Escolar Documentos
Profissional Documentos
Cultura Documentos
GEOPROCESSAMENTO 2000
INTRODUO AO PROCESSAMENTO DIGITAL DE IMAGENS
O Processamento Digital de Imagens ou PDI tipicamente uma sub-disciplina associada ao Processamento de Dados que
freqentemente associado Informtica. Porm, a Engenharia Eltrica a responsvel por ter criado uma tradio nesta rea e , ainda
hoje, responsvel por uma grande parte dos desenvolvimentos.
Mais recentemente, a programao orientada por objetos e as linguagens de alto nvel como Java, renderam a programao
acessvel a um pblico muito mais amplo, do que a uns 20 ou mesmo 10 anos atrs. Nos anos 90, a grande maioria dos sistemas de
PDI adotaram o uso de equipamentos (hardware) padro e deixaram de demandar perifricos especficos e geralmente caros. Tais
sistemas ainda existem, mas so apenas usados por empresas especializadas que precisam processar grandes volumes de imagens.
Este aspecto multidisciplinar do PDI dificultou a existncia de uma nica definio do termo; podemos portanto propor uma definio
mais genrica: a disciplina que envolve o desenvolvimento e uso de equipamentos, tcnicas e algoritmos de processamento de
imagens digitais afim de melhorar ou modificar o aspecto visual das imagens ou de interpretar seu o contedo dessas
imagens atravs de mquinas.
121
120
96
113
117
114
115
107
104
116
120
117
120
117
109
113
126
131
123
120
124
119
129
119
102
120
126
110
113
112
119
120
108
117
99
109
133
123
119
116
118
122
120
122
125
117
107
104
106
115
120
124
113
117
101
111
134
127
122
118
108
116
131
138
155
132
112
118
114
123
117
127
120
117
103
110
127
125
124
120
112
122
115
119
139
136
121
119
113
114
87
106
116
113
105
114
127
128
122
119
102
99
119
114
121
132
95
47
35
28
42
72
104
107
107
120
131
134
119
116
94
104
112
103
115
141
94
25
22
26
24
58
106
107
105
117
125
124
117
115
130
110
116
89
104
128
84
24
16
26
24
56
114
111
103
115
123
119
119
117
127
174
162
110
120
129
91
46
20
24
16
48
114
112
105
123
135
132
122
119
110
116
121
175
166
112
143
126
29
30
23
49
106
117
105
114
122
138
139
111
117
118
111
103
129
149
166
138
88
117
73
86
113
120
114
116
126
141
144
134
117
113
127
96
118
133
134
139
144
178
142
131
107
99
98
98
122
146
130
140
106
104
104
107
123
113
110
119
117
134
164
163
132
126
122
105
129
158
99
113
97
102
96
103
122
130
129
111
98
120
104
148
160
168
150
113
134
177
108
106
98
107
106
100
110
117
111
109
119
132
128
116
90
109
154
162
156
160
114
108
103
109
115
116
122
119
112
124
137
127
123
136
132
108
102
111
140
194
110
117
104
107
120
113
109
118
118
113
119
123
125
133
137
111
103
102
94
119
151
167
119
117
112
113
118
125
131
132
128
123
123
123
128
133
127
116
110
112
116
128
115
115
114
115
119
125
131
133
130
127
125
124
127
135
137
134
136
141
125
116
111
113
115
116
118
123
128
131
131
130
130
126
128
135
138
135
134
138
122
125
Quais so os elementos que caracterizam uma imagem digital e como eles podem ser nela incorporados?
REPRESENTAO
E DESCRIO
PRPROCESSAMENTO
BASE DE
CONHECIMENTO
DOMNIO
DO
PROBLEMA
RECONHECIMENTO
E INTERPRETAO
RESULTADO
AQUISIO
DE IMAGENS
Voc pode pensar em uma outra aplicao: industrial, mdica, arqueolgica, meteorolgica?
300
200
S49
100
S37
0
S1
46
37
S13
28
19
10
S25
Amostragem e quantizao so ou no sinnimos de perda de informao? Quantos nveis de cinza o olho humano capaz de
separar? Qual a resoluo espacial das imagens formadas no olho humano?
