Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J.

Año 2008_______________

CORRELACIÓN Y ORIENTACIONES

8.1. Introducción
8.2. Principio de la correlación de imágenes
8.2.1. Correlación de imágenes en una dimensión
8.2.2. Correlación de imágenes en dos dimensiones
8.3. Métodos de correlación
8.4. Geometría epipolar
8.5. Correlación y segmentación
8.6. Técnicas manuales, semiautomáticas y automáticas de orientación
8.7. Orientación automática
8.7.1. Orientación interna
8.7.2. Orientación Relativa
8.7.3 Orientación Absoluta
8.8. Técnicas automáticas y semiautomáticas de transferencia de puntos
Bibliografía

8.1. Introducción

En este capitulo se van tratar las técnicas de correlación (matching) de imágenes digitales que
consisten el establecimiento automático de correspondencias entre elementos extraídos de dos o
más imágenes digitales con un recubrimiento común. El término matching se ha impuesto en la
literatura especializada como la expresión más adecuada para expresar correlación entre imágenes
digitales en fotogrametría.

En Fotogrametría y Teledetección el término matching puede ser traducido como el

establecimiento de correspondencia entre diversos conjuntos de datos. Dichos datos pueden ser
imágenes, mapas, objetos o elementos de un SIG. En Fotogrametría existen diversos procesos que
pueden ser considerarse como un matching, así por ejemplo, la orientación interna es un proceso de
matching en el que la imagen de una marca fiducial se correlaciona con un modelo bidimensional
teórico de la fiducial; la orientación relativa y la transferencia de puntos en aerotriangulación,
consistente en la identificación de puntos homólogos en los fotogramas que forman el modelo; la
orientación absoluta, que pretende la identificación de los puntos de apoyo en el modelo; la
generación de modelos digitales de elevaciones, mediante identificación de puntos homólogos una
vez orientado el par, pretende la obtención de la información tridimensional derivada del modelo
estereoscópico; el reconocimiento de formas y objetos.

Como puede desprenderse de esta breve introducción la correlación (matching) cubre

prácticamente todos los procesos relacionados con la metodología fotogramétrica, siendo en la
actualidad una de las líneas de investigación de mayor importancia e interés.

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________1
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

8.2. Principio de la correlación de imágenes

La correlación de imágenes tiene como objeto la localización de forma automática de un punto

objeto en una imagen. La correlación también llamada “matching” explica el proceso de
identificación automática de los puntos homólogos en imágenes digitales. Con objeto de simplificar
el problema, supongamos que partimos de que se conoce de forma aproximada la ubicación del
objeto en la imagen y por tanto es factible hacer una preselección del área de búsqueda. Esta área
preseleccionada se conoce como matriz de búsqueda o área de búsqueda (search target o search
area) y dentro de ella vamos a localizar unas determinadas formas que definan un objeto concreto a
las cuales llamaremos matriz patrón (target matrix o target area); en otros casos suele llamarse
como ventana de búsqueda. Un ejemplo que aclare lo dicho anteriormente es el que se muestra en la
figura 1 y 2 (se ha tomado un objeto fácilmente identificable como es el caso de una marca
fiducial).

Cuando el área de búsqueda es demasiado grande en las dos direcciones (x e y), se utiliza lo que
se denomina correlación bidimensional. En cualquier método de correlación que se utilice, el primer
paso es comparar dentro del área de búsqueda los componentes que tengan un tamaño similar
procurando buscar fuera de esta área los puntos que se corresponden con los que hay dentro del área
que se representa.

Puesto que una imagen fotográfica está grabada en dos dimensiones, la correlación de imágenes es
esencialmente un trabajo en dos dimensiones. Sin embargo, la correlación de la imagen estéreo se
puede reducir a una sola dirección, a la de la línea epipolar, y así el trabajo se reduce de forma
considerable. A partir de aquí se realizan dos pasos:

11. Se eligen un número considerable de puntos bien distribuidos en la zona de recubrimiento de

dos fotografías, para determinar el paralaje vertical, por medio de correlación bidimensional y
luego se determinan los elementos de la orientación relativa.
22. Calcular las relaciones geométricas de las líneas epipolares entre los planos de la imagen
(apartado 8.5). El punto suele determinarse mediante la correlación dentro de los límites
correspondientes a las líneas epipolares conjugadas, reduciendo así el procedimiento de
correlación a una sola dimensión.

Ventana de búsqueda (Target matrix o area)

Figura 1. Matrices o áreas de búsqueda y patrón. Matriz o área de búsqueda (Search matriz o area)

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________2
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

Figura 2. Matrices o áreas de búsqueda y patrón anteriores con sus respectivos niveles digitales.

8.2.1. Correlación de imágenes en una dimensión

La correlación de imagen unidimensional se puede hacer a lo largo de las líneas epipolares

conjugadas de la imagen digital derecha e izquierda (en el apartado 8.5 se estudiará con más
detalla estos conceptos). En el ejemplo que se muestra en la figura 3 la matriz patrón (target
matrix), objeto del estudio (un segmento - línea epipolar patrón -), viene definida por una fila de
cinco valores de grises (Nd), con la imagen del punto central identificada por la fila 6507 y columna
5873 en la imagen izquierda.

