Alans Roco.

Practica 1. Introduccin al programa IDRISI y despliegue de imgenes.

Introduccin.
El programa IDRISI es un sistema de informacin geogrfica desarrollado en 198 por !lar"
#a$s en %assetusets& 'SA. Es una (erramienta )ue permite e*plorar& predecir y modelar
di+ersos procesos )ue ocurren en las cu$iertas terrestres& a tra+,s del procesamiento de
imgenes de sat,lite- entre sus aplicaciones se encuentran el estudio del clima y dinmica de los
ecosistemas& el anlisis del cam$io de uso de suelo& aprendi.a/e automtico y redes neuronales&
clasificacin sua+e 0para o$tener un con/unto de imgenes por clase1& anlisis multicriterio&
modelacin de procesos espaciales y modelado dinmico.
Este programa mane/a principalmente arc(i+os tipo raster& metadatos y +ector. #os arc(i+os
raster 0.rst1 son una imagen de columnas y renglones& donde cada celda constituye un pi*el )ue
representa el promedio de las radiaciones electromagn,ticas. 2or su parte& los arc(i+os
metadatos 0.rdc1 contienen la informacin documental de la imagen& como numero de columnas
y renglones& tipos de datos& sistema de referencia& +alor mnimo y +alor m*imo& etc.
3inalmente& los arc(i+os +ector 0.+ct1 son arc(i+os de puntos& lneas y polgonos asociados a
coordenadas 4 y 5. #a relacin entre estos arc(i+os permite la +isuali.acin de la distri$ucin
de la co$ertura terrestre y el uso de suelo& a tra+,s de clasificaciones de color )ue asignan un
+alor de color a un +alor de $rillante. en una imagen raster.
Objetivo.
6ue el alumno se familiarice con los comandos $sicos del pa)uete IDRISI de procesamiento
de imgenes.
Mtodo.
Se locali.o y re+iso la documentacin de arc(i+os raster y +ector en la pesta7a de %etadatos
u$icada del lado i.)uierdo de la pantalla y se desplego una imagen con la (erramienta Display
#aunc(er. El acercamiento se reali.o con el icono 89entana: y con la (erramienta Reformat se
logro (acer un recorte de la imagen por n;mero de columnas y filas. Al reali.ar una
superposicin de imgenes +ector& se utili.o la paleta <D9I1= en una imagen y la 'ni$lac" en
un +ector )ue fue a7adido en la +entana !omposer. 2ara determinar coordenadas e identificar
pi*el se ocupo el icono 8>: y al aparecer la $ase de la imagen se o$ser+o la posicin en 4& 5 y
?. 3inalmente& en la asignacin de 2alettes y cam$io de colores se asigno una nue+a palette con
escalas de color R@A y BSI.
Resultados y Discusin.
El identificar los datos de una imagen contenidos en los %etadatos& es de gran utilidad para
conocer como se constituye la imagen con la )ue se tra$a/a y para poder (acer la integracin de
nue+a informacin. #os arc(i+os de %etadatos raster y +ector se diferencian en sus ru$ros
por)ue los primeros contienen datos para columnas y filas& y los segundos muestran el tipo de
o$/eto 0puntos& lneas o polgonos1. Es importante mencionar )ue tanto el sistema y unidades de
referencia como los +alores de coordenadas de$en empatar con la imagen $ase )ue se est
e+aluando& para poder (acer una integracin de la informacin tal como ocurri con la imagen
raster y +ector )ue fueron utili.adas.
2ara poder desplegar una imagen de forma correcta& se re)uiere el conocimiento pre+io del sitio
al )ue pertenece la imagen& para as o$tener una me/or representacin de las co$erturas- as el
elegir un autoescalmiento y la paleta de color )ue representara las clases sin tener un o$/eti+o
claro& resultara en un incorrecto anlisis de la distri$ucin de espacial de co$erturas. As& el
programa IDRISI un numero de autoescalamientos suficiente para elegir el numero de clases
)ue )ueremos representar y una amplia gama de palettes )ue real.an .onas de inter,s del
usuario.
Resulta de suma importancia (acer acercamientos 0.oom1 en las imgenes para poder u$icar
con precisin los pi*eles de inter,s& ya sea para simple +isuali.acin o para la ela$oracin de
polgonos de entrenamiento en una clasificacin super+isada. Asimismo& el recorte de imgenes
es fundamental cuando sa$emos en )u, regin de nuestra imagen se distri$uyen las co$erturas
de inter,s y )ue regiones de los $ordes de una imagen podemos descartar por no presentar
dic(as co$erturas.
