6.1.

AJUSTE DE CONTRASTE

43

Figura 6.2: Ejemplo de ajuste de contraste (componente azul)

que a continuacin se exponen. Con ellas se obtiene el nivel de gris (NG) que se representar en el monitor en funcin del ND representado. La gura 6.2 muestra un ejemplo de este tipo de ajuste con la imagen correspondiente a la banda azul de la imagen de ejempo anterior. 1. Expansin lineal N Gi = 255 N Di N Dmin N Dmax N Dmin (6.1)

El subndice i hace referencia a cada una de las celdillas de la imagen 2. Expansin lineal restringida, los valores de N Dmax y N Dmin los decide el usuario en lugar de corresponder a los valores reales de la imagen. De esta forma: si N Dmax > N Di > N Dmin si N Dmax < N Di si N Dmin > N Di
min N Gi = 255 NN Di N DDmin Dmax N

N Gi = 255 N Gi = 0

3. Ecualizacin del histograma. Tiene en cuenta, n slo los valores de ND, sino tambin su frecuencia de manera que aquellos valores de ND ms frecuentes resultarn ms ajustados que los menos frecuentes. Para ello debe calcularse para cada nivel de gris i el valor: 256
N Di j=0

N Gi =

nj

(6.2)

44

TEMA 6. VISUALIZACIN DE IMGENES Donde nj es el nmero de celdillas con valor j y N el nmero total de pixeles 4. Ajuste gaussiano. Supone el ajuste del histograma observado al histograma que aparecera si la distribucin fuera gaussiana, es decir si:

1 (N Di N D )2 f (N Di ) = exp( ) 2 2N D 2
N Di

(6.3) (6.4)

N Gi = 255
j=0

f (j)

donde f (N Di ) es la frecuencia de un determinado nivel digital, N D es la media de los niveles digitales y N D la desviacin tpica.

6.2

Uso del pseudocolor

Tradicionalmente las imgenes de satlite, al menos cuando se representa una sola banda, se visualizan con niveles de gris. Diversos estudios evidencias que el ojo humana tiene menos capacidad para distinguir niveles de gris que para distinguir diferentes colores. Por ello puede representarse una banda con colores en lugar de con niveles de gris asignando a cada ND 3 valores (intensidad en el rojo, verde y azul) en una paleta e colores (ver guras 6.6 y 6.7).

6.3

Composicin de color

Puesto que los monitores y tarjetas de video disponen de 3 canales de color (rojo, verde y azul) podemos utilizarlos para pintar tres bandas diferentes de una imagen de satlite y obtener as una composicin en color. La ms obvia seria simular el color real, asumiendo que estamos trabajando con Landsat: b1 -> B b2 -> G b3 -> R los resultados aparecen en las guras 6.8 y 6.9. Puedes observar que los resultados son diferentes si las bandas originales son lineales o ecualizadas. Esto es as por que los mdulos que hacen la composicin utilizan las paletas de las tres bandas para crear una paleta conjunta. La composicin en color real ecualizada permite ya identicar en la imagen muchos ms elementos que los que podan distinguirse en las bandas sin tratar, pero como se dispone de ms bandas, nada impide utilizarlas para generar otras composiciones que suelen denominarse de falso color. Estas composiciones servirn para resaltar los elementos que mayor reectividad presentan en las bandas utilizadas, adems de obtener visualizaciones

6.3. COMPOSICIN DE COLOR

45

Figura 6.3: Banda 1 con paleta de colores lineal

46

TEMA 6. VISUALIZACIN DE IMGENES

Figura 6.4: Banda 1 con paleta de colores ecualizada

6.3. COMPOSICIN DE COLOR

47

Figura 6.5: Banda 1 con paleta de colores gaussiana

48

TEMA 6. VISUALIZACIN DE IMGENES

Figura 6.6: Ejemplo de reglas para generar pseudocolor

ms o menos estticas. Por ejemplo, si se pasa la banda 4 de landsat (con alta reectividad por parte de la vegetacin) por el canal verde, la vegetacin se ver mucho ms claramente que si se utiliza la banda 2 (gura 6.10). Otra composicin habitual que utiliza el infrarrojo para resaltar la vegetacin consiste en pasar la banda 4 por el rojo, la 2 por el verde y la 1 por el azul (gura 6.11). En general, se trata de aprovechar que podemos visualizar tres canales a la vez para introducir las tres bandas que ms nos van a ayudar a discriminar visualmente los elementos que nos interesan. Puede obtenerse un ndice del grado de informacin que presenta una composicin de color en comparacin con otras:

