UNIVERSIDAD NACIONAL DE SAN AGUSTIN

FACULTAD DE INGENIERIA GEOLOGICA, GEOFISICA Y MINAS

TECNICAS DE REALCE DE IMÁGENES SATELITALES

CURSO:
SENSORES REMOTOS Y TELEDETECCION

ESCUELA:
INGENIERIA GEOLOGICA

AREQUIPA – PERÚ
2017

SECCIÓN 3 – TECNICAS DE REALCE

El proceso de mejora de la imagen consiste en aplicar un conjunto de procesamiento de técnicas dirigidas mejorar
exclusiva o mejorar las características visuales de toda la imagen o de características específicas para la interpretación visual
posterior. Esto se logra mediante transformaciones de punto pixel

29
la pixel el valor de brillo de la pixel Se procesa o transformaciones espaciales de píxeles
vecinos, tanto para resaltar las características espectrales de bajo contraste. Existe, pues, un esfuerzo intencional para mejorar la
fidelidad de la imagen, como se hace en base de corrección geométrica, sino que también hay una calidad de imagen mejorada que
el estándar se puede utilizar para diferentes fines de aplicación. Sin lugar a dudas, las técnicas de resaltado alteran las proporciones
de brillo o nivel de gris píxeles
originales, por lo que si la imagen resaltada se utiliza para la clasificación automática, el analista tiene que saber cuál será el efecto del
tratamiento sobre los valores digitales.

La elección de la mejor técnica de mejora o la mejor imagen resaltada, está sujeto a las características fisiográficas

de cada área, el objetivo específico de la obra y la capacidad misma del analista en la interpretación de imágenes. Por

consiguiente, la decisión es el analista, ya que el diseño de cualquier técnica de mejora es una forma de procesamiento que

permite una estrecha interacción con el usuario.

Existen básicamente dos métodos para resaltar la foto. Hay técnicas para trabajar en el dominio espectral y que
son la mayoría, y los que trabajan en el espacio. En la mejora dominio espectral se realiza para cada píxel de la imagen para
aumentar su contraste con el píxel vecino, independientemente del valor del píxel vecino. En el espacio de mejora de imagen
se realiza en valor de píxel de la dependencia de sus vecinos, por lo tanto, depende de la distribución espacial de los píxeles.
El último incluye las técnicas de filtrado de imagen

Las técnicas de procesamiento que se presentan en los siguientes artículos, destinados a la mejora de las imágenes son parte
de casi todas las imágenes de software de procesamiento actualmente en uso.

Linear contraste de expansión 3.1-

Los sensores son instrumentos diseñados para registrar en cualquier rango espectral (banda) una amplia gama de
intensidad de radiación, reflejada o emitida. Resulta que en la naturaleza, a menudo el conjunto de objetivos extiende sobre una
superficie no lo hace, en una banda espectral específica, un gran contraste de reflectancia, lo que hace que sólo una pequeña
proporción del potencial de unos valores de brillo de la imagen está ocupado, y con frecuencia un primer intervalo de ejecución. Ex.
TM y los sensores SPOT tienen un rango dinámico o extensión de 256 niveles para representar los valores de brillo o de
reflectancia, como se observa en los histogramas de sus imágenes las variaciones del nivel de brillo máximo promedio se
establece en Alrededor de 60 niveles diferentes. En resumen, se deduce que cada banda suele mostrar poco contraste. La razón
de tener un rango dinámico de 256 niveles de brillo, el brillo es simplemente para evitar la saturación.

La manera de mejorar este contraste es reprogramar la amplitud de cada píxel, a través de una modificación básica
histogrâmica regla. La imagen modificada o resaltada, se supone que es restringido al mismo número de píxeles la imagen original,
apenas se amplió para el rango dinámico de 0 a 255, de una manera que el nivel de brillo de salida es el nivel que está más cerca
del mapeo exacto de un nivel de brillo de entrada. Este efecto se traduce en una escala más diferenciada de niveles de brillo de
salida. cuando

29
hacer un punto culminante en una imagen de la misma operación también se aplica a todos píxeles que tienen el mismo valor de
brillo, lo que significa que es imposible aplicar los cambios de una imagen diferente histogrâmicas a las áreas con los mismos
valores de brillo.

