reflejando una imagen un poco más clara. La banda 1
correspondiente al azul profundo ofrece un rango de variación menor a
comparación de las demás, entre 8985 y 18421 con una desviación típica inferior a
300 ND seguida por la banda 2, cuyo histograma se encuentra desplazado hacia
la izquierda reflejando una imagen más oscura. Las distribuciones de las bandas 3
y 4 no son muy altas y tienden a la izquierda igualmente. La banda 5 es la más
sensible de todas las demás a las alteraciones de radiancia, mientras que la 1 y la
2 cuentan con el peor contraste de la imagen. Para la banda 7 se evidencia un
pico muy pequeño hacia sus niveles digitales mínimos, lo cual puede indicar la
presencia de cuerpos de agua, teniendo en cuenta que los niveles de absorción
del agua son altos en esta banda del espectro. Los datos estadísticos pueden

18
evidenciarse en la Tabla 2 y los histogramas de las 7 bandas del recorte en la
Tabla 3.

DATOS ESTADISTICOS RECORTE

BANDA MAXIMO MINIMO MEDIA MODA DESVIACION TIPICA
1 18421 8985 9708,321 9592 288,985
2 19388 7981 8720,474 8537 360,101
3 19130 6921 8290,734 8018 533,379
4 21224 6073 7088,844 6700 740,089
5 32866 5017 20464,475 20322 2296,608
6 35040 4850 11893,382 11120 1785,689
7 33071 4951 7691,368 7092 1215,780

Tabla 2. Datos estadísticos del recorte. Fuente Propia.

HISTOGRAMA BANDAS DEL RECORTE

HISTOGRAMA BANDA 1 HISTOGRAMA BANDA 2

HISTOGRAMA BANDA 3 HISTOGRAMA BANDA 4

19
 HISTOGRAMA BANDAS DEL RECORTE
HISTOGRAMA BANDA 5 HISTOGRAMA BANDA 6

HISTOGRAMA BANDA 7

Tabla 3. Histogramas de las bandas del Recorte. Fuente Propia.

Imagen Compilada: Los valores medios son más altos para las bandas 5 y 6,
bastante saturadas teniendo en cuenta el rango entre los valores máximos y
mínimos, la banda 5 cuenta con una heterogeneidad mayor con una desviación
típica superior a 10000 ND, en su respectivo histograma se puede identificar un
buen contraste con un desplazamiento más a la derecha reflejando una imagen un
poco más clara, así mismo presenta unos pequeños picos hacia sus niveles
digitales más bajos, lo cual denota la presencia de cuerpos de agua por la alta
absorbancia de la cobertura en la banda, la siguiente banda con mejor desviación
típica es la 6, cuyo histograma se encuentra un poco a la derecha con respecto a
las demás bandas 1,2,3,4,7 reflejando una imagen un poco más clara, así mismo
presenta un pico hacía sus niveles bajos que indica un tipo de cobertura marcada .
La banda 4 correspondiente al azul ofrece un rango de variación menor a
comparación de las demás, entre 0 y 65123 con una desviación típica inferior a
5000 ND seguida por la banda 3, cuyos histogramas son estrechos y se

20
encuentran desplazados hacia la izquierda reflejando una imagen más oscura. Las
distribuciones de las bandas 1 y 2 no son muy altas y tienden a la izquierda
igualmente. La banda 5 es la más sensible de todas las demás a las alteraciones
de radiancia, mientras que la 3 y la 4 cuentan con el peor contraste de la imagen.
Para la banda 7 se evidencia un pico hacia sus niveles bajos indicando una
cobertura muy marcada, es un poco menos estrecho que los anteriores 3 y 4 pero
refleja así mismo una imagen un poco oscura. Los datos estadísticos pueden
evidenciarse en la Tabla 4 y los histogramas de las 7 bandas en la Tabla 5.