I=

3 k=1 sk 3 j=1 |rj |

(6.5)

donde sk es la desviacin tpica de cada una de las 3 bandas que intervienen en la composicin y rj el coeciente de correlacin de cada uno de los 3 pares de bandas. Cuanto ms alto sea el ndice mayor ser el contenido informativo de la composicin. Clculando este ndice para diferentes combinaciones de color, podremos seleccionar cual es la combinacin ptima, es decir la que ms informacin aporta (tabla 6.1). Como puede verse la mejor combinacin es la de las bandas 3, 4 y 5; esta composicin aparece en la gura 6.12.

6.3. COMPOSICIN DE COLOR

49

Figura 6.7: Aplicacin de las reglas de la gura 6.6

50

TEMA 6. VISUALIZACIN DE IMGENES

Figura 6.8: Composicin en color real con histogramas lineales

6.3. COMPOSICIN DE COLOR

51

Figura 6.9: Composicin en color real con histogramas ecualizados

52

TEMA 6. VISUALIZACIN DE IMGENES

Figura 6.10: Composicin en falso color R=>b3 G=>b4 B=>b1

6.3. COMPOSICIN DE COLOR

53

Figura 6.11: Composicin en falso color R=>b4 G=>b2 B=>b1

54

TEMA 6. VISUALIZACIN DE IMGENES

Combinacin 345 457 357 347 245 235 257 157 145 135 247 237 234 147 137 134 125 127 124 123

I 29.2674 28.5401 28.5401 27.5535 26.4488 26.4488 25.7638 25.0305 25.7081 25.7081 24.7855 24.7855 23.9907 23.925 23.925 23.1386 22.2178 20.5181 19.9118 19.9118

Tabla 6.1: Resultados del ndice de grado de informacin para diferentes combinaciones

6.3. COMPOSICIN DE COLOR

55

Figura 6.12: Composicin en falso color R=>b3 G=>b4 B=>51

56

TEMA 6. VISUALIZACIN DE IMGENES

6.4

Con GRASS

GRASS introduce diversos mdulos para modicar la paleta de color y obtener composiciones de color.

6.4.1

Mscaras

Algunas de las operaciones que se han visto en este tema, implican el clculo de estadsticos a partir de los niveles digitales de toda la imagen. En estos casos hay que tener precaucin ya que si la imagen tiene grandes zonas sin informacin relevante (zonas en negro sin datos, zonas de alta nubosidad, supercies marinas) estas pueden tener un peso excesivo y falsear los resultados en las zonas de inters. Por ello es conveniente generar mscaras sencillas para realizar los clculos. Basta con ejecutar r.digit para obtener una capa raster con el polgono sobre el que se va a hacer el anlisis y posteriormente ejecutar: r.mapcalc MASK=mascara done mascara es la capa generada con r.digit.

6.4.2

Modicacin de las paletas de color

En GRASS podemos modicar paletas de color con el mdulo r.colors que permite asignar una paleta de color preestablecida. En teledeteccin podemos utilizar las paletas grey que aplica directamente N Gi = N Di o grey.eq que hace una ecualizacin del histograma. Otras paletas como gyr, ryg, byr, etc. aplican transformaciones en pseudocolor. La opcin rules de r.colors permite denir la paleta de color mediante un chero de texto. El formato de estos cheros es: ND rojo verde azul ND rojo verde azul .. .. .. .. .. .. .. .. ND rojo verde azul end donde ND es cada uno de los niveles digitales de la imagen y rojo, verde y azul las intensidades correspondientes en estos tres colores. Otra posibilidad es utilizar algn lenguaje de programacin para generar automticamente paletas de color con las caractersticas que queramos. Por ejemplo las siguientes funciones de R crearn cheros de paletas de color a partir de algunos de los estadsticos de la imagen:

