Mandando a informtica para o espao!

Mra Regina Labuto Fragoso da Silva1

1

Departamento de Informtica Universidade Federal do Esprito Santo (UFES)

Av. Fernando Ferrari, 514, Goiabeiras 29.075-910 Vitria ES Brasil
marar@npd.ufes.br

Abstract. This short course intends to answer the following questions: What is
remote sensing? What principles do rule it? What are the digital image
processing and remote sensing techniques applied to the images in order to
extract the desired information? Examples of software environment? What are
the possible applications (citing real case studies)? What is the role of
Computer Science in this context?
Resumo. Este minicurso pretende responder s perguntas: O que
sensoriamento remoto orbital? Que princpios o governam? Quais as tcnicas
de processamento de imagens digitais e sensoriamento remoto aplicadas nas
imagens obtidas a fim de extrair as informaes desejadas? Exemplos de
ambientes computacionais? Quais as aplicaes possveis (citando estudos de
caso reais)? Qual o papel da Informtica neste contexto?

1. Introduo ao Sensoriamento Remoto Orbital

A maioria de ns j foi apresentada ao sensoriamento remoto orbital (uso de imagens de
satlite) em alguma ocasio. Em um nvel mais baixo, esta experincia se deu ao se
olhar uma imagem de satlite como um quadro bonito enfeitando a capa de um livro,
revista ou Atlas. Em um nvel mais profundo, tentando compreender as imagens de
previso de tempo na TV. Quem mora em Campinas (SP) e tem uma piscina em sua
casa, provavelmente j deve ter levado um susto ao receber a visita de um vendedor de
produtos para ela, mesmo tendo a piscina escondida no fundo do quintal. Como eles
descobriram? A resposta est no cu...
1.1. Definio
O sensoriamento remoto orbital pode ser definido como um sistema por meio do qual se
obtm informaes a respeito dos recursos naturais do planeta Terra, em diversas
escalas temporais, espaciais e multiespectrais, pela utilizao de sensores colocados em
satlites ou espaonaves. uma nova tecnologia, denominada geoinformao,
envolvendo um conjunto de programas e equipamentos para auxiliar o homem em suas
observaes sobre o planeta, como por exemplo: determinao de temperatura de
superfcie, previso de safras, planejamento urbano, gesto de recursos hdricos,
monitoramento de manchas de petrleo no mar, desmatamento, monitoramento de
cardumes, etc. O processamento e anlise de imagens digitais exigiro algoritmos e
tcnicas cada vez mais especficos para a automao de etapas na classificao das
imagens e extrao de feies, uma vez que o sensor vem aumentando rapidamente seu
nvel de detalhamento.

1.2. Conceitos importantes

Ao se analisar visualmente uma imagem podem ser extrados alguns parmetros
importantes tais como:
- Tonalidade e cores: refere-se aos diferentes tons de cinza que caracterizam alvos
diferentes (ex: gua e floresta);
- Texturas: formada pelo agregamento de vrios alvos que na sua individualidade no
podem ser detectados [Moreira 2003]. Varia de lisa a rugosa (ex: floresta). Depende
da escala e resoluo;
- padro: refere-se distribuio espacial de algumas feies que podem variar de uma
regio para outra ou de um tipo de alvo para outro (ex: padro dendrtico da
drenagem dos rios);
- relaes espaciais: refere-se s formas e tamanhos associados aos diferentes alvos
[Gibson 2000] (ex: rios e culturas circulares com piv central);
- resoluo: no caso do Sensoriamento Remoto existem quatro tipos de resoluo:
espectral, temporal, radiomtrica e espacial, ligadas ao tipo de satlite e sensor
usados, a saber:

espectral: qual a faixa do espectro (comprimento de onda) est a imagem;

temporal: quo freqentemente esta rea da imagem obtida;

radiomtrica: quantos nveis de cinza so possveis;

espacial: qual a equivalncia entre a rea no solo e um pixel (ex: para o

Landsat 5, sensor TM, cada pixel representa 30x30 m2 no solo).

1.3. Aquisio de Imagens

Os dados de Sensoriamento Remoto so enviados pelo satlite e captados por estaes
terrestres localizadas em pontos estratgicos de modo que no haja perda dos dados
devido ao tamanho da rea de armazenamento (buffer) que est no satlite. Este
tamanho e a disposio das estaes terrestres so fatores limitantes quanto quantidade
mxima de informao possvel antes do satlite encontrar a prxima estao e
descarregar o contedo imageado. A Figura 1 ilustra o processo de acompanhamento e
recepo de dados de um satlite.

Figura 1: Acompanhamento e recepo de dados de um satlite.

