Loading
Apuntes
Study Reminders
Support
Text Version

Técnica de georreferenciación

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Vídeo 1

Hola a todos y vamos a discutir en esta conferencia de georreferenciación técnica también llamada registro de imagen. Pero en por qué ha empezado hemos empezado a llamar a una georreferenciación porque ahora no solo estamos haciendo el registro de imágenes. Pero también estamos haciendo referencia a algunos mapas también y llevarlos al sistema de coordenadas geográficas que es por lo que es más apropiada palabra es la técnica de georeferenciación. Esta es una técnica común entre el procesamiento de imágenes digitales y también en el sistema de información geográfica que está en GIS. Sin embargo, esta es una técnica muy, muy importante para transformar sus datos especialmente las imágenes de satélite o mapas de dominio geométrico en el dominio geográfico. Y para lograr la tarea de la transformación de dominio geométrico a geográfico, hacemos esta georreferenciación. Entonces, lo que exactamente la georreferenciación es que transformamos las imágenes y los mapas del sistema de coordenadas geométricas al sistema de coordenadas geográficas. Usted sabe que en la geometría de coordenadas urconcept se desarrollaron en el sistema de coordenadas geométricas. Pero el sistema de información geográfica SIG o en imágenes que nos gustaría utilizar junto con ciertos mapas, queremos superponer nuestras imágenes con ciertos mapas y por lo tanto, se requiere georreferenciación. Así que si mantenemos nuestros datos en el dominio geométrico entonces es difícil superponer con otros conjuntos de datos, otras capas, otros temas. Y por lo tanto es necesario transformar del sistema de coordenadas geométricas al sistema de coordenadas geográficas. Y esto se puede lograr ya sea utilizando mapas base que tienen o imágenes que ya son georeferencia que tienen coordenadas geográficas. Y también podemos utilizar puntos de control de tierra tal vez disponibles a través de este GNSS que es Global Navigation Satellite Systems GPS o cualquier otro sistema de navegación. Y así, si estamos teniendo algunos puntos estándar de control de tierra, esos también pueden ser usados. Y hoy en día los puntos de control de tierra también vienen para hacer referencia a través de Google Earth. Por lo que podemos volver a obtener los puntos de control de GCP o de tierra. Por lo tanto, básicamente la georreferenciación se está transformando de sus imágenes de datos de sistema de coordenadas geométricas al sistema de coordenadas geográficas utilizando ciertos mapas estándar, mapas base que ya están en el sistema de coordenadas geográficas o quizás puntos de control de tierra. Así que como usted sabe que cuando la imagen es adquirida por el satélite la imagen resultante está teniendo ciertos tipos de errores, algunos son errores sistemáticos algunos son muy temporales y errores geométricos no sistemáticos están allí. Por mucho movimiento del satélite, porque el satélite se mueve a muy alta velocidad y en un espacio y puede desviarse de su eje o velocidad u otras cosas. En las primeras etapas de la detección remota por satélite, estos errores como las distorsiones del sensor de skewness de escaneo y otras distorsiones panorámicas fueron más. Pero hoy en día estos errores se están volviendo menos pero, no obstante, podrían estar allí. Y básicamente distorsionan la imagen y llamamos como errores geométricos en la imagen y cuando queremos transformar de dominio geométrico a dominio geográfico, necesitamos corregir estos errores. Y los errores sistemáticos se pueden corregir con mucha facilidad, mientras que ninguno de los errores sistemáticos se vuelve muy difícil de desafiar a veces para eliminarlos. Así que los errores sistemáticos pueden ser eliminados con bastante facilidad, estaremos viendo ciertos errores a través de algunos esquemas como una distorsión de escáner cruzado. Cuando solíamos tener estos escáneres móviles Landsat y las primeras etapas de Landsat e IRS. Y entonces tuvimos estos problemas acerca de las distorsiones que está creando este escáner de pista cruzada. Variaciones de velocidad de espejo si ese espejo que se supone que está ayudando a enfocarse, el sensor puede tener cambios en la velocidad debido a ciertas razones dentro de la nave espacial o dentro del sensor. Entonces es posible que tengas un problema en tus imágenes también llegará el tema de la madeja. Porque como ustedes saben que estos satélites en órbita polar los satélites no son exactamente de norte a polo sur. Están teniendo cierto ángulo alrededor de 9 grados del polo y cuando los datos