Cvičení 4-1. Zkoumání obrazu (Image Exploration)

Cvičení 4-1 Zkoumání obrazu (Image Exploration) V tomto cvičení začneme extenzívním zkoumání rastrového obrazu, získaného distančním snímáním, a technik zpracování obrazu. Protože rastrový obraz, získaný distančním snímáním, je běžným zdrojem dat pro analytiky GIS a protože tyto snímky mají rastrovou strukturu, mnoho rastrových GIS poskytuje alespoň nějaké možnosti zpracování těchto snímků. Pokud jste dosud nečetli kapitolu nazvanou Introduction to Remote Sensing and Image Processing (Úvod do DPZ a zpracování obrazu), učiňte tak nyní, ještě před další prací na tomto cvičení. Budeme zkoumat různé způsoby, jak zvýšit kontrast rastrového obrazu, získaného distančním snímáním, pro zlepšení možnosti vizuální interpretace, což je proces známý jako zvýraznění rastrového obrazu (angl. image enhancement). Tuto metodu jsme popsali již ve cvičení č. 4, ale nyní si ji shrneme a diskusi o ní poněkud rozšíříme, protože se jedná o velmi významný aspekt zpracování a interpretace snímků. Také si řekneme něco o povaze digitálních obrazových záznamů získaných z kosmických nosičů a o informacích, které jsou v nich obsaženy. Použijeme družicově získaná data z oblasti západně od Worcesteru, Massachusets, která se nazývá Howe Hill. Máte k dispozici snímky Landsat Thematic Mapper ve čtyřech pásmech, získané družicí 10.9.1987. Soubory jsou označeny jako HOW87TM1, HOW87TM2, HOW87TM3 a HOW87TM4 a odpovídají vlnovým délkám viditelného modrého, viditelného zeleného, viditelného červeného a blízkého infračerveného pásma. Náš průzkum zvýraznění snímku začneme zdůvodněním, proč musíme zvýšit vizuální kontrast snímků. Pro práci s těmito obrázky si téměř vždy vybíráme palety barev v odstínech šedi. Výběr palety, stejně jako ostatních parametrů zobrazení může být automatizován pomocí nastavení v User Preferences. a) Vyberte si User Preferences z menu File. Zajistěte, aby byla nastavena možnost automaticky zobrazit výstup analytických modulů (štítek System Settings). V položce Quantitative Palette je hodnota GREY256 (štítek Display Settings). Toto nastavení způsobí, že jakýkoliv modul, který spustíme, bude zobrazen s pomocí palety v odstínech šedi. Vyberte automaticky zobrazovat titul, ale ponechejte nevybranou položku automaticky zobrazovat legendu. b) Zobrazte snímek HOW87TM4. (pokud nebyla automaticky použita paleta 256 odstínu šedi - Grey256, zvolte Layer Properties a nastavte Pallete file na grey256). Všimněte si, že střední odstíny šedé (nízký kontrast) jsou téměř po celém snímku. Paleta GREY256 má rozpětí od černé (barva 0) do bílé (barva 255) a přesto to nevypadá, že by na snímku byly zobrazeny nějaké bílé nebo světlejší oblasti. Pokud chcete znát příčinu tohoto jevu, klikněte na Layer Properties v dialogovém okně Composer. Všimněte si, že minimální hodnota je 0 a maximální 190. To vysvětluje, proč se snímek jeví jako tmavý a nekontrastní - světlejší odstíny barevné palety (barvy 191-255) nebyly použity. c) Pokud chcete dále zkoumat, jak rozpětí datových hodnot na snímku ovlivňuje jeho zobrazení, spusťte si HISTO z menu Display. Zadejte HOW87TM4 jako vstupní snímek, nastavte šířku třídy na hodnotu 1, změňte minimální a maximální hodnoty na 0 a 255 a vytvořte grafický výstup. Jakmile jste hotovi, přesuňte hotový histogram na okraj, aby jej bylo možno porovnat s upraveným snímkem. Horizontální osa histogramu může být interpretována jako paleta o 256 odstínech šedi. Nulová hodnota odrazivosti je zobrazena jako černá, hodnota odrazivosti 255 je zobrazena

