Apthapi 3(2): 593-613. Mayo – Agosto, 2017. ISSN: 2519-9382.

Revista de la Carrera de Ingeniería Agronómica – UMSA

Artículo de Comunicación Técnica

Tratamientos estadísticos en imágenes de satélite, realces y mejoras visuales,

realces radiométrico, espacial y espectral

Statistical treatments in satellite images, enhancements and visual

enhancements, radiometric, spatial and spectral enhancements

Mario Esteban Ramos Flores

RESUM EN: Los satélites de observación de la tierra han dado paso a una nueva disciplina que se viene utilizando en todas las
labores que tienen que ver con los Recursos Naturales. Un aspecto no muy conocido de las imágenes satelitales es su
composición, ya que una imagen satelital aparenta ser una fotografía a color, sin embargo, una imagen es una
disposición matricial de valores digitales numéricos y como tal susceptible de ser analizados. Estos valores tienen
parámetros estadísticos y es en base a estos una imagen puede ser realzada para realizar una mejora visual por medio
de ajustes y filtros para una mejor interpretación visual de las imágenes y en la presente revisión, se trata de realizar
una aproximación a la descripción de los realces y filtrajes que se realizan en una imagen en base a los componentes
estadísticos de una imagen y mejorar la calidad visual de estas imágenes.

PA LA BRAS CLAVE: Teledetección. Imagen satelital. Realces. Realce radiométrico. Realce espacial.

A BST RACT: Earth observation satellites have given w ay to a new discipline that has been used in all the w ork that has to do w ith
Natural Resources. A not very w ell-known aspect of satellite images is its composition, since a satellite image appears
to be a color photograph, how ever, an image is a matrix arrangement of digital numerical values and as such susceptible
of being analyzed. These values have statistical parameters and it is based on these an image can be enhanced to make
a visual improvement by means of adjustments and filters for a better visual interpretation of the images and in the
present revision, it is a question of making an approximation to the description of the enhancements and filterings that
are realized in an image based on the statistical components of an image and to improve the visual quality of this images.

KEY W ORDS. Remote sensing. Satelital image. Highlights. Radiometric enhancement. Spatial enhancement.

M ario Esteban Ramos Flores: Docente Topografía y Geodesia. Universidad Mayor de San Andrés. Facultad de
A UT OR: Agronomía. La Paz, Bolivia. meramos3@umsa.bo

Recibido: 31/03/17. Aprobado: 28/05/17.

CONCEPTOS GENERALES El haz energético recibido por el sensor ubicado en un

vehículo espacial, debe ser almacenado
La observación remota de la superficie terrestre convenientemente, para poder ser interpretado en una
constituye el marco de estudio de la teledetección. determinada aplicación ya que la percepción visual
Este vocablo es una traducción latina del término presenta algunas limitaciones y por ello se ha acudido
“remote sensing”, ideado a principios de los 70 para a sensores artificiales, montados sobre plataformas a
designar cualquier medio de observación remota i . La cierta altitud. Con ellos se tiene acceso a energías no
teledetección no engloba sólo los procesos que visibles (ultravioleta, infrarrojo, micro – ondas) y,
permiten obtener una imagen, sino también su además, desde una nueva perspectiva, vertical y
posterior tratamiento e interpretación y para esto, panorámica. Un sistema de teledetección espacial
necesariamente entre la superficie terrestre y el sensor incluye los siguientes elementos (figura 1) (Chuvieco,
debe existir una interacción energética ya sea por: 2010):
- Reflexión de la energía solar.
- Haz de energía artificial.
- Emisión propia.

593
Mario Esteban Ramos Flores

a. Fuente de energía: Origen de la radiación electro Capta la energía procedente de las cubiertas terrestres,
– magnética que detecta el sensor. Puede ser un la codifica y la graba o envía directamente al sistema
foco externo (teledetección pasiva) o un haz receptor.
energético emitido por el sensor (teledetección
activa). La fuente de energía más importante es el d. Sistema de recepción – comercialización:
Sol, pero también puede realizarse teledetección Donde se recibe la información transmitida por la
a partir de la energía emitida por los propios plataforma, se graba en un formato apropiado y, tras
objetos observados, o desde fuentes artificiales. las oportunas correcciones, se distribuye a los
interesados.
b. Cubierta terrestre: Formada por distintas masas
de vegetación, suelos, agua o construcciones e. Intérprete: Convierte esos datos en información
humanas, que reciben la señal energética y la reflejan temática de interés, ya sea visual o digitalmente.
o emiten de acuerdo con sus características físicas
propias. f. Usuario final: Encargado de analizar el
documento fruto de la interpretación, así como de
c. Sistema sensor: Compuesto por el sensor, dictaminar sobre las consecuencias que de él se
propiamente dicho, y la plataforma que lo alberga. derivan.

Figura 1. Componentes de la Teledetección

adecuadamente). De estas ventajas podemos destacar

VENTAJAS DE LA OBSERVACIÓN (Fernández, 2008; Ayesa y López, 1998):
ESPACIAL
a. Cobertura global y exhaustiva de la
La teledetección desde los satélite cuenta con superficie terrestre: Los sistemas orbitales permiten
numerosas aplicaciones, gracias a las ventajas que tomar información de la práctica totalidad del planeta,
ofrece frente a otros medios de observación más en condiciones comparables (mismo sensor, similar
convencionales (fotografía aérea o trabajo de campo, altitud). Es una fuente homogénea (el mismo sensor y
a los que, más que sustituir, complementa plataforma para todos los países) y exhaustiva (cubre
todo el territorio).