6.4. CON GRASS

paleta_lineal=function(min,max,fic){ nd=c();ng=c() for (i in 1:256){ nd[i]=i-1 if ((nd[i]-min)<0){ng[i]=0} else{ng[i]=as.integer(255*(nd[i]-min)/(max-min))} } write.table(data.frame(nd,ng,ng,ng),fic,row.names=F,col.names=F,sep=" ") } paleta_gaussiana=function(media,std,fic){ nd=c();ng=c() for (i in 1:256){ nd[i]=i-1 ng[i]=as.integer(256*pnorm(nd[i],media,std)) } write.table(data.frame(nd,ng,ng,ng),fic,row.names=F,col.names=F,sep=" ") } paleta_pseudocolor=function(d,r,g,b,fic){ write.table(data.frame(d,r,g,b),fic,row.names=F,col.names=F,sep=" ") }

57

El parmetro c de las funciones hace referencia al chero de texto que contendr la paleta de colores (por tanto debes pasrselo a la funcin entrecomillado) y que posteriormente se cargar con r.colors en el parmetro rules. Estas funciones estn disponibles en el chero /disco2/datos/cheros/funciones.R que puedes cargar desde R con la orden: source("/disco2/datos/ficheros/funciones.R"}

6.4.3

i.oif

El mdulo i.oif permite calcular el ndice de grado de informacin para las diversas bandas de landsat TM: i.oif image1=b1 image2=b2 image3=b3 image4=b4 image5=b5 image7=b7

6.4.4

Composiciones de color: r.composite

El mdulo r.composite genera composiciones de color a partir de tres bandas que se pasan por los canales rojo, verde y azul. Por ejemplo:

58

TEMA 6. VISUALIZACIN DE IMGENES

r.composite red=banda_3 green=banda_2 blue=banda_1 output=composicion Existe una alternativa que es utilizar d.rgb para visualizar la composicin de color sin crear un mapa resultado: d.rgb red=banda_3 green=banda_2 blue=banda_1

6.5

Ejercicios

1. Modica la asignacin de niveles de gris a niveles digitales utilizando diferentes criterios (recuerda la necesidad de hacer mscaras para evitar las zonas que puedan introducir ruido). 2. Determina cual es la composicin de color que mayor informacin suministra. 3. Prueba dicha composicin con diferentes reglas de paleta de color (ejercicio 1) y selecciona la que mejor resultados da. 4. A partir de la gura 5.5 de la pgina 35, determina cual sera la composicin de color ms adecuada para distinguir las siguientes clases: Suelo desnudo Vegetacin en estado ptimo Vegetacin con problemas Supercies de agua Areas urbanas1 5. Haz dicha composicin y trata de establecer una relacin entre los colores que aparecen y las clases. 6. Compara esta composicin con la que realizasta en el ejercicio 3 y con una composicin de color real. Anota tus impresiones.

Aunque con una enorme variacin, las reas urbanas se caracterizan por una reectividad algo mayor en el visible que el resto de las supercies

Tema 7

Plataformas, sensores y canales

Se entiende por plataforma los satlites (LANDSAT, METEOSAT, NOAA, SPOT) o aviones que transportan los aparatos necesarios para captar, almacenar y transmitir imgenes a distancia (sensores). Un sensor es el aparato que rene la tecnologa necesaria para captar imgenes a distancia y que es transportado en una plataforma. Puede captar informacin para diferentes regiones del espectro y cada una de estas regiones se denomina canal o banda. Por ejemplo, landsat es una plataforma que, a lo largo de sus diferentes misnioes, ha contenido dos sensores landsat-TM y landsat-MSS, el primero de los cuales permite captar radiacin en 7 bandas (azul, verde, rojo, 3 en el infrarrojo cercano y 1 en el infrarrojo trmico y el segundo en 4 bandas (verde, rojo y 2 en el infrarrojo cercano).