1.4. Tipos de Satlites e rbitas

Existem cerca de 70.000 objetos orbitando a Terra entre satlites e sucatas, dos mais
diversos tipos:
- Militares: IDS (Guerra nas Estrelas);
- Telecomunicaes: GPS, Iridium, Globalsat, Odyssey, Ico, Intelsat, Intersputinik,
Brasilsat, Telecom;
- Cientficos: CERES, MOPITT, MISR, MODIS, ASTER;
- Meteorolgicos: NOAA, METEOSAT, GOES, SCD-2;
- Observao da Terra: Landsat, CBERS, SPOT, IKONOS, JERS, RADARSAT.
Quanto aos satlites especficos para explorao dos recursos naturais da Terra, seu
incio foi na dcada de 70 com o lanamento do satlite Earth1, depois denominado de
Landsat. Posteriormente surgiram outros satlites, dentre os quais os mais conhecidos
mundialmente so: SPOT (Frana-Blgica-Sucia), JERS (Japo), RADARSAT
(Canad), IRS (ndia), METEOSAT (Europa), CBERS (China-Brasil). No incio a
resoluo era de 80m x 80m em terra, porm hoje se pode chegar at 0,76m x 0,76m
(Quickbird) e a tendncia aumentar cada vez mais a resoluo espacial em terra. A
Figura 2 ilustra alguns dos satlites de recursos terrestres mais freqentemente
utilizados.

Figure 2. Alguns satlites freqentemente utilizados.

Quanto rbita, ela pode ser definida com base em diversos parmetros: raio de
inclinao, inclinao do plano, perodo de revoluo, finalidade do satlite.
De modo geral, podem ser classificadas conforme a altitude em:
- rbita baixa (polar): 700 a 1000 Km;
- rbita mdia (polar): 10.000 a 20.000 Km;

- rbita alta (polar): > 20.000 Km;

- Geoestacionria: rbita entre 35.800 e 36.000 Km.
As rbitas polares circundam os plos da Terra e a rbita geoestacionria acompanha o
movimento de rotao da Terra, sendo, portanto, em relao Terra, estacionria. A
Figura 3 ilustra os dois tipos de rbita citados.

Figure 3. rbita polar (esquerda) e rbita geoestacionria (direita).

Deve-se observar que variando-se a distncia entre o sensor e o objeto-alvo, obtm-se

diferentes informaes possveis do alvo: ou mais ou menos detalhadas denominada
resoluo espacial. Porm no existe uma resoluo espacial tima, ela dependente do
uso que se quer fazer da imagem. Assim, por exemplo, para se detectar um furaco de
nveis continentais ou uma pista de vo clandestina as resolues tm que ser diferentes.
1.5. Vantagens e Desvantagens do Sensoriamento Remoto
Na lista de vantagens e desvantagens do Sensoriamento Remoto Orbital, podem ser
citadas:
- Habilidade de obter-se vistas sinticas em tempo real;
- Pode ser usado em diversas escalas;
- Pode ser usado em diversas faixas do espectro eletromagntico (anlise
multiespectral);
- Pode visitar o mesmo lugar periodicamente (anlise multitemporal);
- Complemento das medidas in-situ;
- s vezes necessita investigao de campo;
- No capta informaes diretas abaixo da superfcie;
- No pode ser usado como medida de perfil vertical quer na terra quer no mar.

Podem ser acrescidas as seguintes vantagens ao se usar o sensor Radar:

- Produzem sua prpria radiao eletromagntica independe da luz solar;
- Podem imagear a mesma rea de diferentes direes;
- Podem penetrar nuvens e chuva em alguns comprimentos de onda.

2. Princpios do Sensoriamento Remoto Orbital

Para se compreender o princpio de funcionamento do Sensoriamento Remoto Orbital,
devem-se estudar trs fatores que o governam: a radiao eletromagntica, as
caractersticas da atmosfera e a assinatura espectral dos alvos.
2.1. Radiao eletromagntica
O sensoriamento remoto pode ser explicado analogamente leitura de um texto: existe
uma luz incidente no texto: Sol ou lmpada, uma luz refletida do texto para nossos
olhos, os sinais que chegam aos nossos olhos e so decodificados em impulsos eltricos
para o nervo ptico, e da so enviados ao crebro para serem interpretados.
No caso do Sensoriamento Remoto Orbital, utiliza-se o Sol como luz incidente no alvo
em questo (ou em alguns sensores radar, um feixe de energia prprio emitido pelo
sensor), o alvo reflete parte das ondas eletromagnticas que o atingem e o sensor do
satlite capta essa luz refletida, transformando-a em impulsos eltricos e enviando s
estaes de recepo de dados em terra, que convertero esses sinais em imagem.
A Figura 4 mostra o espectro eletromagntico. No sensoriamento remoto usamos o
ultravioleta, todo o espectro visvel, partes do infravermelho, e microondas. A figura 3
tambm destaca o espectro visvel observado por nossos olhos. O espectro visvel
abrange 0,0001% de todo o espectro e dividido nas seguintes faixas: azul, verde e
vermelho.