El área de búsqueda está compuesta por los valores digitales de los píxeles sobre las líneas
escaneadas más cercanas del centro de búsqueda estimado sobre la línea epipolar de búsqueda
conjugada (imagen derecha).

Después de encontrar los puntos conjugados por medio de algoritmos de correlación, el patrón se
traslada a otra columna, y el área de búsqueda es también trasladado sobre la columna de acuerdo
con el punto conjugado encontrado. Entonces comienza el proceso de búsqueda de un nuevo punto.

En la practica siempre es aconsejable realizar el remuestreo de los píxeles a lo largo de las líneas
epipolares de la fotografía izquierda y derecha antes de llevar a cabo la correlación unidimensional
de la imagen. Se llama remuestreo (resampling) a la operación de transformar una imagen en otra
derivada mediante la reordenación de sus píxeles dentro de una malla rectangular.

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________3
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

Figura 3. Correlación unidimensional a lo largo de líneas epipolares.

8.2.2. Correlación de imágenes en dos dimensiones

La figura 4 muestra un ejemplo de búsqueda bidimensional, donde se ha elegido un punto de

orientación (fila 4028, columna 3872), cerca del punto principal de la foto izquierda con una
ventana de búsqueda compuesta por de 5 filas por 5 columnas de píxeles (tanto para la imagen
izquierda y como para la derecha, la posición de un píxel sobre la imagen toma como origen la
esquina superior izquierda de la zona de recubrimiento). La esquina superior izquierda del área
de búsqueda estimada se está localizada en la posición identificada por la fila 4243 y columna
725. Se supone que el punto buscado está dentro de esta área.

En este ejemplo, el área buscada tiene 15×15 píxeles (15 filas y 15 columnas), pero pueden ser
de 50 x 50 incluso de 100 x 100 elementos. Esta área no tiene por qué ser cuadrada.

La ventana patrón y el área de búsqueda contienen números que indican los niveles digitales
de cada uno de los píxel que rodean a sus respectivos centros de la imagen. Para cada cambio de
posición del patrón sobre el aérea de búsqueda se utiliza un algoritmo de correlación digital
(apartado 8.3) para compararla distribución de los niveles digitales de los píxel. La posición
que muestre la similitud más fuerte respecto a los niveles de grises se tomará entonces como
punto homólogo obtenido por correlación (match point).

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________4
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

Figura 4. Correlación en dos dimensiones.

8.3. Métodos de correlación

La correlación digital compara la información digital de dos imágenes (ventana patrón y área
de búsqueda) de forma sucesiva de acuerdo a determinados grupos de puntos. A continuación se
describirán varios métodos típicos de cálculo computacional directos. Además, también hay
métodos indirectos, tales como los métodos en los que la transformada de Fourier o la
transformada de Hadamard se llevan a cabo sobre dos grupos de datos que son comparados en
correlación; después de esto, el procesamiento es realizado en el dominio de las frecuencias, y
luego se lleva a cabo la correspondiente transformación inversa para volver al espacio dominio
y producir la función de correlación. Cuando hay un gran número de datos, más de 200, los
métodos de calculo de forma indirecta son una ventaja. Sin embargo en correlación digital
aplicada a fotogrametría, con un número pequeño de valores de datos cercanos al pico.
Debido a que cada método de computación en correlación digital tiene sus imperfecciones en
teoría se utilizan de forma simultánea dos o más métodos con el propósito de comparar
resultados y reducir errores en la definición de los puntos homólogos.

Método de la función de covarianza

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________5
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

En este método, se calculan los valores de la función de covarianza de dos grupos de datos, y
la covarianza mayor obtenida se toma como la posición de la correlación buscada.

Suponiendo que xi representa el nivel digital de un punto i en el primer grupo de datos, e yi

representa el nivel digital correspondiente al segundo grupo de datos, las medias e de los
niveles digitales de los grupos de datos son respectivamente:

La varianza σxx, σyy de dos grupos de datos son respectivamente:

Las expresiones anteriores pueden venir dadas por las formas:

es decir:

La covarianza σxy de los dos grupos de datos sería:

También se expresa de la forma:

Así pues, la relación de correlación entre las imágenes se puede expresar por las anteriores
ecuaciones de covarianza.

Método del coeficiente de correlación

La relación de correlación se puede también representar por medio de un coeficiente ρ o por

medio de su cuadrado c2.
El coeficiente de correlación puede definirse como:

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________6
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

En el caso de dos dimensiones, las ecuaciones de correlación vienen a ser respectivamente:

En este caso el coeficiente quedará de la forma:

El coeficiente de correlación c es una función de covarianza normalizada. Una función de

covarianza proporciona un criterio relativo de comparación. Puesto que esta sujeta a
interferencias de cambio de varianza de una imagen, sería más razonable hacer el coeficiente de
correlación a través de una normalización.