Las siguientes formas de aumento del contraste de la manipulación de los histogramas de la imagen se aplican la mayoría.

La función de transformación de los valores de brillo de la imagen digital es una primera función de grado (lineal) que se pretende
nuevos valores de brillo para cada pixel la imagen original. el coeficiente b establece el offset
(Offset) que desplaza el histograma original en una posición más central en el eje X representa el rango de nivel de gris, mientras
que el coeficiente la determina la pendiente de la recta y tiene una magnificación del efecto histograma originales. para a> 1 cuando
b = 0 Tiene una expansión contraste la imagen de salida; cuando b> 0 Se añade a la expansión de contraste un cambio de niveles
de gris (Figura 1).

y = f (x) = ax + b

que se expresa por V s = 255 (V y - Min)

Max - Min
donde:

V s = valor de brillo de salida VB e = valor

de brillo de entrada Max = valor
máximo de brillo Min = valor mínimo
brillo
255

Y = ax + b
imagen rango de brillo 0
salida

la
b

0 40 185 255
entrada de rango brillo
de la imagen

Figura 1 expansión lineal de los valores de brillo de una imagen.

Para aplicar el punto culminante del programa lineal adquiere el histograma para cada banda y determina su valores
mínimos de niveles de gris o el brillo máximo y. Una función de transformación se aplica a cada banda, causando automáticamente
el valor mínimo se establece en valor de brillo 0 y el valor máximo del valor de brillo 255, y cualquier cantidad dentro del intervalo se
extiende linealmente entre 0 y 255. Por lo tanto, regiones vecinas al rango mín-máx se asignan a blanco y negro, respectivamente,
técnico

30
que consiste por lo tanto en contraste para resaltar la saturación. Este es un buen procedimiento para mantener la base de datos
estandarizados para el rango dinámico de brillo a gran escala. Por lo general, el analista observa el histograma determinar libremente lo que el
valor mínimo y máximo, que pueden decidir que por debajo o por encima de un cierto nivel de gris no hay ninguna información que le interesa.

Considere el ejemplo de la Figura 2 que corresponde a la histograma de cualquier banda. Los valores mínimo y máximo píxeles
la imagen de entrada son, respectivamente, 5 a 25. El problema se puede formular como sigue

valores de brillo <5 - -> establece en 0 (= 0 b) brillo

valores> 25 - -> 255 fijados a
brillo> 5 y <25 - -> expandieron entre 0-255

por lo tanto, de acuerdo con la función de cálculo de transferencia primero grado

P / F (x, y) <5 - -> y = P 0 / f (x, y)> 25 - -> 255 P

= y / f (x, y) ∈ [ 5,25], y = 255 (V y - 5)

25-5

donde: VB, es el valor de brillo de la pixel de entrada (imagen original)

número de píxeles

imagen de entrada y255 LUS

T
5 22 2 16825
0 89 1 5 318279
64 12

8 5 10 12 15 22 25 valores de brillo
0 38 64 83 127 216 255
imagen de salida

transformación lineal

Número de píxeles 05 25 255

Figura 2 Representación de las expansiones de los valores de brillo de una imagen por el método de mejora lineal.

La Figura 3 muestra el resultado de una imagen mejorada por ampliación lineal y contrastar sus respectivos
histogramas. Los dos bares en el histograma de la imagen original, marcan los valores mínimos y máximos que se expandió a
todo el rango dinámico 0-255.

31
CAPÍTULO 3 - perfeccionamiento técnico 32

imagen original expansión lineal

histograma de la imagen original, histograma de mejora de imagen lineal

Ejemplo 3 Figura mejora de histogrâmica expansión lineal

Las operaciones histogrâmicas pueden ser numéricamente representados por una tabla que muestra los valores de
brillo de la imagen original para los valores de brillo correspondientes de la imagen resaltada. Esta forma tabular se llama tablas
de consulta (LUT) que se muestran en la Figura 2, pero que se hace realmente por una rutina de cálculo, utilizando la ecuación
de transformación para mejora de la imagen.