Figure 4. O espectro eletromagntico.

2.2. Caractersticas da atmosfera

Na atmosfera, diferentes molculas absorvem diferentes comprimentos de onda. A faixa
espectral de operao dos sensores a bordo dos satlites planejada para trabalhar nos

comprimentos de onda onde haja menor absoro atmosfrica, ou seja, que permitam a
passagem da energia refletida pelo alvo de volta at o sensor. Esses comprimentos de
onda so denominados de janelas atmosfricas. A Figura 5 mostra a absoro
atmosfrica de diversos components atmosfricos (oxignio, oznio, gs carbnico e
gua) e os comprimentos de onda onde existem janelas atmosfricas.

Figure 5. A absoro na atmosfera

2.3. Assinatura Espectral

A energia eletromagntica incidente no alvo interage de acordo com os seguintes
componentes: parte refletida pelo alvo, parte espalhada pelo alvo, parte absorvida
pelo alvo e parte transmitida pelo alvo. A quantidade devida a cada parte se deve s
caractersticas inerentes a cada alvo e define o que chamamos de assinatura espectral de
um alvo. A Figura 6 mostra a interao da radiao eletromagntica com a superfcie
terrestre.

Figure 6. Interao da radiao eletromagntica com a superfcie

A energia que o alvo reflete denomina-se reflectncia. A reflectncia de um corpo

dependente do comprimento de onda e pode ser vista e/ou medida. Por exemplo: a
grama verde, o cu azul.
A representao grfica da reflectncia em funo do comprimento de onda chamada
de Curva Espectral. Cada alvo tem uma curva espectral prpria devido s suas
caractersticas fsicas.
Os principais alvos a serem estudados so: vegetao, solo, gua, neve, rochas e traos
culturais. A Figura 7 mostra a Curva Espectral de alguns desses alvos.

Figure 7. Curva Espectral da neve, vegetao, solo e gua.

3. Exemplo de Tcnicas de Processamento de Imagens Digitais e

Sensoriamento Remoto
A contribuio da Informtica para o espao, conforme citado no ttulo deste minicurso,
refere-se aos algoritmos de processamento de imagens digitais e sensoriamento remoto
aplicados s imagens digitais geradas pelo Sensoriamento Remoto Orbital.
3.1. Imagens Digitais, Cor, Histograma
As imagens digitais provenientes dos sensores dos satlites de Sensoriamento Remoto
Orbital so compostas por uma matriz de quadrados (ou retngulos). Esses quadrados
(ou retngulos) so denominados de pixel (picture element) e cada um possui um
valor relacionado a um parmetro medido pelo sensor usado (p.ex: reflectncia,
temperatura). Esse valor denominado digital number (DN) e convertido em nveis
de cinza. A Figura 8 mostra um exemplo de matriz de pixels e seus DNs associados aos
nveis de cinza.

Figure 8. Matriz da imagem e seus DNs associados.

Cada DN levado a um dos trs canhes de eltrons dos monitores coloridos: vermelho
(R), verde (G) e azul (B) possibilitando vrias combinaes de cores.
O histograma uma das formas mais comuns de se representar a distribuio dos nveis
de cinza (DN) de uma imagem, e a mais utilizada em processamento digital de
imagens. Ele fornece a informao de quantos pixels na imagem possuem um
determinado DN, definido entre 0 (preto) e 255 (branco), para uma imagem quantificada
em 8 bits (uso de 1 byte=8 bits para armazenar o valor de cada pixel).

O histograma no apresenta nenhuma informao espacial da imagem, e sim uma

funo de probabilidade de encontrar um DN referente a um objeto qualquer da
imagem. Normalmente, tem-se no eixo x a distribuio dos DNs e no eixo y a
freqncia em que ocorrem. A Figura 9 mostra o exemplo de um histograma de uma
imagem.

Figure 9. Exemplo de um histograma. DN (Digital Number) = NC (nvel de cinza).

3.2. Modificaes de Histograma

A forma do histograma fornece informaes importantes como a intensidade mdia e
espalhamento dos valores de DN, sendo este ltimo a medida de contraste da imagem.
Quanto maior o espalhamento ao longo do eixo dos DNs, maior o contraste da imagem.
A Figura 10 ilustra esta distribuio dos DNs.

Figure 10. Exemplo de contraste de acordo com anlise de histograma.