El valor del coeficiente de correlación es invariable entre +1 y –1. El valor 1 indica la

correlación más fuerte entre dos señales, es decir, el más similar. Lo que significa que
corresponden a objetos homólogos con una gran certeza. Unos coeficientes cerca de 0 indican
que no hay correspondencia es decir no existe correlación entre ambos valores. Debido al ruido
de las imágenes la correlación perfecta 1 es muy rara. Por lo general se elige un valor como por
ejemplo 0.7 y si el coeficiente de correlación excede dicho valor existe correspondencia entre
los objetos analizados.

Ejemplo. A partir de los datos de la figura 2 correspondientes a la ventana patrón y el área de

búsqueda determinar por correlación la posición de la marca fiducial (ventana – target-) en la
imagen de búsqueda.

Llamando x a los valores correspondientes a la ventana patrón e y a los del área de búsqueda, los
valores medios de los niveles digitales de ambas imágenes serán respectivamente en la primera
serie de búsqueda correspondería a la posición 1,1

El coeficiente de correlación para esta primera posición será:

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________7
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

Efectuando idénticas operaciones para determinar el coeficiente de correlación sobre el resto de

posiciones de la ventana patrón sobre el área de búsqueda, resultan estos:

Seleccionando el coeficiente de correlación máximo (0.75), el cual corresponde a la fila 3

columna 10 de la matriz correlación. Este valor se calculó cuando la esquina superior izquierda
de la ventana patrón sobre el área de búsqueda estaba en esta posición (fila 3, columna 10).
Como el centro del cruce en la ventana patrón es de 2 filas y 2 columnas contados a partir de la
esquina superior izquierda, la posición correcta sobre el área de búsqueda del punto conjugado
es fila 5, columna 12 (x=12; y =5).

En el caso de resolver este ejemplo utilizando el método de la función covarianza, los

resultados que se obtendrían serían:

El valor mayor de la función covarianza corresponde a la fila 2, columna 10 (120206.29), que

sería la posición de la correlación buscada, la cual coincide con el ejemplo visto anteriormente.

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________8
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

Método de valores absolutos de diferencias de niveles de grises.

Este método de buscar los valores absolutos de los diferentes Nd no es un proyecto de

correlación, pero si nos sirve para sustituir los métodos de comparación de dos imágenes para
ver el grado de similitud entre ellos. El método consiste en eliminar primero los valores de los
Nd medios ( , ) de los valores (xi , yi) de los elementos respectivos de cada uno de los dos
grupos de datos, y después, computar las diferencias de los valores de Nd entre los elementos
correspondientes y sumar sus valores respectivos, es decir:

Luego, después de trasladar un grupo de datos en relación al otro, se repite la operación hasta el
lugar encontrado donde la suma es mínima. Este sería la posición donde se obtiene el máximo
de correlación. La cantidad de trabajo de cálculo que conlleva este método es relativamente
pequeño y fácil de obtener los resultados.

Aplicando este método al ejemplo anteriormente propuesto, los valores de aplicar la ecuación
anteriormente dan como resultado que la suma mínima corresponde a la posición fila 3,
columna 10, coincidente con la posición x=12, y =5 sobre el área de búsqueda, coincidente con
los métodos anteriores.

Método de las diferencias de los niveles de grises cuadradas

El procedimiento es el mismo que el apartado anterior exceptuando que se añade los cuadrados
de los niveles de grises, es decir;

Se busca en el lugar donde el valor es mínimo.

Uso de las diferencias de los valores de los niveles de grises de los píxeles colindantes

En este método, el tratamiento de la diferencia de los valores de los Nd se lleva acabo primero
sobre la serie original de la imagen digital, así por ejemplo, tendremos:

la primera diferencia: ∆xi = xi –x i+1

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________9
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

la segunda diferencia: ∆2xi = ∆xi - ∆xi+1

································································

Así, sustituyendo estas diferencias (cualquiera de las dos, la primera o la segunda ) por los
valores originales de los Nd, se puede obtener la solución de un valor máximo de la función de
correlación, es decir:

O bien para el valor mínimo de la suma de los valores absolutos de las diferencias de los
niveles de grises (en este caso las diferencias de las diferencias), es decir:

A continuación se citan otros métodos que no se estudiarán en esta asignatura.

Método de línea vertical “Locus” (VLL).

Método por medio de programación dinámica.
Método de mínimos cuadrados.

8.4. Geometría epipolar

La mayor parte de los algoritmos de visión computerizada y fotogrametría digital parten de la

premisa de que el par de imágenes estéreo se ha tomado según una geometría epipolar. Es decir,
que las líneas de barrido del par son líneas epipolares. Esta condición se cumple cuando los dos
ejes de la cámara de un sistema estereoscópico son paralelos entre sí y perpendiculares a la base
(caso ideal de toma fotográfica).