#a superposicin de capas en una imagen es de gran utilidad para resaltar la u$icacin de
co$erturas de inter,s& ya sea por medio de la representacin de puntos& lneas o polgonos )ue
nos indi)uen la distri$ucin de una clase o fenmeno de estudio. En este punto la eleccin de
palettes es fundamental para poder +isuali.ar tanto la distri$ucin de clases en una imagen
raster como la de una imagen +ector so$repuesta.
!uando se re)uiere lle+ar la informacin generada en un SI@ a la realidad se re)uiere conocer
cul es la distri$ucin geogrfica de una clase o polgono& para ello se comparan los +alores de
coordenadas dentro de la imagen de sat,lite con las coordenadas reales& com;nmente dadas por
un @2S. Es por ello )ue la (erramienta 8>: es fundamental para sa$er el margen de error entre
la imagen y la realidad para poder me/orar la georreferenciacin de imgenes.
3inalmente& cuando ya se sa$e )ue clases )ueremos representar en una imagen es necesario
representarlas en un mapa fcil de leer& de acuerdo al usuario al )ue se diri/a. 2ara ello se puede
generar una palette )ue resalte +isualmente la distri$ucin de co$erturas de inter,s& utili.ando
cla+es de color en funcin de gradientes& sim$ologa o intensidad de elementos a estudiar. As&
con este programa generar una palette resulta sencillo una +e. )ue se tenga clara cul es la
finalidad del mapa )ue se ela$ora.
Conclusin.
El conocer la utilidad y mane/o de las (erramientas $sicas al anali.ar una imagen en IDRISI es
parte fundamental para la generacin de mapas de cu$iertas o uso de suelo )ue sean ms acorde
con la realidad )ue )ueremos representar.
Referencias.
C http://www.idrisi.com/
Alans Roco.
Prctica 2. Deformacin del (istograma como m,todo de realce de contraste
Introduccin.
!uando se tienen imgenes de sat,lite )ue solo emplean un fragmento todo el rango de
$rillante. disponi$le& se re)uiere (acer un Realce de !ontrastes )ue incrementa la distincin de
ni+eles de gris para poder facilitar el anlisis +isual de dic(a imagen. El primer paso para (acer
un realce de contraste& consiste en identificar la distri$ucin de frecuencias de los n;meros
digitales en el (istograma y la ta$la de frecuencias de la imagen- a partir de este punto se puede
determinar )u, tipo de contraste se utili.ar. #as t,cnicas de realce de contraste por
deformacin del (istograma )ue se ocuparan en esta prctica sonD
C #ineal. 2ropone )ue el rango de ni+eles de gris en una imagen se ampli,& ocupando todo
el espectro de ni+eles de gris 0ECFGG en imgenes #andsat1- para generar una nue+a
imagen con mayor distincin de los elementos )ue la componen. El resultado es la
e*pansin uniforme de todos los +alores y la ecuacin a la )ue responde esD
D<HI J0D<C%in1K0%a*C%in1LMFGG.
C #ineal con saturacin. !onsiste en eliminar las colas del (istograma )ue poseen $a/as
frecuencias en los n;meros digitales- as& los +alores de dic(as colas se les asignara un
nue+o +alor mnimo y m*imo para saturar los e*tremos del (istograma.
C Ecuali.acin. 2lantea un estiramiento uniforme a lo largo del (istograma& el resultado
es una imagen con un (istograma )ue posee una distri$ucin uniforme de las
frecuencias en los n;meros digitales. !on esta deformacin se asignan ms +alores de
despliegue a los rangos en los )ue se presenta mayor frecuencia- as& se o$tendr un
mayor detalle con respecto a los rangos de menor frecuencia& de$ido a )ue se estiran
ms las regiones del (istograma )ue poseen mayor frecuencia de pi*eles.
Objetivo.
6ue el alumno apli)ue los conocimientos ad)uiridos en clase para aplicar me/oramiento a la
imagen.
Mtodo.
Se desplego una imagen raster 0(8tmF1 con las paletas de gris para 1= y FG= tonos& en la cual
se anali.o su (istograma de forma grafica y como ta$la de frecuencias- con la finalidad de
o$ser+ar cual es la distri$ucin de la $rillante.& y si era necesario (acer un realce de contraste
sa$er cules son las regiones del (istograma )ue de$eran modificarse. 2osteriormente& se
procedi a la reali.acin de un realce de contraste lineal& con saturacin y ecuali.ado& a tra+,s
de la funcin Strec( contenida en Imagen 2rocessing. 3inalmente se compararon los diferentes
realces de contraste as como la distri$ucin en sus (istogramas.