Principais tcnicas de modificao do histograma:

- Binarizao: Aplica-se um corte na imagem em regies (vide Figura 11);

Figura 11. Exemplo de binarizao

- Expanso: Consiste em espalhar os nveis de cinza de uma imagem. Normalmente as

bandas contm uma pequena faixa dos possveis valores DN, e brumas atmosfricas
e a geometria da iluminao podem atenuar caractersticas da imagem (vide Figura
12);

Figura 12. Exemplo de expanso e seu efeito na imagem

- Equalizao: procura redistribuir os valores de DN dos pixels de modo a obter um

histograma uniforme, no qual o percentual de pixels de qualquer nvel de cinza seja
o mesmo. Utiliza-se funo de distribuio acumulada T(rk) da distribuio de
probabilidades original p(rk) (vide Figura 13).

Figura 13. Exemplo de equalizao de histograma

A Figura 14 mostra duas imagens da banda 5 do Landsat 5, a da esquerda apresenta a

banda original e da direita a imagem realada por uma modificao do histograma.

Figura 14. Exemplo de equalizao. A banda 5 do Landsat 5 mostrada

esquerda apresenta a banda original e a da direita a imagem realada.

3.3. Transformao RGB IHS e IHS RGB

Para descrever as propriedades de cor de um objeto em uma imagem, normalmente o
olho humano no distingue a proporo de azul, verde e vermelho presentes, e sim,
avalia a intensidade (I), a cor ou matiz (H) e a saturao (S).
A intensidade ou brilho a medida de energia total envolvida em todos os
comprimentos de onda, sendo portanto responsvel pela sensao de brilho dessa
energia incidente sobre o olho.
O matiz ou cor de um objeto a medida do comprimento de onda mdio da luz que se
reflete ou se emite, definindo, portanto, a cor do objeto.
A saturao ou pureza expressa o intervalo de comprimento de onda ao redor do
comprimento de onda mdio, no qual a energia refletida ou transmitida. Um alto valor
de saturao resulta em uma cor espectralmente pura, ao passo que um baixo valor
indica uma mistura de comprimentos de onda que ir produzir tons pastis (apagados).
Para realar determinadas caractersticas da imagem, portanto, pode-se realizar uma
transformao RGB para IHS ou vice-versa.
3.4. Filtragem Espacial
As tcnicas de filtragem so transformaes da imagem "pixel" a "pixel", que no
dependem apenas do nvel de cinza de um determinado "pixel", mas tambm do valor
dos nveis de cinza dos "pixels" vizinhos, na imagem original.
O processo de filtragem feito utilizando-se matrizes denominadas mscaras que so
aplicadas sobre a imagem. Exemplo: imagem original formada por uma matriz de 512
linhas por 512 colunas de valores numricos, aplica-se uma mscara matricial de 3

linhas por 3 colunas; a cada valor da matriz 3x3 da mscara corresponde um peso. Ex:
Mscara com centro na posio (2,2) conforme mostrado na Figura 15.

Figura 15. Exemplo de mscara 3x3 aplicada na posio (2,2) da imagem.

A aplicao da mscara com centro na posio (i, j), sendo i o nmero de uma dada
linha e j o nmero de uma dada coluna sobre a imagem, consiste na substituio do
valor do "pixel" na posio (i, j) por um novo valor, o qual depende dos valores dos
"pixels" vizinhos e dos pesos da mscara.
A imagem resultante da aplicao de um filtro uma nova imagem com a eliminao
das linhas e colunas iniciais e finais da imagem original.
Os filtros espaciais podem ser classificados em passa-baixa, passa-alta ou passa-banda.
Os dois primeiros so os mais utilizados em processamento de imagens. O filtro passabanda mais utilizado em processamentos especficos, principalmente para remover
rudos peridicos.
- Filtro Passa-Baixa: O efeito visual de um filtro passa-baixa o de suavizao da
imagem e a reduo do nmero de nveis de cinza da cena. As altas freqncias, que
correspondem s transies abruptas so atenuadas. A suavizao tende a minimizar
rudos e apresenta o efeito de borramento da imagem. Estes filtros so conhecidos
por filtros de mdia, pois obtm a mdia entre pontos vizinhos. A Figura 16 mostra
duas cenas do satlite Landsat 5 (banda 5), onde a da esquerda a imagem original
realada linearmente e a da direita corresponde mesma imagem, porm, resulta da
aplicao de um filtro passa-baixa , 7x7;

Figura 16. Exemplo de aplicao de filtro passa-baixa na imagem.

