Processamento Digital de Imagem I

Processamento
Digital de Imagem I
Prof. João Thadeu de Menezes
Prof.a Marina Garcia Pacheco
Indaial – 2021
1a Edição
Copyright © UNIASSELVI 2021
Elaboração:
Revisão, Diagramação e Produção:

Centro Universitário Leonardo da Vinci – UNIASSELVI
Ficha catalográfica elaborada na fonte pela Biblioteca Dante Alighieri

UNIASSELVI – Indaial.
M543p
Menezes, João Thadeu
Processamento Digital de Imagem I. / João Thadeu de Menezes;

Marina Garcia Pacheco. – Indaial: UNIASSELVI, 2021.
163 p.; il.
ISBN 978-65-5663-703-7
ISBN Digital 978-65-5663-702-0
1. Processamento digital de imagens. - Brasil. I. Pacheco, Marina Garcia.

II. Centro Universitário Leonardo da Vinci.
CDD 070.50285
Impresso por:
Apresentação
Prezado acadêmico, bem-vindo ao Livro Didático Processamento
Digital de Imagem I. Este livro está dividido em três unidades: Introdução
ao Processamento Digital de Imagens: conceitos e aplicações (Unidade 1),
Processamento e Melhoria de Imagens Digitais (Unidade 2) e Distorções e
Correções (Unidade 3).
Na Unidade 1, abordaremos um breve histórico sobre o Processo

Digital de Imagens e suas principais aplicações ao longo dos anos.
Posteriormente, entraremos no assunto das propriedades de uma imagem
digital e do espectro eletromagnético, conceitos de suma importância para
o entendimento dos assuntos seguintes. Em seguida, nosso objetivo é a
compreensão acerca da forma que as imagens digitais são obtidas e suas
principais características. Por fim, aprenderemos a obter imagens de satélites
e os primeiros passos do processamento digital de imagens na prática através
de um software de SIG.
Na Unidade 2, aprenderemos as principais técnicas básicas de

processamento e melhoria de imagens. Inicialmente, serão exibidos
e exemplificados os procedimentos de realce e contraste de imagens.
Posteriormente, serão apresentados e explicados os modelos de cores de uma
imagem e, em seguida, serão demonstradas as diversas operações referentes
às bandas aritméticas de uma imagem, bem como suas aplicações.
Na Unidade 3, apresentaremos algumas técnicas imprescindíveis no

processamento digital de imagens, seus conceitos e aplicações. Tais técnicas
incluem correções referentes a ruídos presentes nas imagens digitais,
correções radiométricas e correções geométricas de imagens.
Esperamos que você tenha uma ótima leitura e faça bom proveito dos
conhecimentos aqui compartilhados!

NOTA
Você já me conhece das outras disciplinas? Não? É calouro? Enfim, tanto para
você que está chegando agora à UNIASSELVI quanto para você que já é veterano, há
novidades em nosso material.
Na Educação a Distância, o livro impresso, entregue a todos os acadêmicos desde 2005, é

o material base da disciplina. A partir de 2017, nossos livros estão de visual novo, com um
formato mais prático, que cabe na bolsa e facilita a leitura.
O conteúdo continua na íntegra, mas a estrutura interna foi aperfeiçoada com nova
diagramação no texto, aproveitando ao máximo o espaço da página, o que também
contribui para diminuir a extração de árvores para produção de folhas de papel, por exemplo.
Assim, a UNIASSELVI, preocupando-se com o impacto de nossas ações sobre o ambiente,

apresenta também este livro no formato digital. Assim, você, acadêmico, tem a possibilidade
de estudá-lo com versatilidade nas telas do celular, tablet ou computador.

Eu mesmo, UNI, ganhei um novo layout, você me verá frequentemente e surgirei para
apresentar dicas de vídeos e outras fontes de conhecimento que complementam o assunto
em questão.
Todos esses ajustes foram pensados a partir de relatos que recebemos nas pesquisas
institucionais sobre os materiais impressos, para que você, nossa maior prioridade, possa
continuar seus estudos com um material de qualidade.
Aproveito o momento para convidá-lo para um bate-papo sobre o Exame Nacional de

Desempenho de Estudantes – ENADE.

Bons estudos!
LEMBRETE
Olá, acadêmico! Iniciamos agora mais uma disciplina e com ela

um novo conhecimento.
Com o objetivo de enriquecer seu conhecimento, construímos, além do livro

que está em suas mãos, uma rica trilha de aprendizagem, por meio dela você terá
contato com o vídeo da disciplina, o objeto de aprendizagem, materiais complementares,
entre outros, todos pensados e construídos na intenção de auxiliar seu crescimento.
Acesse o QR Code, que levará ao AVA, e veja as novidades que preparamos para seu estudo.
Conte conosco, estaremos juntos nesta caminhada!

Sumário
UNIDADE 1 — INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS:
CONCEITOS E APLICAÇÕES................................................................................. 1
TÓPICO 1 — INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS:

CONCEITOS E APLICAÇÕES..................................................................................... 3
1 INTRODUÇÃO..................................................................................................................................... 3
2 O PROCESSAMENTO DIGITAL DE IMAGENS.......................................................................... 3
3 BREVE HISTÓRICO ........................................................................................................................... 5
4 ÁREAS E USOS DA IMAGEM DIGITAL....................................................................................... 6
RESUMO DO TÓPICO 1....................................................................................................................... 7
AUTOATIVIDADE................................................................................................................................. 8
TÓPICO 2 — PROPRIEDADES DA IMAGEM DIGITAL............................................................ 11

1 INTRODUÇÃO................................................................................................................................... 11
2 RESOLUÇÃO DE UMA IMAGEM................................................................................................. 11
2.1 RESOLUÇÃO ESPACIAL............................................................................................................. 11
2.2 RESOLUÇÃO ESPECTRAL......................................................................................................... 14
2.3 RESOLUÇÃO RADIOMÉTRICA................................................................................................ 15
2.4 RESOLUÇÃO TEMPORAL.......................................................................................................... 16
3 ESPECTRO ELETROMAGNÉTICO............................................................................................... 19
3.1 COMPORTAMENTO ESPECTRAL DOS ALVOS..................................................................... 21
3.2 BANDAS ESPECTRAIS DE UMA IMAGEM............................................................................ 23
RESUMO DO TÓPICO 2..................................................................................................................... 26
AUTOATIVIDADE............................................................................................................................... 27
TÓPICO 3 — A IMAGEM DIGITAL: SENSORES DE AQUISIÇÃO E

CARACTERÍSTICAS DE IMAGEM......................................................................... 29
1 INTRODUÇÃO................................................................................................................................... 29
2 SENSORES DE OBSERVAÇÃO DA TERRA................................................................................ 29
2.1 SENSORES PASSIVOS E SENSORES ATIVOS.......................................................................... 29
2.2 SENSORES MULTIESPECTRAIS E SENSORES HIPERESPECTRAIS.................................. 30
3 A IMAGEM DIGITAL....................................................................................................................... 32
3.1 IMAGEM MONOCROMÁTICA E IMAGEM COLORIDA.................................................... 33
RESUMO DO TÓPICO 3..................................................................................................................... 35
AUTOATIVIDADE............................................................................................................................... 36
TÓPICO 4 — USOS DA IMAGEM DIGITAL: AQUISIÇÃO DE IMAGEM, SIG

E APLICAÇÕES............................................................................................................ 39
1 INTRODUÇÃO................................................................................................................................... 39
2 AQUISIÇÃO DE IMAGENS DIGITAIS........................................................................................ 39
3 UTILIZANDO O QGIS PARA O PROCESSAMENTO DIGITAL DE IMAGENS............... 45
4 EXEMPLOS DE APLICAÇÕES AO GEOPROCESSAMENTO................................................. 50
LEITURA COMPLEMENTAR............................................................................................................. 55
RESUMO DO TÓPICO 4..................................................................................................................... 58
AUTOATIVIDADE............................................................................................................................... 59
REFERÊNCIAS....................................................................................................................................... 61
UNIDADE 2 — PROCESSAMENTO E MELHORIA DE IMAGENS DIGITAIS..................... 63
TÓPICO 1 — REALCE, CONTRASTE E ESCALAS DE CINZA.................................................. 65

1 INTRODUÇÃO................................................................................................................................... 65
2 CONCEITOS........................................................................................................................................ 65
3 REALCE................................................................................................................................................ 70
4 CONTRASTE....................................................................................................................................... 70
5 APLICAÇÃO DE TÉCNICAS DE REALCE E CONTRASTE .................................................... 72
RESUMO DO TÓPICO 1..................................................................................................................... 76
AUTOATIVIDADE............................................................................................................................... 77
TÓPICO 2 — MODELOS DE CORES............................................................................................... 79

1 INTRODUÇÃO................................................................................................................................... 79
2 MODELOS DE CORES...................................................................................................................... 79
2.1 MODELO RGB............................................................................................................................... 81
2.2 MODELO CMYK........................................................................................................................... 83
2.3 MODELO HSI................................................................................................................................. 84
RESUMO DO TÓPICO 2..................................................................................................................... 86
AUTOATIVIDADE............................................................................................................................... 87
TÓPICO 3 — BANDAS ESPECTRAIS E OPERAÇÕES ARITMÉTICAS.................................. 89

1 INTRODUÇÃO................................................................................................................................... 89
2 BANDAS ESPECTRAIS.................................................................................................................... 89
2.1 COMPOSIÇÃO DE BANDAS...................................................................................................... 91
2.2 GERANDO UMA COMPOSIÇÃO DE BANDAS ATRAVÉS DO SIG QGIS......................... 95
3 ARITMÉTICA DE BANDAS............................................................................................................ 98
3.1 ADIÇÃO........................................................................................................................................ 100
3.2 SUBTRAÇÃO............................................................................................................................... 101
3.3 MULTIPLICAÇÃO...................................................................................................................... 101
3.4 DIVISÃO....................................................................................................................................... 101
LEITURA COMPLEMENTAR........................................................................................................... 105
RESUMO DO TÓPICO 3................................................................................................................... 108
AUTOATIVIDADE............................................................................................................................. 109
REFERÊNCIAS..................................................................................................................................... 111
UNIDADE 3 — DISTORÇÕES E CORREÇÕES DE IMAGEM................................................. 113
TÓPICO 1 — DISTORÇÕES DE IMAGENS DE SATÉLITES................................................... 115