jako bílá a všechny hodnoty mezi tím jsou znázorněny jako odstíny šedi. Vertikální osa ukazuje, kolik pixelů na snímku odpovídá určité barvě (odstínu šedi). Všimněte si také bimodální struktury histogramu. Na to, co způsobuje dvě hlavní maxima v pásmu infračervených vlnových délek, poukážeme později, až si vysvětlíme, jaké informace vlastně družicový snímek obsahuje. Jak dokazuje histogram, žádný z pixelů na snímku nemá hodnotu 255. Tomu odpovídá fakt, že na snímku nejsou žádná bílá místa. Všimněte si dále, že většina pixelů má hodnoty kolem 90. Této hodnotě připadá středně šedá barva v naší paletě. 1. Zvýší či sníží se kontrast snímku HOW87TM4 v případě, že snímek by měl jediný pixel s hodnotou 0 a jediný další s hodnotou 255 (ostatní hodnoty pixelů zůstávají stejné)? A proč? Abychom zvýšili kontrast snímku, bude nutno změnit jeho zobrazení tak, aby byly využity všechny odstíny palety barev - od černé až po bílou (roztažení histogramu, stretch operace). Je několik cest, jak toho v IDRISI dosáhnout, volba nejvhodnější metody závisí na charakteristice obrazu a typu vizuální analýzy. Roztažení histogramu lze realizovat dvojím způsobem: změnit jenom obraz na obrazovce (výchozí data zůstanou nezměněna) nebo tvorba nového obrazu se změněnými hodnotami. První z nich je dostupná přímo v zobrazovacím systému, druhá je nabízena v modulu STRETCH. Nabízeny jsou 2 typy roztažení - lineární roztažení histogramu s nebo bez nasycení (saturace), a ekvalizace histogramu. Nejjednodušším typem roztažení histogramu je lineární roztažení, které používá minimální a maximální hodnotu dat jako koncové body roztažení. Koncové body jsou umístěny do koncových bodů palety a všechny hodnoty mezi jsou příslušně (lineárně) přepočítány. Nejsnadnějším způsobem, jak toho dosáhnout pro zobrazení, je automatický přepočet palety barev obrazu (image autoscaling). V případě použití této metody je minimální hodnotě snímku přiřazena minimální hodnota palety barev maximální hodnotě snímku maximální hodnota palety barev. Všechny ostatní hodnoty jsou automaticky rozloženy podél celé palety. d) Znovu zobrazte HOW87TM4 s paletou GREY256. Vyberte Layer Properties ve štítku Composer. Klikněte na tlačítko Equal Intervals. Všimněte si zvýšení kontrastu. Několikrát zapněte a vypněte Equal Intervals, abyste si důkladně všimli změn v kontrastu. 2. Překreslete si histogram (jako na obr. 1) pro soubor HOW87TM4 s použitím funkce autoscaling. Označte vodorovnou osu datovými hodnotami na krajních bodech a popisem odstínu datové palety podél osy (např. černá, šedá, bílá). Přesto že autoscaling často zlepší kontrast snímku, výsledek je přesto někdy stále nevýrazný pro vizuální interpretaci. e) Zobrazte HOW87TM1 s použitím palety Grey256. Opět otevřete Layer Properties ve štítku Composer a zapněte autoscale (zkuste několikrát zapnou a vypnout). Všimněte si, jak je snímek tmavý a že kontrast je malý v obou případech. Nyní spusťte HISTO se zachováním všech původních nastavení (tlačítko Histogram v Layer Properties). Funkce Histogram používá data uložená v souboru, proto nebude ovlivněna žádným roztažením histogramu na obrazovce. 3. Jaké jsou maximální a minimální hodnoty v obraze? Co můžete říci o tvaru histogramu? Jak vaše vysvětlení objasní fakt, že funkce autoscaling příliš nezlepší kontrast snímku?

