CAPÍTULO 5. DISCUSIÓN
5.2. Clasificación de las imágenes
Los métodos tradicionales de clasificación no supervisada como ISODATA sufren el problema de la difícil detección de subclases, es decir este tipo de clasificadores hace muy complicada la detección de pixeles entre clases muy próximas cuyas distribuciones comparten una zona de solapamiento, en la clasificación de hábitats bentónicos en Banco Chinchorro, se pudo observar que las clases con una menor concentración de pixeles fueron enmascaradas por las de mayor cantidad. La razón podría ser que los métodos estándar como ISODATA utilizan técnicas de centros de masa móviles para la localización de las clases, estas subclases resultan indetectables.
Todo lo contrario ocurre con los CAM, debido a que presenta una base matemática sólida basada
75 en definición de las vecindades, definición de la distribución de probabilidad sobre una imagen, inferencia bayesiana, y optimización basada en recocido simulado. Gracias a este modelo, la clasificación intentó en medida de lo posible preservar las fronteras naturales de las clases en Banco Chinchorro, acercándose más a la realidad, a diferencia de ISODATA; que se observó la tendencia a alisar las transiciones entre las diferentes clases como son bordes, esto en la definición de patrones en un arrecife coralino es crucial ya que la identificación de patrones definidos no una tarea fácil. Aunado a esto la corrección por columna de agua permitió incorporar información de textura mejorando el resultado de la segmentación.
Si bien la clasificación aquí presentada fue bastante general determinando únicamente 4 clases, los resultados que se presentan demuestran que las imágenes Landsat 7-ETM+ son capaces de identificar diferentes clases en ambientes bentónicos sumergidos. Aunque la clasificación arrojó resultados óptimos visualmente, la necesidad de incorporar una validación estadística de los datos es inminente para conocer que tan exacta es la clasificación realizada con respecto a la realidad.
Mediante este tipo de estudios es posible organizar, relacionar y manejar la información proveniente de imágenes satelitales para poder plantear estrategias de conservación consensuada de los recursos naturales dentro de políticas públicas ambientales integrales para una adecuada resolución de problemas.
76
CAPÍTULO 6. CONCLUSIÓN Y RECOMENDACIONES
CONCLUSION
Al conocer la actual tendencia de degradación de hábitats marinos, se vuelve indispensable la búsqueda de nuevas metodologías aplicadas en el procesamiento de imágenes satelitales, que generen nuevas y mejores clasificaciones de alta confiabilidad y nivel de detalle adecuado para mapear estos ecosistemas. En general, los datos provenientes de sensores remotos son útiles en el mapeo de hábitats arrecifales; en este estudio se concluye que la corrección por columna de agua es un método de pre-procesamiento imprescindible en la cartografía de los ecosistemas acuáticos sumergidos. Las clasificaciones obtenidas por CAM lograron determinar las diferentes clases bentónicas presentes en Banco Chinchorro, de esta manera estos datos generan un punto de partida para planificar un monitoreo arrecifal, cuyo propósito es generar métodos científicos de conocimiento y de conciencia ambiental en la sociedad en la mitigación de la pérdida de arrecifes por efecto del actual calentamiento global y otros impactos antropogénicos y naturales.
Los arrecifes coralinos de todo el mundo están siendo amenazados por una combinación de impactos naturales y antropogénicos. Aunque los impactos naturales son intensos, existen lapsos de tiempo intermedios que pueden contribuir a mantener la biodiversidad. Por el contrario los impactos humanos, pueden parecer no tan intensos, porque en realidad no son tan perceptibles a la vista; sin embargo son crónicos, desatan una serie de efectos negativos en cadena y no le dan oportunidad a los ecosistemas de recuperarse y mantener su función y estructura características.
Es importante denotar que la trivialización del medio ambiente como un simple espacio de gestión, en donde cualquier problema ambiental se puede superar mediante políticas adecuadas, es lo que está llevando a los ecosistemas arrecifales a su pérdida irremediable. En este punto es donde se tiende a olvidar la complejidad de los sistemas arrecifales; es importante buscar la sostenibilidad ecológica como un sector más que el diseño de medidas correctivas, que con el paso del tiempo será imposible corregir. Es por esto que el conocimiento del medio ambiente debe sobrepasar meramente lo físico y biótico, involucrando además de lo social, lo económico y político como universos interactuantes en un modelo de gestión. En este proceso es
77 que la Geomática pone sobre la mesa las bases para lograr, en base al conocimiento científico, medidas para el manejo sostenible de los recursos acuáticos. La finalidad es lograr una nueva cultura en la que se construirán nuevos enfoques y nuevas estrategias de producción sostenible, sustentable y participativa.