1 INTRODUÇÃO................................................................................................................................. 115
2 CONCEITOS DE DISTORÇÕES DE IMAGEM........................................................................ 115
3 IDENTIFICAÇÃO E CORREÇÃO DE DISTORÇÕES DE IMAGENS................................. 116
3.1 EXEMPLOS DE DISTORÇÕES EM IMAGENS DE SATÉLITE............................................. 117
3.1.1 Exemplo de linhas ruidosas em imagem de satélite causadas pela saturação
máxima do sinal.................................................................................................................. 117
3.1.2 Exemplo de faixa de linhas ruidosas em imagem de satélite causadas pela
descalibração de sensor...................................................................................................... 118
RESUMO DO TÓPICO 1................................................................................................................... 119
AUTOATIVIDADE............................................................................................................................. 120
TÓPICO 2 — RUÍDOS DE IMAGEM............................................................................................. 123
1 INTRODUÇÃO................................................................................................................................. 123
2 IDENTIFICAÇÃO DE RUÍDOS.................................................................................................... 123
2.1 TIPOS DE RUÍDOS...................................................................................................................... 124
2.1.1 Ruído Impulsivo................................................................................................................. 124
2.1.2 Ruído Gaussiano................................................................................................................. 125
2.1.3 Ruído Speckle...................................................................................................................... 126
2.1.4 Ruído Striping...................................................................................................................... 127
3 ELIMINAÇÃO DE RUÍDOS.......................................................................................................... 128
3.1 TÉCNICAS PARA ELIMINAÇÃO DE RUÍDOS..................................................................... 129
3.1.1 Filtro da Média Aritmética................................................................................................ 129
3.1.2 Filtro Bilateral...................................................................................................................... 129
3.1.3 FILTRO DPAD..................................................................................................................... 130
RESUMO DO TÓPICO 2................................................................................................................... 131
AUTOATIVIDADE............................................................................................................................. 132
TÓPICO 3 — DISTORÇÕES GEOMÉTRICAS............................................................................. 135

1 INTRODUÇÃO................................................................................................................................. 135
2 DISTORÇÕES GEOMÉTRICAS................................................................................................... 135
3 PROCEDIMENTOS PARA CORREÇÕES GEOMÉTRICAS................................................... 137
3.1 PONTOS DE CONTROLE.......................................................................................................... 138
3.2 TABELAS DE CORRELAÇÃO................................................................................................... 139
3.3 PRECISÃO.................................................................................................................................... 139
3.4 REAMOSTRAGEM...................................................................................................................... 140
4 UTILIZANDO O QGIS PARA O GEORREFERENCIAMENTO DE IMAGENS................ 141
RESUMO DO TÓPICO 3................................................................................................................... 147
AUTOATIVIDADE............................................................................................................................. 148
TÓPICO 4 — DISTORÇÕES RADIOMÉTRICAS........................................................................ 151

1 INTRODUÇÃO................................................................................................................................. 151
2 DISTORÇÕES RADIOMÉTRICAS.............................................................................................. 151
3 EXEMPLOS DE OCORRÊNCIA E CORREÇÃO DE DISTORÇÕES
RADIOMÉTRICAS.......................................................................................................................... 152
LEITURA COMPLEMENTAR........................................................................................................... 156
RESUMO DO TÓPICO 4................................................................................................................... 159
AUTOATIVIDADE............................................................................................................................. 160
REFERÊNCIAS..................................................................................................................................... 162
UNIDADE 1 —
INTRODUÇÃO AO PROCESSAMENTO
DIGITAL DE IMAGENS: CONCEITOS
E APLICAÇÕES
OBJETIVOS DE APRENDIZAGEM
A partir do estudo desta unidade, você deverá ser capaz de:
• conhecer a origem do Processamento Digital de Imagens – PDI;

• identificar as principais áreas de utilização do PDI;
• aprender sobre as principais propriedades de uma imagem;
• compreender as formas de aquisição de imagens digitais, bem como a
resposta dos alvos espectrais de uma imagem ao sensor de aquisição;
• experimentar de que forma se pode obter imagens digitais de diferentes
satélites das mais variadas agências espaciais ao redor do mundo;
• familiarizar-se com um Sistema de Informações Geográficas (SIG) para
aplicação de PDI.
PLANO DE ESTUDOS
Esta unidade está dividida em quatro tópicos. No decorrer da
unidade, você encontrará autoatividades com o objetivo de reforçar o
conteúdo apresentado.
TÓPICO 1 – INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE

IMAGENS: CONCEITOS E APLICAÇÕES
TÓPICO 2 – PROPRIEDADES DA IMAGEM DIGITAL
TÓPICO 3 – A IMAGEM DIGITAL: SENSORES DE AQUISIÇÃO E
CARACTERÍSTICAS DE IMAGEM
TÓPICO 4 – USOS DA IMAGEM DIGITAL: AQUISIÇÃO DE IMAGEM,
SIG E APLICAÇÕES
CHAMADA
Preparado para ampliar seus conhecimentos? Respire e vamos

em frente! Procure um ambiente que facilite a concentração, assim absorverá
melhor as informações.
1
2
TÓPICO 1 —
UNIDADE 1
INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE

IMAGENS: CONCEITOS E APLICAÇÕES
1INTRODUÇÃO
Neste tópico, você será introduzido ao Processamento Digital de Imagens
por meio do convite à leitura sobre um breve histórico dessa importante área do
Geoprocessamento. Ao longo da história da humanidade, inúmeras aplicações de
processamento digital de imagens foram desenvolvidas e aprimoradas, desde sua
aquisição – através de sensores imageadores – até as técnicas de melhoramento
de imagens, que permitam uma minuciosa avaliação do alvo.
Nesse contexto, o principal objetivo deste tópico é lhe apresentar as

infinitas utilidades já reconhecidas do uso de imagens digitais e lhe encorajar a
explorar as diferentes áreas da ciência que utilizam essa ferramenta.
2 O PROCESSAMENTO DIGITAL DE IMAGENS

O processamento digital de imagens consiste em um conjunto de
tarefas sequenciais, que envolvem desde a aquisição até o armazenamento do
produto final. Ilustramos, a seguir, de maneira simplificada, essas etapas para
familiarização com os processos que veremos ao longo deste livro didático.
3
UNIDADE 1 — INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS: CONCEITOS E APLICAÇÕES
FIGURA 1 – ETAPAS DO PROCESSO DE PDI
FONTE: O autor
A primeira etapa do PDI refere-se à aquisição da imagem, ou seja, a

captura da imagem do alvo de interesse através de um sistema de aquisição, que
pode ser, por exemplo, um sensor/satélite imageador e a subsequente conversão
dessa informação em uma representação numérica digital, que consiste na
imagem digital.
Com a imagem digital de interesse em mãos, partimos para o processamento

da imagem, que consiste na utilização de inúmeras técnicas de procedimentos
que visam a melhoria da imagem para melhor análise de acordo com a finalidade
do estudo.
Meneses e Almeida (2012) afirmam ainda que o conjunto de técnicas

de processamento são um grande esforço para tornar mais acessível, de forma
interativa homem-máquina, a extração de informações que seriam difíceis de
serem obtidas com o uso de métodos clássicos de interpretação.
Nesta etapa de processamento, é fundamental a disponibilidade e

utilização de um computador e um software de SIG, visto que esses, além de
permitirem, facilitam a utilização de ferramentas automatizadas para correções e
tratamentos de imagem.
Sequencialmente ao processamento da imagem digital, estão as etapas de

saída e armazenamento, que compreendem procedimentos referentes à seleção
da qualidade da imagem, compressão, forma de transmissão, entre outros.
4
TÓPICO 1 — INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS: CONCEITOS E APLICAÇÕES
Esses procedimentos devem ser criteriosamente relacionados à finalidade

do estudo, pois são dependentes da capacidade computacional disponível para
visualização e armazenamento desses dados. Portanto, devem ser levados em
consideração de acordo com a disponibilidade desses recursos.
3 BREVE HISTÓRICO
A área de Processamento Digital de Imagens (PDI) vem ganhando um
enorme espaço em inúmeras áreas da ciência. Ao longo dos anos, o avanço na
utilização de suas técnicas e procedimentos se deu junto ao avanço computacional.
Essa evolução computacional permitiu a ascensão do PDI em diversas

esferas, desde técnicas e sensores para obtenção de imagens, processadores,
armazenamento de dados, visualização e softwares.
Gonzalez e Woods (2010) citam umas das primeiras aplicações de imagem

digital na história, que ocorreu na indústria dos jornais no início da década de
1920, quando as imagens eram enviadas por cabo submarino entre Londres e
Nova York. A implementação do sistema de transmissão de imagens por cabo
submarino reduziu o tempo necessário para ‘transportar’ uma fotografia pelo
Oceano Atlântico, que era de mais de uma semana, para menos de três horas.
Um equipamento de impressão especializado codificava as imagens para a
transmissão a cabo e depois as reconstruía no recebimento.
Entretanto, Marques Filho e Vieira Neto (1999) descrevem que o grande

impulso para a área de Processamento de Imagens viria em meados da década
de 1960, com a chegada dos primeiros computadores digitais de grande porte
e o início do programa espacial norte-americano. No presente, essa bagagem
adquirida ao longo das décadas tem permitido feitos enormes para a ciência e se
mostra ainda em constante evolução.
NTE
INTERESSA
O uso de técnicas computacionais de aprimoramento de imagens teve

início no Jet Propulsion Laboratory (JPL) (Pasadena, California – EUA) em 1964, quando
imagens da lua transmitidas pela sonda Ranger eram processadas por computador para
corrigir vários tipos de distorção inerentes à câmera de TV acoplada à sonda. Essas técnicas
serviram de base para métodos aprimorados de realce e restauração de imagens de outros
programas espaciais posteriores, como as expedições tripuladas da série Apollo, por
exemplo” (MARQUES FILHO; VIEIRA NETO, 1999).
5
4 ÁREAS E USOS DA IMAGEM DIGITAL

Atualmente, o uso de imagens digitais é ilimitado e difundido para
diversas áreas da ciência graças aos avanços na tecnologia dos sensores de
obtenção de imagens e da melhoria contínua de ferramentas computacionais de
processamento e armazenamento dessas imagens.
A seguir iremos enumerar algumas áreas e suas aplicações para que você
tenha conhecimento da amplitude do uso dessa ferramenta.
• Meteorologia (previsão do tempo, ocorrência de fenômenos meteorológicos etc.).