32
CAPÍTULO 3 - perfeccionamiento técnico 33

La técnica de contraste de expansión lineal se aplica cuando la imagen original muestra un histograma de valores de
brillo de una manera unimodal. A veces sucede que, dependiendo de las características espectrales de los objetivos de un área
dada y el gran tamaño de esta área (número de píxeles), visualización de histograma puede ser multimodal. En este caso, una
expansión contraste procedimiento similar debe adoptarse, sin embargo, para cada concentración de niveles de brillo alrededor de
cada componente modal. Esto incluye hacer una mejora del contraste lineal en partes. Considere los dos ejemplos de la figura 4. En
el caso 1, la Figura 4a, existe una imagen cuyo histograma muestra dos componentes modales, con el primero de la manera que
indica una alta concentración de píxeles con niveles de brillo oscuro, y el segundo de la moda con menos píxeles con valores de brillo
más ligeros. La forma más correcta para mejorar esto daría una mayor expansión en las características oscuras de la imagen y
comprimir el contraste de características de la luz. Esto se ve en el gráfico a continuación el histograma en la figura 4a, que muestra
que el correspondiente elegante región oscura rango digital se expande a un rango digital más grande la imagen de salida. la 2 la caso,
la Figura 4b sería la mayor expansión en la región de características más claras, que tienen la más alta moda. El procedimiento
inverso se haría a la primera caja.

0 255 0 255

la b
255
255

imagen de salida de
imagen de salida
0

0 255 0 255
región oscura de la moda región clara de la moda

Figura 4 Estiramiento lineal por las partes. La mayor expansión lineal de brillo se realiza en la zona más de moda.

33
CAPÍTULO 3 - perfeccionamiento técnico 34

3.2 - histogrâmica Nivelación

La técnica de aumento de contraste no lineal a las características de luz y oscuridad en una imagen se utiliza para obtener
una forma de redistribución de valores de brillo, de tal manera que los incrementos de expansión de brillo de la imagen se distribuyen
de forma desigual entre 0 a 255.

La ventaja de esta técnica en relación con la forma de contraste lineal en partes, sería porque la percepción
visual del estímulo ojo humano no es lineal. Los algoritmos más utilizados son, ecualización y de Gauss.

En la ecualización, cada clase de números digitales (0-255) de la imagen debe contener aproximadamente el
mismo número de píxeles, lo que resulta en un histograma casi uniforme. El método implica primero el cálculo del
número de píxeles de cada clase histograma ecualizado debe tener. Este valor, llamado n t Se encuentra dividiendo el
número total N pixel de la imagen original por 256 (imagen de rango). En el ejemplo dado en la Tabla 1, para simplificar
el cálculo se considera un digitalmente no intervalo de 256 niveles, pero sólo los 16 niveles de gris o clases (primera
columna de la Tabla 1).

Esta imagen contiene píxeles que N = 262 144 dividido por 16 resultados en las clases n t = 16384, que
debe ser el número de píxeles de cada clase de imagen de salida. En la segunda columna de la tabla ha- si el número de píxeles
por entrada clase imagen original. En la siguiente etapa, columna 3 de la tabla, el histograma de la imagen de entrada se
convierte a forma acumulativa. El primer valor de la columna 3 es 1311, ya que es de clase 0. La otra columna 3 valores se
calculan mediante la suma de la clase de la columna 3 con la segunda columna 2 y así sucesivamente. 4 Los valores de columna
se obtienen dividiendo n t = 16.384 para cada columna de píxeles clase acumulativa 3. En esta división solamente considera el valor
entero del cociente. Por lo tanto, los niveles de entrada de 0 a 2 se asignan en la columna 1 al nivel de salida 0 en la columna 4;
niveles de entrada 3 y 4 se asignan al nivel de salida 1

etcétera. Tenga en cuenta que las clases de la imagen original con relativamente baja secuencia, es decir, unos pocos píxeles
se agrupan en el mismo valor de la clase de salida. Por ejemplo, las clases 0, 1 y 2 se imagen de entrada agrupan en la clase
de salida 0. Tenga en cuenta que lo mismo ocurre para las clases 10 a 15. Esto significa que el contraste en estas áreas, es
decir, las regiones más extremo del histograma, se reduce, mientras que el contraste para las clases con mayor número de
píxeles que ocupar la posición central en el histograma se extiende. Por lo tanto, el efecto de igualación es aumentar el
contraste en el centro del histograma que tiene población más densa de píxeles al tiempo que reduce el contraste en los
bordes.

