FILTROS

Los filtros se aplican en el analkisis digital para aislar componentes de interes, el proposito de los
filtros digitales, es entonces para resaltar o suprimir, de forma selectiva, informacin contenida
en una imagen a diferentes escalas espaciales, para destacar algunos elementos de la imagen, o
tambin para ocultar valores anmalos (Chuvieco, 2010). Mediante tcnicas de filtraje se
pretende suavizar o reforzar estos contrastes espaciales, de tal forma que los ND de la imagen se
asemejen o diferencien ms de los correspondientes a los pixeles que les rodean. Hay dos
procedimientos para llevarlos cabo: aplicar a todos los pixeles de la imagen una operacin
aritmtica que tenga en cuenta el valor de los inmediatos (filtros de dominio espacial), o retener
ciertos componentes de las frecuencias de la imagen (filtros en el dominio de la frecuencia)
(Chuvieco, 2010). Los primeros resultan bastante sencillos de comprender y aplicar, mientras que
los segundos requieren de un componente matemtico ms complejo en donde se emplea el uso,
principalmente de las transformadas de Fourier (Chuvieco, 2010).

Se suelen distinguir dos tipos de filtros de acuerdo al objetivo que se persiga. Los filtros de paso
bajo, lo cuales retienen las bajas frecuencias y, por tanto, tienden a destacar el componente de
homogeneidad en la imagen subrayando la variacin regional de los ND. En otro tipo, son los
filtros de peso alto los cuales se dirigen a realzar los componentes de alta frecuencia: esto es,
aquellas reas de alta variabilidad, donde el contraste espacial es intenso (Chuvieco, 2010).

Ambos tipos de filtros se los puede realizar mediante los dos mtodos ya mencionados (filtros de
dominio espacial y filtros en el dominio de la frecuencia).

Filtrado espacial

El procesamiento por grupo de pixeles opera sobre un grupo de pixeles de entrada que rodean a
un pixel central. Por lo tanto, los pixeles adyacentes proporcionan informacin importante sobre
la tendencia del brillo en el rea que se est procesando. El uso y anlisis de estas tendencias del
brillo en una imagen, motivan las operaciones de filtrado espacial. Todas las imgenes contienen
detalles, algunos detalles marcados y otros detalles no tan marcados.
Estos detalles estn compuestos por transiciones de brillo que varan en ciclos que van del oscuro
al claro y vuelta al oscuro. La tasa a la cual el brillo vara completando un ciclo es su frecuencia
espacial.
Las frecuencias espaciales pueden orientarse horizontalmente, verticalmente o en cualquiera de
las diagonales. (Aldalur & Santamara, 2002)
.
La forma ms lgica de estimar los ND de los pxeles errneos se basa en utilizar los ND de los
pxeles vecinos. De acuerdo al fenmeno de la autocorrelacin espacial, muchas variables
geogrficas tienden a presentar una fuerte asociacin en el espacio (Chuvieco, 2010). Por esta
razn, para lograr una reduccin de ruido, algunas operaciones trabajan con los valores de los
pxeles en un vecindario de la imagen y los valores correspondientes de una subimagen que
tiene las mismas dimensiones que el vecindario. La subimagen es llamada filtro, mscara,
ncleo, plantilla o ventana, con las tres primeras siendo la terminologa prevalente. Los valores
en una subimagen de filtro son referidas como coeficientes, en vez de pxeles (Universidad de
Murcia, 2008).
Los filtros espaciales se implementan mediante un proceso llamado convolucin espacial. Es un
mtodo matemtico utilizado en procesamiento y anlisis de seales, y se conoce tambin como
filtro de respuesta finita al impulso (finite impulse response filter).
El proceso de convolucin espacial se mueve a travs de la imagen de entrada, pixel por pixel,
ubicando los pixeles resultantes en la imagen de salida.
El valor digital de brillo de cada pixel en la imagen de salida depende de un grupo de pixeles de
entrada que rodean al pixel que se est procesando. (Aldalur & Santamara, 2002)