Autoscale mění pouze hodnoty zobrazené na obrazovce. Pokud chcete vytvářet nový obrázek s daty podle roztaženého histogramu, použijte model STRETCH. K přípravě lineárního roztažení, vyberte volbu Linear option a použijte nabízené hodnoty minimální a maximální hodnoty pro koncové body. Lepšího kontrastu můžeme dosáhnout použitím lineárního roztažení s nasycením (linear stretch with saturation). Nastavuje se nová minimální hodnota pro zobrazení a nová maximální hodnota pro zobrazení (minimální hodnota pro zobrazení musí být větší než minimální hodnota dat, maximální hodnota pro zobrazení musí být menší než maximální hodnota dat). Hodnoty ležící pod minimální hodnotou pro zobrazení jsou zobrazeny jako první barva palety (v tomto případě černá). Většina obrázků z DPZ má málo hodnot ležících u okrajů rozsahu palety, proto ztráta informace způsobená jejich splynutím, bude malá. Většinu pixelů můžeme díky tomuto lépe roztáhnout v histogramu a tak podstatně zvýšit kontrast snímku. Hodnoty přidělené nejnižší a nejvyšší hodnotě palety se označují jako body nasycení (saturační body). Opět jsou v IDRISI k dispozici dva způsoby provedení - interaktivní pomocí Layer Properties v Composer nebo pomocí modulu STRETCH, která vytváří nový soubor s upravenými hodnotami pixelů. f) Zobrazte HOW87TM1. Otevřete Layer Properties ve štítku Composer. Oblast Kontrast/Jas (Contrast/Brightness) je aktivní pouze pokud je zapnutý autoscaling, proto ho zapněte. Standardní nastavení odpovídá jednoduchému lineárnímu roztažení, kde minimální a maximální hodnota představuje koncové body (11 a 255). Protože má zobrazený histogram velmi dlouhý tenký konec v horní části distribuce, je pravděpodobné, že snížení Display Max bude mít největší vliv na kontrast. Snižujte hodnotu Diplay Max klikáním na nalevo od značky jezdce. Po každém kliknutí si všimněte změny zobrazení a hodnoty nového bodu nasycení v boxu napravo od jezdce. g) Klikněte na tlačítko Revert, abyste se vrátili k původnímu nastavení. Nyní posunujte značku Diplay Min postupně. 4. Proč se nyní zhoršuje kontrast při zvyšování úrovně nasycení na spodní části distribuce (zkuste vyvolat histogram obrazu). Body nasycení pro zobrazení jsou uloženy v dokumentačním souboru obrazu v polích Display Min a Diplay Max. Výchozí hodnoty jsou nastaveny na minimum a maximum v datech. Mohou být změněny, pokud zvolíte Save changes a OK v Layer Properties. Mohou být také změněny přes utilitu Metadata. Změna těchto hodnot neovlivňuje hodnoty snímku a tedy neovlivňuje ani analýzy prováděné nad snímkem. Budou využity při zobrazení, pokud je zapnut autoscaling. Nyní provedeme lineární roztažení s nasycením pomocí modulu STRETCH. V nabídce Linear stretch lze nastavit spodní a horní hranici pro roztažení jako požadované body nasycení. Pracuje to úplně stejně jako nabídka v Layer Properties, jediným rozdílem je vytvoření nového obrázku (souboru) se změněnými hodnotami. STRETCH také nabízí možnost definovat úroveň nasycení procentem pixelů na okrajích histogramu, kterému bude odpovídat pouze jedna datová hodnota, pro zbytek dat mezi upravenými okraji se provede lineární roztažení. h) Spusťte STRETCH z menu Display. Použijte lineární roztažení s nasycením, specifikujte nasycení 5% pixelů na každém okraji histogramu, jako vstupní soubor zvolte HOW87TM4 a jako výstupní soubor zvolte TM4SAT5. Totéž proveďte pro soubor HOW87TM1, výstupní soubor nazvěte TM1SAT5. Srovnejte roztažené obrázky s originály.