• Geografia (identificação de depósitos minerais, identificação de bacias
hidrográficas etc.).
• Oceanografia (identificação da temperatura de superfície do mar, observação
do deslocamento de massas de água, identificação de cardumes etc.).
• Agronomia (identificação de formações e evolução de espécies de vegetação,
áreas de desmatamento etc.).
• Planejamento Urbano (áreas para instalação de rodovias, preservação, polos
turísticos etc.) – entre outros.
6
RESUMO DO TÓPICO 1
Neste tópico, você aprendeu que:
• O Processamento Digital de Imagens consiste em uma sequência de tarefas que

visam a melhoria da qualidade da imagem de acordo com o objetivo de estudo.
• A evolução da obtenção de imagens digitais, bem como a evolução do

processamento digital de imagens, deu-se ao longo dos anos, junto ao avanço
computacional.
• O programa espacial norte-americano foi um grande impulsionador do

processamento digital de imagens, visto a ampla necessidade de técnicas
empregadas.
• A ampla possibilidade de utilização da imagem digital em diferentes áreas da

ciência, tais como agricultura, meteorologia, geografia, oceanografia etc.
7
AUTOATIVIDADE
1 Ao longo dos anos, o processamento digital de imagens teve alguns

obstáculos por conta da evolução dos componentes indispensáveis a sua
execução. Nesse contexto, assinale a alternativa CORRETA que possui os
fatores que limitam os procedimentos referentes ao Processamento Digital
de Imagens nos dias de hoje:
I- Escassez de sensores de aquisição de imagens.

II- Capacidade computacional adequada.
III- Capacidade de armazenamento adequada.
IV- Não existem softwares de SIG adequados para processamento de imagens.
Assinale a alternativa CORRETA:

a) ( ) As sentenças I, II e III estão corretas.
b) ( ) Somente a sentença IV está correta.
c) ( ) As sentenças I e II estão corretas.
d) ( ) Somente a sentença III está correta.
2 O uso do Processamento Digital de Imagens é contínuo e amplo ao longo

do tempo e das possíveis áreas de aplicação. Com relação a sua utilização,
classifique V para as sentenças verdadeiras e F para as falsas:
( ) É possível, através de técnicas de PDI, identificar áreas de depósitos

minerais na Terra.
( ) A evolução das áreas de desmatamento de áreas florestais não pode ser
identificada através de técnicas de PDI.
( ) O Processamento Digital de Imagens é amplamente utilizado em diversas
áreas da ciência.
( ) O uso de técnicas de PDI pode, inclusive, auxiliar no planejamento urbano
de cidades.
Assinale a alternativa que apresenta a sequência CORRETA:

a) ( ) V – F – F – F.
b) ( ) V – F – V – V.
c) ( ) F – V – F – F.
d) ( ) F – F – V – F.
3 A evolução do Processamento Digital de Imagens esteve relacionada sempre

em conjunto com avanços tecnológicos e demandas científicas. Com relação
a essa evolução, assinale a alternativa CORRETA:
a) ( ) A evolução do Processamento Digital de Imagens não esteve relacionada

aos avanços computacionais.
b) ( ) As primeiras utilizações de técnicas de PDI estão relacionadas à área
médica, observações remotas de recursos da Terra e na astronomia.
8
c) ( ) Não é possível utilizar técnicas de PDI para facilitar a identificação de
fenômenos ambientais em imagens digitais.
d) ( ) Não existem técnicas de PDI que facilitem a interpretação de imagens
radiográficas na medicina.
4 Dentro do contexto de PDI, vimos que existe uma sequência de tarefas

indispensáveis a ser seguida. Cite e descreva as principais etapas que
compõem o Processamento de Digital de Imagem.
5 Quais são os principais fatores que fizeram com que o PDI, aliado à
tecnologia, se tornasse uma ferramenta indispensável para análises em
diversas áreas da ciência atualmente?
9
10
TÓPICO 2 —
UNIDADE 1
PROPRIEDADES DA IMAGEM DIGITAL
1INTRODUÇÃO
Estudamos, no tópico anterior, um breve histórico sobre o conceito
do Processamento Digital de Imagens, bem como alguns exemplos e áreas de
aplicação dessa ferramenta.
A partir de agora, no Tópico 2, definiremos importantes propriedades

e características da Imagem Digital que são fundamentais para sua correta
utilização no Geoprocessamento. Previamente ao processamento de
qualquer imagem digital, devemos ter em mente o objetivo do nosso estudo
e as ferramentas disponíveis. Dessa maneira, poderemos ter real noção da
magnitude de detalhamento das imagens que necessitamos, pois isso irá
interferir diretamente em nosso tempo de trabalho e processamento – e ainda o
espaço de armazenamento do qual necessitaremos.
2 RESOLUÇÃO DE UMA IMAGEM

A resolução de uma imagem está relacionada ao nível de detalhe que essa
imagem apresenta.
Nos itens a seguir, apresentaremos os diferentes tipos de resolução que

são pertinentes a uma imagem digital, sendo elas: resolução espacial, resolução
espectral, resolução radiométrica e resolução temporal.
2.1 RESOLUÇÃO ESPACIAL

A resolução espacial pode ser compreendida como o nível de detalhamento
presente em uma imagem, ou seja, o quão possível é identificar os objetos
presentes na imagem, tal como seus contornos e detalhes.
Quando falamos que a resolução espacial de um determinado satélite é de,

por exemplo, 50 metros, isso quer dizer que só conseguiremos identificar objetos
na imagem desse satélite que sejam maiores do que esse valor, visto que não será
possível distinguir contornos e feições de objetos menores que 50 metros.
11
Comumente, usamos como referência para a resolução espacial o tamanho

do pixel, pois, em geral, só objetos maiores do que a área do pixel podem ser
identificados, embora isso também dependa da reflectância e contraste entre os
objetos próximos (IBGE, 2001).
Veja a seguir a ilustração de diferentes aproximações de uma mesma

imagem obtida do satélite Landsat-8, que possui resolução espacial de 30 metros.
À medida que aproximamos a imagem para um determinado ponto, vemos

que se torna cada vez mais difícil a identificação de contornos e objetos presentes
no alvo, de tal maneira que atingimos um “limite” na visualização. Portanto, a
partir desse zoom, veremos apenas o contorno dos pixels da imagem que possui o
tamanho de 30 metros, nesse caso correspondente a sua resolução espacial.
FIGURA 2 – EXEMPLO DE DEMONSTRAÇÃO DE RESOLUÇÃO ESPACIAL DE UMA IMAGEM
FONTE: O autor
Precisamos ter em mente as vantagens e desvantagens de uma imagem

com uma boa resolução espacial.
Em um primeiro momento, somos induzidos a achar que quanto melhor

a resolução, maior a qualidade e, consequentemente, preferível ao nosso estudo,
independente do objetivo final. Entretanto, precisamos nos atentar que quanto
melhor a resolução de uma imagem e sua superior qualidade de visualização, maior
vai ser o espaço de armazenamento e processamento que essa imagem irá exigir.
12
TÓPICO 2 — PROPRIEDADES DA IMAGEM DIGITAL
Por exemplo, para aplicação em meteorologia, no qual se deseja analisar

formação e deslocamento de nuvens, não é necessária uma imagem com resolução
espacial de um pixel de poucos metros, já que não é necessário avaliar detalhes
pequenos na imagem. Portanto, podemos obter imagens de inferior resolução
espacial e, consequentemente, utilizar um espaço de armazenamento e tempo de
processamento inferior.
Já para estudos nos quais é necessário avaliar áreas com uma precisão
de metros ou até centímetros, é imprescindível uma imagem com boa resolução
espacial, ainda que demande um amplo espaço de armazenamento.
Nesses casos, para otimizar o processamento e armazenamento da

imagem, temos a possibilidade de selecionar áreas de menor abrangência, ainda
que com ótima resolução. Tudo isso deve ser avaliado conjuntamente com o
objetivo do estudo.
A seguir ilustramos diferentes imagens de diferentes sensores com

resoluções espaciais distintas, note que a identificação do contorno de feições na
imagem torna-se mais difícil à medida que a resolução espacial do sensor tem o
tamanho do pixel maior.
FIGURA 3 – EXEMPLO DE IMAGENS DE DIFERENTES SATÉLITES E DIFERENTES RESOLUÇÕES.

IMAGEM A: SATÉLITE CBERS COM RESOLUÇÃO 64 METROS, IMAGEM B: SATÉLITE TERRA COM
RESOLUÇÃO DE 250 METROS, IMAGEM C: SATÉLITE NOAA COM RESOLUÇÃO DE 375 METROS
FONTE: O autor
13
FIGURA 4 – EXEMPLO DE IMAGEM DO SATÉLITE IKONOS DE RESOLUÇÃO DE 1 M
FONTE: <http://www.engesat.com.br/wp-content/uploads/TELA_01_NADA-310x310.jpg>.
Acesso em: 3 jul. 2021.
2.2 RESOLUÇÃO ESPECTRAL

Para a utilização em diversas áreas do geoprocessamento, faz-se necessário
uma imagem com um número maior de bandas para a possibilidade de diferentes
análises. Nesse contexto, a resolução espectral de uma imagem é definida pela
quantidade de bandas que ela possui.
Uma imagem com apenas uma banda, por exemplo, será uma imagem
representada apenas em tons de cinza e/ou preto e branco, pois possui apenas
uma banda que cobre os comprimentos de onda visíveis. Já uma imagem colorida
poderá conter três ou mais bandas espectrais.
A resolução espectral também está relacionada com a área de cobertura

de cada banda presente na imagem, ou seja, a faixa de comprimentos de onda que
estarão inseridos em cada banda espectral que a imagem possua.
TUROS
ESTUDOS FU
Veja mais, a seguir, no item espectro eletromagnético e bandas espectrais de

uma imagem.
14
2.3 RESOLUÇÃO RADIOMÉTRICA

A resolução radiométrica de uma imagem está intimamente relacionada
com a capacidade do sensor distinguir a radiância de cada ponto da imagem
obtida, ou seja, quanto mais sensível ele for, mais diferenciações em níveis
digitais de cinza ele será capaz de quantificar e, consequentemente, maior sua
resolução radiométrica.
Essa resolução expressa o número de bits para cada banda. Usualmente,

dados de oito bits eram comuns em dados de sensoriamento remoto, porém hoje
em dia já existem sensores que fornecem dados de 16 bits, por exemplo.
O número de bits de uma imagem é sempre calculado como uma potência

do número dois. Por exemplo:
• Uma imagem de 8 bits: 28 = 256 níveis de cinza

• Uma imagem de 16 bits: 216 = 65.536 níveis de cinza
Veja a seguir uma sequência exemplificando o que definimos

anteriormente, uma mesma imagem com diferentes resoluções radiométricas e
consequentemente com diferentes quantidades de níveis de cinza presentes nelas.
Na imagem com maior número de bits, ou seja, melhor resolução

radiométrica, é possível melhor identificação dos objetos presentes na imagem
quando comparada a imagem com um menor número de bits.
15
FIGURA 5 – DIFERENTES IMAGENS DE UMA MESMA ÁREA, EXEMPLIFICANDO