Supongamos dos imágenes con un recubrimiento común tomadas desde O1 y O2; la base
O1O2 se llama eje epipolar. El plano que pasa por los centros de proyección izquierda (O1) y
derecha (O2) y el punto arbitrario P, es llamado plano epipolar que pasa por el punto P (Fig. 5).
El plano epipolar que pasa por el punto principal es llamado plano epipolar principal. En un
modelo fotogramétrico cada una de las imágenes izquierda y derecha tienen sus respectivos
planos epipolares principales. La línea de intersección de un plano epipolar y el plano de la
fotografía se denomina rayo o línea epipolar. Todos los rayos epipolares de una misma
fotografía intersectan en un punto llamado punto epipolar K, que es la intersección de la recta
que pasa a través de los dos centros de proyección (eje epipolar) con el plano de la fotografía.

Si elegimos un punto imagen p’ en la fotografía izquierda, este punto y el punto epipolar K1

definen el rayo epipolar p´K 1 el cual corta en un punto D a la recta intersección de los planos
prolongados de las imágenes izquierda y derecha. Uniendo este punto D con el punto epipolar
de la imagen derecha K2, la recta DK1 será el rayo epipolar de la imagen derecha y dará el
lugar geométrico del punto imagen p”.

Se denomina imagen normalizada (Fig. 6) a aquella imagen construida con geometría

epipolar en el espacio objeto, frente al concepto de imagen real que será aquella tomada en el
momento de la exposición. La imagen que es paralela al plano XY del espacio objeto recibe el
nombre de imagen verdaderamente vertical (imagen ideal). En una imagen normalizada las
líneas epipolares son paralelas y los puntos epipolares se encuentran en el infinito.

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________10
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

Muchos algoritmos de correlación utilizan imágenes normalizadas o epipolares. En el caso de

usarse imágenes normalizadas el problema de la correlación se reduce al caso de una sola
dimensión, estrategia que reduce considerablemente la complejidad de los algoritmos. En un
modelo de imágenes normalizadas solamente existen paralajes horizontales, las paralajes
verticales se han eliminado durante el proceso de orientación y por tanto la correlación es
unidimensional, al tener todos los puntos homólogos igual valor para la ordenada.

Figura 5. Geometría epipolar.

En la mayoría de los casos, los dos ejes de toma de las fotografías no son paralelos ni
perpendiculares a la base aérea (O1O2), entonces es necesario la transformación de las imágenes
a una posición en las que las líneas epipolares homólogas sean paralelas al eje abscisas del
sistema de coordenadas imagen, es decir, que tengan la misma coordenada y. Las imágenes
normalizadas deben ser paralelas a la base aérea y deben tener la misma distancia principal.

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________11
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

Figura 6. Imagen original e imagen normalizada.

En la figura 7 se presenta un par estereoscópico con geometría epipolar siendo O1 y O2 sus
centros de proyección. El plano epipolar es definido por los dos centros de proyección y el
punto objeto P. Las líneas epipolares e´ y e" se definen de la intersección del plano epipolar y
los planos de las imágenes.

Figura 7. Geometría epipolar (Imagen Normalizada).

Generación de imágenes normalizadas

Para generar una imagen normalizada a partir de una original se va a partir del hecho de que
se ha llevado a cabo una orientación relativa por rotaciones (Fig. 5), donde (x’, y´) (x”, y”) son
las coordenadas de las imágenes originales (u’, v’) (u”, v”) las coordenadas de las imágenes
normalizadas. La distancia principal en las imágenes normalizadas es c´. El origen de
coordenadas local esta en el centro de proyección izquierdo (O1) y el eje de las X pasa a través
del centro de proyección (O2). El eje Z es perpendicular a la primera imagen normalizada. El eje
Y es perpendicular al plano XZ.

La relación matemática entre las coordenadas imagen (x’, y´) de una de las imágenes
originales y las coordenadas de la imagen normalizada (u’, v’) pueden expresarse por las

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________12
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

ecuaciones de colinealidad, de la forma siguiente:

La expresión que relaciona las coordenadas de la imagen normalizada con la original viene
dada por:

También pueden utilizarse las ecuaciones de la transformación bidimensional proyectiva para

poder pasar de imagen original a imagen normalizada y viceversa.

Se ha introducido en la imagen normalizada una distancia principal c´ mayor que la distancia

principal c de la imagen original para que no existan pérdidas de ningún píxel de la imagen
original. Se asume que el tamaño del píxel es el mismo en ambas imágenes (original y
normalizada). Una vez que se han obtenido las coordenadas (u´, v´) en la imagen normalizada,
pueden aplicarse las ecuaciones anteriormente vistas para encontrar la correspondiente posición
en la imagen original.