Resultados y Discusin.
#a imagen B8tmF posee un (istograma con frecuencias distri$uidas en un rango de 1= a GE. En
esta imagen fue necesario reali.ar un realce de contraste& ya )ue mostro tonalidades de gris
claro a gris oscuro- por lo )ue al aplicar el realce se o$tu+o una mayor tonalidad de grises )ue
me/oraron la definicin de los elementos dentro de la imagen. El rango de tra$a/o fue definido a
partir de la e+aluacin de frecuencias tanto en el grafico como en la ta$la& sin em$argo la
decisin no fue fcil- ya )ue el grafico mostro +alores de decaimiento de frecuencias cercanas al
N= y la ta$la en el OE. As& la decisin fue tomada con $ase en el porcenta/e de +alores )ue
representa el mayor contenido de frecuencias& lo cual disminuye el error- tomando un +alor de
E.998 de frecuencia acumulada con un E.EEF de error.
Al reali.ar la deformacin lineal el (istograma se amplio de 1=CGE a ECFGG& con ello se
o$tu+ieron tonalidades ms claras de gris- definiendo me/or los $ordes de las co$erturas de alta
$rillante..
2ara la deformacin lineal con saturacin se aplicaron diferentes porcenta/es de saturacin 01& N&
G& 1E y FEP1. Despu,s de reali.ar las diferentes deformaciones se o$ser+o )ue conforme
aumenta el porcenta/e de saturacin se o$tiene una imagen con mayor despliegue de tonos de
gris& lo cual resulta muy ;til para la definicin +isual de las co$erturas al interior de la imagen.
Sin em$argo& cuando se aplicaron las saturaciones al 1E y FEP se o$tu+ieron imgenes con alto
contraste entre negro& gris y $lanco& donde se pierde definicin de co$erturas.
2or ;ltimo& al aplicar la deformacin por ecuali.acin se o$ser+o )ue las tonalidades de gris
fueron ampliadas en las regiones del (istograma con mayor frecuencia& ocasionando una imagen
con colores negro& gris y $lanco )ue muestran pocas tonalidades intermedias. Qam$i,n es
importante mencionar )ue en los grficos del (istograma se o$ser+o un aumento de frecuencia
para los e*tremos 0+alores E y FGG1& lo cual e*plica el alto contraste de las imgenes.
Conclusin.
El realce de contraste por deformacin al (istograma de$e ser utili.ado dependiendo de las
co$erturas de deseamos resaltar& tomando en cuenta la distri$ucin de frecuencias de dic(as
co$erturas en la imagen original y el m,todo )ue me/or las defina de acuerdo a su $rillante..
Alans Roco.
Prctica . Integracin de datos en imgenes raster y creacin de palettes
Introduccin.
'na forma de integrar datos a imgenes es generar mapas temticos de superficies& a partir de la
distri$ucin geogrfica de un tipo de informacin de cu$iertas o tipos de uso de suelo& esta
distri$ucin puede ser generada por medio de una clasificacin super+isada o no super+isada en
una imagen raster- el resultado permite +isuali.ar el rea )ue ocupa dic(a informacin en la
imagen de inter,s. 2ara poder reali.ar una +isuali.acin clara de las clases en un mapa temtico&
se re)uiere de una paleta de colores )ue insinu, gradacin de colores o )ue coincida con los
colores esta$lecidos para edafologa& geologa& topografa& etc.
Esta prctica se reali. con una imagen y un modelo digital de ele+acin de %auritania& pas
u$icado al noroeste de Rfrica. Este pas es des,rtico en gran parte de su territorio& presentando
recurrentes temporadas de se)uias )ue ocasionan grandes p,rdidas para el =GP de su po$lacin&
misma )ue se dedica a la agricultura. Es por ello )ue la 3AS 03ood and Agriculture
Srgani.ation1 reparte semillas 0sorgo& mi/o y fri/ol1& instrumentos y fertili.antes como medida
de remediacin ante la p,rdida de cosec(as. As& en esta prctica se e+alu las .onas potenciales
para la agricultura recesional de sorgo en una regin de %auritania en funcin del tipo de suelo
y .onas de inundacin& por medio de imgenes Aooleanas )ue siguen la lgica de con/untos.
Objetivo.