DATOS ESTADISTICOS IMAGEN COMPILADA

BANDA MAXIMO MINIMO MEDIA MODA DESVIACION TIPICA
1 62807 0 7551,165 0 5394,528
2 56189 0 6939,641 0 5124,652
3 61681 0 6695,532 0 4998,430
4 65123 0 6029,423 0 4815,667
5 65535 0 14428,288 0 10008,599
6 65535 0 9917,307 0 7230,632
7 62279 0 6700,852 0 5062,834

Tabla 4. Datos estadísticos de la imagen compilada. Fuente Propia.

HISTOGRAMA BANDAS DE IMAGEN COMPILADA

HISTOGRAMA BANDA 1 HISTOGRAMA BANDA 2

HISTOGRAMA BANDA 3 HISTOGRAMA BANDA 4

21
 HISTOGRAMA BANDAS DE IMAGEN COMPILADA
HISTOGRAMA BANDA 5 HISTOGRAMA BANDA 6

HISTOGRAMA BANDA 7

Tabla 5. Histogramas de las bandas de la imagen compilada. Fuente Propia.

3. Explique para que sirven las matrices de varianza-covarianza y la de

correlación.

 Matriz Varianza - Covarianza

Para el caso de la estadística de las imágenes espaciales esta matriz presenta las
varianzas de todas las bandas que conforman el raster a lo largo de una diagonal
y la covarianza entre todas las bandas, sirve para observar la variabilidad o
dispersión a partir de la media teniendo en cuenta que entre más grande sea la
varianza, más conveniente resulta para encontrar contraste y la covarianza
permite identificar el comportamiento de una relación lineal entre dos variables que
en este caso son representadas por dos bandas.

22
Los valores de la covarianza que se encuentran alejados de la varianza indican la
relación entre bandas. Los valores de la covarianza que se encuentran cercanos
de la varianza indican que no hay relación entre las bandas.

A partir de esta matriz se puede identificar el grado de relación entre dos variables
que este caso corresponden a dos bandas de la imagen satelital.

Permite identificar la información de las características en común entre las bandas

de la imagen satelital.

Permite tener conocimiento del contraste de las imágenes.

 Matriz de Correlación

La matriz de correlación permite identificar los coeficientes que representan la

relación entre dos bandas de la imagen, estos valores son considerados como una
medida de dependencia entre las dos bandas. Esta matriz sirve para tener una
medida de la cantidad de información común entre las bandas.

Esta matriz sirve para identificar cual es la mejor combinación entre una serie de
bandas teniendo en cuenta que una correlación baja me indica bandas diferentes,
mientras que si la correlación es alta indica que las bandas son prácticamente
iguales por lo tanto no brinda una buena combinación para el análisis de
coberturas.

4. ¿Qué valores puede tomar el índice de correlación y como se analiza la relación

entre las bandas según esos valores?

El índice de correlación puede tomar valores de +1 a -1, cuando la correlación es

positiva indica que la relación entre las dos bandas es fuerte y directa, es decir
que aumentan simultáneamente. Cuando la correlación tiende a -1 quiere decir
que los valores de una banda cambian fuerte e inversamente a los de la otra y
cuando el índice tiende a cero 0 significa que las bandas son independientes entre
sí, es decir que es débil.

Como se mencionó en el punto anterior una correlación baja indica que las bandas
son diferentes por lo cual su combinación es más útil para el análisis de
coberturas, a comparación de una correlación alta que denota que las bandas son
prácticamente iguales.

23
5. Indique que cambios se observaron en la imagen, luego de aplicar el filtro
Smooth y luego el filtro Sharpen.

Luego de aplicar el filtro Smooth se pudo observar que la imagen perdió su nitidez,
le otorgo suavizado pero así mismo no se pueden identificar con claridad los
detalles, se ve un poco más lisa con respecto al recorte original.

Luego de aplicar el filtro Sharpen se pudo observar que algunos de los bordes se
agudizan mucho más, lo cual hace que algunos detalles resalten más, la imagen
presenta mejor nitidez a comparación del filtro anterior.

6. Matemáticamente ¿Qué significa convolución?

La convolución es matemáticas hace referencia a un operador que permite

transformar dos funciones f y h en otra función, la cual representa la magnitud en
la que la función f junto con la versión invertida y trasladada de h se superponen.