594
Tratamientos estadísticos en imágenes de satélite, realces y mejoras visuales, realces radiométrico, espacial y espectral

b. Información sobre regiones no visibles del e. Formato digital: El tratamiento digital de las
espectro: Infrarrojo, micro – ondas. Estas bandas imágenes agiliza el proceso de interpretación, permite
proporcionan una valiosa información para estudios generar modelos cuantitativos e integrar los
medioambientales, por ejemplo. resultados con otro tipo de información geográfica.
Este enfoque integrado permite una evaluación más
- Infrarrojo térmico: Permite estudiar la real del paisaje.
distribución espacial de las temperaturas, con
mayor detalle sobre la superficie marina, gracias
a la homogeneidad de su composición.
PRINCIPIOS FÍSICOS DE LA
- Infrarrojo medio: De gran interés para la TELEDETECCIÓN
detección de focos de altas temperaturas, como
incendios forestales, que pueden delimitarse con Fundamentos de la observación remota
bastante precisión.
Para que la observación remota sea posible es
c. Cobertura repetitiva: Las características necesario que entre los objetos y el sensor exista algún
orbitales de los satélites de observación terrestre les tipo de interacción. Nuestros sentidos perciben un
permiten adquirir imágenes repetitivas de toda la objeto sólo cuando pueden descifrar la información
Tierra, en condiciones comparables de observación, que éste les envía. Existen tres formas de adquirir
lo que resulta idóneo para estudios multitemporales información a partir de un sensor remoto (figura 2)
(procesos de desertificación, inundaciones, etc.). (Chuvieco, 1996):

d. Transmisión inmediata: La mayor parte de Por reflexión: Es la forma más importante de

los sistemas de teledetección graban las imágenes en teledetección, ya que se deriva directamente de la luz
formato digital, lo que permite transmitirlos a las del Sol, principal fuente de energía de nuestro planeta.
estaciones terrestres en tiempo real.
Por emisión.

Por emisión – reflexión.

Figura 2. Formas de teledetección: i. reflexión; emisión; iii. reflexión - emisión

595
Apthapi 3(2): 593-613. Mayo – Agosto, 2017. ISSN: 2519-9382. Revista de la Carrera de Ingeniería Agronómica – UMSA
Artículo de Comunicación Técnica

El flujo energético entre la cubierta terrestre y el electro – magnética o radiación se transmite de un

sensor constituye una forma de radiación electro – lugar a otro siguiendo un modelo armónico y
magnética (figura 3) y es precisamente la radiación la continuo, a la velocidad de la luz y conteniendo dos
que constituye la base de los sistemas de campos de fuerza ortogonales entre sí: eléctrico y
teledetección. Según la teoría ondulatoria, la energía magnético.

Figura 3. Esquema de una onda electromagnética

Donde:
Las características del flujo energético pueden
describirse por dos elementos: Q: Energía radiante de un fotón (Julios).
Ʋ: Frecuencia (Hertzios).
a. Longitud de onda (λ): Distancia entre dos picos h: Constante de Planck (6,6 x 10-34 ).
sucesivos de una onda.
De las fórmulas se deriva que, a mayor longitud de
b. Frecuencia (Ʋ): Número de ciclos pasando por onda, o menor frecuencia, el contenido energético
un punto fijo en una unidad de tiempo. será menor y viceversa. Esto implica que la energía
en longitudes de onda largas es más difícil de detectar
Ambos elementos están inversamente relacionados: que aquella proveniente de longitudes de onda cortas,
de ahí que para longitudes de onda largas sean
c=λxƲ {1} necesarios medios de detección más refinados.

Donde: El espectro electromagnético

c: Velocidad de la luz (3 x 108 m·s -1 ).
λ: Longitud de onda, en unidades de longitud, De las fórmulas anteriores se deduce que se puede
habitualmente micrómetros (1μm=10-6 m) o definir cualquier tipo de energía radiante en función
nanómetros (1nm=10-9 ). de su longitud de onda o frecuencia. La sucesión de
Ʋ: Frecuencia en Hertzios (1Hz=1 ciclo x valores de la longitud de onda es continua, pero
segundo). suelen establecerse una serie de bandas en donde la
radiación electro – magnética manifiesta un
Gracias a la teoría cuántica, se puede calcular la comportamiento similar. La organización de estas
cantidad de energía transportada por un fotón, bandas se denomina espectro electro – magnético
siempre que se conozca su frecuencia (Ʋ). (figura 4). Comprende desde las longitudes de onda
más cortas (micrómetros) hasta las kilométricas (tele
Q = h x Ʋ ⇒ Q = h x (c / λ) {2}
– comunicaciones). Desde el punto de vista de la

596
Tratamientos estadísticos en imágenes de satélite, realces y mejoras visuales, realces radiométrico, espacial y espectral

teledetección destacan una serie de bandas (Ayesa y - En el primer caso se trata del infrarrojo medio
López, 1998; De la Riva, 2009): de onda corta (SWIR: Short Wave Infrared).
Se sitúa entre 1,3 y 2,5 μm y es una región
a. Espectro visible (0,4 a 0,7 μm): Es la única idónea para estimar el contenido de humedad
radiación electro – magnética que pueden percibir en la vegetación o en los suelos.
nuestros ojos, coincidiendo con las longitudes de - La segunda banda de interés está
onda donde la radiación solar es máxima. Dentro comprendida entre 3 y 5 μm, y suele
de esta región se distinguen 3 bandas: denominarse más propiamente como
- A: Azul (0,4 a 0,5 μm). infrarrojo medio (IRM). Es determinante
para la detección de focos de alta temperatura
- V: Verde (0,5 a 0,6 μm). (incendios, volcanes activos,…).
- R: Rojo (0,6 a 0,7 μm).
d. Infrarrojo lejano o térmico (IRT: 8 a 14 μm):
b. Infrarrojo cercano (IRC: 0,7 a 1,3 μm): Incluye la porción emisiva del espectro, en donde
Llamado también próximo, reflejado o se detecta el calor proveniente de la mayor parte
fotográfico. Parte de él puede detectarse a partir de las cubiertas terrestres.
de películas con emulsiones especiales. Tiene
gran capacidad para discernir masas vegetales y e. Micro – ondas (M: Por encima de 1mm): Con
concentraciones de humedad). gran interés, por ser un tipo de energía bastante
transparente a la cubierta nubosa.
c. Infrarrojo medio (IRM: 1,3 a 8 μm): En esta
región se entremezclan procesos de reflexión de
la luz solar y de emisión de la superficie terrestre.