RECOMENDACIONES
La observación de los ecosistemas bénticos sumergidos mediante sensores remotos es un método de gran importancia para monitorear su estado de salud. Es por esta razón que se busca probar nuevos métodos de corrección de columna de agua, nuevas metodologías para la clasificación de arrecifes de coral, sensores hiperespectrales, aplicar una metodología robusta para detectar los cambios a través del tiempo y con todo esto, generar un planteamiento teórico-metodológico que encauce la generación de un monitoreo arrecifal. La generación de estrategias de conservación consensuada de los recursos naturales dentro de políticas públicas integrales es básica si se desea una adecuada resolución de problemas, con esto se contribuiría a lo que Kuhn (2006), llama un cambio de paradigma aplicada a la gestión ambiental, lo que contribuirá al país en su desarrollo y a la conservación de sus ecosistemas arrecifales.
78 BIBLIOGRAFÍA
Aguilar-Perera, A. y Aguilar-Dávila, W., 1993, Banco Chinchorro: Arrecife Coralino en el Caribe, en Biodiversidad Marina y Costera de México, Salazar-Vallejo, S. I. y González, N.
E., (Eds.) Com. Nal. Biodiversidad y CIQRO, México, p. 807-816.
Aktouf, O., 2001, Administración: Entre Tradición y Renovación. Cali: Artes Gráficas del Valle, p. 336-337.
Andréfouët, S. y Riegl, B., 2004, Remote sensing: a key tool for interdisciplinary assessment of coral reef precesses, Coral reef, 23, p. 1-4.
Andréfouët, S., P. Kramer, D. Torres-Pulliza, K. Joyce, E. Hochberg, R. Garza-Perez, P. Mumby, B. Riegl, H. Yamano, W. White, M. Zubia, J. Brock, S. Phinn, A. Naseer, B. Hatcher y F.
Muller-Karger, 2003, Multi-site evaluation of IKONOS data for classification of tropical coral reef environments. Remote sensing of environment, 88, p. 128-143.
Baker, A., P. Glynn y B. Riegl, 2008, Climate change and coral reef bleaching: An ecological assessment of long-term impacts, recovery trends and future outlook. Estuarine, Coastal and Shelf Science, 80, p. 435–471.
Benfield, S., H. Guzman. J. Mair y A. Young, 2007, Mapping the distribution of coral reefs and associated sublittoral habitats in Pacific Panama: a comparison of optical satellite sensors and classification methodologies. Internatinal Journal of remote sensing, 28(22), p. 5047- 5070.
Bermúdez de Castro J., B. Márquez, A. Mateos, M. Martinón-Torres y S. Sarmiento, 2004, Hijos de un tiempo perdido: la búsqueda de nuestros orígenes. España, Ed. Crítica, 360 p.
Bongaerts, P., T. E. Ridgway, M. Sampayo, y O. Hoegh-Guldberg, 2010, Assessing the “deep reef refugia” hypothesis: focus on Caribbean reefs, Coral Reefs, Heidelberg Springer Berlin, 29(2), p. 309-327.
Brock, J., K. Yates y R. Halley, 2006, Chapter 5 Integration of coral reef ecosystem process studies and remote sensing, en Remote sensing of aquatic coastal ecosystem processes/
Richardson, L., L. LeDrew, F. Ellsworth (Eds.),The Netherlands, Springer, p.111-131.
Camarena-Luhrs, T., 2003, Ficha Informativa de los Humedales de Ramsar: Reserva de la Biosfera Banco Chinchorro. Cancún, México.
Carricart-Ganivet J.P., E. Arias-González, G. García-Gil, G. Acosta-González, A. Beltrán-Torres, J. Castro-Pérez, N. Membrillo-Venegas y J. Padilla-Saldívar, 2002, Manejo integral de Banco Chinchorro: levantamiento geográfico y caracterización geomorfológica del arrecife, con especial énfasis en las comunidades coralina e íctica. SISIERRA.