Esta operación se define como la integral de la multiplicación de las funciones f y

h, posteriormente a que una de esta se ha desplazado de la otra una distancia t, el
rango de integración depende en este caso del dominio establecido para las
funciones. Este es un sistema que se caracteriza por ser de tipo lineal e porque no
varía en el tiempo.

Los dominios pueden ser periódicos, infinitos o cero extendidos, de los cuales los
dos últimos nombrados hacen que el procedimiento adquiera el nombre de
convolucion lineal.

La fórmula de esta operación es:

( )( ) ∫ ( ) ( )

Donde:

f = Función f, h = Función h, t = Distancia, n = Variable.

Para la función discreta es posible usar una fórmula de convolucion también

discreta.

( ) ( ) ∑ ( ) ( )

24
En cuanto a las imágenes espaciales se aplican filtros de convolucion los cuales
están representados a partir de una matriz llamada kernel, que puede ser
rectangular o cuadrada, de dimensiones mas pequeñas a la de la imagen, la cual
se desplaza sobre los pixels de la imagen sustituyendo el valor que coincide con el
elemento central de la matriz por la suma de los productos.Los filtros de
convolucion se usan de acuerdo al efecto que se desee producir sobre a imagen,
esto puede ser enfoque, desenfoque, realce de bordes y detección de bordes.

7. Indique cuales son las matrices de los siguientes filtros de convolución.

Las matrices de los filtros de convolución seleccionados se muestran en las

imágenes 34, 35,36 y 37.

3X3 Haze Reduction

IMAGEN 34. Matriz 3X3 Haze Reduction. Fuente Propia.

5x5 Low Pass

IMAGEN 35. Matriz 5x5 Low Pass. Fuente Propia.

25
1x5 Vertical Linear Smoothing

IMAGEN 36. Matriz Vertical Linear Smoothing. Fuente Propia.

3X3 Edge Detect.

IMAGEN 37. Matriz 3X3 Edge Detect. Fuente Propia.

8. Para que se utilizan los filtros de paso alto y paso bajo? De ejemplos de cada
uno con una matriz.

Los filtros de paso bajo se utilizan para suavizar las imágenes, suprimiendo los
ruidos o errores aleatorios de los ND, estos eliminan las altas frecuencias
permitiendo el paso de las bajas, permiten asemejar los Niveles Digitales de un
pixel al de sus pixeles vecinos, causando una reducción en la variabilidad de
información, genera homogeneidad en la imagen, produce borrado de los bordes
de la coberturas, permite reducir la nitidez a partir del desenfoque. Dos ejemplos
de estas matrices se evidencian en la imagen 38.

1 1 1 1 1 1
1 1 1 1 2 1
1 1 1 1 1 1

IMAGEN 38. Ejemplos de matrices de paso bajo. Fuente Propia.

26
Los filtros de paso alto se utilizan para realzar bordes o contornos, estos eliminan
las frecuencias bajas permitiendo el paso de las altas, permite remarcar los
contrastes espaciales entre los pixeles destacando las características lineales de
la imagen como límites de cultivos o carreteras. Dos ejemplos de estas matrices
se evidencian en la imagen 39.

0 -1 0 -2 0 -2

I
-1 4 -1 0 8 0
0 -1 0 -2 0 -2
MAGEN 39. Ejemplos de matrices de paso alto. Fuente Propia

9. Cuáles son las principales diferencias que usted observo entre los filtros de
convolucion y los de estatistical?

A partir de la aplicación de filtros tanto de convolucion como estadísticos a la

imagen se pudieron identificar diferencias como:

Los filtros de convolucion tienden a generar cambios más fuertes en la imagen,

dentro de los que se contempló el enfoque, desenfoque, el realce de bordes, en
algunos casos afectando de manera negativa, impidiendo ver con claridad los
detalles de la imagen, los filtros estadísticos tienden a oscurecer la imagen pero
no generan grandes distorsiones, en algunos casos generaron suavizado y en otro
realce de bordes y de detalles pero sin afectar demasiado la imagen.

