Escolar Documentos
Profissional Documentos
Cultura Documentos
127
INTRODUO
Imagens de Sensoriamento Remoto (SR) tm servido como fonte de dados
para estudos em diversas reas, como Cartografia, reas Urbanas, Florestas,
Ambientes Agrcolas, entre outras. O aumento da quantidade de sensores
remotos nos ltimos anos tem gerado um nmero cada vez maior de imagens
da superfcie terrestre. Muitas esto acessveis aos usurios sem custo nenhum,
disponibilizadas por rgos de pesquisa, como o Inpe, que distribui gratuitamente milhares de imagens dos programas CBERS e Landsat. A quantidade
de imagens cresce a uma taxa maior do que a capacidade que operadores
humanos tm de analisar e extrair informaes relevantes destes produtos.
Isso abre espao para a utilizao de processos semiautomticos de extrao
de informaes. E neste mbito que este trabalho se enquadra. A proposta
usar tcnicas de processamento digital de imagens e, mais especificamente,
a Morfologia Matemtica, para detectar semiautomaticamente feies em
imagens digitais. A rea de estudo uma imagem Ikonos do aeroporto de
So Jos dos Campos-SP. O mtodo empregado pode ser resumido em trs
etapas: processamento das imagens para a criao de marcadores das pistas
do aeroporto, que eram as feies de interesse; reconstruo das pistas por
dilataes condicionais; e aplicao de transformaes de afinamento e gradiente para detectar eixos e bordas das pistas do aeroporto.
MORFOLOGIA MATEMTICA
A Morfologia Matemtica (MM) uma ferramenta para a extrao de
componentes de imagens que sejam teis na representao e descrio
da forma de uma regio, como fronteiras, esqueletos e fecho convexo;
e tambm uma ferramenta para pr-processamento, como filtragem,
afinamento e poda (GONZALEZ e WOODS, 2000).
Baseando-se na ideia de reticulado completo e ordenamento parcial
de conjuntos, a MM tem como fundamento dois operadores bsicos:
eroso e dilatao.
128
(f)
f _b
(1)
bB
(f)
(2)
f _b
bB
x1
x2
X3
x4
x5
X6
x7
101
100
102
96
93
92
75
70
68
60
58
58
48
46
45
31
29
30
34
33
34
(a)
39
37
38
129
97
99
102
x1
x2
X3
x4
x5
X6
x7
101
92
102
96
68
92
75
58
68
60
45
58
48
29
45
31
29
30
34
29
34
39
37
38
(b)
A Figura 1a mostra a faixa de uma imagem em tons de cinza, na
qual esto grifadas as posies a serem visitadas pelo pixel central do
elemento estruturante e que, portanto, tero seus valores modificados.
Os ndices x1,...,x7 so os identificadores dos pixels submetidos ao
processo. A eroso produz, ento, o resultado exibido na Figura 1b. Esta
traz sombreadas as posies cujos valores foram modificados.
A Figura 2 faz uma demonstrao numrica do processo de dilatao
por um EE caixa. A Figura 2a exibe a mesma faixa de tons de cinza mostrada
na Figura 1a, porm a Figura 2b apresenta o resultado da dilatao.
Figura 2. Demonstrao Numrica do Processo de Dilatao.
x1
x2
X3
x4
x5
X6
x7
97
99
102
101
100
102
96
93
92
75
70
68
60
58
58
48
46
45
31
29
30
34
33
34
x1
101
102
102
x2
X3
x4
x5
X6
x7
97
99
102
96
102
92
75
96
68
60
75
58
48
60
45
31
48
30
34
39
34
(a)
39
37
38
39
37
38
(b)
Na Figura 2, o EE foi transladado ao longo da faixa e, a cada translao, o maior tom de cinza encontrado na vizinhana do pixel central
(incluindo ele prprio e considerando-se a conectividade definida pelo
EE) substituiu o valor original da imagem naquele ponto3.