Una vez aplicada la transformación geométrica, hay que determinar el nivel de gris que le
corresponde a cada píxel, debido a que la posición proyectada no debe coincidir con la posición
original del mismo ni con su valor entero. Al realizar la transformación espacial se tiene que los
valores de las coordenadas de la imagen normalizadas están en el sistema imagen, es decir, son
valores reales y no valores enteros como corresponden a la posición de en una imagen digital
(fila y columna), de forma que habrá puntos que no quedarán definido por sus niveles digitales
(fig. 8). Por tanto, es necesario interpolar el valor de gris; a esta operación se le conoce con el
nombre de remuestreo (resampling).

Figura 8. Remuestreo de imágenes.

Por medio de este método (remuestreo) hacemos varios muestreos sobre la imagen inicial.
Cada vez que se efectúan cambios geométricos en la imagen digital, surgen varios errores de

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________13
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

forma inevitable.

Los tres métodos de remuestreo más frecuentemente usados son:

1Vecino mas próximo

2Interpolación bilineal
3Convolución bicúbica

Método del vecino o píxel más cercano

Este método se llama así por situar en cada cuadrado de la malla de la imagen el valor de gris
del píxel más cercano en la imagen original. Esta es la solución mas rápida y su principal
inconveniente está en la distorsión que introduce en rasgos lineales de la imagen como
carreteras, caminos, ....etc.

Siendo P el punto más cercano, entonces las coordenadas son:

xP = Int ( x + 0.5)
yP = Int ( y + 0.5)

siendo Int la expresión reducida de Integer, significa un número entero.

Figura 8. Remuestreo por medio del vecino más próximo.

Método de Interpolación bilineal

Este método supone promediar los niveles de gris de los cuatro píxeles más próximos de la
imagen original. Este promedio se pondera según la distancia del píxel original al corregido;
teniendo mayor influencia los píxeles más cercanos de la imagen original. Reduce el efecto de
distorsión en los rasgos lineales, pero tiende a difuminar un tanto los contrastes espaciales de la
imagen original.

Método de convolución bicúbica

Considera los niveles de gris de los 16 píxeles más próximos. El efecto visual es más
correcto que los anteriores pero supone un volumen de cálculo mucho mayor.

De los tres métodos de remuestreo mencionados, el método del vecino más próximo es el
más simple. Se distingue por su rápida ejecución en cuanto a cálculo se refiere, pero
geométricamente hablando es el menos adecuado, con una precisión de ±0.5 píxel. Los otros
dos métodos restantes tienen una mayor precisión geométrica pero se requiere mayor trabajo en

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________14
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

el cálculo. El método de convolución cúbica es el que absorbe mayor tiempo. En casos

generales, el más utilizado es el método de interpolación bilineal. La elección del método más
idóneo dependerá de la finalidad del proceso y de los recursos disponibles. El más preciso de
todos es el método de la convolución que tiene un 0,3 % de error de interpolación. La
interpolación bilineal tiene un valor de error del 3,7 % y el procedimiento del vecino más
próximo del 15,7 % .

8.5. Correlación y segmentación

Se ha visto en apartados anteriores la importancia de la correlación en fotogrametría. Esta

nos permitirá detectar automáticamente puntos en fotografías. Desde la simple localización de
una marca fiducial hasta extraer las coordenadas tridimensionales de un punto en estereoscopía.
Sin embargo, se ha comprobado como debido al ruido, a zonas con bajo contraste, .....etc., esta
determinación no era perfecta o como los valores obtenidos en correlación, aún subpíxel, no
daban resultados exactos.

En segmentación se vio como se pueden detectar bordes o como definir umbrales y de esta
forma encontrar objetos o zonas con valores de grises uniformes y por tanto homogéneos.
Comprobamos como, debido a la complejidad de la radiometría, no existe un único método o
técnica y como suele ser una combinación de éstos la mejor solución.

En fotogrametría digital, la correlación se puede mejorar y en algunos casos de forma

importante realizando a las imágenes técnicas de segmentación (una umbralización previa a la
detección de una marca fiducial convertirá los niveles de grises en negro o blanco, quedando la
marca fiducial completamente nítida para ser localizada por el patrón, el cual también responde
a dos niveles de grises). Estas permiten eliminar ruidos o resaltar formas y con ello la
correlación puede llegar a obtener valores muy altos. Si además tenemos en cuenta que estos
procesos automáticos pueden recoger mayor número de puntos o datos (en el caso de la
orientación relativa se llega a 160 puntos en lugar de los 6 de Von Grubber), y siempre se
podrán eliminar los peores sin problema de acabar teniendo escasez de puntos.

El punto menos claro de estas combinaciones segmentación-correlación es decidir que

proceso es el más correcto y como ocurre con los diversos tipos de detección de bordes, dentro
de los más correctos siempre hay alguno que destaca en un tipo de operaciones y no en todas.
Esto nos lleva a tener que desarrollar una serie de estrategias donde, de acuerdo a pruebas
iniciales hagamos a los procesos capaces de tomar decisiones y elegir métodos según las tareas
o cálculos a desarrollar.