El último paso es calcular el número de píxeles que se asignarán a cada clase de la imagen de salida de la columna 4.
Esto se realiza mediante la adición del número de píxeles por clase columna 2 en la clase correspondiente columna 4 tienen el
mismo valor . Los resultados se muestran en la Tabla 1

34
CAPÍTULO 3 - perfeccionamiento técnico 35

Tabla 1a - Cálculo ilustra el proceso de ecualización de histograma N = 262.144, n t= 16384.

clases de Numero de clases de imagen de

imagen de píxeles por número de pcíxlaesleespcolar se salida
entrada acumulada
0 1311 1311 0
1 2622 3933 0
2 5243 9176 0
3 9176 18352 1
4 13108 31460 1
5 24904 56364 3
6 30146 86510 5
7 45875 132385 8
8 58982 191 367 11
9 48496 239863 14
10 11796 251659 15
11 3932 255591 15
12 3932 259523 15
13 2621 262144 15
14 0 262144 15
15 0 262144 15

Tabla 1b - Número de píxeles asignados a cada clase después de la ecualización

(0) (1) 22 (2) 0 (3) 24 (4) 0 5 30146 (6) 0 (7) 0 (8) 45

9176 284 904 875

(9) 0 (10) 0 (11) 58 (12) 0 (13) 0 (14) 48 (15) 22

982 496 281

La Figura 5 ilustra el resultado de la expansión por igualación histogrâmica de banda de la imagen TM.

35
 CAPÍTULO 3 - perfeccionamiento técnico 36

imagen original imagen ecualizada

histograma de la imagen original, histograma igualó imagen

Figura 5 Ejemplo de mejora de la imagen por ecualizador

3.3 - Histograma Gaussiânico

El contraste gaussiânico es la transformación del histograma de la imagen de entrada para un histograma normal o
Gaussiânico. La forma de una distribución normal se muestra en la figura 6 con los valores de su 1σ desviación estándar, 2σ y 3σ,
que comprenden, respectivamente, 60,7%, 95% y 99% de los valores distribuidos. Una distribución se define por gausssiânica

f (x) = C y - ax2

36
 CAPÍTULO 3 - perfeccionamiento técnico 37

- 2σ - 1σ 0 1σ 2σ
unidades de desviación estándar

Figura 6 distribución normal estándar

El ejemplo mostrado en la Tabla 0.2 se calculan con los mismos datos para la ecualización. Como una curva de
distribución normal que varía de menos infinito a más infinito, en este ejemplo, un rango de desviación estándar ± 3 se utiliza la
media.

Tabla 2 los valores de píxel de la Clase obtienen en el proceso de transformación histogrâmica gaussiânica.
(Número total N de píxeles = 262.144)

(I) (Ii) (Iii) (IV) (V) (Vi) (Vii) (Viii)

0 <- 3,0 00020 530 530 1311 1311 1
1 - 2.6 0,0033 868 1398 2622 3933 3
2 - 2.2 0,0092 2423 3821 5243 9176 3
3 - 1.8 0,0220 5774 9595 9176 18352 4
4 - 1.4 0,0448 1175 21346 13108 31460 5
5 - 1.0 0.0779 20421 41767 24904 56364 6
6 - 0.6 0.1156 30303 72070 30146 86510 7
7 - 0.2 0.1465 38401 110 471 45875 132385 8
8 0.2 0.1585 41555 152026 58982 191 367 10
9 0.6 0.1465 38401 190427 48496 239863 11
10 1.0 0.1156 30303 220730 11796 251659 12
11 1.4 0.0779 20421 241151 3932 255591 13
12 1.8 0,0448 11751 252902 3932 259523 14
13 2.2 0,0220 5774 258 676 2621 262144 15
14 2.6 0,0092 2423 261099 0 362 144 15