Figura 4. Espectro electromagnético

597
Apthapi 3(2): 593-613. Mayo – Agosto, 2017. ISSN: 2519-9382. Revista de la Carrera de Ingeniería Agronómica – UMSA
Artículo de Comunicación Técnica

CONCEPTO DE RESOLUCIÓN Tipos de resoluciónii

La resolución es la capacidad de un sistema óptico Resolución espacial: Medida de la más pequeña

para distinguir señales que están espacialmente separación angular o lineal entre dos objetos que
próximas o que son espectralmente similares o la pueden ser distinguidos por el sensor (figura 5).
habilidad para registrar, discriminándola
(información de detalle).

Figura 5. Resolución espacial

Resolución espectral: Número y anchura de bandas de registro (figura 6).

Figura 6. Resolución espectral

Resolución radiomé trica: Sensibilidad del sensor, expresada en el número de valores de codificación (figura 7).

598
Tratamientos estadísticos en imágenes de satélite, realces y mejoras visuales, realces radiométrico, espacial y espectral

Figura 7. Resolución radiométrica

Resolución temporal: Frecuencia de paso o de objetos a distintas longitudes de onda se manifiesta en

transmisión de datos En otras palabras, refiere a la lo que llamamos color:
periodicidad con la que éste adquiere imágenes de la
a. Un objeto es azul si refleja intensamente la
misma porción de la superficie terrestre.
energía en esa banda del espectro y poco en el
LA RADIACIÓN SOLAR Y SU INTERACCIÓN resto. Dicho de otro modo, si absorbe o transmite
CON LAS CUBIERTAS TERRESTRES. poca energía solar en el azul, siendo mayor la
absorción en el resto.
En la reflexión, dominio óptico del espectro, el Sol es
el emisor y el satélite capta la parte de energía que es b. Será verde si su reflectividad se centra en esa
reflejada por la Tierra, que tendrá características banda y es baja en las otras.
diversas según la naturaleza de la cubierta. Por
En ese sentido, a partir de medidas de laboratorio se
ejemplo, un objeto o cubierta que absorbe gran
pueden obtener unas curvas de reflectividad espectral
cantidad de energía incidente en una determinada
para las principales cubiertas terrestres, que suelen
longitud de onda y refleja una pequeña proporcióniii .
denominarse signaturas o firmas espectrales (figura
La mayor parte de los cuerpos naturales reflejan una
8).
parte del flujo incidente, absorbiendo el resto y
transformándolo en calor como lo hacen los cuerpos a. La nieve presenta una reflectividad alta y
grises o negros. Si comparamos la radiación solar que constante en todas las bandas del visible (de ahí
llega a la atmósfera terrestre con la que esperaríamos su color blanco), ya que refleja la mayor parte de
para un cuerpo negro a la temperatura radiativa del la energía incidente en esas longitudes de onda.
Sol, se observa que es sensiblemente baja,
dependiendo del lugar y momento. Por tanto, la b. El agua absorbe la mayor parte de la energía que
radiación que capta un sensor en el rango del espectro recibe, ascendiendo esta absorción hacia
que estamos considerando depende de la que reflejan longitudes de ondas mayores.
las distintas cubiertas terrestres. En el caso del
espectro visible, ese comportamiento distinto de los c. La vegetación presenta unos comportamientos
muy cromáticos, con valores bajos de

599
Mario Esteban Ramos Flores

reflectividad en el visible, más elevados en el d. Los materiales de construcción presentan un

infrarrojo cercano y menores en el infrarrojo comportamiento similar en las distintas
medio. longitudes de onda.

Figura 8. Signaturas espectrales

FORMACION DE UNA IMAGEN SATELITAL forma de fotografías o imágenes numéricas grabadas

en cinta magnética compatibles con una
Los satélites de observación de la tierra poseen computadora. Los captores pueden ser cámaras
sensores calibrados para codificar en rango de valores fotográficas, radiómetros de barrido multiespectral
de números enteros (entre O y 255) (Figura 10 a) la (MSS), radares y laceres. Estos aparatos generan
cantidad de energía que es reflejada por unidad de imágenes analizando la radiación emitida o reflejada
superficie (reflectancia) y traducirlos en una imagen por las formas y objetos de la superficie terrestre en
digital (Figura 10 b). Cada píxel, que es la unidad las longitudes de onda en las cuales son sensibles
mínima de muestra de la superficie terrestre (x,y), (ultravioleta, visible, infrarrojo próximo, infrarrojo
tiene un valor de reflectancia de acuerdo al elemento técnico, hiperfrecuencias) con el fin de reconocer la
o elementos presentes dentro del mismo. En cada variada gama de formas y objetos. En conclusión, esta
pasada del sensor, se obtienen imágenes de un mismo información que es registrada por los sensores, mide
sitio en diferentes segmentos del espectro llamadas la cantidad de energía reflejada o emitida por los
“bandas espectrales”, donde los valores bajos de objetos naturales que componen el paisaje (Sacristán,
reflectancia se corresponden con tonos oscuros y los 2006). Debido a su formato digital y a los valores de
valores altos con tonos claros. De esta forma, reflectancia almacenados, sobre éstas imágenes se
vinculando la firma espectral con la región captada pueden aplicar procedimientos matemáticos y
por la banda (azul, verde, rojo, infrarrojo, etc.) es estadísticos para La clasificación automática de
posible interpretar las imágenes e identificar los grandes superficies. Mediante el uso de programas
elementos de la cobertura terrestre (Figura 10 c)iv . Es especiales de computadora, las imágenes originales
decir, recibir y medir la intensidad de la radiación que son procesadas a través de diversos procedimientos
procede del suelo en una cierta gama de longitudes de para asignar a cada pixel una categoría de uso y
onda, y para transformarla en una señal que permita cobertura de la tierra v .
localizar, registrar y digitalizar la información en