Doney, S., V. Fabry, R. Feely y J. Kleypas, 2009, Ocean Acidification: The Other CO2 Problem, The Annual Review of Marine Science 1, p. 169–92.
Edwards A, 1999, Applications of Satellite and Airborne Image Data to Coastal Management, Coastal region and small island papers 4, UNESCO, Paris, vi + 185 p.
79 Gamez, R., 2008, Biodiversidad, educación y una nueva ética ambiental. Revista posgrado y
sociedad, 8(1), p. 1-20.
Gomarasca, M. A., 2009, Basics of Geomatics. Springer, 698 p.
Goreau, T., J. Cervino, M. Goreau, R. Hayes, M. Hayes, L. Richardson, G. Smith, K. DeMeyer, I.
Nagelk, J. Garzon-Ferrara, D. Gil, G. Garrison, E. Williams, L. Bunkley-Williams, C.
Quirolo, K. Patterson, J. Porter y K. Porter, 1998, Rapid spread of diseases in Caribbean coral reefs. Rev. Biol. Trop. 46, Supl. 5, p. 157-171.
Hedley, J. D., y Mumby, P. J., 2002, Biological and remote sensing perspectives on pigmentation in coral reefs, Advances in Marine Biology, 43, p. 277-317.
Helge, J., B. Lindberg, O. Christensen, T. Lundälv, I. Svellingen, P. Mortensen y J. Alvsvag, 2005, Mapping of Lophelia reefs in Norway: experiences and survey methods, Cold-water Corals and Ecosystems, Freiwald, A., (Ed.), Springer-Verlag p.359-391.
Holden, H. y LeDrew, E., 1998, Hyperespectral identification of coral reef features. International Journal of Remote Sensing, 20(13), p. 2545-2563.
Hochberg, E., M.J. Atkinson, S. Andrefouet, 2003, Spectral reflectance of coral reef bottom types worldwide and implications for coral reef remote sensing. Remote Sensing of Environment, 85, p. 159-173.
INAH, 2009
http://dti.inah.gob.mx/index.php?option=com_content&task=view&id=164&Itemid=329 Visitado 30/09/2010
Jorgensen, P., 2008, Amenazas y esperanzas para los arrecifes de coral, Ecofronteras, p. 22-25.
Jordán, E. y Rodríguez-Martínez E, 1987, Chinchorro: morphology and composition of a Caribbean atoll. Atoll Res Bull 310, p. 1–27.
Kirk, J.T.O., 1994, Light & photosynthesis in aquatic ecosystems (2nd edition). Cambridge University Press, New York, 509 p.
Kleypas, J.A. y Langdon, C., 2006, Coral reefs and changing seawater chemistry, en Coral Reefs and Climate Change: Science and Management, J.T. Phinney, O. Hoegh-Guldberg, J.
Kleypas, W. Skirving y A. Strong (Eds.), AGU Monograph Series, Coastal and Estuarine Studies, Am. Geophys. Union, Washington DC, 61, p. 73-110.
Kleypas, J. A. y Yates, K., 2009, Coral reefs and ocean acidification, Journal of Oceanography, 22(4), p. 109-117.
Kolbert, E., 2009, ¿Sexta extinción? Política Exterior, 23(132), p. 109-120.
Krupa, S., 1999, Polución, población y plantas. Colegio de Postgraduados, México, 190 p.
Kuhn, T., 2006, La estructura de las revoluciones científicas. Fondo de cultura económica, México, 360 p.
Leff, E., 2003, La complejidad ambiental, Siglo XXI editores, México, 314 p.
Leff, E., 2008, Discursos sustentables, Siglo XXI editores, México, 272 p.
80 Lewis, J.B., 1994. Coral Reef Ecosystems, en Longhurst, A. R. (Ed.) Analysis of Marine
Ecosystems, A.A. Balkema, p. 1-232.
Lyzenga, D. R., 1981, Remote sensing of bottom reflectance and water attenuation parameters in shallow water using aircraft and Landsat data, International Journal of Remote Sensing, 2, p.
71–82.
Mannion, A., 1998, Global environmental change: the causes and consequences of disruption to biogeochemical cycles, The Geographical Journal, 164 (2), p. 168-182.
Martin, S., 2004, An introduction to ocean remote sensing. Cambridge University Press, 411 p.
Martínez, E. y Reyes, C., 2006, Cybercartography and Society, Cybercartography: Theory and Practice. Fraser Taylor (Ed.) Elsevier, p. 63-97.