S$tener el rea disponi$le para el culti+o de sorgo en el 2lano de Dirol& %auritania
Mtodo.
!on la (erramienta Sym$ol Tor"s(op se genero una nue+a palette de acuerdo al tipo de suelo&
mismo )ue se aplico al mapa temtico 0dsoils1 o$tenido en el tutorial de Idrisi. 2osteriormente
se cre un pe)ue7o Sistema de Informacin @eogrfica SI@& reclasificando el modelo digital de
ele+acin y generando una imagen $ooleana de altitud& misma )ue diferencia altitudes 8m
0utili.adas para la produccin de sorgo1 de las superiores a 8m. Del mismo modo se genero una
imagen $ooleana de tipo de suelo& definiendo )ue los suelos arcillosos y arcilloCarenosos son los
ptimos para la agricultura de sorgo. 3inalmente& se superpusieron las dos imgenes $ooleanas y
se calculo el rea )ue posee caractersticas apropiadas para el culti+o recesional.
Resultados y Discusin.
#a utili.acin de palettes definidas por el usuario proporciona una me/or +isuali.acin de las
clases de inter,s. En tanto )ue las imgenes $ooleanas o$tenidas de la reclasificacin del mapa
temtico de superficies del tipo de suelo y modelo digital de ele+acin& permitieron o$tener un
acercamiento a la +isuali.acin del rea de culti+o potencial para sorgo. Sin em$argo& no fue
sino (asta la superposicin )ue se o$ser+o la +erdadera distri$ucin de .onas aptas para la
agricultura de sorgo y )ue se pudo medir la superficie )ue ocupa.
El rea total ocupada por la superficie apta para la agricultura recesional de sorgo esD
N9OF.199(a y el rea no apta esD 1O=9N.FF(a. Es necesario mencionar )ue la produccin de
sorgo en Rfrica occidental para 199FC9O es de 9FG= toneladas por (ectrea& por lo )ue con para
nuestra .ona tendramos estos datos tendramos una produccin en un a7o de 1N= EEE OOO.N
toneladas por (ectrea.
Conclusiones.
#a integracin de datos a imgenes raster no solo sir+e para la +isuali.acin de clases de inter,s
sino tam$i,n es de gran utilidad para el anlisis de superficies a partir de datos cuantifica$les en
el sitio de estudio 0cantidad de arcillas& produccin de +egetacin& ri)ue.a de +egetacin& etc1.
C 3AS e Instituto Internacional de In+estigacin de !ulti+os para .onas tropicales
semiridas. 199. #a economa del sorgo y del mi/o en el mundo. 3AS e I!RISAQ. C C
http://www.fao.org/isfp/informacion-por-pais/mauritania/es/
Alans Roco.
Practica !. Despliegue en falso color.
#as imgenes de sat,lite nos permiten +isuali.ar las diferentes longitudes de onda en espectro
electromagn,tico en el +isi$le y el infrarro/o. 2ara ello se re)uiere de un programa de cmputo
)ue con el uso de ca7ones de color R@A 0Red& green y $lue1& muestre los FG= tonos de las
co$erturas o usos de suelo en una imagen- lo anterior para imgenes #andsat o S2SQ. As& al
com$inar los colores ro/o& +erde y a.ul o$tendremos los siguientes tonosD
R "Rojo# $ "verde# % "&'ul# (ono
E E E <egro
FGG E E Ro/o
E FGG E 9erde
E E FGG A.ul
FGG FGG E Amarillo
E FGG FGG !ian
FGG E FGG %agenta
FGG FGG FGG Alanco
As& al desplegar las $andas del espectro +isi$le en su correspondiente color de ca7n
o$tendremos diferentes tonalidades reales para los elementos de la imagen- pero si se com$inan
$andas del espectro infrarro/o con las del +isi$le en un orden )ue no corresponde al ca7n R@A&
se tendr un despliegue en falso color. 2or lo tanto& cuando se utili.a una composicin de color
se real.an las respuestas espectrales de los materiales de inter,s. As& en esta prctica se
mostraran los resultados de las composiciones y los elementos )ue destacan en cada una de
ellas.
Objetivo.
6ue el alumno cono.ca y desarrolle diferentes composiciones de color R@A& aplicando los
conocimientos de percepcin remota ad)uiridos en clase.
Mtodo.