15 > 3.0 0,0040 1045 262144 0 262144 15

37
CAPÍTULO 3 - perfeccionamiento técnico 38

(I) valores de las clases originales imagen de píxel (ii)

dando puntos en una distribución normal (desviación estándar) para los que se asignan los píxeles de cada clase (iii)

probabilidad definida de la distribución normal de cada clase; (IV)

número de píxeles calculados para cada nivel = N x Prob. clase (ex = 530 0,0020 262 144 x ..); (V)
número acumulativo de los píxeles de la clase columna (iv); (Vi)
de número de píxeles que se ha observado que se producen para cada nivel de gris de la clase de la columna de (i) de la imagen
de entrada; esta columna es la suma de N = 262.144; (Vii)
número acumulativo observado de pixeles; (Viii)
valores de píxel después del procesamiento.

La última columna da el nivel para ser utilizado mejora de imagen gaussiânico para. Estos niveles se determinan mediante la
comparación de la columna vertebral (v) con la columna (vii) como sigue. El valor del nivel 0 de la columna (i) asociado con el valor de la
columna (vii) es 1311. La primera columna (v) 1311 excede el asociado con el nivel 1 (i), que es 1398; por lo tanto el nivel de entrada 0 se
convierte en el nivel de salida de 1. Además, se convierte en la columna de la cantidad acumulativa (vii) con el primer nivel de entrada,
que es 3933, se encontró que el primer elemento de la columna (v) es superior a 3,933 es el asociado con el nivel 3 (9595), de modo que
el nivel de entrada 1 (i) se convierte en el nivel de salida 3. el proceso se repite para cada nivel de entrada (i). Automáticamente los
niveles de la columna (i) son entonces asignadas a los niveles de columna (VII).

Para calcular el número de píxeles que contienen cada uno de los niveles de los altavoces (VIII) de la imagen de salida, resumir
la columna del número de píxeles (vi) para cada nivel de la columna vertebral (viii). Los resultados se muestran en la Tabla 3.

Tabla 3 - Número de píxeles calculados para cada nivel de imagen gausssiânica

(0) 0 (1) (2) 0 (3) (4) (5) 13 (6) 24 (7) 30 (8) 45

1311 7865 9176 108 904 146 875

(9) 0 (10) 58 (11) 48 (12) 11 (13) (14) (15)

982 496 796 3932 3932 2621

Si comparamos la ecualización de la Tabla 2 con la Tabla 3 gaussiânica, vemos que la mejora de contraste gausssiânico

tensiones en los extremos de la distribución. El número de 3 desviaciones estándar utilizado fue un ejemplo. Un mayor o menor

número de desviaciones estándar se puede especificar por el usuario.

La Figura 7 da un ejemplo de una imagen mejorada por el gaussiânica expansión histogrâmica.

38
 CAPÍTULO 3 - perfeccionamiento técnico 39

imagen original gaussiânico mejora de la imagen

Histograma de la imagen original, histograma gaussiânica imagen

La Figura 7 Ejemplo de mejora de la imagen por gaussiânica ampliación

3.4 - Composición del color

Hay una serie de teorías que tratan de explicar cómo el ojo humano construye imágenes en color de los objetos.
Utilizan conceptos ópticos físicos y psicofísicos para explicar la respuesta sensorial interna del ojo a los estímulos externos
de colores como el azul, verde y rojo. La luz a medida que pasa a través de la pupila se enfoca en la retina por las lentes
oculares. La retina contiene un gran número de fotorreceptores conocidos como bastones y conos. Están conectados por
una red de fibras nerviosas en el nervio óptico a lo largo de la cual se detecta la señal de objeto por el ojo va a celebrar, que
forma la imagen visual.