están siendo adquiridos por un satélite, la tierra también está rotando del oeste a la dirección este sobre él es el propio eje. Y debido a eso también se puede ver una madeja en las imágenes y que también se puede eliminar y estos errores caerán en las distorsiones sistemáticas o distorsiones geométricas. Hay ciertas distorsiones no sistemáticas como la rotación de la tierra que es debido a algunos cambios en la velocidad o el satélite o alguna otra cosa. Entonces la rotación de la tierra de otra manera la rotación de la tierra también puede ser considerada bajo las distorsiones sistemáticas. Variaciones de altitud de repente hay un cambio en la altitud del satélite. Y si eso está ahí, entonces se supone que está teniendo imagen para esta zona pero ahora está teniendo imagen de esta zona. Así que crea una distorsión debido a la variación de altitud, puede haber una variación de paso que sin duda el satélite dips en dirección hacia adelante o hacia atrás y que puede crear variaciones de paso. A veces estos errores son difíciles de identificar, por lo que uno tiene que ser muy cuidadoso mientras hace este proceso de georreferenciación usando el GCP's entonces usted puede deshacerse de la mayoría de estos errores con bastante facilidad. Así que es por eso que es muy importante antes de utilizar estas imágenes, es mejor primero geo-referenciarlos y luego utilizar y crear lo que los mapas que desea crear. Si de repente hay un cambio en la velocidad de la nave espacial que también sustituirá, por lo que esta área se supone que está allí en la imagen, pero ha cubierto un área más grande debido a la alta velocidad en este ejemplo en particular ahora las variaciones de rollo. Así que si supongamos que un satélite va como este se enrolla en la escena de la vista como esta. Así que si este movimiento está allí entonces que traerá un dato de como este, mientras que se supone que es de esta área de marcas de guiones. Su variación es como si fuera algo así se mueve en el propio acceso el satélite y que puede traer sus variaciones. Así que las variaciones de tono está ahí cuando se dips ya sea las variaciones de avance o retroceso es algo así y su variación es así. Así que estos pueden crear problemas en nuestras imágenes o pueden traer distorsiones geométricas. También sabes que cuando se almacena la imagen, básicamente es tener una matriz de 2 dimensiones, por lo que es una fila y columna. Y generalmente los sistemas de coordenadas geométricas cuando las imágenes en el sistema de coordenadas geométricas son la esquina superior izquierda. Las coordenadas se dirigen desde la esquina superior izquierda, mientras que en las imágenes o datos georeferenciados, tomamos las coordenadas de la esquina inferior izquierda. Así que esa cosa también ha de ser considerada mientras hace la georreferenciación. Así que con el fin de que como he mencionado en el comienzo de esta discusión, para utilizar esta imagen de satélite o productos de las imágenes de satélite como mapa de uso de la tierra, mapa de cubierta forestal o mapa de lithología o cualquier otro mapa de mapa de línea. Nos gustaría utilizar esos mapas con otros conjuntos de datos que ya son de referencia geográfica. Así que para ese propósito es necesario estabilizar una imagen a la transformación de la palabra y que básicamente transformará nuestra imagen. Imagen que está en dominio geométrico a las coordenadas del mundo real o dominio geográfico y así es como es importante.

Vídeo 2

Y hay el método común de lo que estamos discutiendo es la georeferenciación de la imagen. En algún momento también se llama correcciones geométricas y también a veces la gente llama como registro de imagen. En algún momento también usted puede encontrar en la rectificación de la literatura el significado es el mismo. Básicamente transformar una imagen o un mapa del dominio geométrico al dominio geográfico. Y básicamente encontrar un determinado orden de polinomio que veremos a través de la ecuación, lo que minimiza el error en la transformación de las coordenadas originales de la imagen. Estas se encuentran en las filas y columnas que parten de la parte superior izquierda a las coordenadas de imagen rectificadas que son en términos de coordenadas geográficas y empezando de abajo a la izquierda. Así que haciendo esto logramos la georreferenciación. Ahora hay básicamente 3 pasos que voy a traer ahora acerca de estos 3 pasos aquí. Hay 3 pasos primero es el registro utilizando puntos de control de tierra, estos puntos de control de tierra pueden venir de imagen ya georreferenciada o mapa o recogidos del campo también utilizando sus dispositivos GNSS.