Así pues, será necesario definir toda la lógica de operación capaz de seleccionar los datos
correctos y obtener con ellos los mejores resultados. Teniendo en cuenta que una de nuestras
necesidades es obtener la mayor precisión y el menor error posible para sacar el mejor partido a
un vuelo o fotografías, estas técnicas serán esenciales para llegar a ese fin.

Retornando a la anterior explicación de técnicas mixtas segmentación-correlación y

habiendo visto la geometría epipolar, es necesario ampliar estas técnicas, implantando a las
ecuaciones condiciones geométricas de geometría epipolar u otras. Así aunque se detecte
mediante segmentación y correlación un punto, podremos utilizar estas condiciones para dar
peso, aceptar o incluso eliminar dicha detección si no cumple las ecuaciones.

Estas condiciones permiten ampliar la precisión e incluso nos ayudarán a tomar las
decisiones que vamos a necesitar desde el punto de vista informático al enriquecer las
ecuaciones y también nos permitirán emplear el cálculo de mínimos cuadrados para mejorar los
resultados.

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________15
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

Por tanto, serán necesarios tener en cuenta aquellos factores que intervienen tanto en la
definición de la imagen como en la formación del modelo tridimensional, y a modo de ejemplo
se apuntan aquellos que tienen una mayor incidencia:

1Textura: fotografías aéreas de texturas muy uniformes, exigen en la gran mayoría de los
casos, una preseñalización de los puntos de apoyo o un marcado por transferidores
estereoscópicos de estos puntos sobre los fotogramas y previo a las operaciones de
escáner. Dentro de ciertos límites, la textura puede alcanzar una mayor entidad según la
sensibilidad de la película. Emulsiones infrarrojas blanco y negro darán una mejor
definición en los bordes de la red de drenaje, diferenciación de especies de arbóreas, etc.
Emulsiones en color permiten un resalte y mayor facilidad de interpretar características
del terreno. La ventaja del color en fotogrametría digital, además de las características
enunciadas, estriba en la posibilidad de aplicar algoritmos simples de segmentación muy
usados en el análisis multiespectral de sensores remotos. Una desventaja del color es el
problema de la calibración dado que las imágenes se obtienen por digitalización en
escáner así como el almacenamiento de las estas.
2Modelo estereoscópico: el modelo estereoscópico permite la interpretación bajo dos
puntos de vistas diferentes y mediante la información tridimensional dar una correcta
solución al problema.

8.6. Técnicas manuales, semiautomáticas y automáticas de orientación

La fotogrametría digital busca la automatización de los procesos fotogramétricos y las

orientaciones como primera operación dentro de la fotogrametría y por la obligatoriedad de
realizarlas siempre es uno de los procesos que más se beneficiaría de esta automatización.

Sin embargo, se incluyen dentro de los sistemas fotogramétricos, equipos que no contemplan
ningún proceso automático. Su desarrollo se realiza igual que en fotogrametría analítica, pero
cambiando el restituidor por el ordenador. Desde este punto de vista las orientaciones en estos
sistemas son completamente manuales. Existen ayudas en la posición dentro de las imágenes,
pero no automatismo.
Los otros sistemas cuentan con la correlación como procedimiento de cálculo. Pero hay que
distinguir claramente dos posibilidades dentro de estos sistemas mirando solo los procesos de
orientación. Cuando la correlación es un apoyo o cuando la correlación supone la
automatización del proceso. La diferencia es muy importante, la segunda posibilidad consigue
que, por decirlo fácilmente, la orientación se realice sola, mientras que la primera posibilidad
hace que sea el operador el que realice las orientaciones y que solamente en la materialización
del punto sobre el terreno se considere la correlación, la eliminación de la paralaje en cada
punto es automática. Podemos hablar de procesos semiautomáticos.

Dentro de los casos de procesos automáticos, se verá en el próximo apartado que no se puede
hablar de automatización completa, ya que la orientación absoluta no es totalmente automática.
Sin embargo, la orientación interna es completamente automática hasta, el punto que existen
sistemas de escáner que realizan la orientación interna a la vez que escanean las fotografías, por
lo cual el operador se olvida completamente de la orientación interna. Respecto a la orientación
relativa se puede hablar también de ella como un proceso automático, exige un tiempo de
cálculo dependiendo de la resolución de las fotografías y de la capacidad de proceso del
ordenador que puede llegar a ser importante y que en ordenadores bastante potentes queda
reducido a 1 ó 2 minutos por par estereoscópico. Un aspecto importante y causante de este
tiempo es el elevado número de puntos conjugados que es necesario utilizar para llegar a
orientar el modelo como se verá en el proceso explicado más adelante.

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________16
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

8.7. Orientación automática

A continuación se estudiarán cada una de las fases del proceso de orientación (interna y
externa) desde un punto de vista de la automatización de cada una de ellas.

8.7.1. Orientación Interna

Existen en una fotografía métrica aérea ocho posibilidades dentro de las zonas donde se
encuentran las marcas fiduciales. Las cámaras convencionales tienen cuatro marcas fiduciales
diametralmente dispuestas, aunque existen cámaras que disponen de las ocho marcas. Nuestro
planteamiento se basa en la localización de estas marcas, en su medición y en el conocimiento
de la focal de la cámara.