Velikost nasycení, která by měla být zvolena k získání dobrého kontrastního obrazu, se liší a určuje se metodou pokus-omyl. Většinou vyhovuje hodnota 2.5-5%. Vyrovnání histogramu (histogram equalization) Vyrovnání histogramu je přístupné pouze přes modul STRETCH a ne přes zobrazovací systém. Toto vyrovnání přiřadí stejný počet stejný počet pixelů každé datové úrovni s omezením, že pixely, které původně byly ve stejné kategorii nemohou být ve výsledném snímku rozděleny do více kategorií. V ideálním případě tento typ vyrovnání produkuje plochý histogram a obraz má velmi vysoký kontrast. i) Zkuste vyrovnání histogramu s modulem STRETCH na obrázku HOW87TM4. Nazvěte výstupní obrázek TM4HE. Srovnejte výsledek s originálem, potom zobrazte histogram TM4HE. Histogram není zcela rovný díky omezení, že pixely se stejnou původní hodnotou nemohou být přiřazeny různým hodnotám po roztažení. Všimněte si, že čím vyšší je frekvence pro roztaženou hodnotu, tím vzdálenější je další roztažená hodnota. j) Opět použijte HISTO s TM4HE, ale tentokrát použijte šířku třídy 20. V tomto zobrazení bude vyrovnání (tj. zploštění) histogramu více zjevné. (Když jste upozorněni, že poslední třída je příliš malá a byla resetována, stiskněte OK.) Podle teorie informace, obraz s vyrovnaným histogramem by měl nést více informací než jakýkoliv jiný dosud vytvořený obrázek, protože obsahuje největší variaci (rozptyl) pro daný počet tříd. Později však uvidíme, že výraz informace není totožný s výrazem význam nebo smysl. Nyní se zaměříme na průzkum co vlastně obrázky znamenají. K usnadnění tohoto průzkumu si vytvoříme soubor definující skupinu obrázků (raster group file) z originálních obrázků a jednoho ze zvýrazněných obrázků. To nám dovolí provádět zvětšování/zmenšování, akce v oknech i kurzorový dotaz pro všechny obrázky patřící ke skupině. k) Zavřete všechna zobrazená okna. l) Vytvořte soubor skupiny rastrů v Idrisi Exploreru. V záložce Files označte soubory HOW87TM1, HOW87TM2, HOW87TM3, HOW87TM4 a TM4SAT5. Na označené soubory kliknete pravým tlačítkem myši a vyberte Create/Raster group. Vytvořili jste skupinu rastru s názvem RASTER GROUP.RST. označte tento soubor a pravým klikem ho přejmenujte na HOW87TM. m) Otevřete Display Launcher a aktivujte výběr ze seznamu. Všimněte si, že skupinový soubor HOW87TM se najednou objevuje v seznamu rastrových obrázků v pracovní složce a že je za ním znaménko +. To indikuje skupinový soubor. Pokud kliknete na značku +, rozbalí se tento seznam a uvidíte všechny členy skupiny. (Pokud chcete použít libovolný ze skupiny prvků zobrazení a dotazování, členové skupiny musí být uvedeni jako členové sbírky s plnými jmény (tečková notace). Nejjednodušší cestou jak vyvolat výběrový seznam je otevřít skupinový soubor a pak vybrat soubor ze seznamu členů souboru.) Vyberte TM4SAT5 ze seznamu. Všimněte si, že jméno ve vstupním boxu Display Lancher pro tento soubor je HOW87TM.TM4SAT5. To je plná tečková notace, která identifikuje obraz a jeho kolekci. Vyberte šedou paletu a zobrazte obraz.