Y luego primero es el registro amarrando los puntos de control de tierra, identificando la misma característica en su geométricamente en una imagen geométrica o imagen cruda y luego registrándola, que es la primera parte. Segunda parte es este polinomio eligiendo una ecuación de orden polinomio apropiada y porque necesitamos saber que donde un píxel va a ir de donde ubicación a qué ubicación. Y para eso necesitamos una función de transformación y que se pueda lograr a través de una ecuación polinómica. Y tercero es lo que se valora llevará valor de pixel y para lo cual hacemos el re muestreo. Por lo tanto, 3 pasos el paso más rápido es el registro, segundo es el paso para averiguar la transformación a través de la ecuación polinómica de un determinado orden que vamos a discutir que el orden que debo elegir y el tercero es averiguar el valor del pixel que es a través del remuestreo. Así que 3 pasos están ahí, pasos muy distintos están ahí la mayoría de los softwares que han sido preparados para hacer estas tareas en una secuencia. Así que no hay confusión y la georreferenciación se puede lograr si se utiliza un software RGIS o LiDAR software no hay problema es muy fácil. Ahora, voy a estar explicando cómo es esta parte de registro, como se puede ver aquí que en la imagen de entrada sólo esto es porque nuestro entendimiento. Así que las únicas 4 coordenadas han sido o 4 GCP's están allí puntos de control de tierra como usted puede ver aquí, y este es mi mapa de destino o mapa de referencia. Así que en el mapa de referencia, supongamos que este y este está mostrando la misma característica, estos son los puntos de control de tierra comunes.
Por ejemplo, podría haber un cruce de carreteras, podría haber un puente ferroviario, podría haber un coder, que también estoy viendo en mi imagen de satélite. Y el mismo tiempo que también estoy viendo en mi mapa de referencia o recogido del campo las coordenadas. Así que voy a atar esta coordenada con este GCP, con este GCP y de igual forma todos los GCP que voy a atar y que después de la inscripción una vez que estoy teniendo ahora la función de transformación disponible para mí. Voy a hacer el resampling y creará una imagen de salida del producto que se corrige geométricamente, así que también puedo lograr. Ahora vamos a ver, cómo decidir sobre el orden de la ecuación polinómica no es demasiado difícil la primera es la imagen original que se muestra en la parte superior. Si la imagen es simplemente requerida o cualquier mapa requiere simplemente la transformación del dominio geométrico al dominio geográfico sin ningún cambio en la escala o sin rotación. Entonces el primer orden de la transformación polinómica o conformal sería suficiente. Eso significa transformar de dominio geométrico a dominio geográfico sin ninguna rotación sin cambio en la escala. Pero si quiero porque un mapa está en diferente escala, mi mapa de destino es en diferente escala. Por lo tanto, voy a requerir algún cambio en la escala tal vez alguna rotación también podría estar en un sistema de proyección aquí estoy en otra proyección, proyecciones de mapas. Y por lo tanto, voy a ir para el polinomio de segundo orden, así que primer orden ningún cambio en una escala y ninguna rotación, segundo cambio de orden en una escala y la rotación. Y el tercer orden es el cambio en una escala, la rotación y la guerra, podría haber una imagen que está cubriendo una gran parte de la tierra y que tal vez representando la parte de la curva de la parte de curvaturas de la tierra. Y eso puede requerir el tercer orden de la transformación polinómica porque tengo que hacer que la representación en un piso en un 2D en lugar de en una curvatura curva y por lo tanto la ecuación polinómica de tercer orden requieren. Si usted va para cuando usted va más alto en orden en la mayoría de estas imágenes de procesamiento GIS software hasta el tercer orden las cosas se han implementado. Pero también hay extensiones y herramientas están disponibles si alguien va incluso yo he visto hasta 12º orden hay utilidades disponibles por las cuales usted puede hacer esa transformación. Pero usted sabe a menos que sea necesario, uno no debe ir por el orden muy alto de la selección de la ecuación polinómica. Hasta el tercer orden en la mayoría de los casos es más que suficiente para un porque una vez que vaya más alto en orden el número de puntos de control requisito de punto de control aumentaría. Y así es como vendrá en efecto a través de esta fórmula y este P es una posición básicamente para el orden de polinomio que elijo. Así que