Curs 3 GIS

Operaţii algebrice

Operaţii punctuale cu mai mulţi operanzi pentru imagini multispectrale

Pentru imagini multispectrale sau pe mai multe straturi, se pot aplica pixelilor de pe poziţii
echivalente operaţii aritmetice precum adunare, scădere, înmulţire, împărţire. Aceste operaţii
se numesc operaţii algebrice şi au doi sau mai mulţi operanzi. De asemenea, ele sunt încadrate
în categoria operaţiilor punctuale şi se mai numesc operaţii punctuale multi-imagine, fiind
definite printr-o relaţie de forma:

Y  f ( X1, X 2 ,..., X n ) ,

mai precis:

Y (i, j )  f ( X1 (i, j ), X 2 (i, j ),..., X n (i, j ))

Unde X i sunt imagini corespunzătoare unui strat sau bandă.

Operaţii precum adunarea şi scăderea sunt operaţii matriceale tipice, în timp ce înmulţirea şi
împărţirea sunt total diferite şi mult mai simple.

Adunarea imaginilor
Produce o sumare ponderată a două sau mai multe imagini:

1 n
Y  wi X i
k i 1

unde wi este ponderea imaginii Xi, iar k este un factor de scală. În cazul particular wi = 1
pentru i=1,…,n şi k = n, relaţia de mai sus defineşte imaginea medie.
O importantă aplicaţie a adunării imaginilor este reducerea zgomotului (sau creşterea
raportului semnal zgomot – SNR). Aceasta deoarece se presupune că zgomotul într-o imagine
nu ocupă aceeaşi poziţie în benzi spectrale diferite (Se presupune că fiecare bandă dintr-o
imagine multispectrală având n benzi este contaminată de o sursă de zgomot aditiv Ni
(i=1,2,…,n) şi zgomotul dintr-un punct al unei benzi va fi atenuat prin medierea cu valorile
neafectate de zgomot ale punctelor corespunzătoare din celelalte n-1 benzi. Aplicând teoria
prelucrării semnalelor se poate arăta că dacă SNR este acelaşi pentru toate imaginile (SNRi)
atunci pentru imaginea medie se obţine un SNR de n ori mai mic:
SNRY  n SNRi

Scăderea imaginilor
Produce imaginea diferenţă din două imagini de intrare:

Ponderile wi şi wj sunt considerate pentru a asigura o diferenţă echilibrată. Astfel, dacă

strălucirea lui Xi este semnificativ mai mare decât strălucirea lui Xj atunci scăderea simplă nu
este vizibilă efectiv. Dacă se face, în prealabil, o potrivire de histogramă (potrivirea lui Xi după
histograma lui Xj) – cursul anterior- atunci se pot folosi poderi egale cu 1.
Scăderea imaginilor este una dintre cele mai simple şi eficiente tehnici de modificare
spectrală selectivă, de detecţie a schimbărilor, de eliminare a iluminării fundalului. Totuşi,
în general, scăderea reduce informaţia din imagine şi scade SNR deoarece înlătură trăsăturile
comune şi reţine zgomotul aleator din cele două imagini.
Diferenţele de benzi din imagini multispectrale au fost folosite pentru studiul vegetaţiei
şi geologie. Acest lucru se poate vedea în Fig. 1 pe imaginile diferenţă între anumite benzi
spectrale dintre cele 6 luate cu un satelit Landsat (benzile TM: 1, 2, 3, 4, 5, 7):
(a) TM3-TM1 evidenţiază trăsăturile din zona roşu asociate cu oxizii de fier (evidenţiază oxizii
de fier),
(b) TM4-TM3 detectează trăsăturile de tip “margine roşie” ale vegetaţiei (evidenţiază zonele cu
vegetaţie),
(c) TM5-TM7 evidenţiază zgura de minerale (bogată în ioni OH-),
(d) Imagine color compozită corespunzătoare diferenţelor: TM3-TM1 roşu, TM4-TM3 verde,
TM5-TM7 albastru.

Multiplicarea imaginilor
Este definită ca

Y  Xi X j

Aici multiplicarea este efectuată pixel cu pixel:

Y (r , s )  X i (r , s ) X j (r , s )

Acest lucru este posibil deoarece imaginea nu este o matrice in sensul matematic, doar că
uneori poate fi tratată ca o astfel de matrice.
O multiplicare a două imagini poate produce o depăşire a gamei dinamice a
dispozitivului de afişare sau a formatului de reprezentare şi este necesară o rescalare
înaintea afişării.
 O aplicaţie a multiplicării este mascarea. De exemplu, dacă Xi este o imagine mască
compusă din 0 şi 1, atunci pixelii din Xj care corespund valorilor 0 din Xi, vor deveni 0, ceilalţi
pixeli rămânând neschimbaţi în imaginea produs Y. Această operaţie poate fi realizată mai
eficient dacă se utilizează o operaţie logică.
O altă aplicaţie este modulaţia imaginii. De ex. Unele trăsături topografice pot fi
adăugate în imaginea color iniţială utilizând o imagine pancromatică (ca o componentă de
intensitate) pentru a modula cele trei componente (R, G, B) astfel:
1. Se obţin componentele R, G, B dintr-o imagine de clasificat, codată color.
2. Se utilizează imaginea pancromatică I pentru a modula componentele R, G, B: RI, GI, BI
(multiplicarea componentelor cu I).
3. Se face compunerea culorilor utilizând RI, GI, BI.
Exemplificare în Fig. 2.