600
Tratamientos estadísticos en imágenes de satélite, realces y mejoras visuales, realces radiométrico, espacial y espectral

a b c

Figura 9. Formación de una Imagen Satelital

Entonces, una imagen satelital no es más que una especialmente cuando se intentan relacionar la
fuente de datos consistente en una imagen de matriz información adquirida por el sensor con algún
bidimensional. Un dato particular (x,y) representa un parámetro físico, como por ejemplo la reflectividad o
elemento de la escena sobre la superficie de la tierra, la temperatura.
llamado elemento imagen y representado como un
píxel (Picture element o digital number) o Generalmente la organización de los datos en una
simplemente Nivel Digital (ND) (Chuvieco, 2010). imagen digital puede esquematizarse en la figura 11.
Por tanto, como una imagen satelital es una Como se observa, se trata de una matriz numérica de
disposición matricial numérica, entonces es posible tres dimensiones. Las dos primeras corresponden a la
realizar análisis estadísticos en las mismas, posición geográfica (absoluta o relativa) de la imagen,
independientemente del sensor del cual provenga la mientras la tercera indica su dimensión espectral. La
información. orientación Norte-Sud se obtiene variando las filas de
la matriz, que normalmente reciben el nombre de
CÁLCULOS ESTADÍSTICOS E líneas (row, line), mientras el recorrido en el sentido
HISTOGRAMAS DE LA IMAGEN de las columnas (column) indica la disposición Oeste-
Este de la imagen. En esta matriz, el origen de
Inicialmente, conviene distinguir el nivel digital (ND) coordenadas se sitúa en la esquina superior-izquierda
de cada píxel adquirido por el sensor de su nivel (línea 1, columna 1), en lugar del borde inferior-
visual (NV), que corresponde a la intensidad de gris o izquierdo, como ocurre en cualquier eje cartesiano.
color con el que se visualiza ese píxel en el monitor. Esto es debido a la secuencia de adquisición de
Normalmente, los NV son efímeros, ya que sólo se imágenes, de norte a sur, de acuerdo a la traza del
utilizan para operaciones de realces e interpretación satélite. La tercera dimensión corresponde a las
visual de la imagen, mientras los ND forman la base bandas espectrales del sensor: 36 para el MODIS, 7
para las operaciones de interpretación digital, para el ETM+, o 5 para el AVHRR (Chuvieco, 2010).

601
Mario Esteban Ramos Flores

Figura. 10. organización de datos en una imagen digital

Considerando ese carácter matricial de cualquier y dispersión más habituales. Recordando aspectos de
imagen, son fácilmente comprensibles las posteriores estadística descriptiva, la media puede definirse
transformaciones aplicadas sobre ellas. Éstas son, en como:
muchos casos, operaciones estadísticas comunes a Σ𝑖=1,𝑛 𝑁𝐷𝑖,𝑘
otras matrices numéricas, mientras en otros son más 𝑁𝐷𝑘 =
𝑛𝑘
específicos de la interpretación de datos de satélite.
Por ejemplo, en una imagen digital podemos calcular Para las k bandas que forman la imagen, y los píxeles
medidas de tendencia central y dispersión (media y que la componen, y la desviación típica como:
desviación típica en cada una de las bandas), cambiar
su orientación geométrica (rotación de la matriz),
realizar combinaciones aritméticas entre bandas (p. Σ𝑖=1,𝑛 (𝑁𝐷𝑖,𝑘 − 𝑁𝐷𝑘 ) 2
ej., cocientes), sintetizar varias bandas reduciendo la 𝑠𝑘 = √
𝑛𝑘
información redundante (componentes principales), o
discriminar grupos de ND homogéneos dentro de una Estas medidas nos ofrecen una primera valoración
matriz (clasificación).
sobre el carácter de cada una de las bandas y su grado
de homogeneidad. Por ejemplo, de una imagen
Al igual que cualquier variable estadística, la
Landsat, en la siguiente tabla 1, se observa que la
operación más elemental que podemos realizar con
banda 1 ofrece el ND más bajo de los mínimos de
una imagen es describir su tendencia central y
todas las bandas, lo que puede ser consecuencia del
dispersión. En otras palabras, conocer cuál es la
efecto de dispersión atmosférica. Los ND medios son
tendencia general de la radiancia detectada en cada
más altos para las bandas 4 y 5, bastante saturadas a
banda, y qué nivel de homogeneidad existe entre los
juzgar por los valores mínimo y máximo, muy
píxeles que la componen. Para ello, cualquier
próximos a 0 y 255, respectivamente. La banda 5
programa de Análisis Digital de Imágenes (ADI)
acoge también la mayor heterogeneidad, aunque no
facilita el cálculo de las estadísticas elementales de la
muy distinta de la banda 4. Por su parte, la banda 1
imagen, al menos de las medidas de tendencia central
ofrece la menor dispersión. Lógicamente, estos

602
Tratamientos estadísticos en imágenes de satélite, realces y mejoras visuales, realces radiométrico, espacial y espectral

valores numéricos se relacionan con los parámetros 5 es la más sensible a alteraciones de radiancia,
de calibración del sensor y con las regiones del mientras la 1 ofrece el peor contraste en escena.
espectro que abarca. Como resulta evidente, la banda

Tabla 1. Estadísticas elementales de una imagen Landsat

Máximo Mínimo Media Desv. Típica
Banda 1 100 48 69,26 8,87
Banda 2 90 27 55,63 10,8
Banda 3 120 22 48,5 15,25
Banda 4 160 10 91,13 22,87
Banda 5 170 8 91,86 23,46
Banda 7 135 5 62,21 19,84