39
CAPÍTULO 3 - perfeccionamiento técnico 40

Hay alrededor de 100 millones de bastones y conos 5 millones. Los bastones responden a la luz con niveles bajos de
iluminación y no permite distinciones de color. La diferencia de color (tono) y la percepción de saturación (pureza) se llevan a
cabo por los conos. El color se imaginó que se asocia con la visión de los conos porque hay tres tipos de conos, cada uno de
contabilidad para cada uno de los tres colores primarios azul, verde y rojo. Por lo que se llama la teoría tricromática de la visión
humana del color. Lo más interesante de esta teoría tricromática, además de su simplicidad, es porque da la idea de que los
colores pueden ser formados por la suma de rojos, azules y verdes en varias combinaciones. Es esta concepción que hizo que
el modelo del espacio computacional mediante la adición conjunta de diferentes cantidades de rojo, verde y azul.

Después de que la imagen de cada banda individual se han destacado por técnicas histogrâmica ampliación puede estar
compuesto de imágenes en color por un proceso como se muestra en la Figura 8, que combina tres bandas ningún con los tres colores
primarios de R (rojo), G (verde) y B (azul) de las pantallas de los monitores de vídeo de color. Para cada banda se asigna libremente
uno de los colores RGB, que se combinan para producir la imagen de color.

imagen digital
imagen digital analógica convertida

LUT CD la

banda de 5 canal R

LUT RGB
CD la

banda 4 canal G

LUT
CD la

banda 3 canal B

Figura 8 - La conversión de una imagen digital a analógico y el proceso de formación de una imagen en color

La reconstitución del color de los objetos presentes en la imagen se obtiene así por un proceso aditivo de color, donde la
suma de los tres colores primarios resultados rojo, verde y azul en blanco y combinaciones de dos en dos resulta en cian añadiendo
el color azul + verde, magenta mediante la adición de azul los colores + rojo y amarillo mediante la adición de los colores rojo +
verde, como se ve en la Figura 9. Esta combinación de color se estándar llamada RGB. El proceso de color en la Figura nueve se
obtiene mediante la proyección de tres spost luz. Millones de colores se pueden obtener mediante la variación de la intensidad de la
luz de cualquiera de los tres colores primarios.

40
CAPÍTULO 3 - perfeccionamiento técnico 41

Figura 9 combinación de aditivos en pares de colores RGB, generando el colores cian secundaria, magenta y amarillo

.
los monitores de ordenador de color se componen de tres cañones de color RGB (rojo, verde, azul) y sus
resoluciones se miden por el número de filas y columnas que tiene la pantalla. Cuanto mayor sea la resolución será mejor
imagen expuesta en la pantalla. una imagen de teledetección Como, las filas y columnas monitor tiene un formato de matriz,
donde cada elemento de visualización de la matriz es el pixel. Cuando una imagen de teledetección se carga en la pantalla, una
imagen de píxeles ocupará un monitor de píxel correspondiente. A medida que el color de la pantalla es la combinación de tres
colores, para mostrar una imagen en color, sólo que cualquiera de las tres bandas se cargan en la pantalla, cada banda se
asigna aleatoriamente a uno de los colores de armas RGB.

La Figura 10 ilustra este procedimiento. En la banda de imagen pixel tiene un primer valor digital 255 y está
opcionalmente cargado en el color R Cannon (rojo); la imagen de la banda 2 tiene el valor de píxel 255 y se cargó en el color
G cañón (verde); y la banda 3 tiene valor 0 de píxel y el color se cargó pistola G (azul). Dirigiéndose a la imagen 1 de la banda
por el color de cañón R, el valor digital 255 se iluminará en la pantalla del ordenador un alto brillo de color rojo; abordar la
banda 2 por la pistola de color G, el valor digital 255 se encenderá un alto brillo verde, que se añadirá a la de alto brillo anterior
rojo; Por último, se dirige por el B valor digital de color cañones de 0, que no estimula cualquier intensidad azul en el monitor.
Sumando los valores de los colores que iluminaban el monitor, sería de color rojo brillante, más una profundidad nula verde y
azul. Mediante la combinación de los resultados de los colores, R + L en amarillo. Portando imagen, pixel representado por las
tres bandas se muestra por el color amarillo en el monitor. De esta manera construimos imágenes en color RGB estándar. La
Tabla 4 ilustra algunas de estas relaciones entre los píxeles de las imágenes con tres bandas y la intensidad del color
resultante de su combinación.