27
 5. ANÁLISIS DE RESULTADOS

Al realizar el recorte de la imagen Landsat 8 compilada, se pudo identificar

diferencias en cuanto a su peso, puesto que claramente es una imagen más
pequeña y en el comportamiento de sus niveles digitales; en el recorte se pueden
visualizar más fácilmente las coberturas que se encuentran en la zona, la cual fue
seleccionada por la presencia de: Cuerpos de agua, cultivos, vegetación, zonas
urbanas entre otras, teniendo en cuenta que el recorte es una imagen más clara y
que todas las características resaltan.

En cuanto al análisis de los datos estadísticos tanto de la imagen completa como

del recorte se pudo observar que la banda que presenta mejor contraste, sus
rango de niveles digitales es más amplio y tiende a reflejar una imagen más clara
a diferencia de las demás bandas.

Al realizar la aplicación de los filtros estándar uno suaviza y hace perder la nitidez
a la imagen, mientras que el otro resalta sus características y bordes, los filtros de
convolucion provocaron diferentes cambios en la imagen, algunos de manera
negativa y otros de manera positiva, dentro de los cuales se observó: Enfoque,
desenfoque, el realce de bordes o afectación en la visualización de los detalles,
los filtros estadísticos tendieron a oscurecer la imagen pero sin generar grandes
distorsiones.

28
 6. CONCLUSIONES

Por medio de la realización de este informe se pudo deducir que:

 Para realizar el recorte de la imagen satelital es necesario tener en cuenta

un área de la misma, en la cual se encuentren diferentes coberturas como:
Vegetación, Cuerpos de agua, cultivos entre otras, con el fin de hacer un
análisis más enriquecedor.

 El análisis estadístico de las imágenes permite identificar el comportamiento

de los niveles digitales de cada una de las bandas que la conforman, lo cual
sirve para identificar los tipos de tratamiento a aplicar para mejorarla.

 Algunos filtros permiten resaltar algunas de las características de la imagen

mientras que otros la distorsionan o suavizan demasiado hasta impedir
visualizar con detalle los objetos o coberturas, es por ello que una correcta
selección y aplicación resulta muy importante para el estudio que se desee
realizar con ella.

29
 7. BIBLIOGRAFÍA

 SPATIAL REFERENCE. EPSG: 32618.Disponible en:<

http://www.spatialreference.org/ref/epsg/wgs-84-utm-zone-18n/> [Citado en
1 de Mayo del 2017].

 CHUVIECO, Emilio. Teledetección Ambiental: La observacion de la tierra

desde el espacio.Disponible en:<
https://es.slideshare.net/samueltiagoviana/chuvievo-emilio-teledeteccin-
ambiental> [Citado en 1 de Mayo del 2017].

 ESRI. Cómo funcionan las Estadísticas de conjunto de bandas. Disponible

en:<http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-analyst-
toolbox/how-band-collection-statistics-works.htm> [Citado en 1 de Mayo del
2017].

 Tema 3: Filtros. Disponible en:<

http://alojamientos.us.es/gtocoma/pid/tema3-1.pdf> [Citado en 1 de Mayo
del 2017].

 GISGEEK. Covarianza y correlación en imágenes de satélite. Disponible

en:<http://sistemasdeinformaciongeografica911.blogspot.com.co/2014/09/c
ovarianza-y-correlacion-en-imagenes-de.html> [Citado en 1 de Mayo del
2017].

 Matriz de Convolución. Disponible en:< https://docs.gimp.org/es/plug-in-

convmatrix.html> [Citado en 1 de Mayo del 2017].

 Filtros de Convolución. Disponible en:<

http://www.dimages.es/Tutorial%20A.I/enhancement/filtros.htm> [Citado en
1 de Mayo del 2017].

 WIKIPEDIA. Convolución. Disponible en:<

https://es.wikipedia.org/wiki/Convoluci%C3%B3n> [Citado en 1 de Mayo del
2017].

 Análisis de las Matrices de Covarianza y de Correlación.Disponible

en:<https://www.dspace.espol.edu.ec/bitstream/123456789/5775/8/Cap6.do
c> [Citado en 1 de Mayo del 2017].

30