3 Mais detalhes sobre as propriedades e exemplos de aplicao de eroso e dilatao
podem ser encontrados em Banon e Barrera, 1998; Serra, 1986; Barrera, 1987; Haralick,
Sternberg e Zhuang, 1987; e Facon, 1996.
130
Definio 6. A abertura J de f por um elemento estruturante B, denotada por B ( f ), a eroso de f por B seguida de uma dilatao pelo
transposto de B (SOILLE, 1998).
(6)
132
(9)
Em anlise de imagens, comum considerar que os objetos da
imagem so regies de nveis de cinza homogneos. Da, segue que as
bordas dos objetos esto localizadas onde existem altas variaes de
nveis de cinza. Gradientes Morfolgicos so operadores que realam
variaes de intensidade de pixel em uma vizinhana determinada
por um EE.
(13)
Como exemplos, na deteco de pontos finais podem ser usados os
EE B1 e B2 para testar, respectivamente, os pixels relevantes e de fundo:
(14)
DISCUSSO E RESULTADOS
Como rea de estudo, foi utilizada uma imagem Ikonos, com resoluo espacial de 4 metros, adquirida na faixa espectral do infravermelho
prximo, apresentada na Figura 3.
134
O prximo passo foi produzir uma imagem de marcadores das pistas. A imagem da Figura 4 foi ento binarizada com limiar 75, teve seus
135
As bordas das pistas foram detectadas atravs da aplicao do gradiente morfolgico. O resultado mostrado na Figura 11.
138
Figura 10. Deteco das Bordas das Pistas Usando Gradiente Morfolgico.
CONCLUSO
As respostas espectrais de alvos adjacentes, ainda que distintos,
podem apresentar grande similaridade. Os valores de brilho registrados
pelo sensor para alvos vizinhos, diferentes, podem ser muito prximos,
iguais, ou mesmo uma fuso das respostas desses alvos. Mas esses fenmenos no so prerrogativa de alvos vizinhos. Feies diversas, que
se encontram afastadas umas das outras, tambm podem apresentar
nveis de cinza muito semelhantes ou iguais. Isso se torna um importante problema quando se planeja extra-las baseando-se unicamente
em atributos de brilho. ento razovel se pensar em, ao invs de
se trabalhar com a imagem toda, buscar uma maneira de restringir os
processamentos somente rea de interesse. Isto foi feito atravs da
transformao de dilatao condicional para reconstruo de alvos. O
mtodo baseou-se na seguinte sequncia de operaes: obteno de
uma imagem de marcadores que representem adequadamente os alvos
desejados, reconstruo morfolgica controlada por meio de iteraes
somente destes alvos e aplicao de operadores para a extrao de
bordas e eixos das feies.
139
REFERNCIAS
BANON, G. J. F.; BARRERA, J. Bases da Morfologia Matemtica para a anlise
de imagens binrias. So Jos dos Campos: Instituto Nacional de Pesquisas Espaciais (Inpe), 1998.
BARRERA, J. Uma abordagem unificada para os problemas de Processamento
Digital de Imagens: a Morfologia Matemtica. So Jos dos Campos-SP. Dissertao
(Mestrado), INPE.
FACON, J. Morfologia Matemtica: teoria e exemplos. Curitiba: Puc, 1996.
GONZALEZ, R. C.; WOODS, R. E. Processamento de imagens digitais. So Paulo:
Edgard Blucher Ltda., 2000.
HARALICK, R. M.; STERNBERG S. R.; ZHUANG, X. Image analysis using mathematical
morphology. IEEE Pattern Analysis and Machine Intelligence, Whashington-EUA,
v. PAMI-9, n. 4, p. 532-555, jul. 1987.
MATHERON, G. Random sets and integral geometry. New York-EUA: Wiley,
1975.
SERRA, J. P. F. Introduction to mathematical morphology. Computer Vision, Graphics
and Image Processing, San Diego-EUA, v. 35, n. 3, p. 283-305, 1986.
SOILLE, P. Morphological image analysis. Berlin: Springer-Verlag, 1998.
140