n) Také zobrazte 4 původní obrázky, HOW87TM1 až HOW87TM4 stejným způsobem se šedou paletou. Nepoužívejte legendu ani titulek (abyste ušetřili místo). Také nepoužívejte autoscale ani neměňte kontrast libovolného obrázku. Chceme vizuelně srovnávat aktuální hodnoty daty původních pásmech. Upořádejte obrázky vedle sebe na obrazovce, tak abyste viděli všech 5 najednou. Můžete je přitom zmenšit nebo zvětšit tímto způsobem: Dvojklik na obrázek. Objeví se sada červených tlačítek na hranách a rozích rámce vrstvy. Umístěte kurzor nad dolní pravé červené tlačítko až se změní kurzor a oboustrannou šipku a pak táhněte, dokud nezískáte požadovaný tvar. Ujistěte se, že táhnete okraj obrázku a ne okna. Když jste hotovi, obrázek by měl být menší než mapové okno. Klikněte kamkoliv vně obrázku, na bílou plochu uvnitř mapového okna. Klikněte na ikonu Fit Map Window to Layer Frame na liště. Pokud je potřeba, vždy se můžete vrátit k originální velikosti zobrazení obrázku pomocí ikony Restore Original Window (nebo pomocí tlačítka End),. Protože je kontrast nízký ve všech originálních obrazech, používáme roztažený obrázek TM4SAT5 k lokalizaci specifických oblastí, na které se chceme dotazovat. Avšak pouze hodnoty v originálních obrazech nás zajímají. Na snímku jsou tři typy povrchu, které jsou nejsnáze rozeznatelné: zastavěné plochy, voda a lesy. Nyní budeme zjišťovat, jak jednotlivé typy povrchu odráží elektromagnetické záření o různých vlnových délkách, které jsou reprezentované čtyřmi původními vlnovými pásmy. o) Nakreslete si tři grafy podle obr. 2 a označte je jako voda, lesy a zastavěné plochy (aspoň 5-10 měření, průměr vynést do grafu). Obr.1 Spektrální charakteristiky Protože chceme zjistit hodnoty odrazivosti ve všech čtyřech obrázcích, použijeme dotaz Feature Properties, která umožňuje současný dotaz ve všech obrázcích zahrnutých v jedné skupině obrázků. Nejdříve si vysvětlíme, jaký je význam vytvořených obrázků. p) Klikněte kurzorem do obrázku TM4SAT5. Tím ho učiníte aktivní. Klikněte na ikonu Feature Properties na nástrojové liště. (Všimněte si, že normální kurzorový dotaz je také automaticky aktivován.) Otevře se malá tabulka pod Composer. Vyhledejte 3-4 reprezentativní pixely pro každý typ povrchu (voda, les, zastavěná plocha) a klikněte na ně, čímž získáte jejich hodnoty. V tabulce jsou zobrazeny hodnoty odrazivosti dotazovaného pixelu pro všech 5 obrázků ve skupině. Zjistěte hodnoty odrazivosti pro vodu, les a zastavěné plochy ve všech čtyřech původních pásmech. Pro jednotlivé typy povrchů doplňte hodnoty do grafů, které jste si vytvořili v kroku o).

Právě jste vytvořili to, čemu se říká graf spektrální odezvy (spectral response patterns) pro tři různé typy povrchu. S pomocí těchto grafů můžete vidět jak různé povrchy odrážejí různá množství energie o rozdílných vlnových délkách. V následujících cvičeních budeme na družicových snímcích provádět klasifikaci různých kategorií zemského povrchu založenou na faktu, že jednotlivé typy povrchu mají jedinečné graf spektrální odezvy. Toto je klíč k tvorbě map zobrazujících různé typy povrchu ze družicových snímků. 5. Jaké jsou základní vlastnosti křivek pro každy typ pokryvu? (Jinými slovy, pro které z typů povrchů mají pro pásma mají spíše nízké a pro které spíše vysoké hodnoty odrazivosti. Vraťme se nyní ke dvěma faktům, které byly zmíněny dříve, ale zatím nebyly vysvětleny. Nejprve si vysvětleme tvar histogramu obrázku HOW87TM4 (obr.1). Povšimněme si znovu bimodální struktury histogramu. 