- Filtro Passa-Alta: A filtragem passa-alta tende a realar os detalhes, produzindo uma

"agudizao" (sharpering) da imagem, isto , as transies entre regies diferentes
tornam-se mais ntidas. Exemplos: limites de um campo de cultivo, lineamento
geolgico etc. Estes filtros podem ser usados para realar certas caractersticas
presentes na imagem, tais como bordas, linhas curvas ou manchas. O efeito
indesejado o de enfatizar um rudo, porventura existente na imagem. A Figura 17
mostra duas cenas do satlite Landsat 5 (banda 5), onde a da esquerda a imagem
original realada linearmente e a da direita coresponde mesma imagem, porm,
resulta da aplicao de um filtro passa-alta , 7x7;

Figura 17. Exemplo de aplicao de filtro passa-baixa na imagem.

- Filtros para radar: Muitos filtros espaciais tm sido desenvolvidos para a reduo do
rudo (Speckle) e para o aumento da relao sinal-rudo, objetivando uma
melhoria na separabilidade entre os alvos da superfcie, com a mnima perda de
informao. Os principais so:

Filtro de Frost: um filtro convolucional linear, derivado da

minimizao do erro mdio quadrtico sobre o modelo multiplicativo do
rudo;

Filtro de Lee: adota um modelo multiplicativo para o rudo e obedece o

critrio de "local linear minimum mean square error". Local, porque
utiliza estatsticas locais do pixel a ser filtrado, admitindo a no
estacionaridade da mdia e da varincia do sinal;

Filtro de Kuan/Nathan: adota o modelo multiplicativo. O procedimento

semelhante quele de Lee, onde a estimao ponto a ponto feita
utilizando-se o filtro de Wiener. A diferena entre eles, entretanto,
consiste no fato de que no filtro de Kuan/Nathan no se realiza nenhuma
aproximao.

A Figura 18 mostra um exemplo de imagem original e aplicao dos filtros Frost, Lee e
Kuan na imagem.

Figura 18. Exemplo de imagem original e aplicao dos filtros Frost (acima),
Lee e Kuan (embaixo) na imagem.

3.5. Composio multiespectral

A escolha das bandas espectrais um fator muito importante para a extrao de
informao nas imagens de Sensoriamento Remoto e so possveis vrias operaes
com bandas: aritmticas, rotao, razo entre bandas, reduo de dados atravs de
transformaes, classificao, mudana de sistema de cor, anlise multitemporal, etc. A
Figura 19 mostra um exemplo de composio multiespectral usando o sensor ETM do
Landsat 7, sendo a banda 3 no azul, a banda 4 no verde e a banda 5 no vermelho. Esta
composio reflete o colorido normal pois a faixa espectral das bandas usadas a
mesma da faixa das cores associadas. A Fiura 20 mostra outra composio que procura

enfatizar a vegetao atravs do uso da banda 4 no vermelho pois a clorofila responde

bem nesta combinao de bandas. Esta nova composio denominada falsa-cor.

Figura 19. Exemplo de composio multiespectral com colorido

normal.[Moreira 2003]

Figura 20. Exemplo de composio multiespectral com falsa-cor.[Moreira 2003]

4. Exemplos de Ambientes Computacionais para Processamento de Imagens

Digitais e Sensoriamento Remoto
Como a idia deste minicurso abordar a contribuio da Informtica na rea de
Sensoriamento Remoto, seguem-se alguns exemplos de ambientes computacionais com
a finalidade de tratar a imagem. Para aprofundamento dos algoritmos implementados
nestes ambientes sugere-se a leitura dos manuais dos programas citados.
4.1. Funes especficas para Processamento de Imagens Digitais
Para ilustrar as funes especficas para o processamento de imagens digitais, sugere-se
o conjunto de ferramentas do programa MATLAB denominado de Toolbox for Image
Processing listado na Tabela 1 [Marques Filho 1999]. A Figura 21 mostra a tela de
abertura do MATLAB 5.3 com o prompt (smbolo: >>) para entrada dos comandos
atravs de digitao. As rotinas que compem o Toolbox for Image Processing so
instaladas quando se instala o ncleo (core) do programa.

Figura 21. Tela do MATLAB5.3.