si pongo P = 1 entonces estoy eligiendo primer orden polinomio y requeriría solamente 3 puntos de control para lograr una transformación. Pero si voy por un segundo orden, requeriría un doble punto de control de tierra, si voy por el tercer orden que requiere entonces 10. Así que usted va más alto y más alto el orden de los requisitos de los puntos de control aumentará significativamente. Si realmente no es necesario sólo la necesidad de eliminar el cambio de la guerra en una escala y la rotación. Entonces el tercer orden sería más que suficiente, el software estándar es por eso que han implementado. En las herramientas de georreferenciación que han implementado sólo hasta el tercer orden de la ecuación polinómica. Ahora cómo lo hacemos como un en el lado izquierdo estamos viendo una imagen esta es una demostración de un software particular. Así que en el lado izquierdo estás viendo una imagen que está en dominio geométrico, en el lado derecho estás teniendo una imagen que está en tu dominio geográfico. Así que voy a utilizar los puntos de control de tierra para ver que el punto de control de tierra común también está aquí. Y al hacer este primer paso que es el registro voy a llegar a conocer el punto uno a uno y voy a estar registrando así. Mientras que hacer el registro usted recibe estos errores también y cuánto es un error que es dx y dy que también usted va a leer aquí. Así que las primeras 2 columnas muestran las coordenadas de entrada que muestran las coordenadas de referencia y luego otras. Así que esta ruta significa que los errores cuadrados también pueden ser evaluados en esta etapa y los puntos que usted está dando errores más grandes pueden ser recogidos en la imagen y luego pueden hacerlo. Pero si alguien está notando alguna imagen estándar o imagen de referencia geográfica o mapa para recoger GCP o incluso un GNSS. La otra forma en la actualidad es usar Google Earth porque ya está perfectamente georreferenciada. Así que si los puntos de control de tierra pueden ser identificados en Google Earth y usted puede recoger estas coordenadas geográficas que es longitud de latitud de Google Earth y puede alimentar esas coordenadas durante su registro de la imagen. Por lo que las imágenes de satélite de alta resolución también se pueden registrar utilizando GCP's recogidos de Google Earth. Ahora, una vez que se encuentra la transformación, se aplica para cada píxel en la imagen de entrada. Y luego la otra operación es realizar la transformación una vez que se haga el registro entonces tenemos que hacer la transformación. Tenemos que determinar el valor de pixel básicamente y el valor de pixel. Así que primero es el registro, segundo es la transformación que significa qué píxel irá aquí. Y el tercero es el que el valor es de pixel sería para pixel objetivo y eso se logra haciendo repoblamiento. Y hay 3 técnicas hasta ahora, la más sencilla es la técnica vecina más cercana, estaremos viendo detalles también. La segunda es la técnica bilineal y la tercera es la convolución cúbica. Así que hay 3 técnicas de resampling y dependiendo de nuestros requisitos y restricciones, debemos elegir apropiadamente. Ahora la ecuación de transformación polinomio de orden de m se muestra aquí. Así que si usted reemplaza con el primer orden de decir esto se convierte en un muy simple, si usted va para el segundo orden, usted requerirá más GCP y segundo orden 6 mínimo 6, mínimo 6 no significa, mínimo GCP no significa que usted va a recoger sólo 4 o 6 o 3. En la práctica normalmente es mejor recoger más del doble, lo que la ecuación polinómica está requiriendo. Así que si está escrito 3 en primer orden recoger al menos 6, en segundo orden si es 6 recoger 12. Porque queremos lograr una muy alta precisión geográfica o esta función de transformación y para eso es mejor siempre ir al doble del requisito mínimo de puntos de control de tierra. Si tomo el ejemplo de ArcGIS que la imagen a la transformación de la palabra es un 6 parámetro de transformación affine y que es la ecuación polinómica de segundo orden en la forma de así. Así que vamos por una coordenadas geográficas, la salida es una entrada es de dominio geométrico y estos CNF. Como aquí este es el espacio de la imagen y este es el espacio de coordenadas, así que esta es mi imagen de entrada en el lado izquierdo, este espacio de coordenadas y esta ecuación está aquí. Ahora estos lo que son estas cosas, así que x1 y y1 también se calculan x y y el objetivo x y y que estamos requiriendo de coordenadas geográficas, simple x es el número de la columna. Porque aquí