41
CAPÍTULO 3 - perfeccionamiento técnico 42

1 color de la banda R banda 2 de color G banda de color B 3

255 0

color amarillo

píxel en el monitor
Y-255 de Y

Figura 10- la composición del color del pixel de la combinación de tres bandas

La Tabla 4 Las relaciones entre valores digitales de tres bandas y la intensidad de color que se percibe en el monitor

rojo verde azul color percibido

255 255 255 blanco
255 255 0 amarillo intenso
127 127 0 amarillo medio
255 0 255 intenso color magenta
000 255 255 intensa cian
127 000 127 magenta medio
127 127 127 gris medio
80 80 0 amarillo oscuro
255 180 120 beige claro

De acuerdo con los ejemplos de la tabla anterior, se observa que píxeles que entre las tres bandas que tienen un
mayor valor digital, es decir, mayor reflectancia, tendrá una contribución importante que el color primario asociado con esa
banda. El mapeo pseudocolor del eje define la combinación de los colores primarios por el proceso aditivo, que dan como
resultado colores secundarios magenta, cian o amarillo para aquellos píxeles que tienen altos valores de reflectancia en las
bandas correspondientes a los colores primarios. cuando píxeles tienen altos valores de brillo en las tres bandas, tendrán

42
 CAPÍTULO 3 - perfeccionamiento técnico 43

igual distribución de los componentes de color azul, verde y rojo, y el color resultante será blanco en combinación color. El
mapeo pseudocolor del eje se define como una línea gris.

La ventaja de codificar RGB, en relación con otras técnicas de mejora de color, es que es un proceso simple en
términos de cálculo, y cualquier otro tipo de representación de imágenes en color de tiene necesariamente que ser transferida al
sistema RGB, por lo que puede ser expuesto en los monitores de color. La mejor combinación de colores para un determinado
conjunto de bandas será una decisión tomada por el usuario. El número de posibles combinaciones es dada por la fórmula
siguiente

Pr = n n! ej. 6 bandas 6! = 120 combinaciones posibles

(N - r)! (6 - 3)!

En ordenador términos pueden representar gráficamente la tridimensão de colores RGB en un cubo, como
en la Figura 11. El modelo de cubo es intuitivamente relacionado con el modelo triestímulo de la visión humana y los
monitores motor de color. Los valores de brillo o niveles de gris de cada banda estarán en el sistema de coordenadas
RGB ejes ortogonales en el espacio de color tridimensional. El valor de brillo de la imagen define el tamaño del cubo de
color RGB ejes. Por lo tanto, cada pixel color de la imagen en este sistema está representado por un vector que es otro
modo dentro del límite de color cubo.

ROJO
255

amarillo
magenta

blanco

negro

255
25 5
VERDE
AZUL
cian

Figura 11 - Representación cúbica del espacio de color RGB.

Las dos imágenes de la Figura 12 ilustran composiciones de color obtenidos mediante la combinación de las bandas 5, 4 y
3 del sensor TM Landsat satélite 7. La imagen de primer color unió a la banda 5 con el color R, banda 4 a la banda G y color 3 al color
B. el segundo color de la imagen asociada con una banda 5 con el color G, la banda 4 para el color R y la banda 3 con el color B. las
dos imágenes en color difieren sólo en sus colores en. Ambos tienen la misma cantidad de información, ya que ambos son
combinaciones de

43
CAPÍTULO 3 - perfeccionamiento técnico 44

.El mismo analista bandas debe seleccionar libremente la combinación de colores que parece más contraste ti.

bandas TM 543 colores RGB bandas TM 453 colores RBG

Figura 12- composiciones de color con las mismas bandas, pero el intercambio de la combinación de los colores RGB

44