Al utilizar la informacin del brillo de los pixeles vecinos a un pixel central, la convolucin espacial
calcula la actividad de frecuencia espacial en esa rea, y por lo tanto, es capaz de filtrar en base
al contenido de frecuencia espacial existente. El proceso de convolucin espacial utiliza un
promedio ponderado del pixel de entrada y de sus vecinos inmediatos para calcular el valor de
brillo del pixel de salida. El grupo de pixeles utilizados en el clculo del promedio ponderado se
conoce como ncleo (kernel). El ncleo es una matriz mvil, generalmente cuadrada, con un
nmero impar de valores en cada dimensin. (Aldalur & Santamara, 2002)
El proceso de filtrado, de forma general, consiste en la aplicacin a cada uno de los pixeles de la
imagen de una matriz de filtrado de tamao (Si la dimensin del ncleo es 1 x 1 se trata
del procesamiento digital punto por punto; las dimensiones usuales en procesamiento por grupo
son 3 x 3 y 5 x 5. Cuanto mayor es el tamao del ncleo de pixeles que se emplea en el clculo,
ms grados de libertad posee el filtro espacial.) Compuesta por nmeros enteros, en la
convolucin espacial los elementos son los valores digitales de brillo de los pixeles del ncleo y
los valores constantes son los pesos, llamados coeficientes de convolucin, que generan un nuevo
valor mediante una funcin del valor original y los de los pixeles circundantes.
La mecnica de la convolucin espacial consiste en aplicar junto con el ncleo de convolucin, los
coeficientes de convolucin en forma de arreglo o matriz; esta matriz se conoce con el nombre
de mscara de convolucin. El pixel correspondiente al centro del ncleo y sus vecinos se
multiplican por sus respectivos coeficientes de convolucin y luego estos valores se suman. El
resultado se ubica en la imagen de salida en la misma posicin del pixel central. Este proceso
ocurre pixel por pixel, para cada pixel en la imagen de entrada. Dado que el rea filtrada se limita
a los pixeles centrales, los pixeles de los bordes no se afectan por el proceso puesto que no tienen
los vecinos necesarios para realizar el clculo.
Las mscaras de convolucin pueden tomar cualquier valor numrico. Sin embargo, cuando se
ejecuta el proceso de convolucin el valor final resultante debe hallarse entre 0 y 255 (para
imagen de salida de 8-bits). Para ello, generalmente suelen reemplazarse por 255 los valores
mayores a 255 y por 0 los valores menores a 0 (Aldalur & Santamara, 2002).
Mediante diferentes combinaciones de parmetros asignados a los diferentes pixeles
circundantes se pueden conseguir diferentes efectos. En general los efectos deseados se
relacionan con el aspecto borroso que tienen las imgenes de satlite, y tambin la fotografa
area, debido a la dispersin atmosfrica y la reflectividad lambertiana (Universidad de Murcia,
2008).
La suma total se divide entre un escalar, generalmente la suma de los coeficientes de
ponderacin (de acuerdo a si los pesos son iguales) (Universidad de Murcia, 2008). Los filtros se
pueden expresar de forma general mediante la siguiente ecuacin en el caso de la imagen de una
matriz de filtrado de tamao 3 3 :

1,1 + ,1 + +1,1 + 1, + , + +1, + 1,+1 + ,+1 + +1,+1
, =
9

Donde

representan la fila y la coumna de cada pixel

, su nivel digital

, nivel digital a ser obtenido tras el filtrado
Filtros de peso bajo

Su objetivo es suavizar la imagen, son tiles cuando se supone que la imagen tiene gran cantidad
de ruido y se quiere eliminar. Tambin pueden utilizarse para resaltar la informacin
correspondiente a una determinada escala (tamao de la matriz de filtrado); por ejemplo en el
caso de que se quiera eliminar la variabilidad asociada a los tipos de cubierta presentes en la
imagen uniformizando de esta manera su respuesta (Universidad de Murcia, 2008).
En imgenes satelitales, el filtro de paso bajo se utiliza para restaurar errores aleatorios que
pueden presentarse en los niveles de brillo de la imagen, producto de un defecto en la adquisicin
o recepcin de los datos. Se emplea tambin para reducir la variabilidad espacial de algunas
categoras como paso previo y/o posterior a la clasificacin. En este caso, se pretende atenuar el
llamado ruido de la escena producido en las zonas altamente heterogneas en relacin con la
resolucin espacial del sensor (zonas donde se mezclan distintos tipos de cubiertas en un espacio
reducido).