las coordenadas en una imagen cruda se iniciará desde la esquina superior izquierda. Así que es por eso que es el número de columna de una imagen de píxel y luego el número de fila de un píxel en la imagen x la A que estará aquí A es la dimensión x escala de un píxel en un mapa. Esa es la resolución básicamente espacial en la dirección x por supuesto que la misma sería en la dirección y. Y porque pixel es siempre cuadrado en forma y B y D son los términos de rotación porque esta es la ecuación polinómica de segundo orden. Por lo tanto la imagen puede requerir alguna rotación o cambio en una escala, por lo que B y D están allí que están aquí B y D. Por lo tanto, en una transformación de segundo orden y C y F son los términos de la traducción y eso significa x y las coordenadas y del centro del píxel superior izquierdo. Porque estos vienen de allí y queremos tener una imagen donde las coordenadas geográficas comiencen de abajo a la izquierda. Así que los términos de traducción también se utilizan en forma de C y F y entonces E es el negativo que también se utiliza aquí que es el negativo porque estamos viniendo de la esquina superior izquierda a la esquina inferior izquierda que es el por qué decir aquí, usted tiene que cambiar esta escala y que es negativo. Así que esta escala E es negativa ya lo he explicado porque el origen de la imagen y un sistema de coordenadas geográficas son diferentes. El origen de la imagen se encuentra en la esquina superior izquierda y mientras que el origen del sistema de coordenadas del mapa está situado en la esquina inferior izquierda. Ahora cuando usted va a hacer el registro usted consigue la raíz significa un error cuadrado. Así que cómo interpretar estos errores muy rápidamente cuando se aplica esta fórmula y luego utilizar puntos de control una medida de error que es el error residual se devuelve. Grande el error residual si usted está recibiendo un error residual más grande, es mejor borrar que GCP recoger otro. Si es un pequeño razonablemente dentro del píxel en términos de resolución espacial usted puede aceptar. Por lo tanto, error básicamente, ya que conoce la diferencia entre el punto en que el punto de origen terminó en lugar de la ubicación real que era un especificado en la posición de punto. Y el error total que también se puede tener en contra del GCP individual también un total significa que un error cuadrado se calcula por medio de la suma de la media cuadrada de todos los residuos para calcular el error de RMS. Así que el total es importante, pero los individuos son importantes. Así que mientras hace este registro, usted sabría que los GCP individuales están dando más errores y como he dicho, esos pueden ser borrados y recogidos en diferentes lugares. Por lo tanto, este valor describe lo coherente que es la transformación entre la línea de puntos de control diferente o también en ArcGIS por enlaces a los que se llama enlaces. Y cuando el error es particularmente grande, si usted sabe contra el individuo, usted puede quitar y agregar puntos de control para ajustar el error. Por lo tanto, al hacer esto, usted inmediatamente conoce los errores. Una vez que hayas recogido 3 puntos vas por cuarto empiezas a conseguir los errores. Y aunque este error de RMS es una buena evaluación de la precisión de las transformaciones pero no se debe confundir debido a un error de RMS bajo con un registro preciso. Por ejemplo, todavía puede contener errores significativos en un punto de control mal entrado porque depende de lo fiable que es ese punto de control, es decir, muy importante en este proceso de registro que es el primer paso de la georreferenciación. Así que como ya he dicho más los puntos de control más del doble del requisito de requisito mínimo. Según esa fórmula que cuánto puntos de control serían necesarios contra diferentes ecuaciones polinómicas. Al igual que para el segundo pedido 6 se requieren recoger 12, por lo que más ellos controlan puntos de igual calidad. Calidad, aquí es importante la calidad tiene que ser la fiabilidad del punto de control que lo que usted está considerando como punto de control se ve realmente en la imagen cruda y la imagen maestra o en la tierra de Google. Eso significa que usted está viendo el mismo objeto que no ha cambiado, si hay una diferencia de tiempo entre la imagen de entrada y la imagen maestra, entonces uno tiene que ser consciente de que podría haber cambiado esa ubicación. Así que los puntos de calidad se utilizan y más exactamente el polinomio puede convertir los datos de entrada a una coordenada de salida.