Tabela 1. Funes da Toolbox de Processamento de Imagens do MATLAB

Funo
bmpread
bmpwrite
gifread
gifwrite
hdfpeek
hdfread
hdfwrite
pcxread
pcxwrite
tiffread
tiffwrite
xwdread
xwdwrite
getimage
isbw
isgray

Descrio
Entrada e Sada
l arquivo BMP do disco
escreve arquivo BMP para o disco
l arquivo GIF do disco
escreve rquivo GIF para o disco
lista pares de objetos tag/ref em arquivo HDF
l dados de arquivo HDF
escreve dados para arquivo HDF
l arquivo PCX do disco
escreve arquivo PCX para o disco
l arquivo TIFF do disco
escreve arquivo TIFF para o disco
l arquivo XWD do disco
escreve arquivo XWD para o disco
Utilitrios
obtm dados da imagem a partir dos eixos
verdadeiro para imagem em preto e branco
verdadeiro para imagens em nveis de cinza

isind
brighten
cmunique
cmpermute
cmgamma
cmgamdef
dither
hsv2rgb
imadjust
imapprox
nts2rgb
rgb2gray
rgb2hsv
rgn2ntsc
rgbplot
imcrop
imresize
imrotate
truesize
imzoom
brighten
grayslice
histeq
imadjust
imapprox
imhist
impixel
improfile
interp2
imapprox
mean2
corr2
std2
bwarea
dilate
erode
edge
bweuler
bwmorph
bwperim
fsamp2
fspecial
ftrans2
fwind1
fwind2
imnoise
freqspace

verdadeiro para imagens indexadas

Operaes em cores
clareia ou escurece mapa de cores
encontra cores de mapas distintos e imagem correspondente
permuta posies de mapas de cores
correo Gamma de mapas de cores
tabela de correo Gamma pr-definida
faz dithering pelo mtodo Floyd-Steinberg
converte valores HSV para espao RGB
ajusta e amplia intensidade da imagem
aproxima imagem indexada para imagem com menor quantidade de cores
converte valores NTSC para o espao de cores RGB
converte valores RGB para cinza
converte valores RGB para o espao de cores HSV
converte valores RGB para o espao de cores NTSC
desenha componentes do mapa de cores RGB
Operaes geomtricas
recorta imagem
redimensiona imagem
gira imagem
redimensiona de modo que a imagem possua o tamanho real
ampliao e reduo de uma imagem
Realce e anlise
clareia ou escurece mapa de cores
mapeamento por densidade
equalizao de histograma
ajusta e amplia intensidade da imagem
aproxima imagem indexada para imagem com menor quantidade de cores
histograma de imagem
cor de um pixel
modelo de intensidade
interpolao bidimensional de dados
aproxima imagem indexada para imagem com menor quantidade de cores
Estatstica
mdia de uma matriz
coeficiente de correlao bidimensional
desvio padro bidimensional
Operaes morfolgicas
rea de objetos em imagem binria
dilatao (espessamento) de imagem binria
eroso (afinamento) de imagem binria
extrao de bordas
nmero de Euler
operadores morfolgicos
permetro de objetos em imagem binria
Filtros
projeto de filtros FIR 2-D atravs de amostragem de freqncia
filtros 2-D especiais
projeto de filtros FIR 2-D atravs de transformao de freqncia
projeto de filtros FIR 2-D utilizando janelas 1-D
projeto de filtros FIR 2-D utilizando janelas 2-D
rudo em imagem
espaamento de freqncia para respostas em frequncia 2-D

freq2
colfilt
conv2
filter2
medfilt2
mfilter2
nlfilter
wiener2
bestblk
blkproc
col2im
colfilt
im2col
mfilter2
roipoly
roicolor
dct2
fft2
fftshift
idct2
ifft2
radon
dither
gray2ind
hsv2rgb
im2bw
imslice
ind2gray
ind2rgb
mat2gray
ntsc2rgb
rgb2gray
rgb2hsv
rgb2ind
rgb2ntsc
colorbar
colormap
gray
hsv
hot
jet
image
imagesc
imcontour
immovie
imshow
montage
subimage

resposta em freqncia bidimensional

filtragem no-linear local por colunas
convoluo bidimensional
filtragem bidimensional
filtro da mediana bidimensional
filtro com mscara
filtragem no-linear local por linhas
filtro adaptativo de Wiener 2-D
Processamento em blocos
melhor tamanho de bloco para processamento em bloco
processa uma imagem em blocos
reordena blocos de colunas distintas ou deslizantes para formar imagem
filtragem no-linear local por colunas
reordena blocos distintos ou deslizantes para formar colunas
Regio de interesse
filtro com mscara
define regio de interesse poligonal
define regio de interesse por cor
Transformadas
transformada do cosseno discreto bidimensional
transformada rpida de Fourier bidimensional
move componente de rdem zero para o centro
transformada inversa do cosseno discreto bidimensional
transformada rpida inversa de Fourier bidimensional
transformada de Radon
Converses
faz dithering pelo mtodo Floyd-Steinberg
converte imagem em nveis de cinza para imagem indexada
converte valores HSV para espao de cores RGB
converte imagem para preto e branco por limiarizao
obtm fatias da imagem
converte imagem indexada para imagem em nveis de cinza
converte imagem indexada para imagem RGB
converte matriz para imagem em nveis de cinza
converte valores NTSC para o espao RGB
converte valores RGB para cinza
converte valores RGB para o espao HSV
converte imagem RGB para imagem indexada
converte valores RGB para o espao NTSC
Apresentao
apresenta barra de cores (escala de cores)
define ou obtm a tabela de consulta de cores
mapa de cores linear de nveis de cinza
mapas de cores
apresenta imagem indexada
ajusta dados e apresenta como imagem
contorno da imagem
faz um filme de um conjunto de imagens
apresenta todos os tipos de imagens
apresenta um conjunto de imagens como uma montagem retangular
apresenta mltiplas imagens