RESOLUÇÃO RADIOMÉTRICA
FONTE: Adaptada de Meneses (2012a)
2.4 RESOLUÇÃO TEMPORAL

A resolução temporal de uma imagem indica qual será o período de
revisita do mesmo sensor imageador em um ponto específico da Terra. Essa
propriedade já é previamente conhecida para cada sensor/satélite, pois está
intimamente relacionada com sua órbita.
Por exemplo, um sensor Landsat tem sua resolução temporal de 16 dias,

sua órbita já mapeada nos permite afirmar que ele irá reamostrar imagens de um
ponto terrestre a cada 16 dias, independente da localidade, desde que esteja na
abrangência de seu campo orbital.
A imagem a seguir nos permite visualizar uma órbita de um satélite,

portanto, sabemos que em intervalos pré-determinados, ele irá imagear os pontos
dessa órbita repetidamente, nos permitindo saber a resolução temporal.
16
FIGURA 6 – EXEMPLO DE ÓRBITA DE UM SATÉLITE IMAGEADOR
FONTE: <http://www3.inpe.br/unidades/cep/atividadescep/educasere/image34.gif>.
Acesso em: 2 ago. 2021.
O conhecimento dessa propriedade é fundamental, pois, dependendo do

objetivo de determinado estudo, a frequência de aquisição de imagens é essencial.
Entretanto, é preciso se atentar ao fato de que, não obrigatoriamente, a imagem
será adequada ao uso, pois poderá sofrer interferência de fatores externos como
alta cobertura de nuvens etc.
Para melhor compreensão dessa propriedade, ilustramos a seguir a

grade de obtenção de imagens da América do Sul pelo satélite Landsat. Observe
que o satélite percorre linhas paralelas entre si no eixo Norte-Sul. Cada linha
é imageada e catalogada de acordo com sua Órbita/Ponto, como ilustrado em
detalhe à direita na figura.
Dessa forma, é possível o planejamento quanto à obtenção das imagens,

visto que sabemos os valores atribuídos a cada ponto de interesse de estudo
correspondente, bem como a data de passagem e sua data de revisita; ou seja,
quando teremos a imagem disponível novamente para o mesmo ponto.
17
FIGURA 7 – GRADE DE IMAGEAMENTO DO SATÉLITE LANDSAT (ÓRBITA/PONTO)
FONTE: O autor
Existem ainda outros satélites, como a missão de satélites Geostationary

Operational Environmental Satellite (GOES), que possuem órbita geoestacionária,
com velocidade de deslocamento compatível com a rotação da Terra.
Esse tipo de órbita permite a captação de imagens de uma ampla área

com uma resolução temporal de minutos ou horas, sendo extremamente útil para
monitorar eventos atmosféricos, desenvolvimento e deslocamento de nuvens
etc., muito utilizados nas previsões meteorológicas diárias.
DICAS
Projeto PRODES desenvolvido pelo INPE utiliza imagens do satélite Landsat-8

com resolução temporal de 16 dias para realizar o monitoramento por satélite do
desmatamento por corte raso na Amazônia Legal. As taxas anuais são estimadas a partir
dos incrementos de desmatamento identificados em cada imagem de satélite que cobre a
Amazônia Legal (INPE, 2020).
18
3 ESPECTRO ELETROMAGNÉTICO
O espectro eletromagnético pode ser compreendido como a faixa que
abrange todas as frequências atingidas pelas ondas eletromagnéticas, as quais
variam de acordo com sua intensidade de vibração.
Quanto mais intensa for essa onda, maior o número de oscilações e

consequentemente de maior frequência ela será.
O comprimento de onda (λ) e a frequência (v) se relacionam por meio da

expressão:
λ = c/v
Onde c é a velocidade da luz (2.998 × 108 m/s).
ATENCAO
A frequência de onda é inversamente proporcional ao seu comprimento:

quanto maior a frequência, menor o comprimento de onda.
FIGURA 8 – ILUSTRAÇÃO DO COMPORTAMENTO DE ONDAS ELETROMAGNÉTICAS
FONTE: O autor
Como podemos ver, as ondas eletromagnéticas são compostas por

campos elétricos e campos magnéticos oscilando perpendicularmente entre si e,
por transmitirem energia e não matéria, não necessitam de um campo físico para
propagação, sendo transmitidas inclusive no vácuo.
19
NTE
INTERESSA
Quando propagadas no vácuo, as ondas eletromagnéticas se propagam na

velocidade da luz, ou seja, 299.792.458 m/s!
As frequências do espectro magnético variam desde as ondas de rádio

(menor frequência) até as ondas de radiação gama (maior frequência). Entre essas
ondas, encontra-se ainda o espectro visível, que corresponde à faixa de frequência
visível ao olho humano.
FIGURA 9 – ILUSTRAÇÃO DAS FAIXAS DE ABRANGÊNCIA DO ESPECTRO ELETROMAGNÉTICO
FONTE: O autor
Como podemos analisar na figura anterior, o espectro é composto

por sete intervalos de frequências de ondas: ondas de Rádio, Micro-ondas,
Infravermelho, Luz Visível, Ultravioleta, Raio X e Raios Gama. Sintetizamos as
principais características de cada tipo de onda no quadro a seguir para facilitar a
compreensão e principais aplicações de cada uma.
20
QUADRO 1 – TIPOS DE ONDAS ELETROMAGNÉTICAS E PRINCIPAIS APLICAÇÕES
Comprimento de Onda
Tipo de Onda Aplicação
(Aproximados, em metros)
Comunicação de Rádio, Medicina

Ondas de Rádio 102 a 10-1
(Ressonância)
Micro-ondas 10-1 a 10-4 Radar, Sensores de Micro-ondas
Infravermelho 10 a 10
-4 -6
Sensoriamento Remoto, Astronomia,
Luz Visível 3,8x10 a 7x10
-7 -7
Visão Humana e Sensoriamento Remoto
Microscopia, Laser, Indústria, Microscopia,
Ultravioleta 10-7 a 10-8
Astronomia
Radiografias, Diagnóstico Médico, Estrutura
Raio X 10-8 a 10-11
da Matéria
Raios Gama 10-11 a 10-12 Medicina Nuclear, Astronomia
FONTE: O autor
Quando pensamos em espectro eletromagnético de imagens para

utilização em geoprocessamento devemos associar com as frequências Micro-
ondas, infravermelho (infravermelho próximo, infravermelho de ondas curtas,
infravermelho médio, infravermelho termal) e visível, pois devido à absorção
da radiação de certas frequências de onda pela atmosfera, elas não geram uma
frequência de resposta ao sensor de aquisição, portanto não são comumente
utilizadas nessa área da ciência.
Gonzalez e Woods (2010) ressaltam que a principal aplicação da

obtenção de imagens na banda de micro-ondas é o radar, principalmente por sua
capacidade de coletar dados em qualquer região e a qualquer momento, capaz
ainda de penetrar nuvens, gelo etc., sem interferências do clima ou condições
de iluminação. Os autores ainda destacam que em muitos casos esta é a única
maneira de explorar regiões inacessíveis da Terra.
Essa resposta ao sensor citado, nos dará inclusive importantes informações

em relação ao alvo da imagem quanto a sua composição, contornos, cobertura,
entre outras características que veremos a seguir.
3.1 COMPORTAMENTO ESPECTRAL DOS ALVOS

Agora que já vimos um pouco sobre o comportamento e a propagação das
ondas eletromagnéticas, entenderemos de que maneira é possível aplicarmos isso
ao geoprocessamento.
O conhecimento do espectro eletromagnético para o geoprocessamento

é fundamental, visto que cada alvo presente na imagem/paisagem, que tende
a ser objeto de variadas análises, apresenta uma diferente resposta à radiação
eletromagnética a que foi submetido, gerando uma reflectância específica e
particular de forma a permitir sua identificação.
21
FIGURA 10 – REPRESENTAÇÃO DO COMPORTAMENTO ESPECTRAL DE DIFERENTES ALVOS
FONTE: Adaptado de Lillesand e Kiefer (1987)
Observe que a reflectância varia conforme o estado físico do alvo.
• Água em seu estado líquido = Baixa Reflectância.

• Neve = Alta Reflectância.
Ainda assim, outros fatores como turbidez da água, por exemplo, podem
interferir significativamente na sua reflectância. Da mesma maneira como a
variação da umidade presente em um mesmo tipo de alvo pode variar a sua
reflectância, como solo seco e solo encharcado.
O comportamento espectral de cada alvo varia de acordo com sua

capacidade de refletir, absorver ou transmitir a radiação – de acordo com a sua
composição física e biológica, conforme ilustrado a seguir. Essa resposta de cada
substância ao estímulo ao qual é exposta denomina-se assinatura espectral.
FIGURA 11 – ILUSTRAÇÃO DAS RESPOSTAS DO ALVO PARA A INCIDÊNCIA DE RADIAÇÃO
FONTE: Adaptada de Meneses (2012a)
22
O conhecimento da assinatura espectral característica de diferentes alvos

permite o reconhecimento de áreas, tipos de vegetação, uso e ocupação do solo,
corpos hídricos etc., afinal cada objeto de estudo citado tem uma assinatura
espectral com base na sua resposta à radiação incidente.
NOTA
Devido aos inúmeros estudos sobre o comportamento espectral, hoje em

dia é possível identificar, inclusive, as diferentes espécies vegetais, por exemplo, que
compõem uma determinada área de uma imagem. Isso é possível principalmente pela
composição pigmentar de cada tipo de vegetação, sua composição quanto à clorofila
etc., permitindo assim caracterizar detalhadamente uma ampla área de estudo com base
em uma imagem de satélite.
3.2 BANDAS ESPECTRAIS DE UMA IMAGEM

Agora que entendemos o fundamento do espectro eletromagnético, vamos
exemplificar de que forma as imagens dos sensores imageadores nos fornecem
informações de acordo com o comprimento de onda.
Para melhor compreensão, observe o quadro a seguir com informações do

satélite Landsat-8, contendo suas bandas espectrais, os comprimentos de onda
respectivos à cada banda (resolução espectral) e demais resoluções.
QUADRO 2 – BANDAS ESPECTRAIS DO SATÉLITE LANDSAT-8 E SUAS

PRINCIPAIS CARACTERÍSTICAS
Número
Resolução Resolução Resolução Resolução
da Nome da Banda
Espectral Espacial Temporal Radiométrica
Banda
B1 AZUL COSTEIRO 0.43 – 0.45 µm
B2 AZUL 0.45 – 0.51 µm
B3 VERDE 0.53 – 0.59 µm
B4 VERMELHO 0.64 – 0.67 µm 30 m
B5 INFRAVERMELHO PRÓXIMO 0.85 – 0.88 µm 16 bits
B6 INFRAVERMELHO MÉDIO 1.57 – 1.65 µm 16 dias
B7 INFRAVERMELHO MÉDIO 2.11 – 2.29 µm