0
255
Histograma de freqncias; o eixo vertical
comea no zero e vai at 3500
aproximadamente, sendo que o nmero de
pixel tem o valor da moda.
Observem a imagem de Montral e o seu histograma e tentem associar cada pico do histograma com um tipo de superfcie; O
histograma parece acabar abruptamente no valor 255 com um pico muito fino, o que isso significa?
Funo de transformao; eixo Histograma da imagem aps Justaposio dos trs grficos
horizontal: imagem de entrada; transformao ou: g ( x, y )
em uma nica figura.
eixo vertical: imagem de sada
A ttulo de exemplo, a funo representada acima pode ser descrita pela seguinte notao:
f ( x, y) *1.5 _ se _ 0 f 116
g ( x, y) =
104 + ( f ( x, y ) * 0.6) _ se _ f > 116
2001 Philippe Maillard
MULTIPLICAO
g ( x, y ) = f ( x, y ) * 1.25
DIVISO
g ( x, y ) = f ( x, y ) * 0.75
O que acontece com os valores que acabam fora das escalas dos grficos e o que isso significa em termos de informao?
2001 Philippe Maillard
g ( x, y) = ( f ( x, y) 30) * 1.15
g ( x, y ) = ( f ( x, y ) 38) * 3.07
Porque
a
imagem resultante do
espalhamento
do
histograma a 100%,
parece ter um pior
contraste do que a
imagem original?
nj
j =0
sk =
= pr (rj ) 0 rk 1 e k = 0,1,..., L 1
j =0
10
Quais outras utilidades a especificao de histograma e o fatiamento de intensidades podem ter para correo radiomtrica,
para a classificao de uso do solo, para estudos especficos?
11
Apesar de no enxergar as cores da figura RGB, voc consegue adivinhar as cores dos diversos elementos?
2001 Philippe Maillard
12
C 1 R
M = 1 G
Y 1 B
No sistema CMYK, os CMY so apenas propores dos 3 canais de cores complementares e o K representa o inverso da intensidade
dessa cor: quanto mais clara a cor (independentemente da saturao), menor o valor de K.
C
13
[( R G ) + ( R B)]
2
H = cos
( R G ) 2 + ( R B)(G B)
1
1
2
A Saturao representada pela distncia at o centro do A Intensidade se define como a distncia de afastamento do preto
tringulo formado pelas 3 cores, sendo a mistura perfeita das cores ou a ausncia de cor; a intensidade deve ser representada como o
primrias que representa a cor branca. As cores definidas no eixo de profundidade do prisma.
contorno do tringulo so completamente saturadas:
3
S =1
[min( R, G, B )]
( R + G + B)
I=
( R + G + B)
Quais seriam as coordenadas HIS das rvores, das flores e da roupa do piloto, na foto da pgina anterior?
14
SATURAO (S)
INTENSIDADE (I)
Por que a imagem do matiz tem um aspecto to estranho e por que o bordo de ataque da asa parece ser uma mistura de preto
e de branco; o que aconteceria se se acrescentasse o valor 1,0 saturao; qual efeito a equalizao de histograma da intensidade ir
provocar; como podemos manipular o matiz?
15
LGEBRA DE IMAGEM
A lgebra de imagem pode ser considerada como uma tcnica de processamento Ponto a Ponto, como os realces de histograma.
Iremos aqui examinar principalmente as operaes de lgebra envolvendo mais de uma imagem (ou canal para imagens coloridas ou
bandas para imagens multiespectrais de Sensoriamento Remoto). Com essas tcnicas, o PDI fica muito mais interessante e poderoso,
tanto para criar efeitos especiais, quanto para criar mscaras ou at informaes novas a partir de vrias bandas espectrais. Por
exemplo, a transformao RGB HIS nada mais do que 3 operaes de lgebra sobre os 3 canais da imagem original colorida.
Na primeira e segunda linhas desta figura, duas
imagens so somadas s imagens construdas de
maneira a saturar parcialmente parte dessa: a parte
direita da imagem de cima e a parte esquerda da
imagem de baixo. Os resultados so multiplicados afim
de se fundir e o texto tambm acrescentado atravs
de uma multiplicao.
16
Qual seria a frmula para se calcular a diferena de albedo entre duas imagens de datas diferentes?