Existen varias posibilidades:

Filtro de la media, asigna al pixel central la media de todos los pixeles incluidos en la
ventana.
Filtro de media ponderada, los elementos de la matriz de filtrado no son todos 1 sino que
se da ms peso a uno de ellos (generalmente el central) para obtener un resultado ms
parecido a la imagen original y evitar que aparezca borrosa.

Filtro de la mediana tiene la ventaja de que el valor final del pixel es un valor real presente
en la imagen y no un promedio, de este modo se reduce el efecto borroso que tienen las
imgenes que han sufrido un filtro de media. Adems el filtro de la mediana es menos
sensible a valores extremos. El inconveniente es que resulta ms complejo de calcular ya
que hay que ordenar los diferentes valores que aparecen en los pixeles incluidos en la
ventana y determinar cul es el valor central.

Figura 1. Representacin de filtros de media, media ponderada y mediana

Filtros adaptativos. Son considerablemente ms complejos ya que los coeficientes de

ponderacin se recalculan para cada uno de los pixeles en funcin del histograma de los
ND que aparecen en la ventana. Se han utilizado con gran xito filtros adaptativos para
 eliminar el speckle de las imgenes de radar y para detectar, con un solo filtro, diferentes
elementos.
Filtros gaussianos. Simulan una distribucin gaussiana bivariante. El valor mximo
aparece en el pixel central y disminuye hacia los extremos tanto ms rpido cuanto
menor sea el parmetro de desviacin tpica s. El resultado ser un conjunto de valores
entre 0 y 1. Para transformar la matriz a una matriz de nmeros enteros se divide toda la
matriz por el menor de los valores obtenidos. La ecuacin para calcularla es:

1 2 +2

(, ) = 22
2 2

Donde es la desviacin estndar de la funcin Gaussiana

La atenuacin del ruido por medio de un filtro Gaussiano es menos agresiva a los bordes
debido a la forma de esta funcin, pues la parte central alisar el ruido con mayor fuerza
que en la periferia (Sossa Azuela y Rodriguez Morales, 2011 citado por (Della, 2013)). Es
mejor utilizar para el filtrado un valor de pequeo (Della, 2013).

Filtros de peso alto

Su objetivo es resaltar las zonas de mayor variabilidad eliminando lo que sera la componente
media, precisamente la que detectan los filtros de paso bajo. Por otra parte la respuesta de cada
pixel est contaminada por la de los pixeles vecinos ya que, considerando la superficie terrestre
como lambertiana, la radiacin reflejada por un pixel se reparte hacia los pixeles vecinos. Los
filtros de paso alto consiguen tambin eliminar en parte esta contaminacin. (Universidad de
Murcia, 2008). En trminos espaciales, esto se supone remarcar digitalmente los contrastes
espaciales entre pixeles vecinos, enfatizando los rasgos lineales presentes en la imagen como:
carreteras, parcelas o accidentes geolgicos. En general, se intenta reforzar los contornos entre
reas homogneas, evidenciando cualquier discontinuidad (Chuvieco, 2010).

Existen algunos mtodos para la generacin de estos filtros.

Sustraccin de la media
Si se considera que un filtro de paso bajo sirve para resaltar componentes a gran escala
eliminando la variabilidad local, si a la imagen original se le resta el resultado de pasarle
un filtro de paso bajo se consigue resaltar esa variabilidad local. La matriz de filtrado de
este filtro menos media puede calcularse directamente restando a la matriz de filtrado
identidad la matriz de filtrado de la media (Universidad de Murcia, 2008).