Matteucci, S. D., 2006, Ecología de paisajes. ¿Qué es hoy en día? Revista Fronteras 5, p. 1-8.
Minghelli-Roman, A., L., Polidori, S., Mathieu-Blanc, L., Loubersac y F., Cauneau, 2007, Bathymetric Estimation Using MeRIS Images in Coastal Sea waters, IEEE Geoscience and Remote Sensing Letters, 4(2), p. 274-277.
Moberg, F. y Folke, C., 1999, Ecological goods and services of coral reef ecosystems, Ecological Economics, 29(2), p. 215-233.
Molina, E., 2007, Causas de los principales eventos de extinción en los últimos 66 millones de años. Rev. Real Academia de Ciencias. Zaragoza. 62, p. 37-64.
Muehllehner, N. y Edmunds, P., 2008, Effects of ocean acidification and increased temperature on skeletal growth of two scleractinian corals, Pocillopora meandrina and Porites rus.
Proceedings of the 11th International Coral Reef Symposium, Ft. Lauderdale, Florida, p. 7- 11.
Mumby, P. J., 2006, Connectivity of reef fish between mangroves and coral reefs: algorithms for the design of marine reserves at seascape scales. Biological Conservation, 128, p. 215-222.
Mumby PJ, J. D. Hedley, J. R. Chisholm, C. D. Clark y J. Jaubert, 2004, The cover of living and dead corals using airborne remote sensing. Coral Reefs, 23, p. 171-183.
Mumby, P. y A. Edwards, 2002, Mapping marine environments with IKONOS imagery:
enhanced spatial resolution does deliver greater thematic accuracy. Remote Sensing of Environment, 82, p. 248-257.
Mumby, P., J. Chisholm, J. Hedley, C. Clark y J. Jaubert, 2001, A bird’s-eye view of the health of coral reefs. Nature, 413(6852), p. 36-37.
Mumby, P. J. y A. J. Edwards, 2000, Water column correction techniques, Remote sensing handbook for tropical coastal management, Green, E., P. Mumby, A. Edwards y C. Clark, (Eds.) UNESCO, p. 41-56.
Mumby PJ, Green EP, A. J., Edwards, Clark C., 1999, The cost-effectiveness of remote sensing for tropical coastal resources assessment and management, Journal of Environmental Management, 55, p. 157-166.
81 Mumby, P. J., C. D. Clark, E. P. Green y A. J. Edwards, 1998, The practical benefits of water column correction and contextual editing for mapping coral reefs, International Journal of Remote Sensing, 19, p. 203-210.
Mumby P. J., A. J. Edwards, E. P. Green, C. W. Anderson, A. C. Ellis, C. D., Clark, 1997, A visual assessment technique for estimating seagrass standing crop, Aquatic Conservation:
marine and freshwater ecosystems, 7, p. 239-251.
Newman, C., E. LeDrew y A. Lim., 2006, Mapping of coral reef for management of marine protected areas in developing nations using remote sensing, en Richardson, L. y LeDrew, E., 2006, Remote sensing of aquatic coastal ecosystem processes. Ed. Springer, p. 251-278.
O’Neill, R., 1999, Recovery in complex ecosystems, Journal of Aquatic Ecosystem Stress and Recovery, 6, p. 181–187.
O’Neill, R.V. y Reichle, D.E., 1980. Dimensions of ecosystem theory, en Forests: Fresh Perspectives From Ecosystem Analysis, R.H. Waring (Ed.), The Fortieth Annual Biology Colloquium. Oregon State University Press, Corvallis, p. 11–26.
Oberhuber, T., 2004, Camino de la sexta gran extinción. El ecologista N°41.
Paris, C.B. y Chérubin, L.M., 2008, River-reef connectivity in the Meso-American Region. Coral Reefs, 27(4), p. 773-781.
Primack, R. y Ros, J., 2002, Introducción a la biología de la conservación. España, Ed. Ariel Ciencia. 288 p.
Primack, R., R. Rozzi, P. Feinsiger, R. Dirzo y F. Massardo, 1998, Fundamentos de conservación biológica. Fondo de cultura económica. México, 797 p.