Además de estos valores medios, también resulta de de ajustar, de alguna forma, la variación inicial a la
gran interés contar con el histograma de frecuencias máxima permitida, lo que supondrá una mejora del
de cada banda (número de píxeles que cuentan con un contraste. Entre las bandas aquí incluidas (figura 12),
determinado ND), que nos informa sobre cómo se la 4 y la 5 confirman como las que ofrecen mayor
distribuyen los ND en una determinada imagen. Con dispersión. Recuérdese que poseen la desviación
el objeto de facilitar la representación el histograma, típica más alta, mientras la 1 y la 2 presentan el
las frecuencias absolutas suelen convertirse en histograma más estrecho. En cuanto al significado de
relativas, de acuerdo a la siguiente formula. los distintos picos de frecuencia, resulta muy
complicado identificar las cubiertas que los originan.
𝐹 (𝑁𝐷𝑖 ) Puede resultar más sencillo, en otros casos.
𝐹𝑅 (𝑁𝐷𝑖 ) =
Σ𝑖=1,𝑚 𝐹 (𝑁𝐷𝑖 )
REALCES Y MEJORAS VISUALES
Esto es, la frecuencia relativa (FR) de un determinado
ND (p. ej., el valor 120) se calcula como el cociente Los procesos de realce de imágenes consisten de una
entre el número de píxeles que presentan ese valor serie de técnicas cuyo objetivo es mejorar la
(F(NDi)) y el total de píxeles de la imagen. Esa apariencia visual de una imagen, ya sea en contraste,
proporción sirve para escalar el histograma, a partir ruido, escala de grises, distorsiones, luminosidad,
de la frecuencia relativa mayor. falta de nitidez, etc., o bien convertir o mapear la
imagen a una mejor forma para su análisis. El
Varios autores han puesto de relieve el interés del principal objetivo del realce de la imagen es procesar
histograma para realizar una primera valoración de la una imagen de tal manera que el resultado obtenido
imagen. Su localización nos permite deducir la sea el apropiado para una aplicación específica
tonalidad dominante de cada banda; su anchura está (Escalante, 2006). Estas técnicas de realce, son usadas
relacionada con el contraste, mientras la presencia de a menudo para la extracción de elementos, estudio y
picos relativos puede ser testigo de determinadas localización de áreas que cumplen determinados
clases de cobertura. Por ejemplo, para el caso de la criterios y derivación de información útil de las
imagen mostrada en la imagen de la tabla 1 los imágenes. Las técnicas usadas en el realce de
histogramas de los ND de la figura 51 permiten imágenes dependen de:
realizar algunos comentarios interesantes. Por un
lado, todos ellos ocupan sólo un pequeño margen del
rango de variación ofrecida por el equipo de
visualización (0 a 255). Esto implica la conveniencia

603
Mario Esteban Ramos Flores

- Los datos originales: diferentes bandas de diferentes respecto a los objetivos. Existen tres tipos de realce:
sensores-satélites permiten detectar diferentes radiométricos, espaciales y espectrales (García,
características. El usuario debe conocer los 2009).
parámetros específicos de esas imágenes antes de
realizar el realce. REALCES RADIOMETRICOS O DE
EXPANSION DEL HISTOGRAMA
- El objetivo de las expectativas del usuario:
dependiendo de la finalidad del usuario se fijan Los realces radiométricos trabajan sobre los valores
diferentes secuencias de técnicas de realce. individuales de cada uno de los píxeles que componen
la imagen. Su objetivo principal es hacer más
- La experiencia del usuario: el tener mayor o menos interpretable una imagen para identificar los objetos
conocimiento en la técnica del realce permitirá que o cubiertas presentes en ella (figura 15).
los resultados sean más o menos satisfactorios con

Figura. 11. Histograma de datos realzados radiométricamente.

Los realces radiométricos no modifican los ND Cada banda puede utilizar o necesitar un realce
originales de los píxeles, sino que solamente se hacen radiométrico diferente debido a las diferentes
cambios en la correspondencia entre los ND y los respuestas espectrales de los elementos en las
valores de brillo o NV (nivel visual) almacenados en diferentes bandas. A continuación, se detallan los dos
la tabla de referencia de color (CLUT) utilizada para tipos de realce más conocidos: Expansión lineal y
la visualización de la imagen.vi Este realce trata de ecualización del histograma.
optimizar el máximo las posibilidades de
visualización de la información que ofrece el Expansión lineal
dispositivo de despliegue del programa. Existen
múltiples tipos de realce radiométrico (García, 2009; Es la forma más elemental de ajustar el contraste de
De la Riva, 2009, Chuvieco, 2010). la imagen al permitido por el equipo de visualización.
Basta diseñar una CLUT en la que el ND mínimo y
- Lineal máximo de la imagen tengas asociados un NV de 0 a
- No lineal 255, respectivamente, distribuyendo linealmente el
- Desviaciones estándar resto entre ambos márgenes. En la figura 13a aparece
- Ecualización del histograma la imagen anteriormente presentada tras aplicarle una
expansión lineal de contraste. Como se observa, la
imagen aparece ahora más nítida, mejor contrastada

604
Tratamientos estadísticos en imágenes de satélite, realces y mejoras visuales, realces radiométrico, espacial y espectral

ya que su histograma ofrece una distribución más supone une línea de mayor pendiente que la anterior,
equilibrada porque las colas se han fijado en los comprendida ahora entre los ND mínimo y máximo
extremos del rango y los valores intermedios están de la imagen.
mejor repartidos. La representación gráfica del CLUT

a b

c d

Figura 13. Diversos realces del contraste sobre la banda 1 (a) sin realce; (b) realce lineal; (c) realce frecuencial; (d) realce
espacial sobre áreas de baja radiancia

Para llevar a efecto esta transformación se precisa y

encontrar una función lineal, que ajuste la relación
ND – NV. Esta función nos permite construir una 255 = a + b NDmax
CLUT apropiada, en la que se sustituye la
correspondencia NV = ND, por una nueva, en donde Sustituyendo en ambas fórmulas, los cocientes se
los NV ocupen el rango completo de visualización y calculan como:
no solo el que ofrece la imagen original. En definitiva,
b = 255 / (NDmax - NDmin ) {6}
se trata de establecer una ecuación lineal del siguiente
tipo. y
NV = a + b ND {5} a = - 255 * NDmin / (NDmax - NDmin ) {7}