warp
cumsum3d
dct
dctmtx2
ditherc
elem3d
getline
getpts
getrect
gif
hdfread
hdfpeekc
hdfwc
idct
im2gray
imhistc
ndx3d
rgb2im
rle
size3d
tiff
ungif
unrle
untiff
vmquant
vmquantc
waitbar

realiza distoro da imagem sobre uma superfcie

Outras funes
soma cumulativa em matriz 3-D acomodada em matriz 2-D
transformada do cosseno discreta 1-D
matriz de transformao DCT 2-D unitria
arquivo MEX para dithering
posies de elementos de matriz 3-D acomodada em matriz 2-D
rastreio de movimento do mouse com linha elstica
rastreio de movimento do mouse com pontos visveis
rastreio de movimento do mouse com retngulo elstico
comprime dados em formato GIF
arquivo MEX para ler arquivos HDF
arquivo MEX para listar contedo de arquivos HDF
arquivo MEX para escrever arquivos HDF
transformada inversa do cosseno discreta 1-D
converte imagens para nveis de cinza
arquivo MEX para clculo de histograma de imagens
ndice de matriz 3-D acomodada em matriz 2-D
converte imagens RGB para imagens indexadas ou em nveis de cinza
comprime dados pelo mtodo RLE
tamanho da matriz 2-D para acomodar matriz 3-D
comprime dados em formato TIFF RLE
descomprime dados em formato GIF
descomprime dados pelo mtodo RLE
descomprime dados em formato TIFF RLE
arquivo M de interface para o arquivo MEX para quantizao de cor
arquivo MEX para quantizao de cor
apresenta barra de progresso

4.2. Funes especficas para Sensoriamento Remoto

Para ilustrar algumas funes especficas para o Sensoriamento Remoto, sugere-se o
conjunto descrito na Tabela 2 [RSI 2003]. Estas funes so apenas uma pequena parte
das ferramentas disponveis no programa ENVI (ENvironment for Visualizing Images).
A Figura 22 mostra a tela de abertura (horizontal) com as diversas opes para
processamento especfico para Sensoriamento Remoto, os inmeros formatos de
imagem aceitos (esquerda) e os inmeros formatos vetoriais aceitos (direita).

Figura 22. Telas do ENVI 4.0.

Tabela 2. Algumas funes especficas para Sensoriamento Remoto do ENVI,

em ordem alfabtica
Funo
ADAPT_FILT-DOIT
AIRSAR_HEADER_DOIT
AIRSAR_PHASE_IMAGE_DOIT
AIRSAR_POLSIG_DOIT
AIRSAR_SCATTER_DOIT
AIRSAR_SYNTH_DOIT
ASPECT_DOIT
BAD_DATA_DOIT
CLASS_CONFUSION_DOIT
CLASS_DOIT
CLASS_MAJORITY_DOIT
CLASS_RULE_DOIT
CLASS_STATS_DOIT
COM_CLASS_DOIT
DEM_BAD_DATA_DOIT
DESKEW_DOIT
DESTRIPE_DOIT
EMITTANCE_CALC_DOIT
ENVI_AVHRR_CALIBRATE_DOIT

Descrio
executa filtragem adaptiva
l cabealho de imagem AIRSAR
calcula as imagens fase da matriz comprimida
do AIRSAR
calcula as assinaturas de polarizao da matriz
comprimida do AIRSAR
calcula a classificao de espalhamento da
matriz comprimida do AIRSAR
sintetiza as imagens AIRSAR
Executa correo de aspecto de dados Landsat
MSS
Remove linhas com dado errado
Computa matriz de confuso de classificao
Executa classificao supervisionada
Executa anlise de maioria/minoria em imagem
classificada
Classifica imagens segundo regras
Calcula estatstica das classes
Combina classes
Corrige pontos incorretos no MDT
Retira o enviesado de imagens MSS
Retira problemas de linhas de dados de imagem
Converte a emissividade
Calibra dados AVHRR ou computa
Temperatura de superfcie do Mar de dados
AVHRR