Fig. 1 a,b,c – imagini diferenţă, d – imagine color compozită ataşată imaginilor a,b,c.
Fig. 2 Modularea imaginii prin multiplicare: (a) imaginea codificată color, (b) imaginea
modulată în intensitate.

Divizarea imaginii
Este o tehnică mult folosită şi este reprezentată prin relaţia de mai jos, în care Y este imaginea
raport:

Se impune luarea unor măsuri atunci când are loc o împărţire cu 0. O măsură constă în
înlocuirea lui 0 cu 1 atunci cand împărţitorul este 0. Altă măsură des folosită este deplasarea
domeniului 0-255 în 1-256 (dar asta înseamnă depăşirea formatului de 8 biţi).
O imagine raport poate avea valori 0, cuprinse în [1/255,1] sau (1,255]. De fapt,
cantitatea de informaţie cuprinsă în primul interval ar trebui să fie aceeaşi cu cea cuprinsă în al
doilea interval. Datorită modului de reprezentare numerică, se pierde informaţie dacă X j
este mai mare decât Xi, adică pentru primul interval (de numere subunitare).
Conform Fig. 3, imaginea raport se poate considera ca o transformare de coordonate dintr-un
sistem cartezian într-unul polar:
Desi nu este întotdeauna necesar, pentru a liniariza scala se foloseşte formula:

Fig. 3. Raportul a două imagini, privit ca transformare de coordonate.

Imaginea raport este eficientă dacă creşte selectiv trăsăturile spectrale. De ex. în Fig. 4
imaginile raport derivate din diferite perechi de benzi spectrale sunt folosite pentru a genera o
imagine raport color compozită (d). Pentru TM5/TM7 (c) – albastru, TM4/TM3 (b) – verde,
TM3/TM1 (a) – roşu. Comparând Fig. 1 d cu Fig. 4 d, se observă o similaritate de comportment,
faţă de creşterea selectivităţii, între imaginea diferenţă color compozită şi imagine raport color
compozită.
Raportul a două imagini este de asemenea o tehnică eficientă pentru eliminarea
umbrelor topografice. Aceste umbre sunt datorate variaţiei iluminării solare în raport cu
înclinaţia şi aspectul terenului. Presupunem că valoarea pixelului X depinde de banda spectrală λ
prin produsul dintre reflexia r(λ) şi radiaţia solară E(λ) în banda spectrală λ primită de suprafaţa
Pămânului corespunzătoare pixelului:

X(λ) = r(λ)E(λ)

Dacă avem doi pixeli în benzile spectrale i şi j, pentru pixelii în umbră avem:

X1(i) = r(i)E(i) şi X1(j) = r(j)E(j)

iar pentru pixelii în lumină:

X2(i) = nr(i)E(i) şi X2(j) = nr(j)E(j)

unde n este factorul de multiplicare al radiaţiei în lumină faţă de radiaţia în umbră.

Fig. 4.

X 1(i) r (i) E (i) X 2(i )

Făcând raportul  , se observă că este egal cu , ceea ce înseamnă că
X 1( j ) r ( j ) E ( j ) X 2( j )
raportul dintre pixelii corespondenţi în două benzi spectrale este independent de faptul că
scena se află în lumină sau în umbră.
Indicatori imbunătăţiţi de caracterizare a zonelor topografice
Pe baza operaţiilor algebrice este posibilă obţinerea unor indicatori imbunătăţiţi de
caracterizare a zonelor topografice: vegetaţie, zone cu oxizi de fier, argilă etc.
După cum se vede din Fig. 5, zonele de vegetaţie sănătoasă au un vârf înalt de reflexie în zona
NIR (chiar mai mare decât verde) şi un minim în zona roşu (o absorbţie puternică). Pentru a
scoate mai mult în evidenţă zonele cu vegetaţie se pot folosi operaţii aritmetice între maximul şi
minimul din caracteristica spectrală de reflexie. Un astfel de indice spectral pentru vegetaţie
este NVDI (normalized difference vegetation index) – indicele diferenţial normalizat de
vegetaţie care se obţine printr-o diferenţă, sumare şi împărţire:

unde NIR – infraroşu apropiat, Red – roşu. Domeniul este [-1,1].

Luând în considerare benzile spectrale din imaginile LANDSAT TM, raportul
corespunzător este:

Imaginea îmbunătăţită cu NDVI în cazul LANDSAT TM este dată în Fig 6.a.

Un alt indicator îmbunătăţit de vegetaţie este:

având corespondentul în LANDSAT TM:

Valoarea 1 este adăugată pentru a evita împărţirea cu 0.

Imaginea îmbunătăţită cu acest raport, în cazul LANDSAT TM, este dată în Fig 6.b.

Oxizii de fier şi hidroxizii se întâlnesc foarte des în natură. Au reflexie puternică în roşu
şi absorbţie în albastru (Fig. 5). Astfel, se poate găsi un indicator spectral îmbunătăţit utilizând
benzile spectrale roşu şi albastru:

Pentru LANDSAT TM corespunde relaţia:

Imaginea îmbunătăţită cu acest raport, în cazul LANDSAT TM, este dată în Fig 7.a.

Pentru roca argiloasă se observă o absorbţie puternică în domeniul spectral 2,2 m

(corespunzând benzii TM7) şi o reflexive puternică la 1,6 m (corespunzând benzii TM5).
Indicele spectral îmbunătăţit este:

Imaginea îmbunătăţită cu acest raport, în cazul LANDSAT TM, este dată în Fig 7.b.

Fig. 5
Fig. 6

Fig. 7