Ignacio Rodríguez Ló pez

76421170-J PDI
PROCESAMIENTO DIGITAL DE IMÁGENES :

Práctica 1: REMOTE SENSING

 Calcular una estimació n del á rea de la inundació n de Texas (en km2). Para ello debes
tener en cuenta que:

1. Las distintas bandas pueden no estar correctamente alineadas. Debes alinear las,
aunque sea de forma manual.
2. No consideres las franjas negras de las imá genes. Se deben a una avería en los
sensores del satélite.
3. Puedes usar los índices de humedad que tienes al final de este documento (NDWI,..

 Realización:

Para administrar las bandas que necesitemos, nos fijaremos en la tabla del Landsat
7 que muestro a continuació n:

a) En primer lugar represento la imagen en falso color uniendo las bandas que
indico a continuació n:

Mid IR (MIR) : banda 7

Near IR (NIR) : banda 4
Normalised Difference Water Index (NDWI) :

NDWI = (NIR - verde) ./ (NIR + verde);

Con verde = banda 2

La banda NDWI anterior, se utiliza como una medida del nivel de saturació n de
humedad que posee el suelo.
Ignacio Rodríguez Ló pez
76421170-J PDI

b) Para concatenar las bandas utilizo la siguiente expresió n:

falsoColor1 = cat( 3 , MIR , NIR , NDWI);

Con la imagen en falso color ya conformada, es necesario eliminar las líneas que
aparecen en el lado izquierdo debido al defecto del sensor del satélite. Para ello
utilizamos un bucle que busca píxeles de color negro y los sustituye como se indica
a continuació n:

c) Eliminació n de las líneas debidas al defecto satelital

for i = 1 : size(MIR , 1)
for j = 1 : size(MIR , 2)
if(MIR(i , j) == 0)
R(i , j) = 255;
G(i , j) = 255;
B(i , j) = 255;
end
end
end

El motivo de haber usado la banda 7 es porque la longitud de sus bandas es mayor

que la de la banda 4, para no quedarnos cortos.

Después de esto, volvemos a unir las bandas resultantes, una vez han sido
depuradas.

d) Se recorre la imagen resultante píxel a píxel para calcular el á rea inundada

identificando dicho tipo de píxeles mediante el siguiente algoritmo de
comprobació n:

if(R(i , j) == 255 || G(i , j) < R(i , j)+(G(i , j)*0.1))

R(i , j) = 0;
G(i , j) = 0;
B(i , j) = 0;

else

inundado = inundado + 1;

Si el píxel no es blanco debido a la correcció n de líneas del satélite, y ademá s es del

color característico del á rea inundada, se incrementa el contador de píxeles de
inundació n.
Ignacio Rodríguez Ló pez
76421170-J PDI

e) Finalmente, calculamos el á rea inundada mediante la equivalencia de

superficie píxel-terreno real, suponiendo cada píxel un á rea de 30m*30m,
que son 0.0009 metros cuadrados:

totalInundacion = ceil(inundado * 0.0009);

A continuació n muestro la imagen en falso color de ambas estaciones así como la
imagen resultante de cambiar aquellos píxeles no pertenecientes al á rea inundada,
por el color negro. También se especifica numéricamente el á rea inundada:

IMAGEN DE SEPTIEMBRE

Imagen Falso Color

Imagen Resultante

Área Inundada:

75km^2
Ignacio Rodríguez Ló pez
76421170-J PDI
IMAGEN DE AGOSTO

Imagen Falso Color

Imagen Resultante

Área Inundada:

34km^2
Ignacio Rodríguez Ló pez
76421170-J PDI

 Calcula una estimació n del á rea de la zona quemada (en km2). Esto puedes hacerlo de
distintas formas.

a) Vuelvo a unir las siguientes bandas para destacar el á rea incendiada:

Mid IR (MIR) : banda 7

Mid IR (MIR) : banda 5
Near IR (NIR) : banda 5

b) Para concatenar las bandas utilizo la siguiente expresió n:

falsoColor = cat(3, MIR7 , MIR5 , NIR);

c) Se recorre la imagen resultante píxel a píxel para calcular el á rea

incendiada. Se ha impuesto como condició n para estos pixeles a las bandas
RGB de la imagen en falso color que, el valor de la banda “roja” debía ser
mayor que el de las otras dos bandas; es má s, para el caso de la banda
“verde”, le sumamos una pequeñ a cantidad, para eliminar pixeles suelos
que podía cumplir también la condició n como era el caso del humo.

if( R(j , i) >= B(j , i) && R(j , i) >= G(j , i)+25)

R(j , i) = 255;
G(j , i) = 255;
B(j , i) = 255;

incendiado = incendiado + 1;

else
R(j , i) = 0;
G(j , i) = 0;
B(j , i) = 0;

end

d) Finalmente, calculamos el á rea incendiada del mismo modo que en el

apartado anterior:

totalIncendio = ceil(incendiado * 0.0009);

Ignacio Rodríguez Ló pez
76421170-J PDI

Las siguientes imá genes son las resultantes de la simulació n del archivo
IncendioArizona.m:

 En la imagen
de Adra,
haz uso de la
Imagen Falso Color banda

Imagen Resultante

Área Incendiada:

303km^2

pancromá tica (alta resolució n) para producir una imagen en color (RGB) de alta
Ignacio Rodríguez Ló pez
76421170-J PDI

resolució n (el doble de resolució n que las bandas visibles R, G, B). Puedes aplicar algú n
algoritmo que mejore el color del resultado para darle má s viveza o colorido.

a) Concatenamos la imagen a color RGB

imRGB = cat(3 , rojo , verde , azul);

b) Posteriormente hay que equiparar la imagen al tamañ o de la imagen pancromá tica

im = imresize(imRGB , [512 512] , 'bicubic');

c) Pasamos la imagen anterior al modelo de color HSV para acceder a pará metros de
Tono, Saturació n y Brillo

imHSV = rgb2hsv(im);

a. Diferenciamos el Tono, la Saturació n y el Brillo

T = imHSV(: , : , 1);
S = imHSV(: , : , 2);
B = imHSV(: , : , 3);

b. Convertimos la banda pancromá tica a double

PANC = double(pancromatica);

c. Dividimos entre el valor má ximo para normalizar

PANC_NORM = PANC ./ max(max(PANC));

d) Reemplazamos el brillo original por la banda pancromá tica inicial

ImNew = cat(3 , T , S ,PANC_NORM );

e) Volvemos a convertir al formato de color rojo, verde y azul RGB

ImAltaResolucion = hsv2rgb(ImNew);

Los resultados obtenidos se muestran a continuació n, pudiéndose comprobar el

salto de calidad de resolució n que se ha conseguido en la imagen resultante
mediante la transformació n inversa de componentes HSI a RGB.
Ignacio Rodríguez Ló pez
76421170-J PDI

Imagen Original

Imagen Resultante