ENVI_AVHRR_GEOMETRY_DOIT

ENVI_COMPUTE_SUN_ANGLES
ENVI_CONVERT_FILE_COODINATES
ENVI_CONVERT_FILE_MAP_PROJECTION
ENVI_CONVERT_PROJECTION-COORDINATES
ENVI_GEOREF_FROM_GLT-DOIT
ENVI-GET-PROJECTION
ENVI_LAYER_STACKING_DOIT

ENVI_MAP_INFO_CREATE
ENVI_NEURAL_NET_DOIT
ENVI_PC_SHARPEN_DOIT
ENVI_THERMAL_CORRECT_DOIT
MATH_DOIT
MOSAIC_DOIT
MSSCAL_DOIT
NDVI_DOIT
PPI_DOIT
RADAR_INC_ANGLE_DOIT
RATIO_DOIT
SIRC_HEADER-DOIT
SIRC_PHASE_IMAGE_DOIT
SIRC_SYNTH_DOIT
SPECTRAL_FEATURE_DOIT
TASCAP_DOIT
TEXTURE_COOCCUR_DOIT
TEXTURE_STATS_DOIT
TIMS_CAL-DOIT
TMCAL_DOIT
TOPO-DOIT

Computa geometria (latitude e longitude),

ngulos e znite solar e p/ o sensor para cada
pixel dos dados AVHRR
Computa ngulos solares
Converte coordenadas mapa-pixel
Converte um arquivo de sua projeo mapa
corrente para ua projeo de sada especificada
Converte coordenadas de mapas entre projees
Georreferencia uma imagem associada com
arquivo GLT de sada
Recupera informao de projeo para o
arquivo especificado
Constri um novo arquivo multi banda a partir
de imagens georreferenciadas de vrios tamnhos
de pixel, vrias dimenses e projees
Cria projees de mapa
Executa classificao usando um mtodo de
redes neurais
Executa Componentes Principais espectral
Executa compensao atmosfrica para o
infravermelho termal
Executa matemtica entra bandas
Mosaica bandas de imagens ou combinaes de
bandas
Calibra dados MSS quanto radincia ou
reflectncia
Cria NDVI (ndice de Vegeteao por
Diferena Normalizada)
Calcula PPI (ndice de Pureza de Pixel)
Calcula ngulo de incidncia de imagem radar
Calcula razo entre bandas
L cabealho de SIR-C
Calcula imagens fase de um arquivo de dados
comprimidos de SIR-C
Sintetiza imagens SIR-C
Executa casamento de caracterstica espectral
Cria ndices Tasseled Cap para vegetao e solo
Calcula medidas de texturas de co-ocorrncia
Calcula medidas de texturas de ocorrncia
Calibra dados TIMS para radincia
Calibra dados TM LANDSAT para radinci
Executa modelagem topogrfica para MDT

5. Aplicao das Tcnicas de Processamento de Imagens Digitais e

Sensoriamento Remoto em Casos Reais
5.1. Baixa Resoluo Espacial: Mapeamento das Radiaes Ultravioleta
Encontrado em:

http://satelite.cptec.inpe.br/uv/Publi.html

5.2. Mdia Resoluo Espacial: Mapeamento da Cobertura Vegetal

Encontrado em:

Rodriguez Yi, J. L. Classificao e Monitoramento da Cobertura Vegetal do

Estado do Mato Grosso Atravs de Imagens AVHRR, (INPE-6816-TDI/638).
Dissertao (Mestrado em Sensoriamento Remoto) Instituto Nacional de
Pesquisas Espaciais,1998.

5.3. Alta Resoluo Espacial: Planejamento Urbano de Recife

Encontrado em:

http://www.intersat.com.br/cases

6. Concluso
Se no fosse a Informtica, por meio dos softwares desenvolvidos para o
processamento de imagens digitais e para a implementao das tcnicas de
Sensoriamento Remoto no seria possvel a observao de nosso planeta do espao. A
cada ano so lanados mais satlites com novos sensores e existe uma grande
necessidade de se desenvolverem novos algoritmos para converso de dados desses
sensores, extrao de informaes dessas novas imagens geradas e algoritmos
especficos para novas aplicaes possveis com esses sensores e satlites. Torna-se
necessrio, pois, criar mo-de-obra especializada para desenvolver esses novos
algoritmos e assim mandar a Informtica para o espao!

References
Gibson, P. J, Introductory Remote Sensing: Principles and Concepts, Routledge, 2000.
Marques Filho, O. e Vieira Neto, H., Processamento Digital de Imagens, Brasport, 1999.
Moreira, M. A, Fundamentos do Sensoriamento Remoto e Metodologias de Aplicao,
UFV, 2003.
RSI, ENVI Reference Guide, Research Systems Incorporation, 2003.