B8 PANCROMÁTICO 0.50 – 0.68 µm 15 m
B9 CIRRUS 1.36 – 1.38 µm 30 m
B10 INFRAVERMELHO TERMAL 1 10.6 – 11.19 µm
100 m
B11 INFRAVERMELHO TERMAL 2 11.50 – 12.51 µm
FONTE: Adaptada de <https://www.usgs.gov/>. Acesso em: 2 ago. 2021.
23
De posse dessas informações podemos selecionar, de acordo com o

objetivo do nosso estudo, as melhores bandas para identificação dos alvos de
nosso interesse, permitindo assim uma análise de melhor qualidade.
ATENCAO
A quantidade de bandas e o comprimento de onda respectivo a cada uma

delas varia conforme o sensor imageador, busque essa informação sempre que for obter
os dados de um sensor.
Observe a seguir, a figura ilustrando as diferentes bandas do sensor OLI

do satélite Landsat-8.
Note como mesmo em uma imagem sem composição de cores que estamos
habituados a enxergar, já é possível discriminar em quais bandas destacam-se,
por exemplo, os corpos hídricos (banda 5) ou os núcleos urbanos (banda 7), entre
outros alvos.
24
FIGURA 12 – VISUALIZAÇÃO DAS DIFERENTES BANDAS DO SATÉLITE LANDSAT-8
FONTE: O autor
TUROS
ESTUDOS FU
Abordamos brevemente este assunto nesta unidade para contextualização no

âmbito do espectro eletromagnético. Veremos mais detalhes sobre bandas espectrais na
próxima unidade!
25
RESUMO DO TÓPICO 2
• Existem definições sobre resolução de imagem e sobre o que é resolução

espacial, espectral, radiométrica e temporal.
• A resolução espacial pode ser compreendida como o nível de detalhamento

presente em uma imagem.
• A resolução espectral de uma imagem é definida pela quantidade de bandas

que ela possui e pela área de cobertura de comprimento de onda de cada banda.
• A resolução radiométrica está intimamente relacionada com a capacidade do

sensor distinguir a radiância de cada ponto da imagem.
• A resolução temporal de um sensor indica qual será o período de revisita deste

mesmo sensor em um ponto específico da Terra.
• A assinatura espectral dos alvos dentro do conceito de espectro eletromagnético

nos permite fazer uma avaliação detalhada da composição da imagem.
• As faixas do espectro mais utilizadas na área do geoprocessamento são: visível,

infravermelho (infravermelho próximo, infravermelho de ondas curtas,
infravermelho médio, infravermelho termal) e Micro-ondas.
• A análise de uma imagem através de diferentes bandas espectrais nos permite

fazer uma melhor identificação dos alvos presentes na cena.
26
AUTOATIVIDADE
1 Existem diferentes classificações para resolução de imagens digitais,

sendo que a escolha e seleção de cada uma delas deve ser criteriosamente
adequada ao objetivo do estudo. Com relação à resolução de uma imagem
digital, classifique V para as sentenças verdadeiras e F para as falsas:
( ) A resolução espacial de uma imagem coincide com o tamanho do pixel

presente nessa imagem.
( ) Independente do uso e da finalidade do estudo, sempre será melhor a
utilização de uma imagem com maior resolução espacial possível.
( ) Quando uma imagem possui resolução radiométrica de quatro bits
significa que ela possui 16 níveis de cinza.
( ) A órbita de um satélite não é previamente conhecida, portanto o período
de revisita e imageamento não pode ser pré-determinado.

a) ( ) V – F – F – F.
b) ( ) V – F – V – F.
c) ( ) F – V – V – F.
d) ( ) F – F – V – V.
2 Espectro eletromagnético compreende o intervalo das possíveis frequências

de ondas eletromagnéticas. Nesse intervalo, algumas faixas são de extrema
importância para o Geoprocessamento. De acordo com as definições e
propriedades sobre o espectro eletromagnético, classifique V para as
sentenças verdadeiras e F para as falsas:
( ) A presença de nuvens na atmosfera não interfere na penetração da

radiação eletromagnética, portanto, podem ser utilizadas todas as faixas
do espectro eletromagnético para imageamento em Geoprocessamento.
( ) A evolução dos sensores imageadores e o crescente conhecimento sobre
a resposta espectral dos alvos nos permite avaliar inclusive a composição
de determinados alvos da imagem.
( ) Um mesmo alvo presente na imagem, mas em diferente estado físico
pode ter uma assinatura espectral diferente.
( ) O comportamento espectral de cada alvo varia de acordo com sua
capacidade de refletir, absorver ou transmitir a radiação de acordo com a
sua composição física e biológica.

a) ( ) V – F – F– V.
b) ( ) V – F – V– F.
c) ( ) F – V – F– V.
d) ( ) F – V – V– V.
27
3 Bandas espectrais consistem em faixas do espectro eletromagnético
imageadas através de sensores de aquisição de imagens digitais. Com
relação ao conteúdo abordado sobre bandas espectrais, classifique V para
as sentenças verdadeiras e F para as falsas:
( ) A resolução espectral de uma banda refere-se ao comprimento de onda

abrangido por cada banda espectral.
( ) Diferentes sensores imageadores possuem sempre o mesmo número de
bandas espectrais.
( ) A seleção da banda espectral de uma imagem para melhor análise deve
ser feita com base no alvo de interesse.
( ) Análise de uma imagem através de diferentes bandas espectrais nos
permite fazer uma melhor identificação dos alvos presentes na cena.

a) ( ) V – F – F– V.
b) ( ) V – F – V– V.
c) ( ) F – V – F– V.
d) ( ) F – V – V– V.
4 A imagem digital possui quatro diferentes tipos de resolução. Cite e

explique cada uma delas.
5 No geoprocessamento, algumas faixas de frequência de onda do espectro

eletromagnético são mais adequadas para uso. Quais são essas faixas e por quê?
28
TÓPICO 3 —
UNIDADE 1
A IMAGEM DIGITAL: SENSORES DE AQUISIÇÃO E

CARACTERÍSTICAS DE IMAGEM
1INTRODUÇÃO
No último tópico, apresentamos os principais conceitos e propriedades
pertinentes às imagens digitais, a definição de espectro eletromagnético e de que
forma isso interfere no alvo presente nas imagens digitais de nosso interesse.
Outro ponto de extrema importância no Processamento Digital de

Imagens se refere à forma que as imagens digitais são adquiridas. Esse processo,
em conjunto com as demais propriedades da imagem, poderá definir pontos
importantes com relação ao objetivo final do estudo.
Neste tópico, apresentaremos a você de que forma essas imagens são

obtidas através dos sensores orbitais e as principais características das imagens
digitais obtidas por esses sensores.
2 SENSORES DE OBSERVAÇÃO DA TERRA

Uma imagem digital é gerada pela combinação de uma fonte de iluminação
e a reflexão ou absorção de energia dessa fonte pelos elementos presentes na área
que está sendo imageada (GONZALEZ; WOODS, 2010).
O conjunto dessas informações é transmitida/obtida através de sensores, os

quais definiremos a seguir.
2.1 SENSORES PASSIVOS E SENSORES ATIVOS

Existem inúmeras maneiras de aquisição de imagens digitais. Para a
finalidade de utilização em geoprocessamento, as imagens mais comumente
usadas são as imagens obtidas através de sensores, satélites e radares.
Podemos distinguir os principais meios de aquisição dessas imagens

em dois principais grupos: as imagens obtidas através de sensores passivos e as
imagens obtidas através de sensores ativos.
29
A principal diferença entre esses grupos está na fonte de radiação. Sistemas

ativos possuem sua fonte de radiação própria, já os sistemas passivos medem a
reflectância dos objetos estimulada por outra fonte de radiação, como por exemplo o
Sol. Para melhor compreensão, observe a explicação e a imagem a seguir:
• Sensor Passivo: o sol emite uma radiação à Terra, cada componente presente
na superfície se comporta de maneira particular, refletindo essa radiação ao
sensor de acordo com seu comportamento espectral. O sensor, então, recebe
essa radiação transmitida e converte em informação para a antena receptora.
• Sensor Ativo: o próprio sensor é responsável por transmitir a radiação à superfície
terrestre, receber a informação com base na resposta de comportamento
espectral do alvo e emitir essa informação à antena receptora.
FIGURA 13 – ESQUEMATIZAÇÃO DOS SISTEMAS PASSIVO E ATIVO DE IMAGEAMENTO
FONTE: O autor
• Exemplos Sensores Ativos: LIDAR (Light Detection And Ranging), Laser e Radar.
• Exemplos Sensores Passivos: Landsat, Cbers, Ikonos etc.
2.2 SENSORES MULTIESPECTRAIS E

SENSORES HIPERESPECTRAIS
Sensores multiespectrais são conhecidos como sensores que obtêm
imagens formadas por poucas bandas (até aproximadamente 20 bandas) e que
capturam a resposta espectral dos alvos de forma discreta e não contínua.
30
TÓPICO 3 — A IMAGEM DIGITAL: SENSORES DE AQUISIÇÃO E CARACTERÍSTICAS DE IMAGEM
Já os sensores hiperespectrais são considerados uma evolução dos sensores

multiespectrais, pois captam a resposta espectral de forma contínua, podendo
obter imagens formadas por até centenas de bandas espectrais.
Observe a ilustração a seguir. Note que a imagem obtida pelo sensor

multiespectral é formada por camadas distintas, que se referem às bandas
espectrais. Cada pixel possui um valor específico relacionado à intensidade e ao
comprimento de onda refletido pelo alvo.
Entretanto, a imagem digital obtida através de um sensor hiperespectral é

representada de forma sequencial, com uma quantidade muito maior de camadas
(bandas espectrais) e mais próximas entre si, gerando assim uma imagem com
pixels contendo a assinatura espectral mais precisa e contínua do alvo em questão.
FIGURA 14 – EXEMPLIFICAÇÃO DE FORMATO DE UMA IMAGEM

MULTIESPECTRAL E HIPERESPECTRAL
FONTE: Adaptada de Giannoni et al. (2018)
Com relação à utilização entre os diferentes sensores, Borges et al. (2015),

destacam que o uso de imagens fornecidas por sensores hiperespectrais é de
extrema importância para determinados objetivos, pois possibilita a discriminação
de tipos de cobertura da superfície terrestre que possuem características espaciais
e componentes estruturais extremamente complexos.
31
Sensores hiperespectrais são capazes, ainda, de fornecer informações

acerca das propriedades físico-químicas dos alvos presentes na superfície
terrestre, permitindo dessa forma que suas áreas imageadas possam ser usadas
para complexas identificações bioquímicas, de mineralogia, agricultura, entre
outras áreas.
Entretanto, o uso de imagens obtidas através de sensores hiperespectrais

só foi possível graças ao avanço também de ferramentas compatíveis com o
processamento dessas imagens, que exigem uma capacidade de processamento
muito superior às demais imagens, como as multiespectrais, por exemplo.
3 A IMAGEM DIGITAL
Para que uma imagem possa ser armazenada e processada após sua
obtenção, é necessário transformá-la em uma imagem digital, isso requer dois
processos: amostragem e quantização.
A amostragem de uma imagem refere-se à discretização das informações

espaciais dela, ou seja, a associação das posições do pixel em uma matriz.
Conjuntamente a esse processo ocorre a quantização, que associa a intensidade
dos valores do pixel a sua localização.
Veja a seguir uma ilustração do que definimos anteriormente. A imagem

digital é armazenada em uma matriz na qual cada componente representa um
pixel com sua respectiva intensidade de luz refletida.
Essa intensidade de luz refletida é denominada de Nível de Cinza, Digital