En donde cada NV es función de los ND originales, Aunque la transformación puede expresarse en un

tras aplicarles dos constantes, denominados a, sesgo solo término como:
b, ganancia. Para conocer el valor de a y b, basta
aplicar un sencillo sistema de ecuaciones. Ya que NV = ((ND - NDmin ) / (NDmax - NDmin )) * 255 {8}
sabemos que el mínimo y el máximo ND deben
igualarse a 0 y 255, respectivamente. vii En lugar de igualar el ND max y el NDmin a los valores
máximo y mínimo, respectivamente, también pueden
Se puede expresarse: extraerse otros valores menos extremos, como los
percentiles del 95 y 5 %, o un cierto número de
0 = a + b NDmin desviaciones típicas por encima y por debajo de la
media. Esto permitirá que tengan menos influencia

605
Mario Esteban Ramos Flores

posibles valores extremos y/o anómalos que presente

la imagen.
Tabla 2 Expansión lineal de la imagen ejemplo (media + 2 S)

ND NV ND NV ND NV ND NV
0 0 65 154 130 255 195 255
5 0 70 175 135 255 200 255
10 0 75 196 140 255 205 255
15 0 80 217 145 255 210 255
20 0 85 238 150 255 215 255
30 8 95 255 160 255 225 255
35 29 100 255 165 255 230 255
40 50 105 255 170 255 235 255
45 71 110 255 175 255 240 255
50 91 115 255 180 255 245 255
55 112 120 255 185 255 250 255
60 133 125 255 190 255 255 255

El ejemplo siguiente puede ayudar a comprender Con estos valores puede construirse la CLUT que
mejor el proceso. Para obtener la expansión lineal del aparece en la tabla 2 de acuerdo a la siguiente
contraste antes presentada, se partió de las medidas expresión.
estadísticas de la banda de la tabla 2 que sirvieron
para explicar las fórmulas anteriores. En esta caso, se NV = ENT (-117,05 + 4,18 ND)
estableció un umbral mínimo y máximo a partir de la
media + dos desviaciones típicas. En consecuencia, el La expresión ENT indica el resultado se redondea al
rango a expandir se situó entre 28 y 89 ND. número más cercano. Además, NV = 0 cuando NV <
0, y NV = 255 cuando NV > 255, puesto que la tabla
b = 255 / (89 – 28) = 4,18 {9} de color solo puede estar formada por números
enteros entre 0 y 255. Esta tabla puede representarse
a = - 255 * 28 / (89 - 28) = -117,05 {10} gráficamente (figura 18), de forma similar a cualquier
recta de regresión (Chuvieco, 2010).

606
Apthapi 3(2): 593-613. Mayo – Agosto, 2017. ISSN: 2519-9382. Revista de la Carrera de Ingeniería Agronómica – UMSA
Artículo de Comunicación Técnica

Figura 13. Modificaciones en el histograma de la imagen y el perfil de la CLUT tras la expansión: a) lineal, b) frecuencial. El
histograma original aparece al fondo en gris.

Ecualización del histograma Como se observa en la figura 13c, la ecuación del

histograma ha supuesto un realce más equilibrado,
La expansión lineal del contraste no tiene en cuenta la mostrando menos contraste entre las zonas de alta
distribución de los ND en una imagen, sino sólo en reflectividad y las de baja. A consecuencia de este
sus extremos. Parece lógico, sin embargo, tener en realce, el histograma de la imagen ofrece una mejor
cuenta la distribución real de valores, aplicando una distribución de los datos (figura 14b). También se
expansión proporcional a la frecuencia de aparición evidencia que el perfil gráfico de la CLUT no es recto
de cada uno de los ND. Esto implica generar una sino curvilíneo, similar al que tendría el histograma
CLUT en la cual cada NV tenga, aproximadamente, acumulado de los ND originales (Chuvieco, 2010).
el mismo número de ND de la imagen. En otras
palabras, aquellos ND con mayor número de píxeles Para la parte práctica, el programa para manejo de
serán los que, proporcionalmente, ocupen un mayor imágenes de satélite ERDAS IMAGINE presenta
rango de NV. Suele ofrecer mejores resultados que la varias opciones para realizar diferentes tipos de
expansión lineal (figura 14a), especialmente si la realces. La siguiente figura 15 muestra las opciones
imagen original presenta una distribución gaussiana. que tiene ERDAS para los procesos de realce.

607
Mario Esteban Ramos Flores

Figura 14. Diferentes opciones de realce o contraste que tiene el programa ERDAS.

Realces espaciales reforzar o suavizar los contrastes espaciales entre

píxeles contiguos (es decir, remarca o suaviza las
Los realces espaciales se aplican en el análisis digital diferencias entre píxeles vecinos) (figura 16) (García,
de imágenes de satélite para matizar o aislar distintos 2009). Se define a la frecuencia espacial como el
componentes de la imagen que resultan de interés. Se número de cambios en los valores de brillo por unidad
basan en el análisis de frecuencia espacial y buscan de distancia para cualquier parte de una imagen.

Figura. 15. Diferentes frecuencias espaciales en tres imágenes de un mismo tamaño

608
Tratamientos estadísticos en imágenes de satélite, realces y mejoras visuales, realces radiométrico, espacial y espectral

Esto implica que existen diferencias con respecto a más complicados ya que requieren de las
los realces espectrales: transformadas de Fourier.