Reforma, 2009
http://www.planetaazul.com.mx/www/2009/01/06/peligran-arrecifes-de-veracruz/
Visitado 30/10/2010
Reyes, C., 2006, Cybercartography from a Modeling Perspective, Cybercartography: Theory and Practice, D.R. Fraser Taylor, (Ed.), Amsterdam, Elsevier, p. 63-97.
Reyes, C., Taylor, F., Martínez, E., López-Caloca, F., 2006, Geo-cybernetics: A new Avenue of Research in Geomatics? Cartographica 41 (1), p. 7-20.
Richardson, L. L., 1997, Occurrence of the the black-band disease cyanobacterium on healthy corals of the Florida Keys, Bulletin of Marine Science, 61, p. 485-490.
Richardson, L. L., 1998. Coral diseases: What is really known? Trends in Ecology and Evolution, 13, p. 438-443.
Richardson, L. y LeDrew, E., 2006, Remote sensing of aquatic coastal ecosystem processes. Ed.
Springer, Netherlands, 324 p.
Rivera, J.A., M. Prada y J. Arsenault, 2006, Detecting fish aggregations from reef habitats mapped with high resolution side scan sonar imagery, Emerging technologies for reef
82 fisheries research and management NOAA Professional Paper NMFS 5 NOAA Seattle WA, (Mcd), p. 88-104.
Robinson, J., S. Andréfouët y L. Burke, 2006, Data synthesis for coastal and coral reef ecosystem management at regional and global scales, en Remote sensing of aquatic coastal ecosystem processes, Richardson, L. y LeDrew, E., (Eds.), Springer, Netherlands, 324 p.
Robinson, I., 2004, Measuring the oceans from space: Principles and methods of satellite oceanography. Springer-Praxis books in Geophysical sciences, 647 p.
Roth, S. y M. J. Black, 2009, Fields of experts, International Journal of Computer Vision, 82(2), p. 205-229.
Ruiz-Zárate, M.A., Hernández-Arana, H.A. y Jorgensen, P., 2008, Relaciones arrecifales: idilios y desventuras ecológicas. EcoFronteras, p. 34, 6-9.
Russell, B., 1967, The Impact of Science on Society, London, George Allen and Unwin Ltd.
Sheppard, C., D.J. Dixon, M. Gourlay, A. Sheppard, y R. Payet, 2005, Coral mortality increases wave energy reaching shores protected by reef flats: examples from the Seychelles, Estuarine, Coastal and Shelf Science, 64, p. 223–234.
Sobrino, J. A., A., Raissouni, N., Kerr, Y., Olioso, A., López-García, M.J., Belaid, A., E., Kharraz, M.H., Cuenca y J., Demmpere, 2000, Teledetección. Sobrino, J. A. (Ed.), Servicio de Publicaiones, Universidad de Valencia, Valencia, España, 467 p.
Soto, I., S. Andréfouët, C. Hu, F. E. Muller-Karger, C. C. Wall, J. Sheng y B. G. Hatcher, 2009, Physical connectivity in the Mesoamerican Barrier Reef System inferred from 9 years of ocean color observations, Coral Reefs, 28(2), p. 415-425.
Tress, B. y Tress, G., 2002, Disciplinary and meta-disciplinary approaches in landscape ecology, en Development and perspectives of landscape ecology, O. Bastian y U. Steinhardt, (Eds.), Kluwer Academic Press, Dordrecht, p. 25-37.
Twardowski, M. S., M. R. Lewis, A. H. Barnard y J. R. V. Zaneveld, 2005, In-water instrumentation and platforms for ocean color remote sensing applications en Remote sensing of coastal aquatic environments: Technologies, Techniques and Applications, Miller, R. L., C. E. Del Castillo y B. A. Mckee (Eds.), Springer, p. 356.
Vanderstraete T, R. Goossens y T. K. Ghabour, 2003, Bathymetric mapping of coral reefs in the Red Sea (Hurghada, Egypt) using Landsat7 ETM+ data. Belgeo, 3, p. 257-267.
Victorov, S., 1996, Regional Satellite Oceanography. Taylor&Francis, 277 p.
Vila, S. J., Varga, L.D., Llausàs, P. A. y Ribas, P. A., 2006, Conceptos y métodos fundamentales en ecología del paisaje. Doc. Anàl. Geogr. 48, p. 151-166.
Wann, D., 1996, Deep Design. Island Press. Washington D. C, EEUU, 216 p.