Filtros basados en derivadas

La derivada de una funcin = () es el incremento de para cada incremento
infinitesimal de . En el caso de Modelo Digital de Elevaciones la derivada es la
pendiente. La segunda derivada es la derivada de la derivada, en el caso de un MDE nos
da informacin acerca de la forma (ladera recta, cncava o convexa, valle, cresta o cima)
del terreno. En el caso de una imagen de satlite nos va a informar de cmo son los
cambios, ms o menos bruscos, que se producen entre pixeles contiguos. A continuacin
aparecen las ecuaciones de las derivadas respeto a , las segundas derivadas respeto
a , la derivada compuesta y la derivada segunda compuesta denominada tambin
laplaciana (Universidad de Murcia, 2008).
 Por lo tanto:
(, ) = (, ) ( 1, )
(, ) = (, ) (, 1)
2 (, ) = ( + 1, ) (, ) = ( + 1, ) ( 1, ) 2(, )
2 (, ) = ( + 1, ) (, ) = (, + 1) (, 1) 2(, )

(, ) = (, )2 + (, )2
2 (, ) = [( + 1, ) + ( 1, ) + (, + 1) + (, 1)] 4(, )

representan la fila y la columna de cada pixel

El filtro laplaciano se recomienda para el realce de rasgos lineales en entornos urbanos. Otra
opcin para resaltar los elementos de mayor variabilidad es restar a la imagen original la obtenida
mediante un filtrado laplaciano (Universidad de Murcia, 2008).

Filtros direccionales
Se utilizan para detectar estructuras que siguen una determinada direccin en el espacio
resaltando el contraste entre los pxeles situados a ambos lados de la estructura. En la tabla 6.8
aparecen como ejemplo las matrices para resaltar estructuras en direccin Este-Oeste y Norte
Sur respectivamente (Universidad de Murcia, 2008).

Figura 2. Filtros Norte y Este.

Filtros para la deteccin de bordes

Uno de los ms utilizados es el detector de bordes de Sobel (Gonzalez y Wintz, 1977) que realza
la variacin entre filas y columnas de la matriz de filtraje. En una ventana de 3x3 pixeles, el ND
del pixel central se calcula de la forma siguiente (Chuvieco, 2010):

, = 2 + 2
Donde
= (1,+1 + 2,+1 + +1,+1 ) (1,1 + 2,1 + +1,1 ) y

= (1,1 + 21, + 1,+1 ) (+1,1 + 2+1, + +1,+1 )

Es algo ms complejo que los anteriores:

Figura 3. Filtro de C y F de Sobel

SISTEMAS DE ALMACENAMIETO

Para cualquier tratamiento digital aplicado a las imgenes, requiere que previamente estn sean
introducida en un sistema informtico, dicho de otro modo, que las imgenes sean accesibles al
ordenador. Eso depende de los soportes y formatos en los que se ofrecen los ND que definen los
pixeles de la imagen.

Soporte fsico de una imagen

Hasta los aos ochenta, las imgenes de satlite se distribuan de modo casi exclusivo en cintas
magnticas compatibles (CCT). Se trataba del soporte ms estndar para almacenar un volumen
considerable de informacin. Habitualmente, las cintas tenan 9 pistas (tracks), con una longitud
de 2.400 a 3.600 pies. Los principales problemas que planteaba un CCT eran su acceso secuencial,
que ralentizaba la lectura de los datos, el alto coste de los equipos lectores y su escasa densidad
de almacenamiento frente a las tecnologas actualmente disponibles, por lo que hoy ya es
obsoleto.

Actualmente las imgenes se distribuyen principalmente en un soporte ptico (CD o DVD),

aunque cada vez es ms comn hacerlo a travs de internet, utilizando los protocolos estndar
de transferencia de archivos (FTP).

Independientemente del soporte fsico de la imagen, es necesario conocer el formato de

grabacin de los datos, de cara a poder reconstruir posteriormente la informacin detectada por
el sensor, por lo que en este sentido, es conveniente considerar la codificacin aplicada y la
organizacin lgica de los datos (Chuvieco, 2010).

Los ND de la imagen se graban en cdigo binario (un bit indica una posicin binaria, 0 o 1).
Generalmente, los sensores han codificado los ND en grupos de 8 bits, por lo tanto, cada pixel es
un byte, lo que equivale a un rango de 256 niveles (28, de 0 a 255), este es tambin, el rango
admitido por la prctica totalidad de los equipos de tratamiento digital, por lo que el acceso a las
imgenes se simplifica notablemente (Chuvieco, 2010).