Number ou Pixel Value, e variam do preto (valor mínimo) ao branco (valor máximo)
(IBGE, 2001).
FIGURA 15 – EXEMPLO DE AMOSTRAGEM E QUANTIZAÇÃO DE UMA IMAGEM
FONTE: O autor
Uma imagem em formato raster compreende uma imagem com suas

informações armazenadas em formato de matriz. Portanto, um grid no qual
cada grade representa um pixel que armazena um dado referente à imagem. O
tamanho do pixel é o que determinará qual a resolução espacial de uma imagem.
32
TÓPICO 3 — A IMAGEM DIGITAL: SENSORES DE AQUISIÇÃO E CARACTERÍSTICAS DE IMAGEM
Uma mesma imagem raster pode ser composta apenas por uma banda,
chamada de banda simples, que compreende informações apenas em tons de
cinza. Já quando uma imagem é composta por diferentes bandas do espectro
eletromagnético é chamada de multiespectral, nas quais é possível realizar a
composição de diferentes bandas com o intuito de melhor visualizar o objeto
de análise.
Como foi discutido anteriormente no tópico resolução espacial, imagens

raster são capazes de ocupar um considerável espaço de armazenamento
dependendo de sua resolução; por esse motivo, sugere-se uma avaliação criteriosa
do objetivo de estudo para avaliar a resolução espacial necessária para que não
haja contratempos no tempo de processamento e armazenamento.
A utilização de uma imagem raster é muito apropriada para delimitação

de áreas de bacia hidrográficas, análise de relevo, identificação de fluxos de água
etc., pois são dados com informações contínuas em toda sua abrangência.
3.1 IMAGEM MONOCROMÁTICA E IMAGEM COLORIDA

Quando nos referimos a uma imagem monocromática, somos muitas
vezes induzidos a achar que estamos nos referindo a uma composição apenas em
preto e branco. Entretanto, uma imagem monocromática refere-se à composição
por diferentes tons de uma mesma cor.
Marques Filho e Vieira Neto (1999) descrevem uma imagem monocromática

como sendo uma função f(x,y) da intensidade luminosa, sendo seu valor em
qualquer ponto de coordenadas espaciais (x,y), proporcional ao brilho (ou nível
de cinza) da imagem naquele ponto. Os autores reforçam ainda que, em geral,
64 níveis de cinza são considerados suficientes para o olho humano, ainda que a
maioria dos sistemas de visão artificial utilizem imagens com 256 níveis de cinza.
NOTA
Usualmente, imagens monocromáticas costumam ser apresentadas em

escalas de tons de cinza, porém elas podem ser compostas em outras escalas de tons
dentro de uma mesma cor.
Uma imagem colorida é formada por uma composição de bandas, as quais

cada uma delas armazena escalas de tons de diferentes cores. Por exemplo, no
geoprocessamento inúmeras das composições que utilizamos para identificação
de feições visíveis pelo olho humano são geradas a partir da composição das
cores vermelho (R), verde (G) e azul (B).
33
Assim, podemos desenvolver diversas visualizações de imagens coloridas

a partir de diferentes combinações de bandas, inclusive a partir de imagens
monocromáticas.
34
RESUMO DO TÓPICO 3
• Os sensores de obtenção de imagens podem ser classificados como ativos, que

possuem sua fonte de radiação própria, e passivos, que medem a reflectância
dos objetos estimulada por outra fonte de radiação, como o Sol.
• Sensores hiperespectrais são uma evolução dos sensores multiespectrais,

pois captam a resposta espectral de forma contínua, podendo obter imagens
formadas por até centenas de bandas espectrais.
• Imagens raster são matrizes de tamanhos regulares e compostas por pixels. O

tamanho desses pixels irá determinar a resolução da imagem.
• Imagens raster podem conter uma ou mais bandas, elas cobrem a mesma área
espacial, mas contém diferentes informações.
• Imagens monocromáticas são imagens compostas por diferentes tons de uma

mesma cor.
• Imagens coloridas são imagens formadas por uma composição de bandas, as

quais armazenam escalas de tons de diferentes cores.
35
AUTOATIVIDADE
1 A evolução dos sensores de aquisição de imagens impulsionou

significativamente a evolução do Processamento Digital de Imagens, tanto
em abrangência quanto em qualidade de imagem e tempo de aquisição.
Com relação aos sensores de aquisição de imagens, classifique V para as
( ) Sensores hiperespectrais captam a resposta espectral de forma contínua e

são capazes de fornecer informações das propriedades físico-químicas do
alvo.
( ) Sensores multiespectrais são sensores que obtêm imagens formadas por
centenas de bandas.
( ) O satélite Landsat é um exemplo de sensor ativo, pois possui sua própria
fonte de radiação.
( ) Sistemas de aquisição passivos medem a reflectância dos objetos
estimulada por outra fonte de radiação, como por exemplo o Sol.

a) ( ) V – F – F – V.
b) ( ) V – F – V – F.
c) ( ) F – V – F – F.
d) ( ) F – F – V – F.
2 Após sua aquisição, uma imagem digital deve ser corretamente interpretada
e classificada de acordo com inúmeras de suas características. De acordo
com os conceitos apresentados sobre imagem digital, classifique V para as
( ) A imagem digital é armazenada em uma matriz onde cada componente

representa um pixel e o valor associado representa a intensidade de luz
refletida.
( ) Para a conversão de uma imagem em imagem digital, dois processos se
fazem necessários: amostragem e quantização.
( ) A amostragem de uma imagem refere-se à associação da intensidade dos
valores do pixel a sua localização.
( ) A quantização de uma imagem é a associação das posições do pixel em
uma matriz.

a) ( ) V – V – F – F.
b) ( ) V – F – V – F.
c) ( ) F – V – F – F.
d) ( ) F – F – V – V.
36
3 Imagens monocromáticas e imagens coloridas são amplamente utilizadas
em diversas aplicações em Geoprocessamento e seu uso varia conforme a
disponibilidade das mesas e o objetivo do estudo. Com relação ao conteúdo
abordado sobre imagens monocromáticas e imagens coloridas, assinale a
alternativa INCORRETA:
a) ( ) Uma imagem monocromática é uma composição apenas em tons de cinza.

b) ( ) Uma imagem colorida é formada por bandas, onde cada banda
armazena escalas de tons de uma cor.
c) ( ) Uma imagem colorida pode ser formada a partir de imagens
monocromáticas.
4 Sensores imageadores são fundamentais para o Processamento Digital de

Imagens. Diferencie sistemas ativos de sistemas passivos e cite um exemplo
para cada um deles.
5 Imagens digitais são parte fundamental de estudos que envolvem o

Processamento Digital de Imagens. Descreva a representação de uma
imagem raster e o motivo desse tipo de imagem ser tão útil para identificação
de flux de água, por exemplo.
37
38
TÓPICO 4 —
UNIDADE 1
USOS DA IMAGEM DIGITAL: AQUISIÇÃO DE IMAGEM,

SIG E APLICAÇÕES
1INTRODUÇÃO
Apresentamos, no tópico anterior, os principais conceitos que abrangem
o processamento digital de imagem, bem como as principais características e
propriedades relacionadas à imagem digital e seu sistema de aquisição.
Neste tópico, no entanto, queremos convidar você a conhecer de que

forma podemos obter imagens de diferentes satélites disponíveis on-line e
gratuitamente, assim como se familiarizar com um SIG livre, o QGIS que pode
ser utilizado em diversos procedimentos que envolvem o processamento digital
de imagens.
Após isso, apresentaremos de forma ampla e abrangente diversas

áreas de atuação nas quais são imprescindíveis o uso e o conhecimento sobre o
Processamento Digital de Imagens.
2 AQUISIÇÃO DE IMAGENS DIGITAIS

O Instituto Nacional de Pesquisas Espaciais (INPE, 2020) é responsável
pela recepção, armazenamento e distribuição das imagens e dados de diferentes
satélites de sensoriamento remoto, meteorológicos e científicos em território
nacional. O departamento responsável por essa logística é a Divisão de Geração
de Imagens (DGI).
Segundo o INPE, a DGI é responsável por distribuir todas as imagens

recebidas de diversos satélites em seu sistema de antenas e a disponibilização das
imagens é feita através dos catálogos, sem custo e sem limite de volume.
DICAS
O acervo da DGI, formado desde 1973, está disponível totalmente on-line

através do site www.dgi.inpe.br.
39
A seguir, mostraremos de forma objetiva de que maneira é possível

solicitar essas imagens e informações imprescindíveis para utilização em
qualquer estudo na área do Geoprocessamento que envolva o processamento
digital de imagens.
Acesse o endereço eletrônico do INPE (www.dgi.inpe.br), faça um

breve cadastro necessário e posteriormente siga os passos a seguir.
Clique em “Catálogo de Imagens”:
FIGURA – CATÁLOGO
FONTE: <www.dgi.inpe.br>. Acesso em: 2 ago. 2021.
40
TÓPICO 4 — USOS DA IMAGEM DIGITAL: AQUISIÇÃO DE IMAGEM, SIG E APLICAÇÕES
FIGURA – GERAÇÃO DE IMAGENS
Clique em ‘Satélites’ e/ou ‘Grades’:
FIGURA – GRADES
41
FIGURA – DIVISÃO DE GERAÇÃO DE IMAGENS
FIGURA – CAMPO DE LOCALIZAÇÃO
42
FIGURA – SOBREPOSIÇÃO DA IMAGEM
Confira a imagem selecionada e clique em prosseguir.
FIGURA – CARRINHO DE IMAGENS
Ao prosseguir, você será informado que seu pedido foi atendido e

receberá via e-mail de cadastro um link que irá direcioná-lo à página para
download dos arquivos.
43
FIGURA – FECHAR PEDIDO
Na página de download você encontrará os arquivos compactados e

separados por bandas espectrais, faça o download de todos eles e armazene-os
em uma pasta no seu computador para posterior utilização.
Note que o nome dos arquivos de cada banda já nos fornece informações
importantes sobre a imagem, tais como:
• LO8 – Satélite Landsat 8.