Wilkinson, C., 2002, Status of coral reefs of the world: 2002, Coral Reefs, 378 p.
83 Xin, Y., J. Li y Q. Cheng, 2007, Automatic Generation of Remote Sensing Image Mosaics for Mapping Large Natural Hazards Areas, en Geomatics solutions for disaster management, Li, J., Zlatanova, S. y Fabbri, A. (Eds.), Springer, 451 p.
Yang, X., M. C. J. Damen, and R. Zuidam, 1999, Use of thematic mapper imagery and a geographic information system for geomorphologic mapping in a large deltaic lowland environment, International Journal of Remote Sensing, 20(4), p. 568–591.
84 Anexo I
AML Corrección por columna de Agua /*--- /* Nombre: CorrColum.AML
/* Propósito: Implementación Correccion por columna de Agua /* Autor: Omar Tapia, Ameris Contreras
/*---
&args sensor num1abanda num2abanda coefatt b1 b2 valmin mask
&if [null %coefatt%] &then &goto usage
&if [null %sensor%] &then &goto usage
&if [null %b1%] &then &goto usage
&if [null %b2%] &then &goto usage
&if [null %num1abanda%] &then &goto usage
&if [null %num2abanda%] &then &goto usage
&if [null %valmin%] &then &goto usage
&if [null %mask%] &then &goto usage
&if ^ [exists %b1% -grid] &then
&return *** Grid %b1% not found
&if ^ [exists %mask% -grid] &then
&return *** Grid %mask% not found
85
&if ^ [exists %b2% -grid] &then
&return *** Grid %b2% not found
&if [exists iiv%sensor%%num1abanda%%num2abanda% -grid] &then Kill iiv%sensor%%num1abanda%%num2abanda% all
if (isnull(%mask%)) iivprev = ln(%b1%) - (%coefatt% * ln(%b2%))
docell
if (iivprev < 0)
iiv%sensor%%num1abanda%%num2abanda% = %valmin%
else
iiv%sensor%%num1abanda%%num2abanda% = iivprev endif
end
kill iivprev all
&type Ejecución Exitosa!!!
&label usage
&type Usage: CorColum <sensor> <num1abanda> <num2abanda> <coefatt> <b1> <b2>
&TYPE Ejemplo &r CorrColum l7 1 2 0.99430621 L720000125C1 L720000125C2 0.01 islas
&type sensor:sensor correspondiente por ejemplo en caso de landsat 7 poner L7 &type coefatt:cociente del coeficiente de atenuación de dos bandas
86 &type b1 y b2: son los grids de las bandas a procesar
&type num1abanda y num2abanda: son los números de las bandas del sensor correspondiente &type valmin: es el valor mínimo en el caso de valores negativos del indice invariente a la
profundidad (iiv), depende de la escala se puede proponer un default de 0.01 &type mask: es el grid de áreas emergidas
&return
87 Anexo II
AML Procesamiento de imágenes por Campos Aleatorios de Markov
% PROCESAMIENTO DE IMAGENES POR CAMPOS DE MARKOV
% PROYECTO FINAL
% Ing. Alejandra López Caloca
clear all
REN=780;
COL=1456;
% betas
beta1=input('Teclear el valor de beta: ');
beta=[beta1 beta1 beta1; beta1 0 beta1; beta1 beta1 beta1];
% Tempèratura inicial
Temp=input('Teclear el valor de la temperatura: ');
% Clases
clase=5; % input('Teclear el numero de clases a emplear: ');
factor=floor(256/clase);
% Numero de iteraciones
Itera=input('Teclear el numero de iteraciones: ');
%img=imread('C:\Ameris\Geoespacial\Salwcc\1986rescal.raw');
%fid = fopen('C:\Ameris\Geoespacial\Salwcc\1998\1998rescal.raw','r'); % Obtengo la imagen.
fid = fopen('C:\AMERISPRUEBAS\WCC\nuev\p23resc.raw','r'); % Obtengo la imagen.