En el caso de algunos sensores como son: NOAA-AVHRR, IKONOS, MODIS o las imgenes RADAR,
la informacin se codifica en un rango ms amplio (10, 12 0 16 bits), por lo que se requiere una
labor previa antes de la visualizacin de la informacin (Chuvieco, 2010).

Las imgenes digitales se organizan en una serie de archivos (files), cada uno de los cuales se
descompone en registros (records). Normalmente cada imagen incluye un archivo de cabecera
en el cual se almacenan sus metadatos: el formato en el que estn grabados los ND que la
componen, condiciones de adquisicin (tipo de sensor, localizacin de la escena, dia, elevacin y
azimut solar, etc), y si es el caso, el tipo de correccin previamente aplicada a la imagen. Los
registros son la longitud de la variable, de acuerdo al tipo de archivo y a la organizacin de los
datos de la imagen (Chuvieco, 2010).

La distribucin de los archivos en una escena est estrechamente relacionados con el formato en
el que se almacena los ND de la imagen. Los 3 formatos ms habituales son (Chuvieco, 2010):

1. Bandas secuenciales (Band Sequential, BSQ): implica que los ND de cada banda se
disponen uno a continuacin del otro hasta completar todos los pixeles que le forman.
Tras ellos, se sitan los ND de la siguiente banda y as sucesivamente hasta completar
todas las bandas espectrales de la imagen. Normalmente, entre banda y banda se inserta
un archivo de cola y otro de cabecera, con objeto de identificar la regin del espectro
sobre la que se est recogiendo informacin.
2. Bandas intercaladas por lnea (Band Interleaved by Line, BIL): en este caso, los ND se
organizan por lneas en lugar de por bandas, disponindose consecutivamente los
correspondientes a todas las bandas, para cada lnea, antes de comenzar la lnea
siguiente. En definitiva, tras los ND de la lnea 1, banda 1, se sitan los correspondiente a
la lnea 1, banda 2, para luego continuar los de la banda 3, 4, etc hasta completar el
 nmero total de bandas. Tras la primera lnea de la ltima banda se sita la segunda lnea
de la banda 1, de la banda 2 y asi consecutivamente.
3. Bandas intercaladas por pixel (Band Interleaved by Pixel, BIP): en lugar de alternarse de
los ND en cada lnea, se alternan en cada pixel. As, tras el ND correspondiente al pixel de
la lnea 1, columna 1, banda 1, aparece el correspondiente a la lnea 1, columna 1, banda
2, seguido del adquirido para la lnea 1, columna 1, banda 3, etc. Este formato es, hoy por
hoy, poco frecuente, ya que fue ideado para realizar la clasificacin de sub-imgenes,
cuando se empleaban equipos de escasa memoria.

Junto a estos formatos tradicionales, en los ltimos aos se han extendidos mucho otros que
intentan simplificar la lectura de archivos de mltiples bandas o hacer ms abierto el acceso
de archivos de gran volumen (Chuvieco, 2010).

Ejemplos

- HDF , que permite almacenar imgenes raster de distinta resolucin espacial o tablas en
un formato compacto, de fcil apertura y con sus propios metadatos.
- GeoTIFF que es una imagen TIFF estndar pero que permite insertar metadatos
geogrficos, lo que facilita notablemente su acceso por programas genricos de anlisis
de imgenes
- KML, empleado por Google Maps como lenguaje estndar para visualizacin de archivos
geogrficos en internet.

Bibliografa
Aldalur, B., & Santamara, M. (2002). Filtrado Espacial. Revista de Teledeteccin, 31-42.

Chuvieco, E. (2010). Teledeteccin Ambiental: La observacin de la tierra desde el espacio.

Barcelona: Ariel, S.A.

Della, M. (Septiembre de 2013). Filtros y tcnicas de clasificacin en imgenes de

Teledeteccin. Obtenido de
www2.famaf.unc.edu.ar/institucional/biblioteca/trabajos/638/16895.pdf

Universidad de Murcia. (2008). Tcnicas de flltrado. Obtenido de Herramientas de

Teledeteccin aplicadas a la gestin de los recursos hdricos :
http://ocw.um.es/ciencias/herramientas-de-teledeteccion-aplicadas-a-la/material-de-
clase-1/presentacion-tema-6-tecnicas-de-filtrado.pdf/view?set_language=en