2001 Philippe Maillard
17
ndice de argila
18
L = ( DN Offset ) / Gain
Bandas TM:
Ganho:
Deslocamento:
1
15,553
1,8331
2
7,86
1,6896
3
10,203
1,885
4
10,821
2,2373
5
78,751
3,2905
7
147,719
3,2117
O resultado desta operao no pode ser codificado, em dados do tipo Inteiros de 8 bits, mas devero ser codificados em valores Reais
(ponto flutuante) de preciso simples (8 bytes para sistemas operacionais de 32 bits). O efeito imediato desta operao que a imagem
ocupar 8 vezes mais espao de disco.
Para transformar esses valores em refletncia, devemos aplicar o seguinte modelo:
p = ( L d 2 ) ( ESOL cos s )
onde:
L
=
d
=
ESOL =
s
=
19
Imagem original
Freqncias baixas
Freqncias altas
Neste exemplo, um filtro foi aplicado para apagar as freqncias altas, na imagem do centro, e a imagem da direita foi obtida por um
simples processo de subtrao (a imagem original menos as freqncias baixas).
20
Voc consegue completar os valores da imagem resultando da suavizao? Qual o papel do 1/9 e o que aconteceria se este
fosse trocado, for trocar este por um outro valor?
2001 Philippe Maillard
21
Filtro da mdia
1 1 1
1 1 1 1
9
1 1 1
O efeito do tamanho da janela mvel: veja abaixo o efeito da aplicao de um filtro da mdia com uma janela mvel de 5, 9, 13 e 25
pixels.
Filtro da mdia de 5X5
Filtro da mdia de 9X9
Filtro da mdia de 13X13
Filtro da mdia de 25X25
22
Laplace:
0 1 0
1 4 1
0 1 0
Deteco de bordas:
1 1 1
1 8 1
1 1 1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1 1 1 1 1 1 1
1 1 1 1 1 1 1
1 1 1 1 1 1 1
23
FILTROS DIRECIONAIS
Esses filtros servem para o realce ou a deteco de elementos lineares orientados em direes especficas. Tais filtros, especialmente
usados em Geologia e Geomorfologia buscam detectar orientaes preferenciais que informam sobre as estruturas do terreno ou os
processos de formao das formas de relevo.
Considere a imagem original de alta resoluo direita e
verifique a orientao das bordas. A aplicao de oito filtros
direcionais reala cada orientao particularmente.
Agrupando os resultados de todos os filtros consegue-se uma
boa extrao das bordas da imagem. Essa tcnica de
extrao, mais demandante em termos de processamento
fornece melhores resultados do que a aplicao de um nico
filtro para todas as direes.
Norte:
Sul:
1
1
1
1 2 1
1 1 1
1 1 1
1 2 1
1
1
1
Nordeste:
Sudoeste:
1
1 1
1 2 1
1 1 1
1 1 1
1 2 1
1 1
1
Leste:
Oeste:
1 1 1
1 2 1
1 1 1
1 1 1
1 2 1
1 1 1
Sudeste:
Noroeste:
1 1 1
1 2 1
1
1 1
1 1
1
1 2 1
1 1 1
24
Realce local: filtro de realce local da textura; Passa banda: filtro que deixa passar apenas Mximo: operador focal usado em
esse filtro reduz as freqncias baixas.
algumas freqncias; de 3 a 5 pixels neste conjuno com o mnimo para certos
caso.
mtodos de extrao de informao.
25
CLASSIFICAO E SEGMENTAO
Uma imagem nada mais , do que uma srie de valores resultantes da resposta de um sensor, a uma fonte de excitao externa, em
geral eletromagntica (refletida, retroespalhada ou emitida). a nossa percia em interpretar essas informaes, que nos permite
transformar esses valores, em informaes teis. Ultimamente, o objetivo da maioria das aplicaes do Processamento digital de
imagem e do Sensoriamento Remoto o de: transformar dados espectrais em informaes teis sobre objetos verdadeiros ou
conceituais.
O PDI possibilita um certo grau de automatizao deste processo. A subdisciplina em PDI voltada a esta temtica chamada de
Reconhecimento de formas e ferramentas desenvolvidas para tal tarefa. Elas possuem um nvel de complexidade relativamente alto,
ligadas as tcnicas de Segmentao, Classificao, Representao e Descrio.