imag=fread(fid,[REN,COL]);
fclose(fid);
figure;
%imag2=imag';
colormap(gray(256)) % Color en niveles de gris image(imag)
axis equal %iguala dimension de ejes axis off %quita ejes de coordenadas title('prueba 1');
88
% Obtencion de la imagen de clases aleatoria
inicio = UNIDRND(clase,REN,COL);
Y=inicio; % imagen aleatoria de clases inicio=inicio*factor; % imagen aleatoria
figure,colormap(gray(256)) % Color en niveles de gris image(inicio)
axis equal %iguala dimension de ejes axis off %quita ejes de coordenadas title('aleatoria 1');
Ieleccion=Y*factor;
%%%%%%%% matriz de medias m0=30;
m1=65;
m2=110;
m3=182;
m4=192;
m(1,1)=m0;
m(1,2)=m1;
m(1,3)=m2;
m(1,4)=m3;
m(1,5)=m4;
%%%%%%%%%%% Calculo de a y b for i=1:4;
A(i,1)=round(m(1,i)+[(m(1,i+1)-m(1,i))/4]);
A(i,2)=round(A(i,1)+[(m(1,i+1)-m(1,i))/2]);
end
a0=A(1,1);
b0=A(1,2);
a1=A(2,1);
b1=A(2,2);
a2=A(3,1);
b2=A(3,2);
a3=A(4,1);
89 b3=A(4,2);
W=ones(clase,256);
%%%%%%%%%%%%%%%%%%% Calculo de la matriz de energía para cada clase Wi % W0
for j=1:256 x(j,1)=j;
end
W(1,1:a0)=0;
for i=a0:b0
pend1=(1/(b0-a0));
W(1,i)=(-pend1)*(a0-i);
end
for i=2:(clase - 1);
W(i,A(i-1,2):A(i,1))=0;
for k=A(i-1,1):A(i-1,2)
pend=(-1/(A(i-1,2)-A(i-1,1)));
W(i,k)=-pend*(A(i-1,2)-k);
end
for l=A(i,1):A(i,2)
pend2=(1/(A(i,2)-A(i,1)));
W(i,l)=(-pend2)*(A(i,1)-l);
end end
W(clase,b2:256)=0;
for i=3:(clase - 1);
W(i,A(i-1,2):A(i,1))=0;
for k=A(i-1,1):A(i-1,2)
pend=(-1/(A(i-1,2)-A(i-1,1)));
W(i,k)=-pend*(A(i-1,2)-k);
end
for l=A(i,1):A(i,2)
pend3=(1/(A(i,2)-A(i,1)));
W(i,l)=(-pend3)*(A(i,1)-l);
end end
90 W(clase,b3:256)=0;
for i=a3:b3
pend6=(-1/(b3-a3));
W(clase,i)=[-pend6*(b3-i)];
end
% imagen de clases original
for r=1:REN for c=1:COL p=imag(r,c);
if p==0 p=1;
end
n1=W(1,p);
n2=W(2,p);
n3=W(3,p);
n4=W(4,p);
n5=W(5,p);
if p>=b0 if p>=b1 if p>=b2 if p>=b3 Imgclas(r,c)=5;
elseif n5>=n4 Imgclas(r,c)=4;
else
Imgclas(r,c)=5;
end
elseif n4>=n3 Imgclas(r,c)=3;
else
Imgclas(r,c)=4;
end
elseif n3>=n2 Imgclas(r,c)=2;
else
Imgclas(r,c)=3;
end
91 elseif n2>=n1
Imgclas(r,c)=1;
else
Imgclas(r,c)=2;
end end end
X=Imgclas;
Y1=Y;
for K=1:Itera K
%Barrido de la imagen for i=2:(REN-1) for j=2:(COL-1) prob_actual=0;
prob_eleccion=0;
vecindad=X(i-1:i+1,j-1:j+1); % imagen original %site=X(i,j);
%calcular la energia U(X)
actual=X(i,j); % clase actual imagen original de clases eleccion = Y(i,j); % Clase de la imagen Y imagen aleatoria
%calculo de la energia (criterio de Metropolis) igualac=(vecindad==actual);
igualel=(vecindad==eleccion);
[reac,coac,queac]=find(igualac);
[reel,coel,queel]=find(igualel);
[m1,m2]=size(queac);
for ii=1:m1
prob_actual=prob_actual-beta(reac(ii),coac(ii));
end
[m11,m22]=size(queel);
for jj=1:m11
prob_eleccion=prob_eleccion-beta(reel(jj),coel(jj));
end
%fin de calculo de energia
% Calculo de la variación de enrgía rac=actual; % clase del pixel
cac=imag(i,j); % valor del pixel en gris if cac==0
cac=1;
end