• 220 – Órbita do Satélite.
• 078 – Ponto da Órbita.
• 2020319 – Data.
• B(número) – Banda do Satélite.
44
Pronto! A partir do passo a passo apresentado anteriormente, você está

apto a obter imagens de satélite para qualquer área de interesse ao redor do
mundo de forma gratuita.
Lembre-se de aplicar os demais conhecimentos adquiridos ao longo

desta unidade para que consiga atingir sua necessidade selecionando a melhor
imagem para sua finalidade.
Com a imagem digital em mãos queremos, a partir do próximo item,

lhe encorajar a utilizar um software de SIG para dar início ao processamento
digital de imagens na prática.
3 UTILIZANDO O QGIS PARA O PROCESSAMENTO

DIGITAL DE IMAGENS
A utilização de um software de processamento e visualização de dados é
indispensável quando falamos em processamento digital de imagens.
A sugestão a seguir é para a utilização do SIG QGIS, visto que ele

pode ser obtido gratuitamente através do site oficial e é amplamente utilizado
mundialmente para visualização e processamento de dados em geral na área de
Geoprocessamento.
DICAS
Existem diversos outros softwares de SIG disponíveis no mercado e amplamente

utilizados para a mesma finalidade, deixamos aqui apenas uma sugestão de uso. Algumas
outras sugestões de SIG: SNAP, GVSIG, TerraView, SPRING etc.
A seguir, apresentaremos de maneira resumida os passos para obtenção e

instalação do software e, após isso, exemplificaremos alguns usos das imagens de
satélite obtidas no item anterior, processadas no QGIS.
45
Dessa forma, esperamos que você vá aos poucos se familiarizando com

o processamento digital de imagens na prática e esteja apto a realizar diversos
procedimentos que daremos continuidade nos tópicos seguintes da disciplina.
46
Localize em seu computador o ícone de acesso ao software e inicie o

programa.
Para adicionar arquivos ao QGIS, localize o ícone indicado na figura a

seguir.
47
Busque a pasta na qual você salvou as imagens obtidas do INPE

conforme explicamos no item de aquisição de imagens.
Selecione todas as bandas da imagem obtida para carregá-las no

software.
Após isso, todas as bandas já estão disponíveis e você pode alternar

entre a visualização de cada uma através da ativação do box ao lado do nome
de cada uma delas, conforme indicação a seguir.
48
Note que cada uma das bandas possui características distintas em

relação à resposta dos alvos espectrais presentes na imagem.
Agora queremos te incentivar a ver algumas informações citadas nos

tópicos anteriores, ao longo deste livro, pertinentes a cada uma das imagens.
Clicando com o botão direito do mouse sobre a imagem disponível no

SIG, vá em propriedades.
Note que ali estão descritas diversas propriedades da imagem em

questão, tais como projeção, resolução radiométrica e resolução espacial.
49
Como estamos trabalhando neste exemplo com uma imagem do satélite

Landsat-8, observe que a resolução radiométrica é de 16 bits e a resolução
espacial de 30 metros.
FONTE: <https://qgis.org/pt_BR/site/>. Acesso em: 2 ago. 2021.
TUROS
ESTUDOS FU
Fique atento! Na próxima unidade utilizaremos outras técnicas de processamento

de imagens que serão demonstradas no QGIS. Portanto, este aprendizado inicial de como
carregar, visualizar e obter as propriedades das imagens de satélites é essencial!
4 EXEMPLOS DE APLICAÇÕES AO
GEOPROCESSAMENTO
A seguir exemplificaremos alguns estudos que abordam o uso de imagens
digitais para utilização em geoprocessamento.
• Uso de técnicas de PDI para identificação de áreas de desmatamento.
O programa PRODES do INPE realiza o monitoramento do

desmatamento na Amazônia Legal e produz, desde 1988, as taxas anuais de
desmatamento na região.
50
FIGURA 16 – EXEMPLO DE IMAGEM DO SISTEMA PRODES
FONTE: <http://terrabrasilis.dpi.inpe.br/app/map/deforestation?hl=pt-br>. Acesso em: 2 ago. 2021.
• Uso de técnicas de PDI para identificação da Temperatura da Superfície do

Mar (TSM).
Sousa, Paes e França (2016) observaram a variação da temperatura da

superfície do mar (TSM) durante a passagem do ciclone tropical que atingiu a
costa leste do Brasil em 2004, o furacão Catarina, utilizando dados de temperatura
da superfície do mar estimados através dos dados obtidos dos sensores nos
espectros de micro-ondas (Figura 1) e infravermelho termal (Figura 2).
51
FIGURA 17 – EXEMPLO DE IMAGEM DE MONITORAMENTO DA TEMPERATURA DA SUPERFÍCIE

DO MAR ATRAVÉS DOS SENSORES TMI E AVHRR
FONTE: Adaptada de Sousa, Paes e França (2016)
• Uso de técnicas de PDI para identificação de áreas sujeitas à erosão e inundação.
Marques (2006) ilustra diferentes usos e aplicações na área ambiental para

diferentes sensores de aquisição de imagens. Por exemplo, a seguir duas imagens:
A primeira delas, do satélite Ikonos II da região de Arroio Cadena em

Santa Maria (RS), em uma composição com as bandas 123-BGR, na qual é possível
observar em destaque as áreas de erosão do solo.
52
UNI
Prezado aluno, como uma reflexão extra deste tópico, queremos ainda lhe
encorajar a aplicar os conhecimentos compartilhados da seguinte maneira:
1 Acesse o site do INPE indicado para obter imagens de satélite.

2 Selecione a área de sua residência e exporte uma imagem de um satélite de sua escolha.
3 Instale o QGIS e abra a imagem conforme explicado neste tópico.
4 Faça a composição virtual de bandas para que a imagem se pareça com as cores que
estamos habituados a enxergar
5 Analise as seguintes informações de acordo com sua imagem.
• Qual a resolução espacial e a resolução radiométrica de sua imagem?

• Visualmente, quais os alvos predominantemente presentes na sua imagem (vegetação,
área urbana, corpos hídricos etc.)?
• A cobertura de nuvens presente na imagem da data que você selecionou permite uma
boa avaliação da imagem ou prejudica sua análise?
Na segunda imagem, a identificação de áreas de inundação nos arredores

da Lagoa Mirim através de imagem do LANDSAT-7, com a composição das
bandas 157-BGR.
FIGURA 18 – EXEMPLO DE IMAGEM COM IDENTIFICAÇÃO DE ÁREA DE EROSÃO
FONTE: Adaptada de Marques (2006)
53
FIGURA 19 – EXEMPLO DE IMAGEM COM IDENTIFICAÇÃO DE ÁREA DE INUNDAÇÃO
FONTE: Adaptada de Marques (2006)
54
LEITURA COMPLEMENTAR
MISSÃO AMAZÔNIA – SATÉLITE BRASILEIRO DE

OBSERVAÇÃO DA TERRA
INPE – Instituto Nacional de Pesquisas Espaciais
“A Missão Amazônia irá fornecer dados (imagens) de sensoriamento

remoto para observar e monitorar o desmatamento especialmente na região
amazônica e, também, a diversificada agricultura em todo o território nacional
com uma alta taxa de revisita, buscando atuar em sinergia com os programas
ambientais existentes.
Os dados gerados serão úteis para atender, ainda, outras aplicações

correlatas, tais como: monitoramento da região costeira, reservatórios de água,
florestas naturais e cultivadas, desastres ambientais, entre outros.
Os dados estarão disponíveis tanto para comunidade científica e

órgãos governamentais quanto para usuários interessados em uma melhor
compreensão do ambiente terrestre. A Missão prevê três satélites de
sensoriamento remoto: Amazônia 1, Amazonia-1B e Amazonia-2, estando o
primeiro em fase final de desenvolvimento.
Além dos objetivos finalísticos associados ao provimento de dados para

monitoramento do meio ambiente, a Missão tem um importante objetivo do
ponto de vista tecnológico: a validação da Plataforma Multimissão PMM como
sistema, que será utilizada pela primeira vez no satélite Amazônia 1.
Por fim, a Missão Amazônia irá consolidar o conhecimento do Brasil no

desenvolvimento integral de uma missão espacial utilizando satélites estabilizados
em três eixos, visto que os satélites de sensoriamento remoto anteriores foram
desenvolvidos em cooperação internacional com outros países.
Essa competência global em engenharia de sistemas e em gerenciamento

de projetos coloca o país em um novo patamar científico e tecnológico para
missões espaciais. A partir do lançamento do satélite Amazônia 1 e da validação
em voo da PMM, o Brasil terá dominado o ciclo de vida de fabricação de sistemas
espaciais para satélites estabilizados em três eixos.
Isso significa autonomia para atuar em missões dessa categoria e

capacitação para avançar para outros tipos de missão. Significa também a
possibilidade de trabalhar em todas as etapas e em todos os subsistemas de uma
missão dentro de parcerias nacionais. Além disso, a disponibilidade de uma
plataforma (PMM) qualificada em voo permitirá seu reuso em outras missões,
nacionais ou em parceria internacional. Finalmente, a indústria espacial brasileira
terá ganho herança de voo nos equipamentos fabricados para o satélite, o que
abre perspectivas para fornecimento a outros países e agências espaciais
55
FIGURA – SATÉLITE DE OBSERVAÇÃO DA TERRA
FONTE: <https://www.ofitexto.com.br/wp-content/uploads/2019/09/RTEmagicC_satelite-
amazonia-4.jpg.jpg>. Acesso em: 2 ago. 2021.
O Amazônia 1 é o primeiro satélite de Observação da Terra completamente

projetado, integrado, testado e operado pelo Brasil.
Com lançamento previsto para 2020, o Amazônia 1 é um satélite de órbita