Inicialmente con la o$ser+acin de una imagen S2SQ con composicin NF1 y el uso de una
escala de color R@A& se determinaron las tonalidades de G co$erturas y G tipos de uso de suelo
en la !iudad de %,*ico. Qam$i,n& en el programa IDRISI se real.o el contraste de una imagen
#andsat para posteriormente (acer diferentes composiciones de color )ue permitieran la
identificacin de materiales.
Resultados y Discusin.
En la imagen S2SQ de composicin NF1 )ue corresponde a las longitudes E.8CE.89Um& E.=1C
E.=8Um y E.GECE.G9Um- se encontraron las siguientes co$erturas y usos de sueloD
)le*ento (i+o (ono R $ % ,ir*a )s+ectral discreta
!
o
$
e
r
t
u
r
a
Agua tur$ia
Ro/oC
rosado
FN F= 8F
Agua clara <egro E E E
9egetacin
conferas
Ro/oC
marrn
1FE GO =N
9egetacin
latifoliada
Ro/oC
$rillante
FO 1= 8
Suelo
desnudo
%arrnC
claro
19 119 11
'
s
o

d
e

S
u
e
l
o
'r$ano
@risC
a.ulado
1F8 1G1 181
Agrcola
Ro/oC
$rillante
FO 1= 8
!omercial
AlancoC
a.ulado
F1E FN FO
Recreacin
Ro/oC
rosado
FN F= 8F
9as de
transporte
<egro E E E
En cuanto a las diferentes composiciones de color en IDRISI se o$tu+ieron los siguientes
resultadosD
C !omposicin NF1.
!orresponde a los colores tal y como los +emos en la realidad& el agua a.ul muy oscura& la
+egetacin +erde y las .onas ur$anas grises.
C !omposicin ON1 y ONF.
Esta composicin en falso color& resulta ;til para distinguir +egetacin ya )ue se utili.an la
$anda O )ue contiene una alta reflecti+idad de la +egetacin y la $anda N )ue tiene alta
a$sor$ancia. #a $anda F se utili.a de$ido a )ue a( tam$i,n se o$ser+a un pico de reflecti+idad.
#a $anda 1 es poco usada por)ue como dice la #ey de Rayleig(C%ie& e*iste una alta refle*in
del a.ul. A)u la +egetacin la +emos ro/a& el agua casi negra y las .onas ur$anas cian. Si se
utili.a la composicin ONF la +egetacin muestra tonos un poco magentas y si se utili.a la ON1
es un ro/o ms $rillante.
C !omposicin N1F
Esta composicin en falso color sir+e para resaltar suelos con contenido de *idos& ya )ue de
acuerdo a firma espectral en la $anda N (ay alta reflecti+idad y en la 1 mas a$sor$ancia. A)u se
o$ser+a el agua en un color negro con tonos de +erde oscuro- la +egetacin posee tonos grises&
morados& magentas y a.ules- y los sitios ur$anos son $lancosCrosados. El suelo con *idos se
o$ser+a en colores naran/as.
C !omposicin OG1& GON y GO
Real.an los elementos )ue contienen (idro*ilos& ya )ue en la $anda G (ay un pico de
reflectancia. En la $anda 1 y O se o$ser+a una a$sor$ancia& pero en la $anda es donde se
o$ser+an picos de a$sor$ancia seguidos de picos de reflectancia muy caractersticos para cada
tipo de (idro*ilos. As& si se tiene una composicin OG1& los (idro*ilos se +en con tonos +erdes&
la +egetacin naran/a& el agua a.ul oscuro y lo ur$ano cian. En la composicin GON& los
(idro*ilos se +en en tonos ro/os y los *idos en tonos a.ules& la +egetacin es +erde& el agua
casi negra y lo ur$ano rosa. 3inalmente& en la composicin GO se real.an los (idro*ilos en
tonos magentas ya )ue se tienen las $andas G y & las cuales poseen picos de reflectancia- la
+egetacin se o$ser+a +erde& el agua casi negra y lo ur$ano mas rosado.
Conclusiones.
#as composiciones de color R@A son muy ;tiles para destacar todos los elementos de una
imagen en funcin del comportamiento de reflecti+idad o a$sorcin )ue se o$ser+a en las firmas
espectrales& por ello es necesario conocer el comportamiento espectral de las co$erturas o usos
de suelo de nuestro inter,s& as como sa$er los rangos )ue cu$ren los sensores en el espectro
electromagn,tico para cada $anda.
Alans Roco.
Practica -. !lasificacin no super+isada.