Por la disposición de las marcas fiduciales también existirá una rotación de 90º en el caso de
que existiera una mala posición de la fotografía en el momento del escaneo, teniendo en cuenta
que dentro de la misma pasada, las fotografías están dispuestas en la misma dirección. Por tanto
existe la posibilidad de necesitar una rotación previa a la orientación interna para corregir este
error (Fig. 7).

Figura 7. Fotografía métrica con ocho marcas fiduciales.

Como las marcas fiduciales son objetos bidimensionales con una geometría y radiometría
particular y que no difieren en rotación más de 10º. La correlación es la opción más válida para
la medición de las marcas. Si tenemos en cuenta la homogeneidad tanto en la forma como en la
radiometría de estas marcas, la correlación presenta en esta detección una aceptación máxima en
la medición. Si a este aspecto añadimos técnicas de segmentación por binarización se consigue
una correlación muy eficiente.

Figura 8. Aspecto de diversas marcas fiduciales según tipos de cámaras.

El proceso de cálculo tiene las siguientes etapas:

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________17
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

1Reconocimiento del patrón, mediante la identificación del tipo de marca fiducial que
contenga la fotografía.
2
3Tratamiento de imágenes piramidales. El uso de imágenes piramidales, ayudará a una
rápida localización de la zona en que se encuentra la marca fiducial.

4Localización robusta marcas. Esta etapa incluye el reconocimiento de positivo/negativo

de la fotografía digital mediante el cálculo de la media de los niveles de grises de la
imagen.
5
6El proceso de localización comprende:
7
8• Definición del espacio de búsqueda. Utilizando las imágenes piramidales para una
localización más rápida de las marcas fiduciales
9• Binarización. Este paso comprende la segmentación de la imagen de búsqueda.
10• Correlación binaria. La correlación es en niveles de grises, las imágenes difieren en
geometría por una traslación T(u,v) y en radiometría por una transformación lineal en
brillo y contraste. Además de funcionar sólo con imágenes binarias, también habrá que
tener en cuenta la única posibilidad de medir blanco o negro. Usando una correlación
binaria para localizar una marca fiducial, el patrón se traslada por T(u,v).
11• Test de consistencia. El resultado de las localizaciones individuales en cada nivel
piramidal es chequeada usando un criterio para detectar afloramientos. Se hará una
búsqueda de la mejor solución que se define por una transformación tomando los
errores remanentes más pequeños.
12• Autodiagnóstico. Es necesario para un sistema automático poderse autodiagnosticar.
Será necesario realizar este tipo de operaciones para detectar errores ocultos o
sistemáticos. Analizando la precisión y sensibilidad de las mediciones se podrán
realizar métodos de autodiagnóstico.
13
14Estimación de los parámetros de transformación 2-D afín. Una vez realizadas las
mediciones de las marcas fiduciales se realizarán los cálculos de la transformación y
después se obtendrán los parámetros que permiten pasar al sistema de coordenadas
imagen.
15Autodiagnóstico. Otro autodiagnóstico llevará a poder realizar comprobaciones finales
de precisión y sensibilidad de los resultados.

8.7.2. Orientación relativa

Para la realización de esta fase de orientación es necesario disponer de los siguientes datos:

1Los parámetros de orientación interna de la cámara.

2Las relaciones entre los sistemas de coordenadas de imagen y píxel.
3El orden de las imágenes.

Las operaciones se inician en el nivel piramidal mayor y con el tamaño de imagen y

resolución más baja. El proceso se subdivide en dos partes, la primera corre desde el nivel
piramidal mayor hasta el llamado intermedio. La segunda llamada rastreador de puntos corre a
través de los niveles remanentes. Al criterio para definir el nivel intermedio se llega por la
óptima combinación del uso de la cantidad posible de información y del tipo de cálculo.

Durante el enfrentamiento de puntos, se determinan puntos conjugados. Para cada nivel, las
características del punto son extraídas y separadas en cada imagen usando un operador de

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________18
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

interés. Ellos son entonces enfrentados de acuerdo a un criterio de geometría y radiometría,

resultando una lista de candidatos a puntos conjugados. Esas parejas de puntos se introducen en
un robusto procedimiento de ajuste de rayos con el que se determina tanto los parámetros de
orientación relativa como las coordenadas modelo tridimensionales de los puntos conjugados.
El enfrentamiento de puntos para en un nivel intermedio y allí es donde se calculan los
parámetros de la relativa y de las coordenadas tridimensionales de los puntos.

