RECONSTRUO MORFOLGICA POR DILATAES

CONDICIONAIS PARA DETECO DE FEIES EM

IMAGENS DIGITAIS
Thiago Statella 1
Erivaldo Antnio da Silva2
RESUMO: Este trabalho apresenta os resultados obtidos pela deteco de feies
em imagens digitais atravs de reconstruo morfolgica da rea de interesse. A rea de estudo foi uma imagem Ikonos do aeroporto de So Jos dos
Campos-SP. Em uma etapa inicial, a imagem foi processada para criao de
marcadores para as pistas do aeroporto. Estas foram reconstrudas em seguida
e transformaes de afinamento e gradiente foram aplicadas para deteco dos
eixos e bordas das feies.
PALAVRAS-CHAVE: Deteco de feies, Morfologia Matemtica, Processamento
Digital de Imagens.
ABSTRACT: This paper shows the results obtained by feature detection in digital
images using morphological reconstruction of the interested area. The studied
area was an Ikonos image of the airport So Jos dos Campos-SP. Initially,
the image was processed in order to create markers tracks for the airport. The
tracks were reconstructed and then transformations of thinning and gradient
were applied to detect the axis and borders of the features.
KEYWORDS: Features detection, Mathematical Morphology, Digital Image
Processing.

1 Mestre em Cincias Cartogrficas, pela Universidade Estadual Paulista; professor do Dept

de Construo Civil do IFMT Campus Cuiab. E-mail: thiago.statella@cba.ifmt.edu.br.
2 Doutor em Engenharia de Transportes, pela Escola Politcnica da Universidade de So
Paulo (Usp); professor do Dept de Cartografia da Universidade Estadual Paulista Campus
de Presidente Prudente-SP. E-mail: erivaldo@fct.unesp.br.

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

Definio 1. Seja B um subconjunto de Z2, B E. A Eroso de f

por B o valor mnimo entre as translaes de f pelos vetores -b de B.
Chama-se B de elemento estruturante (EE).
B

(f)

f _b

(1)

bB

Definio 2. A dilatao de f por B o valor mximo entre as

translaes de f pelos vetores -b de B.
B

(f)

(2)

f _b

bB

O elemento estruturante B um conjunto completamente definido e

conhecido (forma, tamanho), que comparado, a partir de uma transformao, ao conjunto desconhecido da imagem. O resultado dessa transformao permite avaliar o conjunto desconhecido (FACON, 1996).
A seguir, duas formas bsicas de EEs so apresentadas.
: Elemento estruturante cruz. A posio em negrito marca
a origem do EE.
: Elemento estruturante caixa.
A Figura 1 demonstra numericamente o processo de eroso com o
EE caixa.
Figura 1. Demonstrao Numrica do Processo de Eroso.
97
99
102

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

Muitos operadores morfolgicos consideram as imagens como sendo

conjuntos indivisveis, porm pode surgir a necessidade de restringir os
processos na regio especfica de uma imagem, como, por exemplo,
processar algumas falhas em imagens metalogrficas, estudar uma clula
especfica numa imagem contendo vrios tipos delas, etc. Uma primeira
possibilidade de processar parcialmente uma imagem consiste em definir
um subconjunto da imagem onde as operaes so vlidas. Por exemplo,
tratar um subconjunto Z do conjunto inicial X. O operador de dilatao condicional permite realizar esse tipo de processamento (FACON, 1996).

Definio 3. Para imagens binrias, pode-se definir a dilatao do

subconjunto Z condicionada a X (com Z X) pelo elemento estruturante B, como:
(3)

Definio 4. Para imagens em tons de cinza, a dilatao de uma

funo f condicionada a uma funo g, com Df = Dg e f d g, :
(4)

Definio 5. Com base na Definio 4, possvel reconstruir a

imagem g atravs de sucessivas dilataes condicionais do subconjunto
f, at a convergncia. Assim, baseado em Soille (1999), a reconstruo
por dilatao condicional de uma imagem mscara g a partir de uma
imagem marcadora f :
(5)
Em que i tal que Gcg(i) (f) = Gcg(i+1) (f).
Apoiando-se nas operaes de dilatao e eroso, possvel definir transformaes crescentes e idempotentes: os filtros de abertura e fechamento.
131

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)

Definio 7. O fechamento4 I de f por um elemento estruturante B,

denotado B ( f ), a dilatao de f por B seguida de uma eroso pelo
transposto de B (ibid.).
(7)
Segundo Soille (1998), uma transformao tendo as mesmas propriedades da abertura, mas que no pode ser escrita como uma nica
eroso, seguida pela dilatao com o elemento estruturante transposto,
chamada de abertura algbrica. Sua operao dual o fechamento
algbrico. Matheron (1975) mostrou que qualquer abertura algbrica
pode ser definida como o supremo de uma famlia de aberturas.
Uma poderosa ferramenta para a filtragem de componentes conectados uma abertura algbrica chamada abertura de rea.

