Los métodos de remuestreo de imágenes permiten modificar el tamaño de celda, o píxel, de las imágenes para generar un segundo ráster cuyos píxel sufren una variación en los valores. Algunos de los casos en los que aplicar remuestreos los puedes encontrar a la hora de distorsionar imágenes, realizar correcciones geométricas, rotarlas espacialmente durante la georeferenciación o durante el ensamblado de fragmentos de mosaicos.
Aunque existen varios métodos para remuestrear píxels, hay un grupo convencional de métodos de remuestreo de imágenes a través de sistemas de interpolación. Uno de los aspectos más importantes que tendrás que tener en cuenta a la hora de utilizar un método de interpolación u otro será el tipo de valor manejado (cualitativo o cuantitativo) ya que durante la interpolación del remuestreo, los valores podrán permanecer fijos o ser recalculados. Las formas de interpolar no serán las mismas cuando estés trabajando, por ejemplo, un mapa de altitudes que cuando estés manejando un mapa de clasificaciones de usos del suelo.
Aquí tienes algunos de los procesos de remuestreo tradicionales de un SIG y los aspectos más relevantes a advertir cuando los selecciones:
Remuestreo por interpolación por vecino más cercano
Este método de interpolación es de los más rápidos en procesado. Bajo este método se eligen aquellos píxel cuya distancia entre su centro y el punto localizado en la nueva imagen sea el menor. En otras palabras, el valor del píxel de la nueva celda será equivalente al valor más próximo en distancia respecto de la imagen inicial.
Como ventaja, los valores de celdas del nuevo ráster son valores iguales al ráster inicial, por lo que no se generan nuevos datos o valores intermedios. Al no generar valores medios o derivados de los originales, este tipo de interpolación puede ser recomendable cuando trabajamos ráster de atributos cualitativos y no cuantitativos. Por ejemplo, para capas basadas en temáticas de usos de suelo en lugar de capas vinculadas con densidades, altitudes o cualquier otro aspecto numérico.
Como desventaja, al aproximar un valor a un punto dado, pueden generarse desplazamientos de datos produciendo contrastes entre valores, duplicidad y ausencia de los mismos mostrando en ocasiones un aspecto escalonado, especialmente en representaciones de elementos lineales como carreteras o redes hidrológicas.
Remuestreo por interpolación bilineal
El valor de la nueva celda se obtiene a través de las distancias medias ponderadas de los valores de las cuatro celdas más próximas. Como resultado, se minimiza el efecto de valores escalonados (típico del método de vecino más cercano) y los valores obtenidos generan menos contrastes visuales mostrando imágenes más claras y suavizadas. El cálculo bajo este entorno de interpolación es más complejo que el vecino más próximo por lo que invierte mayor tiempo de procesado en tus imágenes.
Al modificar los valores iniciales e introducir nuevos valores, durante el remuestreo de imágenes, los valores de píxel del nuevo ráster no son iguales a los valores de la imagen original en términos cuantitativos. Deberás trabajar con mucho cuidado esta interpolación si trabajas capas temáticas que muestren variables cuantitativas absolutas para evitar obtener valores nuevos no contemplados inicialmente.
Remuestreo por interpolación bicúbica o convolución cúbica
El procedimiento es análogo a la interpolación bilineal. Sin embargo, en este caso, la media ponderada de las distancias se calcula a través de las dieciséis celdas más cercanas al valor de salida. Como cabe esperar, el proceso de análisis es más prolongado al considerar más valores de análisis.
Al igual que la interpolación bilineal, en este remuestreo de imágenes, los valores iniciales se pierden generando un ráster nuevo con valores suavizados e intermedios.
Remuestreo por interpolación por valor máximo
En este caso, el valor asignado a la nueva celda corresponderá al píxel de mayor valor asignado en la proximidad del píxel origen.
Como ocurre con la interpolación del vecino más cercano, bajo este tipo de remuestreo pueden generarse desplazamientos de datos con contrastes devalores, duplicidad y ausencia de datos con efecto escalonado.
Remuestreo por interpolación por valor mínimo
En este caso, el valor asignado a la nueva celda corresponderá al pixel de mayor valor asignado en la proximidad del píxel origen.
Como ocurre con la interpolación del vecino más cercano, bajo este tipo de remuestreo pueden generarse desplazamientos de datos con contrastes devalores, duplicidad y ausencia de datos con efecto escalonado.