El segundo paso o rastreador de puntos es una medición fina de las coordenadas de la

imagen de los puntos conjugados en el nivel intermedio por mínimos cuadrados a través de los
niveles piramidales. Con una ventana de búsqueda se calculan los seis parámetros afines y dos
radiométricos entre las dos ventanas y por métodos iterativos. Para cada punto enfrentado, el
coeficiente de correlación cruzada se calcula entre dos ventanas. Si el coeficiente es mayor que
el permitido, el enfrentamiento se declara correcto. El operador de interés se usa otra vez en la
ventana de referencia para encontrar un punto para transferir el siguiente nivel piramidal más
bajo. Este punto es entonces transformado a la ventana de búsqueda para encontrar los
parámetros y definir el punto. Esos dos puntos son marcados en el siguiente nivel y se repite el
cálculo de mínimos cuadrados. Al final del enfrentamiento de puntos, los puntos conjugados
correctamente enfrentados a las imágenes originales entran en un ajuste robusto para el cálculo
final de los parámetros de la orientación relativa y sus coordenadas.

El enfrentamiento de puntos tiene la ventaja de la velocidad y de no tener pérdida de

precisión. Asegura que los puntos conjugados son hechos en zonas bien definidas y en los que
se puede esperar buenas características.

8.7.3. Orientación absoluta.

En el caso de un apoyo preseñalizado, si es posible realizar la absoluta automáticamente. El

caso queda inscrito en la búsqueda de un patrón en otra imagen. En casos de urbana sería más
fácil, y existe algún trabajo al efecto, definir un patrón y ayudarse del conocimiento de su
posición para lograr una orientación absoluta automática.

El desarrollo del G.P.S. y su aplicación, en la determinación junto con el INS (Sistema

Inercial de Navegación) en la determinación de las coordenadas de los centros de perspectiva ha
llevado a mejorar y reducir la necesidad del control de campo, pero no a eliminarlo.

Sin embargo si se han desarrollado sistemas con una orientación absoluta semiautomática
consistente en definir sobre una imagen al punto de apoyo y que sea el ordenador el encargado
de localizar en el resto de las imágenes el mismo punto con el subsiguiente ahorro de tiempo.

Se dice que la orientación es semiautomática cuando interna y relativa son automáticas y la

absoluta es semiautomática o manual. También y como es lógico existen multitud de
particularidades ya que hay sistemas con procesos semiautomáticos en todas las orientaciones.

Existe por último la posibilidad de confirmar la correlación en cada punto encontrado.

Hasta aquí se ha visto orientación relativa y a continuación absoluta, es decir, la orientación en

clásica en dos pasos. En el caso de realizarse la orientación externa simultáneamente por medio
de la condición de colinealidad, orientación en un paso, ocurren los mismos problemas que en la
orientación absoluta al identificar los puntos de apoyo y al utilizar los mismos puntos para
corregir paralaje, escala y giros, sino se llega a realizar automáticamente la identificación de los
puntos no hemos orientado ninguna de las dos, mientras que de la forma tradicional estarían
realizadas la orientación interna y la relativa a falta de la absoluta.

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________19
Cátedra Fotogrametría. Prof. Ing Carlos Lizana. Dpto.: Ingeniería en Agrimensura U N S J. Año 2008_______________

8.8. Técnicas automáticas y semiautomáticas de transferencia de puntos

El caso concreto de la transferencia de puntos y proceder a marcarlos en una imagen podría

considerarse análogo a las técnicas empleadas en orientación relativa, en estos casos se
definirían de forma automática las regiones dentro de la imagen donde se quieren calcular
puntos de transferencia y mediante cálculos de correlación se obtendrían los puntos hom6logos
del modelo.

Aspecto de importancia en estos casos serán las técnicas de segmentación, sobre todo en
detección de bordes y el apoyo de condiciones geométricas ya que estos puntos una vez
transferidos se utilizarán para medirse monoscópicamente y un error en la materialización de los
puntos sobre el terreno se arrastrará posteriormente.

Bibliografía

 Ackermann, F., Digital image correlation: Performance and potential application in

Photogrammetry, Photogrammetric Record, 11(645), pp. 429-439, 1984.
 Delgado, J., Apuntes de Fotogrametría Digital, Universidad Politécnica de Jaén, 1997
 Dowman, I.J., Problems and some solutions in digital correlation for Photogrammetric
profiling. Photogrammetria, 39, pp. 155-167, 1984.
 Krauss, K., Photogrammetry, Dümmler/Bonn (1993), ISBN 3-427-78684-6.
 López-Cuervo Medina, Serafín. Apuntes de Fotogrametría Digital. Universidad Politécnica
de Madrid,(I.G.C.).
 Integraph (España) S.A. Z/I Imaging ([Link]/spain, [Link]).
 Wolf, P.R. y Dewitt, B.A., Elements of Photogrammetry with Applications in GIS,
McGraw-Hill, EEUU, 3ª edición (2000), ISBN 0-07-292454-3.
 Zhizhuo, W., Principles of Photogrammetry, Beijing, China (1990), ISBN 7-81030-00-8.

Documento elaborado en base a los “Apuntes de FOTOGRAMETRÏA II” del Prof Juan Antonio Pérez Álvarez de la
Universidad de Extremadura. España. ____________________________________________________________20