- Los realces espaciales, a diferencia de los La finalidad de los filtrajes son la de mejorar la
espectrales sí tienen en cuenta los valores visualización de las imágenes, ya sea para eliminar
radiométricos de los píxeles contiguos. valores anómalos o para resaltar rasgos lineales de
interés. El filtraje implica modificar los ND
- El análisis de las relaciones espaciales implica la originales, y no solo la forma en que se representan
modificación de los ND originales. Esta modificación visualmente los NV almacenados en la CLUT, sino
se realiza en función de los valores de los píxeles también los ND de la imagen.
vecinos.
La forma de realizar este proceso de filtraje, es la de
La aplicación de filtros espaciales digitales se realiza aplicar sobre los ND originales una matriz móvil de
mediante la utilización de una matriz móvil de coeficientes de filtraje (CF) también llamado por
coeficientes de filtraje (CF) o Kernel (García, 2009). otros autores Kernell. Esta matriz puede tener un
El objetivo principal del filtraje es que los ND de la tamaño variable en función del número de píxeles
imagen se asemejen o diferencien más de los píxeles vecinos que queramos aplicar en el proceso. Lo
que les rodean. Al trazar un perfil radiométrico de una habitual es que se trate de una matriz de 3 x 3, que se
imagen se observan numerosos picos y valles, a aplica sucesivamente a todos los píxeles de la imagen.
consecuencia de cambios espaciales bruscos en las Puede disponerse también de matrices de filtraje
características radiométricas de la cubierta del suelo mayores, 5 x 5, 7 x 7, etc. Cuanto mayor será esta, el
como en cualquier serie estadística, esa línea podría efecto de suavizado o realce espacial es más intenso,
considerarse como una suma de dos componentes: las al considerar como vecino un mayor número de
bajas frecuencias, que indicarían la tendencia general píxeles.
de la variación, y las altas frecuencias, que señalarían
los contrastes más locales. Por tanto, el objetivo El procedimiento matemático de filtraje consiste en
principal de un filtraje digital es la de retener unas u relacionar cada píxel con sus vecinos, de acuerdo a
otras frecuencias, en función del objetivo que unos coeficientes determinados por el usuario. En el
persigue el intérprete. Se denominan, caso de una matriz de 3 x 3 CF, la fórmula para
respectivamente, filtros de paso bajo y paso alto. Hay obtener el ND filtrado seria:
dos procedimientos para llevarlos a cabo:

a. Aplicar a todos los píxeles de la imagen una 𝑁𝐷′𝑖,𝑗 =

operación matemática que tenga en cuenta el
valor de los inmediatos (filtros en el dominio Donde ND i,j indica el ND original del píxel i,j;
espacial).
ND´i,j , de salida para ese mismo píxel; CF, el
b. Retener ciertos componentes de las coeficiente de filtraje, y f y c la fila y columna central
de la matriz de filtraje. El resultado de esta fórmula se
frecuencias de la imagen.
aproxima al entero más cercano. El proceso abordado
Los primeros resultan bastante sencillos de en un filtraje puede ilustrarse con un sencillo ejemplo.
comprender y aplicar, mientras que los segundos son Se pretende aplicar un filtro de paso bajo a una
pequeña imagen de 5 x 6 píxeles (fig. 17).

609
Mario Esteban Ramos Flores

12 14 17 24 32 34 0 0 0 0 0 0
10 18 21 35 38 40 1 1 1 0 17 21 29 35 0

25 15 17 27 40 43 1 2 1 0 17 21 28 35 0
18 16 18 24 29 39 1 1 1 0 18 19 25 31 0

14 16 20 20 27 36 0 0 0 0 0 0
Imagen original filtro imagen filtrada

Figura 16. Ejemplos de filtraje

Se constata que el área filtrada se limita a los píxeles escena (De la Riva, 2009). En términos visuales, esto
centrales. Los píxeles de borde no se afectan por el supone que la imagen filtrada ofrece perfiles menos
proceso, puesto que no tienen los 8 vecinos necesarios nítidos y más difuminados. Estos filtros de paso bajo
para realizar el cálculo. Esta característica es común (low pass filtering) retienen las bajas frecuencias y,
a cualquier filtraje, ya sea de paso bajo o alto. En una por tanto, tienden a destacar el componente de
matriz de 3 x 3 se pierden la primera y última fila y homogeneidad en la imagen, subrayando la variación
columna. El siguiente cálculo con la fórmula 12 regional de los ND. También se utilizan para restaurar
muestra el proceso para la obtención del ND filtrado los errores aleatorios que pueden presentarse en los
(Chuvieco, 2010). ND de la imagen, fruto de un defecto en la adquisición
o recepción de datos. Así mismo, se ha empleado para
ND´ 3,3 = (18+21+35+15+2x17+27+16+18+24) / 10 = 20,8  21 reducir la variabilidad espacial de alguna categoría,
como paso previo a la clasificación. En este caso, se
Filtros de paso bajo
pretende atenuar el denominado “ruido de la escena”,
producido por las zonas altamente heterogéneas en
Tiene por objetivo suavizar los contrastes espaciales
relación con la resolución espacial del sensor. El filtro
presentes en la imagen. En breves palabras, se trata de
de paso bajo puede obtenerse a partir de diversas
asemejar el ND de cada píxel al de los píxeles
matrices de filtraje. Algunos de los más habituales
vecinos, reduciendo la variabilidad espacial de la
son:

1,00 1,00 1,00 1,00 1,00 1,00 0,25 0,50 0,25

1,00 1,00 1,00 1,00 2,00 1,00 0,50 1,00 0,50
1,00 1,00 1,00 1,00 1,00 1,00 0,25 0,50 0,25

Figura 17. Diversas matrices de filtraje.

La primera es un simple promedio de los 9 píxeles que Por su parte, los filtros de paso alto (high pass
componen la ventana de filtraje, mientras las dos filtering) se dirigen a realzar los componentes de alta
siguientes ponderan un poco el valor central para frecuencia (García, 2009): esto es, aquellas áreas de
evitar una excesiva perdida de detalle (Chuvieco, alta variabilidad, donde el contraste espacial es
2010). intenso. Este tipo de filtros pretende aislar los
componentes de alta frecuencia en una imagen. En
Filtros de paso alto términos espaciales, esto supone remarcar
digitalmente los contrastes espaciales entre píxeles

