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

Mejora de imágenes compuestas de color multiespectral

Este ejemplo muestra algunas técnicas básicas de composición y mejora de imágenes para su uso con datos multiespectrales. A menudo es necesario mejorar la luminosidad multiespectral o los datos de reflectancia para crear una imagen que sea adecuada para la interpretación visual. El ejemplo utiliza imágenes de Mapeador temático Landsat que cubren parte de París, Francia. Siete bandas espectrales se almacenan en un archivo en el formato ERDAS LAN. Los conceptos cubiertos incluyen:

  • La lectura de datos multiespectrales de archivos LAN de ERDAS

  • La construcción de compuestos de color de diferentes combinaciones de bandas

  • Mejora de imágenes con un estiramiento de contraste

  • Mejorar las imágenes con un estiramiento de decoracion

  • El uso de diagramas de dispersión

Paso 1: construye el compuesto truecolor a partir de una imagen multiespectral

El archivo LAN,, contiene una imagen de 7 bandas 512-by-512 Landsat.paris.lan Un encabezado de 128 bytes es seguido por los valores de píxel, que son banda intercalada por línea (BIL) en orden de número de banda creciente. Se almacenan como enteros de 8 bits sin signo, en orden de bytes Little-Endian.

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

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

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

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

Paso 2: utilice histogramas para explorar la composición de truecolor en un mejorado

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

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

Paso 3: Utilice la correlación para explorar un compuesto de truecolor mejorado por un

Otra razón para la apariencia aburrida de la composición es que las bandas visibles están altamente correlacionadas entre sí. Las gráficas de dispersión de dos y tres bandas son una excelente manera de medir el grado de correlación entre las bandas espectrales. Puede hacerlos fácilmente con sólo usar.plot

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

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

Paso 4: mejora la composición de truecolor con una extensión de contraste

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

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

Paso 5: comprobar histograma después de la extensión de contraste

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

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

Paso 6: mejore el compuesto truecolor con un estiramiento de decorrelation

Otra forma de mejorar la composición de color verdadero es usar una extensión de decoracion, que mejora la separación de colores en canales altamente correlacionados. Se usa para realizar el estiramiento de descorrelación (seguido de una extensión de contraste lineal, según lo especificado por el par de parámetro-valor opcional y).decorrstretch'Tol'0.1

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

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

Paso 7: comprobar la correlación después del estiramiento de decorrelation

Como era de esperar, un diagrama de dispersión que sigue el estiramiento de la decoracion muestra una fuerte disminución de la correlación.

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

Paso 8: construya y mejore un CIR compuesto

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

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

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

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

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

Una propiedad de los compuestos infrarrojos de color es que se ven rojas en áreas con una alta vegetación (clorofila) densidad. Tenga en cuenta que el parque Bois de Boulogne es de color rojo en el compuesto CIR, que es consistente con su aspecto verde en la decoracion-compuesto truecolor extendido.

Vea también,,,,.decorrstretchimhistimadjustmultibandreadstretchlim

Consulte también

| | | | |

Temas relacionados