'no de los principales resultados )ue se o$tiene con t,cnicas de 2ercepcin Remota& son los
mapas temticos o$tenidos a partir de una clasificacin de las cu$iertas o usos de suelo en una
imagen satelital. En el caso de una clasificacin no super+isada& se forman clases o categoras
sin informacin pre+ia de la imagen- para ello se utili.an algoritmos )ue seleccionan las clases
en funcin de similitudes espectrales. #os algoritmos )ue com;nmente se utili.an sonD
C VCmeansD Determina las medias de las clases y a tra+,s de iteraciones +a colocando
pi*eles con estadsticas de distancia mnima en las clases ms cercanas. !onforme
a+an.a una iteracin se recalcula la media de la clase y se reclasifican los pi*eles
nue+amente.
C ISSDAQAD !uando el usuario determina el n;mero de clusters& todos los pi*eles se
asignan al cl;ster ms cercano& ocasionando )ue los cl;ster se asocien& se separen o se
$orren de acuerdo a la m*ima distancia de clase o al n;mero mnimo de pi*eles
presentes en una clase. Esta iteracin se repite (asta o$tener cam$ios mnimos entre
clusters.
C !l;sterD Selecciona los +alores con frecuencia mayor a la de sus +ecinos en am$os
lados 0picos del (istograma1 dentro de un (istograma tridimensional en una imagen de
composicin de color para tres $andas. !uando son identificados los picos todos los
+alores se asignan al pico ms cercano. 2ara la composicin de color usualmente se
utili.a una $anda +erde& una ro/a y una infrarro/a.
Este ;ltimo es el )ue se aplicara durante la prctica a partir de una composicin en falso color
con las $andas ONF.
Objetivo.
6ue el alumno compare imgenes de clasificacin no super+isada 0gruesa y fina1 con una
imagen pre+iamente clasificada 0imagen +erdad1- adems de e*traer firmas espectrales de los
materiales.
Mtodo.
Se comen. por reali.ar una composicin ONF en falso color& con $andas ya corregidas
atmosf,ricamente. #a imagen generada se introdu/o al comando !#'SQER u$icada en los Bard
!lassifiers& aplicando clasificacin fina y clasificacin gruesa. #as imgenes o$tenidas se
compararon entre ellas +isualmente y con una imagen pre+iamente clasificada por el comando
!RSSSQAA.
Resultados y Discusin.
A partir de la clasificacin no super+isada en la composicin de falso color ONF& se o$tu+ieron
F imgenes- la primera corresponde a la clasificacin gruesa )ue arro/o G clases& en tanto )ue la
segunda muestran 1= clases en una clasificacin fina.
En la imagen de composicin en falso color se o$ser+an tres tonos de +egetacin& dos de
material de construccin y dos de cuerpos de agua& las cuales fueron distri$uidas +isualmente en
la clasificacin gruesa con tres clases para la +egetacin& una clase para material de
construccin y una clase para cuerpos de agua- en tanto )ue en la clasificacin fina la
+egetacin se o$ser+a en nue+e clases& el material de construccin en seis y el agua se conser+a
en dos. Dado lo anterior es e+idente )ue se puede o$tener mayor informacin cuando se o$tiene
un n;mero mayor de clases& ya )ue los pi*eles no se agrupan a$ruptamente sino en distintas
clases )ue representan diferencias espectrales& )ue nos permiten o$tener firmas espectrales ms
fieles a las reales.
As& al comparar +isualmente las dos imgenes& se o$ser+a una me/or diferenciacin en la
distri$ucin de co$erturas de la imagen con clasificacin fina& respecto a la clasificacin gruesa
)ue generali.a las co$erturas en +arias regiones de la imagen. Esta comparacin podra
reali.arse con una imagen +erdad a tra+,s del comando !rossta$& )ue para )ue sea aplicada
correctamente se re)uiere tener el mismo n;mero de clases en los cluster y en dic(a imagen. Sin
em$argo& en este caso el n;mero de clases o$tenidos en la clasificacin fina no corresponde con
la imagen +erdad )ue posee 1O clases& aun cuando se determinen 1O clases en la clasificacin no
super+isada- ya )ue la agrupacin de pi*eles no es la misma en am$as imgenes.
Conclusiones.
#a clasificacin no super+isada es de gran utilidad cuando no se tiene conocimiento presencial
de los o$/etos en la imagen utili.ada& ya )ue nos muestra las posi$les clases )ue ocupan la
escena de la imagen- )ue dependiendo de nuestros o$/eti+os puede ser muy generali.ada o ms
especifica permitiendo la e*traccin de firmas espectrales.