610
Tratamientos estadísticos en imágenes de satélite, realces y mejoras visuales, realces radiométrico, espacial y espectral

vecinos, enfatizando los rasgos lineales presentes en este caso, los CF se disponen de tal modo que se
la imagen, como carreteras, parcelas, o accidentes refuerza al contraste entre el píxel central y los
geológicos. En definitiva, se intenta reforzar los vecinos. Dos matrices frecuentemente utilizadas son
contornos entre áreas homogéneas, evidenciando (Chuvieco, 2010):
cualquier discontinuidad.
-1 -1 -1 0 -1 0
Varios métodos pueden conseguir este objetivo. El -1 9 -1 -1 4 -1
más sencillo pasa por restar de la imagen original la -1 -1 -1 0 -1 0
obtenida por un filtro de paso bajo. La razón es Figura 18. Matrices de refuerzo.
bastante obvia: si lo que se pretende es aislar los
componentes de alta frecuencia (alta variabilidad) Ambos se derivan del análisis de gradientes de
basta restar de la imagen original aquellos cambio en la imagen. El segundo filtro, denominado
correspondientes a la baja frecuencia, con lo que sólo Laplaciano, se recomienda par el realce de rasgos
quedarían los requeridos, que se añadirían a la imagen lineales en áreas urbanas o rasgos geológicos.
original. En suma: También son utilizados los filtros direccionales con el
propósito de reforzar aquellas líneas que sigan
ND´i,j = NDi,j + (NDi,j - NDL,i,j ) {11}
determinadas orientaciones. Basta disponer
adecuadamente los CF, distribuyéndose en sectores
Donde ND´ corresponde al ND de salida, ND al
de la matriz. Algunos ejemplos de matrices de filtraje
original, y NDL al resultado de un filtro de paso bajo.
para conseguir este análisis direccional son (De la
Más común es, sin embargo, emplear matrices de
Riva, 2009):
filtraje, similares a las anteriormente analizadas. En

Norte Sur Este Oeste

1 1 1 -1 -1 -1 -1 1 1 1 1 -1
1 -2 1 1 -2 1 -1 -2 1 1 -2 -1
-1 -1 -1 1 1 1 -1 1 1 1 1 -1

Sureste Noroeste Suroeste Noreste

-1 -1 1 1 1 1 1 -1 -1 1 1 1
-1 -2 1 1 -2 -1 1 -2 -1 -1 -2 1
1 1 1 1 -1 -1 1 1 0 -1 -1 1
Figura 19. Matrices de filtraje para realizar análisis direccional.

Al igual que para los realces radiométricos, el filtros. Existen tres posibilidades de aplicar filtros
programa ERDAS IMAGINE tiene diferentes espaciales en ERDAS (figura 20).
métodos para realizar los realces espaciales mediante

611
Mario Esteban Ramos Flores

1.ViewerRasterFiltering 2. Menu InterpreterSpatial Enhacement 3. Model Maker

Figura 20. Diferentes tipos de filtraje que tiene ERDAS IMAGINE

Realces espectrales
REFERENCIAS BIBLIOGRAFICAS
Por último, tenemos los realces espectrales que son
Ayesa A. y López R. (1998): Teledetección Aplicada
técnicas de mejoras o realces que requieren más de
a la Evaluación de Recursos Naturales. Secretaría de
una banda para ser aplicadas. Son utilizadas para
Agricultura, Ganadería, Pesca y Alimentación.
comprimir bandas de información que son similares y
Instituto Nacional de Tecnología Agropecuaria.
extraer nuevas bandas de datos que sean más
Estación Experimental Agropecuaria Bariloche.
interpretables para el ojo humano. Aplican algoritmos
Laboratorio de Teledetección – SIG. Área de
y transformaciones matemáticas y desplegar un
Investigación en Recursos Naturales. III Curso. 8 al
mayor rango de variedad de información en los tres
12 de Junio de 1998. 43 p. Disponible en:
cañones de color disponibles (R, V, A). Entre los tipos
http://www.inta.gov.ar/bariloche/info/catalog/Telede
de realce espectral o de transformación se tienen
teccion/ManuCurso98.pdf
(ERDAS, 2002):

- Análisis de componentes principales Chuvieco E. (1996): Fundamentos de Teledetección

- Transformación Tasseled Cap Espacial. 3ra. Ed. RIALP S.A Madrid, España. 568 p.
- Transformaciones IHS
- Índices Chuvieco E. (2010): Teledetección Ambiental. 1ra.
- Componente principal inverso Ed. Planeta S.A Barcelona, España. 590 p.
- Componentes independientes
De la Riva J. (2009): Fundamentos de Teledetección.
- Ajuste de correlación
Apuntes de curso. Tecnologías de la Información
- RGB a IHS
Geográfica Para la Ordenación del Territorio:
- IHS a RGB
Sistemas de Información Geográfica y Teledetección.
- Color natural
Universidad de Zaragoza. España. 54 p.
- Reflectancia Landsat 7
- Mixtura espectral

612
Tratamientos estadísticos en imágenes de satélite, realces y mejoras visuales, realces radiométrico, espacial y espectral

ERDAS (2002): ERDAS FIELD GUIDE. Copyright García A. 2009 Tratamiento digital de las imágenes
by ERDAS LLC. Fifth edition translation. Leica de satélite: realces, corrección radiométrica,
Geosystems GIS&Mapping Division. Atlanta USA. extracción de parámetros físicos y transformaciones
759 p. aplicadas a las imágenes. Apuntes de curso.
Tecnologías de la Información Geográfica Para la
Escalante B. (2006): Procesamiento Digital de Ordenación del Territorio: Sistemas de Información
Imágenes. Apuntes del curso. 17 p. Disponible en: Geográfica y Teledetección. Universidad de
http://verona.fi- Zaragoza. España. 43 p.
p.unam.mx/boris/teachingnotes/Capitulo4.pdf.
http://www.innovanet.com.ar: Disponible en
Fernández T. (2008): Introducción a la http://www.innovanet.com.ar/gis/TELEDETE/TELE
Teledetección. 2º Curso de IT en Topografía. EPS DETE/teledete.htm
Jaén. Tema 1. 27/02/2008. Disponible en:
http://coello.ujaen.es/Asignaturas/teledeteccion/tel/te
l_tfc_archivos/Tema1.pdf

i (http://www.innovanet.com.ar/).
ii (http://www3.udg.edu; De la Riva, 2009; Chuvieco, 2010):
iii (http://ceagi.org/portal/).
iv (http://www.portalplanetasedna.com.ar)
v (http://www.portalplanetasedna.com.ar)
vi (http://ocw.upm.es)
vii (http://www.innovanet.com.ar)

613