6. Nyní, když jste viděli jak navzájem souvisí vlnová délka (pásmo) s rozdílnými typy zemského povrchu, co si myslíte, který typ povrchu způsobuje malý vedlejší vrchol pixelů s nízkými hodnotami v blízkém infračerveném pásmu. Vraťme se krátce k našim roztaženým obrázkům a podívejme se, jak roztažení (stretching) může zvyšovat kontrast obrázků a tedy jejich informační hodnotu, ale nepřidává žádný další smysl (změněným pixelům přiřazuje falešný význam ). q) Zobrazte HOW87TM1 za použití metody vyrovnání histogramu při 256 třídách (STRETCH, histogram equalization). Nazvěte tento obrázek TM1HE. Zároveň zobrazte soubor TM1SAT5. Všimněte si, jak rozdílné jsou jednotlivé obrázky. Obrázek pásma 1 zvýrazněný metodou vyrovnání histogramu určitě má hodně rozdílů (variací) (používá více odstínů), ale ztratili jsme pojem o tom, že nejvíce povrchu na tomto obrázku (les) velmi výrazně absorbuje energii tohoto vlnového pásma (kvůli vlhkosti v listech a rostlinným pigmentům). V případě, že chceme získat nějakou představu o odrazných/absorpčních charakteristikách povrchového pokryvu, je lepší vyhnout se metodě vyrovnání histogramu. Ve většině případech je nejvhodnější metodou lineární roztažení s nasycením. Zapamatujte si také, že roztažené obrázky jsou pouze na vizualizaci. Protože s daty bylo silně manipulováno, nejsou vhodné pro analýzu. Pro analýzy používejte pouze původní neupravená data, pokud nemáte nějaký velmi dobrý důvod pro použití roztažených dat. Na závěr si vyzkoušíme vytvoření barevné kompozice jako způsobu zvýraznění obrazu. Zatím jsme vždy zobrazovali pouze jedno pásmo družicového obrazu. Barevná kompozice nám dovoluje vidět informaci o odrazivosti ze 3 oddělených pásem v jednom obrazu. V IDRISI mohou být vytvářeny 24-bitové nebo 8-bitové barevné kompozice. 24-bitový barevná kompozice se používá pro zobrazení a vizuální analýzy. K dispozici je 16,7 milionu barev a kontrast každého ze 3 pásem může být upravován interaktivně a nezávisle v zobrazovacím systému. 8-bitová kompozice redukuje informaci ze 3 pásem do jednoduchého 1-bytového obrázku. Může být zobrazen s paletou Color composite, ale jeho hlavním účelem je vstoupit do neřízené klasifikace v procedurách CLUSTER nebo ISOCLUST. Nyní budeme vytvářet 24-bitovou kompozici.

r) Spusťte modul Composite z menu Display. Jako modré pásmo obrazu zadejte HOW87TM1, HOW87TM2 jako zelené pásmo a HOW87TM3 jako červené pásmo. Výstupní soubor nazvěte COMPOSITE123. Zvolte lineární roztažení s nasycením (Linear with saturation points). Zadejte vytvoření 24-bitové kompozice s originálními hodnotami. Nevynechejte nuly (nevybírat políčko omit zeros from calculation in stretch ) a nasycení (saturation) nastavte na 1%. Výsledná kompozice obsahuje originální hodnoty, ale body nasycení jsou nastaveny tak, že 1% na každém konci distribuce v každém pásmu je saturováno (spojeno). Toto může být dále upravováno z volby Layer Properties. Nyní obraz ponecháme bez další úpravy. s) Použijte kurzorový dotaz k průzkumu hodnot v kompozici. Všimněte si, že jsou zobrazeny hodnoty v červeném, zeleném a modrém pásmu. Zkuste interpretovat hodnoty jako spektrální odezvu pro 3 viditelná pásma. 7. Podívejte se zpátky na spektrální odezvy, které jste kreslili pro vodu, les a urbanizované plochy. Na základě toho popište, proč má každý typ pokryvu svou zvláštní barvu v kompozici. Skládání barev je velmi užitečnou formou zvýraznění obrazu, která dovoluje současně prohlížet informaci ze 3 pásem. Jakákoliv kombinace pásem může být použita a výběr pásem často závisí na účelu zpracování (aplikaci). Nyní jsme vytvořili kompozici z pravých barev. Naše interpretace spektrální odezvy je celkem jednoduchá a intuitivní - co se nám jeví jako zelené v obraze má relativně vysoké hodnoty odrazivosti v zeleném pásmu. Je běžné připravovat barevné kompozice i z jiných pásem, včetně těch, která nejsou viditelná. t) Vytvořte novou barevnou kompozici s HOW87TM2 v modrém pásmu, HOW87TM3 v zelené pásmu a HOW87TM4 v červeném pásmu. Výstupní obrázek pojmenujte FALSECOLOR. Tento typ kompozice se označuje jako obrázek v nepravých barvách, protože co vidíme např. jako modrou barvu, neodpovídá modrému pásmu ve skutečnosti. 8. Proč se jeví vegetace v tomto obraze jako jasně červená?