Vídeo 3

Ahora el tercer y último sistema en georreferenciación es el método de resampling por este voy a explicar primero los 3 métodos muy rápidamente cuando vamos a ir en poco detalle también. Así que ves en el fondo este lío comprador que estás viendo en el fondo, allí se ha marcado una rejilla y esa es una esta sobre que una celda también está marcada. Así que desde la imagen de entrada cuando veo este tipo de arreglo que esta es la imagen sin corregir y esta es mi imagen geométricamente correcta que es mi objetivo. Así que en el método vecino más cercano cualquiera que sea el píxel que tenga la mayor superposición que el valor de ese píxel será transformado al píxel que está en la matriz corregida de la geometría, que está tan lejos en blanco. Por lo tanto, el valor de pixel o el pixel que está teniendo la superposición más alta, el mayor solapamiento sobre esta rejilla vacía de geométricamente corregido ese valor de pixel será transferido como está sin ninguna modificación a una nueva ubicación. Y la ubicación ya se ha decidido a través de una transformación, por lo que ahora lo que estamos decidiendo el valor de píxel. Si vamos por la técnica de resampling bilinear, entonces se tendrán en cuenta 4 píxeles circundantes. Su media ponderada se tomará, la media ponderada significa que el píxel de la imagen de entrada está teniendo el máximo solapamiento hacia el píxel objetivo. Dado que la ubicación del píxel de destino se conoce ahora después del segundo paso, sólo se desconoce el valor. Así que la palabra a través de la resampling estamos determinando el valor para el pixel objetivo. Por lo tanto, el promedio ponderado de decir en este ejemplo de pixel 1, 2, 3, 4 se toma y esa media ponderada se asigna al pixel objetivo y esta es técnica de resampling bilinear. En la técnica de convolución cúbica se conoce 4 por 4 píxeles de la matriz 4 que significa que el total de 16 píxeles sería considerado. Y su promedio ponderado de basado en la distancia del pixel objetivo se calcula y se asigna a un pixel objetivo. Ahora vamos a ver individualmente, aquí está otra vez aquí lo que están viendo aquí en las líneas sólidas es la imagen corregida son el objetivo en las líneas de guiones que están viendo la imagen cruda. Y queremos transformar este valor de píxel que está en color oscuro a este. Y al ver si voy por vecino más cercano entonces en esta técnica, esto será evaluar que qué pixel está teniendo el máximo solapamiento con el pixel objetivo y que se asigne ese valor por lo que este es vecino más cercano. En caso de que la media ponderada de los píxeles de los alrededores de bilinear 4 se tomará en función del solapamiento. Por lo tanto, el que está teniendo el máximo de solapamiento llevará el peso máximo mientras se determina el valor de píxel. Y el pixel que está teniendo la superposición mínima tendrá menos voz o menos papel en la determinación del valor de pixel para el pixel objetivo. Y en caso de convolución cúbica 4 por 4 se utiliza matriz y que se decidirá en base a la distancia el objetivo para el valor para el pixel objetivo. Así que en el vecino más cercano se especifica el muestreo que determina el valor de píxel desde el píxel más cercano a la coordenada de entrada. Asigne ese valor a la coordenada de salida sin ninguna modificación media ponderada, ningún promedio basado en el solapamiento de área o la distancia no es simple. Cualquiera que sea el pixel que tiene el maximo de traslape con el pixel objetivo, ese valor de pixel de imagen de entrada se asigna al objetivo. Este método es más eficiente porque no se hace un promedio, no se hace ninguna medición, sólo hay una parte que se solapa. Y esto, por lo que por lo tanto el tiempo de cómputo es menor, el vecino más cercano no altera el panorama esto es muy importante. Si usted va a tomar esa imagen georeferenciada de salida para un procesamiento adicional como la clasificación y otras cosas entonces usted debe hacer con el vecino más cercano en lugar de bilinear o convolución cúbica. Recuerde que estos 2 otros 2 bilinear y la convolución cúbica modificará su valor de pixel original y puede deteriorar la calidad de la imagen también. Así que si usted toma una imagen que es la convolución cúbica remuestreada imagen y realizar una clasificación usted puede no lograr una muy buena clasificación. Y contrario a esto, si tomas una misma imagen en vecino más cercano resampled y haz la clasificación lograrías una clasificación alta precisa. Así que usted debe decidir uno y uno puede decidir en base a mi propósito o objetivo. Es deseable que haya cambios sutiles en los valores de píxel que deben conservarse, en muchas aplicaciones es necesario. No quiero que conozcas un compromiso sobre la calidad de una imagen. Y cuando esta situación está ahí, el vecino más cercano es la técnica de remuestreo más apropiada. Sin embargo, hay