7.1

Sensores

Una primera clasicacin de los sensores sera entre sensores activos (generan su propia radiacin y la reciben rebotada) y sensores pasivos (reciben radiacin emitida o reejada por la Tierra). Dentro de los sensores pasivos estn los sensores fotogrcos, ptico-electrnicos que combinan una ptica similar a la fotogrca y un sistema de deteccin electrnica (detectores de barrido y empuje), espectrmetros de imagen, y de antena (radimetros de microondas). Por lo que se reere a los sensores activos, actualmente se dispone del radar y el lidar (basado en tecnologa laser). En un sistema ptico-electrnico la radiancia recibida por los componentes pticos se descompone en varias longitudes de onda, cada una de ellas se enva a un conjunto de detectores sensibles a esa regin del espectro que la amplican y la convierten en seal elctrica y nalmente en un valor numrico conocido como Nivel Digital (ND). Estos valores numricos pueden convertirse otra vez a valores de radiancia conociendo los coecientes de calibrado. Existen dos grandes tipos de sistemas ptico-electrnicos: los radimetross de barrido y los radimetros de empuje (gura 7.1). Los radimetros de barrido son los ms habituales en teledeteccin. Disponen de un espejo mvil que oscila perpendicularmente a la direccin de la trayectoria permitiendo explorar una franja de terreno a ambos lados 59

60

TEMA 7. PLATAFORMAS, SENSORES Y CANALES

Figura 7.1: Tipos de radimetros

de esta. Cada movimiento del espejo supone que se enve informacin de una franja distinta al conjunto de sensores. Los radimetros de empuje eliminan el espejo oscilante al disponer de una cadena con un gran nmero de detectores de manera que se cubre todo el campo visual del sensor. Ello permite aumentar la resolucin espacial y reducir los errores geomtricos ya que se ha eliminado la parte mvil, y poco robusta, de los detectores de barrido. Como contrapartida resulta bastante compleja la calibracin de todos los sensores al mismo tiempo para que se comporten de forma homogenea. Estos problemas son especialmente graves en el infrarrojo. En el futuro se dispondr de sensores capaces de captar toda la imagen, como una matriz bidimensional, al mismo tiempo; de esta forma se reducirn los problemas de tipo geomtrico. Los espectrmetros de imagen constituyen una nueva generacin de instrumentos cuya misin es obtener imgenes en un gran nmero de bandas espectrales (entre 64 y 200 bandas a intervalos de 10-20 nm) obteniendo un espectro casi continuo de radiacin. Existen radimetros de barrido y empuje. Para obtener imgenes de alta resolucin espacial se utilizan espectrmetros aerotransportados como el sensor AVIRIS (Airbone Visible/InfraRed Imaging Spectrometer) con 210 bandas entre 0.4 y 2.4 y 20 metros de resolucin espacial. Los radimetros de microondas estn compuestos por una antena que acta como elemento receptor y amplicador de la seal de microondas (que es muy dbil) y un detector. En este tipo de sistemas, la resolucin espacial es inversamente proporcional al dimetro de la antena y directamente proporcional a la longitud de onda. Adems se necesitan tamaos de pixel lo sucientemente grandes para recoger una seal de radiacin lo sucientemente amplia. Por tanto la resolucin espacial es pequea y slo pueden aplicarse en estudios globales. El radar trabaja en una banda comprendida entre 1 mm y 1 m. Se basan en el principio de que las microondas articiales enviadas en una direccin determinada chocan con los objetos y son dispersadas. La energa dispersada se recibe, se amplica y se analiza para determinar la localizacin y las propiedades de los objetos. Puesto que puede medirse tambin el tiempo que tarda un pulso de radiacin en ir y volver, puede conocerse la distancia recorrida y generar as modelos digitales de elevaciones (aunque con problemas ya que quedan zonas de