No contexto desta disciplina, nos
concentraremos na Classificao, por ser
uma tcnica muito usada na rea de
Sensoriamento remoto. A classificao da
cobertura do solo (e at do uso em certos
casos) um tipo comum de mapa temtico
produzido a partir de imagens de satlite.
A idia criar um nico nvel de
informao temtica (categorias ou
classes) a partir de vrios nveis de
informao espectral. Algoritmos de
classificao so adotados para extrai as
feies de interesse a partir de um espao
multi-dimensional
geralmente
representado pelas bandas da imagem.
Na figura a direita, primeiro temos uma
imagem de 3 bandas que aps
classificao,
tornou-se
um
mapa
temtico.
26
PRINCPIOS DA CLASSIFICAO
A classificao supervisionada considera que j detemos um conhecimento parcial da regio que estamos estudando, ou seja,
possumos dados de campo sobre essa. O princpio empregar esses dados de campo (verdade campo) em uma generalizao ao
nvel de toda imagem. Estamos pedindo para o algoritmo: sei que tenho a classe de cobertura do solo A, nesta localizao 1, e a
classe B, no local 2, assim, procure todos os locais onde tenho essas classes e marque-os com a letra A ou B conforme o caso.
O programa emprega as estatsticas dessas classes (ou categorias, ou superfcies, ou objetos) para as identificar no resto da imagem.
Os algoritmos de classificao tradicionais, apenas consideram as caractersticas espectrais de cada pixel para decidir se ele pertence
uma ou outra classe. Existem vrios critrios para se decidir sobre qual a classe mais prxima. Considere uma classificao
simples com apenas uma banda e duas classes com as estatsticas seguintes:
Classe 1:
Cerrado
Classe 2:
Campo sujo
Mnimo:
20
Mnimo:
29
Mximo:
32
Mximo:
38
Mdia:
25
Mdia:
34
Desvio Padro: 4
Desvio Padro:
2
Considere um pixel com o valor 30 dependendo do critrio de atribuio: ele no ser associado nenhuma classe (paraleleppedo) ou
ser associado classe Cerrado (distncia mnima) ou classe Campo sujo (mxima verisemelhana) conforme o mtodo adotado.
Classificao por paraleleppedo; no h
uma maneira de se atribuir uma classe aos
pixels na rea de superposio (mtodo no
paramtrico).
27
PRINCPIOS DA CLASSIFICAO
A classificao multiespectral utiliza-se deste mesmo princpio, porm, com a vantagem de ter um espao espectral em vrias
dimenses. Da mesma forma, que os objetos so mais facilmente reconhecidos com a cor, do que em preto & branco, quanto mais
bandas so usadas, maiores sero as chances dos diversos objetos apresentarem um comportamento diferenciado.
O histograma bidimensional seguinte mostra as classes da imagem Landsat TM de San Diego de acordo com duas bandas espectrais: o
vermelho (banda 3) e o infravermelho prximo (banda 4). Constata-se que com apenas essas duas bandas (variveis), j se diferenciam
vrias classes neste espao espectral reduzido.
Neste grfico, os pontos coloridos representam os
pixels: o azul significa freqncias baixas de pixels,
com esses valores combinados e o vermelho,
freqncias altas. As elipses referem-se as reas de
trenamento com suas varincias respectivas.
Softwares com algoritmos de classificao possibilitam
a determinao das classes, atravs do espao
espectral no lugar da imagem, no seu espao grfico
normal.
Com este software por exemplo, voc pode escolher
uma rea do espao espectral e observar os pixels
correspondentes na imagem.
Softwares mais poderosos no usam apenas as
caractersticas espectrais dos objetos. Eles podem
considerar feies de nvel maior de interpretao
como vizinhana, textura, tamanho, forma, contexto
demandando um custo de tempo de processamento
maior.
28
UM EXEMPLO DE CLASSIFICAO
Esta figura resume as etapas de uma classificao multiespectral, aplicando o algoritmo de mximo de verisemelhana.
1. Adquirir uma intimidade com a imagem
2. Criar as reas de trenamento
29
C BOA SORTE!
2001 Philippe Maillard
30