algunos puntos negativos también se asocian con el vecino más cercano remuestreando, que induce un pequeño error en la imagen corregida. Y lo que es que un pequeño error es, que tal vez compensado es especialmente por hasta un medio pixel, ya que sabes que si un pixel está ocupando la máxima superposición está ahí, ese valor está asignado. Así que podría haber un desplazamiento sobre todo por medio de un pixel y esa imagen corregida tal vez jamordazado o blocky ora stair caso de paso en apariencia debido a la rotación o a un cambio de escala que ha tenido lugar en la transformación polinómica de segundo orden. De modo que el error en este remuestreado más cercano que el vecino remuestreando puede venir muy visible. De lo contrario, eso es muy simple, muy eficiente y bueno para si alguien va a utilizar más esa imagen para la clasificación, ahora la siguiente técnica es bilinear. Como se ha mencionado, tendrá en cuenta ahora 4 píxeles circundantes y lo llevará a un promedio ponderado y asignará el valor de píxel a la imagen de destino. Y como sabéis que cuanto más se acerque el punto central del pixel o se superpongan, las mayores coordenadas son de peso tendrá que decidir el número digital final a asignar al píxel corregido. Debido a que el que está teniendo el más cercano o que tiene el máximo más nivel tendrá el máximo decir mientras se decide el valor de píxel para el pixel objetivo. Y la resampling de bilinear genera una mejor apariencia mas suave comparada con la imagen remuestreada del vecino mas cercano. Aunque el valor de píxel se altera en este proceso porque se han tomado el promedio ponderado o 4 píxeles circundantes. Y eso puede producir resultados que tengan una imagen borrosa o una pérdida de resolución de imagen. Así que uno tiene que estar ahí es lo que puedo decir que es un comercio libre. Estoy obteniendo una imagen de apariencia más suave en lugar de jactada en caso de vecino más cercano. Pero al mismo tiempo estoy recibiendo tal vez borroso o pérdida de resolución en la imagen. Este método requiere de 3 a 4 veces el tiempo de cálculo, obviamente porque en el vecino más cercano ningún cálculo excepto que el que tenga el máximo de solapamiento que el valor es rojo y transformado al pixel objetivo. Pero aquí 4 pixeles están involucrados y luego el cálculo cuál es el más cercano cuál es el más justo y luego se toma el promedio ponderado. Así que toma tiempo tal vez 3, 4 veces entonces lo que para el vecino más cercano a pesar de alta precisión el registro logrará más fieles valores de pixel de la imagen original sin corregir. Así que si la parte de registro es buena, usted ha recogido buena calidad de GCP y múltiples GCP's más de lo que se requiere. Entonces usted puede obtener una mejor salida a través de la técnica de resampling bilinear, la última aquí es la convolución cúbica. Así que esto es poco sofisticado en comparación con las otras 2 técnicas que tenemos discutir que toma la media media ponderada de 16 píxeles que rodean. Como se puede ver en estos colores y puntos de color rosa y estos de y luego un nuevo valor se asigna al píxel objetivo. De nuevo la misma cosa que más cerca el pecado perfecto x por x resampler que el vecino más cercano o la resampling bilinear. Esto evita la apariencia desarticulada como la que es común en el vecino más cercano y proporciona una imagen ligeramente más nítida en comparación con la bilinear. Pero también corrompe el valor del píxel original como bilinear. Así que vecino más cercano es la única técnica de resampling, que no modifica su valor de pixel original, mientras que otras 2 técnicas bilinear y convolución cúbica, estas modifica su valor de pixel. Así que si estos son aceptables en su trabajo adicional entonces usted utiliza estos bilinear o convolución cúbica de lo contrario es mejor ir para el vecino más cercano. Este punto ya he comentado que este método que es convolución cúbica o bilinear no está recomendado para la clasificación a seguir. Como nuevos valores de pixel tal vez ligeramente diferentes del valor real de radiancia detectado por el sensor de satélite. Y el tiempo de cómputo por supuesto, va a tomar mucho más al vecino más cercano. Debido a que en el vecino más cercano sólo está involucrado un píxel que se solapa, aquí se miden 16 píxeles, la distancia se mide y se toma el promedio ponderado.
Por lo tanto, tomará más tiempo de cálculo, por lo que esto pone fin a esta importante técnica de discusión sobre esta importante técnica que es común en el procesamiento de imágenes digitales, así como en GIS. Y con la misma precisión que la práctica subyacente, usted recolectaría el GCP, como confiable y de alta calidad. Lograrías un mejor registro, lograrías una mejor transformación y en última instancia lograrías una mejor georreferenciación, por lo que esto trae a terminar esta discusión, muchas gracias.