Definio 8. A abertura de rea JO equivalente unio de todas as

aberturas com o elemento estruturante conectado B, cujo tamanho em
nmero de pixels igual a O (SOILLE, 1998).
(8)

Definio 9. O fechamento de rea IO equivalente interseo de

todos os fechamentos com o elemento estruturante conectado B, cujo
tamanho em nmero de pixels igual a O (ibid.).
4 As propriedades de abertura e fechamento podem ser encontradas em Banon e Barrera,
1998.

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.

Definio 10. O gradiente morfolgico bsico UB definido como

a diferena aritmtica entre a dilatao e a eroso, por um elemento

estruturante B:
(10)
Em algumas aplicaes, de interesse a extrao de pixels da
imagem baseada no s na configurao da estrutura relevante, mas
tambm na configurao dos pixels de fundo que formam a vizinhana
da estrutura. So utilizados, ento, dois EE: um para testar os pixels
relevantes e outro para testar sua vizinhana. Esta a ideia da transformao hit-miss.

Definio 11. A transformao hit-miss de um conjunto X por um

EE composto B = (B1,B2) o conjunto de pontos x tais que, quando a
origem de B coincide com x, B1 est contido em X e B2 est contido
em XC:
(11)
Com base na transformao hit-miss, possvel definir o operador
de afinamento:
133

Definio 12. O afinamento de um conjunto ou imagem binria X

por um EE composto a diferena entre X e a transformao hit-miss
de X:
(12)
Os processos de afinamento fazem aparecer, nas imagens finais,
as linhas genricas procuradas para permitir uma futura pesquisa, mas
tambm segmentos de tamanho reduzido aderidos s estruturas principais da imagem, que so o resultado do processo sobre extremidades
da entidade. Quando essa entidade relativamente espessa, possvel
tir-los com um processo de abertura. Caso contrrio, possvel utilizar
uma variante do afinamento, o pruning.

Definio 13. Um pruning paramtrico, de tamanho n, consiste em

se iterar o processo de afinamento n vezes, utilizando um EE composto

para a deteco de pontos finais:

(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

Figura 3. Imagem Ikonos Tomada na Banda do Infravermelho Prximo.

As feies de interesse na Figura 3 so as pistas do aeroporto de So

Jos dos Campos-SP. Uma abertura de rea foi utilizada para eliminar
faixas brancas visveis nas pistas, as quais atrapalhariam a deteco das
bordas. vO resultado exibido na Figura 4.
Figura 4. Abertura de rea para Eliminao de Faixas Brancas nas Pistas.

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

valores de brilho invertidos e, em seguida, afinada at a convergncia.

Os resultados so exibidos, respectivamente, nas Figuras 5 e 6.
Figura 5. Binarizao da Imagem Filtrada.

Figura 6. Afinamento da Imagem Binarizada at a Convergncia.

A imagem vista na Figura 6 ainda no apresenta conjuntos que sejam

representativos apenas das pistas do aeroporto, portanto uma operao
de pruning, iterada 10 vezes, foi adotada. O resultado pode ser visto
na Figura 7.
136

Figura 7. Aplicao de Pruning.

Produzida a imagem de marcadores, a etapa seguinte foi reconstruir

as pistas. Isso foi conseguido por meio de 70 dilataes da imagem mostrada na Figura 7, com o elemento cruz, condicionadas imagem filtrada
(Figura 4). A reconstruo morfolgica obtida mostrada na Figura 8.
Figura 8. Reconstruo Morfolgica das Pistas do Aeroporto.

Em seguida, a imagem mostrada na Figura 8 foi binarizada com o limiar

90 e submetida a um afinamento at a convergncia, extraindo-se os eixos
137

das pistas. Os resultados so vistos nas Figuras 9 e 10, respectivamente.

Figura 9. Binarizao da Imagem Parcialmente Reconstruda.

Figura 10. Deteco do Eixo das Pistas.

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