Sol síncrona (polar) que irá gerar imagens do planeta a cada cinco dias. Para
isso, possui um imageador óptico de visada larga (câmera com três bandas de
frequências no espectro visível (VIS) e uma banda próxima do infravermelho
(Near Infrared ou NIR) capaz de observar uma faixa de aproximadamente 850
km com 60 metros de resolução.
Sua órbita foi projetada para proporcionar uma alta taxa de revisita
(cinco dias), tendo, com isso, capacidade de disponibilizar uma significativa
quantidade de dados de um mesmo ponto do planeta. Esta característica
é extremamente valiosa em aplicações como alerta de desmatamento na
Amazônia, pois aumenta a probabilidade de captura de imagens úteis diante
da cobertura de nuvens na região.
56
FIGURA – SATÉLITE AMAZÔNIA 1 – PMM ACOPLADA COM MÓDULO DE CARGA ÚTIL
FONTE: <https://www.un-spider.org/sites/default/files/amazon%203%20.png>.
Os satélites da série Amazônia serão formados por dois módulos

independentes: um Módulo de Serviço, que é a Plataforma Multimissão (PMM),
e um Módulo de Carga Útil, que abriga câmeras imageadoras e equipamentos de
gravação e transmissão de dados de imagens.
A figura a seguir ilustra o satélite Amazônia 1 com seus dois módulos

acoplados: Plataforma Multimissão (Módulo de Serviço, inferior) e o Módulo de
Carga Útil (parte superior do satélite). Os painéis de fechamento estão separados
para ilustrar a disposição interna dos equipamentos e subsistemas. O painel solar é
mostrado em sua posição recolhida (configuração da fase de lançamento)”.
FIGURA – SATÉLITE AMAZÔNIA 1 – PMM ACOPLADA COM MÓDULO DE CARGA ÚTIL
FONTE: <http://www.inpe.br/amazonia1/img/sateliteamazonia1_2mod.jpg>. Acesso em: 2 ago. 2021.
FONTE: <http://www.inpe.br/amazonia1/>. Acesso em: 2 ago. 2021.
57
RESUMO DO TÓPICO 4
• O Instituto Nacional de Pesquisas Espaciais (INPE) é responsável pela recepção,

armazenamento e distribuição das imagens e dados de diferentes satélites em
território nacional.
• Imagens digitais de diferentes satélites são de fácil e gratuita aquisição através

do endereço eletrônico do INPE.
• A baixar, instalar e executar o QGIS, um software de uso livre para dar início
na prática ao processamento digital de imagens.
• É possível visualizar as diferentes propriedades de uma imagem de satélite

através do software QGIS.
• É possível compor as bandas de uma imagem compatíveis com o espectro

visível e avaliar as diferentes coberturas presentes na superfície terrestre.
• Diferentes áreas da ciência utilizam técnicas de Processamento Digital de

Imagens para inúmeras análises.
CHAMADA
Ficou alguma dúvida? Construímos uma trilha de aprendizagem

pensando em facilitar sua compreensão. Acesse o QR Code, que levará ao
AVA, e veja as novidades que preparamos para seu estudo.
58
AUTOATIVIDADE
1 O Instituo Nacional de Pesquisas Espaciais (INPE, c2021) nos fornece

imagens de diferentes satélites que adquirem imagens ao redor de todo
mundo. Nesse contexto, com relação ao que se relaciona com as informações
disponibilizadas pelo INPE, analise as sentenças a seguir:
I- A aquisição de imagens digitais através do INPE é ilimitada e gratuita.

II- No Brasil, o INPE é responsável pela recepção, armazenamento e
distribuição das imagens e dados de diferentes satélites de sensoriamento
remoto, meteorológicos e científicos em território nacional.
III- O departamento responsável pela logística referente às imagens digitais é
a Divisão de Geração de Imagens (DGI).
IV- A disponibilização das informações fornecidas pelo INPE atende de
maneira clara e objetiva a comunidade de usuários de dados e imagens.

a) ( ) As sentenças I e III estão corretas.
b) ( ) Somente a sentença II está correta.
c) ( ) Todas as sentenças estão corretas.
2 A utilização de softwares computacionais para o processamento digital de

imagens é fundamental para aplicação de técnicas de manipulação e análise
de imagens. Nesse contexto, classifique V para as sentenças verdadeiras e F
para as falsas:
( ) A facilidade de uso e a ampla quantidade de ferramentas disponíveis

tornam a interação homem-máquina/software um importante mecanismo
na otimização dos processos de PDI.
( ) Apesar de úteis no PDI, há pouca disponibilidade de softwares gratuitos
no mercado para uso em geoprocessamento.
( ) Através do uso de um software de SIG conseguimos rapidamente montar
uma composição de bandas de uma imagem que facilite o objetivo de análise.

a) ( ) V – F – F.
b) ( ) F – V – F.
c) ( ) V – F – V.
d) ( ) F – F – V.
3 A evolução dos softwares em conjunto com as necessidades que

surgiram ao longo dos anos exigiu também uma evolução das técnicas de
processamento digital de imagens. Com relação a esta evolução, assinale
a alternativa CORRETA:
59
a) ( ) A evolução do Processamento Digital de Imagens não esteve relacionada
aos avanços computacionais e disponibilidade de softwares para uso
em geoprocessamento.
b) ( ) Os softwares disponíveis para aplicação de técnicas de processamento
digital de imagens são inúmeros e podem ser amplamente utilizados
para diversas finalidades de análise e interpretação em diferentes áreas
da ciência.
c) ( ) Apesar de úteis para uso em PDI, os softwares disponíveis possuem
uma quantidade limitada de ferramentas para análise de imagens, não
sendo suficiente para uso na maioria dos estudos.
d) ( ) O uso de softwares para o processamento digital de imagens são
apenas uma ferramenta complementar, todos os processos podem ser
realizados de maneira independente e manual.
3 Explique de que maneira os softwares para uso em geoprocessamento

possibilitam e facilitam os processos pertinentes ao processamento digital
de imagens.
4 Com relação à leitura complementar sugerida neste tópico, explique de que

maneira a “missão Amazônia” tende a contribuir para estudos no Brasil.
60
REFERÊNCIAS
BORGES, G. Sensoriamento Remoto: avanços e perspectivas. Revista de
Geografia (UFPE) v. 32, n. 2, 2015.
GIANNONI, L.; LANGE, F.; TACHTSIDIS, I. Hyperspectral imaging solutions

for brain tissue metabolic and hemodynamic monitoring: past, current and
future developments. Journal of Optics, v. 20, n. 4. 2018.
GONZALEZ, R. C.; WOODS, R. E. Processamento Digital de Imagens. 3. ed.

São Paulo: Pearson Prentice Hall, 2010.
IBGE. Introdução ao Processamento Digital de Imagens. Manuais Técnicos em

Geociências. 94p. Rio de Janeiro. 2001.
INPE. Monitoramento do Desmatamento da Floresta Amazônica Brasileira por

Satélite. 2020. Disponível em: http://www.obt.inpe.br/OBT/assuntos/programas/
amazonia/prodes Acesso realizado em 24 de fevereiro de 2021.
INPE. Missão Amazonia. c2021. Disponível em: http://www.inpe.br/amazonia1.

Acesso em: 24 fev. 2021.
LILLESAND, T.; KIEFER, R. Remote sensing and image interpretation. 2. ed.

New York: J. Wiley, 1987.
MARQUES FILHO, O.; VIEIRA NETO, H. Processamento Digital de Imagens.

Rio de Janeiro: Brasport, 1999.
MARQUES, W. R. Interpretação de Imagens de Satélites em Estudos

Ambientais. Ambiência Guarapuava, v. 2 n. 2. Paraná, 2006.
MENESES, P. R. Sensores Imageadores Multiespectrais na Faixa Óptica (0,45

– 2,5 μm). In: Introdução ao Processamento de Imagens de Sensoriamento
Remoto. MENESES, P. R.; ALMEIDA, T. de. (Org.). Brasília, 2012a.
MENESES, P. R. Princípios de Sensoriamento Remoto. In: Introdução ao

Processamento de Imagens de Sensoriamento Remoto. MENESES, P. R.;
ALMEIDA, Tati de. (Org.). Brasília, 2012b.
MENESES, P. R.; ALMEIDA, T. Distorções e Correções dos Dados da imagem.

In: Introdução ao Processamento de Imagens de Sensoriamento Remoto.
MENESES, P. R.; ALMEIDA, T. (Org.). Brasília, 2012.
SOUSA, R. C.; PAES, R. C. O. V.; FRANÇA, G. B. Uma Avaliação da Variação da

Temperatura da Superfície do Mar Durante a Passagem do Furacão Catarina.
Anuário do Instituto de Geociências, v. 39 p. 91-98. Rio de Janeiro, 2016.
61
62
UNIDADE 2 —
PROCESSAMENTO E MELHORIA DE
IMAGENS DIGITAIS
• conhecer técnicas introdutórias de manipulação de imagens digitais, tais

como realce e contraste;
• compreender os modelos de cores e sua influência na composição de
imagens formadas por bandas espectrais;
• aprender os principais conceitos e aplicações das bandas espectrais;
• conhecer as operações aritméticas entre bandas espectrais e suas principais
aplicações;
• compreender e executar as composições de bandas espectrais de uma
imagem para diversas finalidades de aplicações.
PLANO DE ESTUDOS
Esta unidade está dividida em três tópicos. No decorrer da unidade,
você encontrará autoatividades com o objetivo de reforçar o conteúdo
apresentado.
TÓPICO 1 – REALCE, CONTRASTE E ESCALAS DE CINZA
TÓPICO 2 – MODELOS DE CORES
TÓPICO 3 – BANDAS ESPECTRAIS E OPERAÇÕES ARITMÉTICAS
CHAMADA

63
64
TÓPICO 1 —
UNIDADE 2
REALCE, CONTRASTE E ESCALAS DE CINZA
1INTRODUÇÃO
Neste tópico, queremos introduzir os procedimentos e técnicas de
melhoria da imagem digital. O principal objetivo deste tópico é lhe apresentar
os conceitos de realce e contraste de forma que você compreenda suas aplicações
e como é possível, de maneira simples, otimizar a interpretação dos alvos da
imagem digital por meio dessas técnicas.
Devemos ter em mente que sempre que realizamos operações com

imagens digitais, teremos como principais objetivos:
• Melhorar a qualidade visual da imagem.

• Eliminar possíveis ruídos existentes.
• Realçar alvos de interesse para diversas análises.
Nesse contexto, tendo em mente que um dos principais objetivos do

Processamento Digital de Imagens (PDI) é a melhoria da qualidade visual da
imagem para facilitar a sua interpretação, técnicas denominadas genericamente
de realce são utilizadas; sendo os realces mais comumente utilizados produzidos
através de manipulação do contraste (IBGE, 2001).
2 CONCEITOS
Para compreendermos as técnicas de realce e contraste de uma imagem
digital, precisamos inicialmente entender o que é um histograma e o que ele nos
fornece sobre a imagem.
O histograma de uma imagem digital nada mais é do que um gráfico

que relaciona os níveis de cinza presentes na imagem com sua frequência de
ocorrência, ilustrando essa informação por meio de um gráfico de barras, onde
os níveis de cinza frequentemente estão no eixo horizontal e o percentual de
ocorrência no eixo vertical.
Marques Filho e Vieira Neto (1999) destacam que é através da visualização

do histograma de uma imagem que podemos obter uma indicação de sua
qualidade quanto ao nível de contraste e quanto ao seu brilho médio, ou seja, se
a imagem é predominantemente clara ou escura.
65
UNIDADE 2 — PROCESSAMENTO E MELHORIA DE IMAGENS DIGITAIS
Diante disso, temos que estar cientes que conhecendo as propriedades

do histograma estaremos aptos a selecionar a técnica mais apropriada para
cada objetivo, possibilitando uma melhor análise da cena através de técnicas de
processamento digital, como realces e contrastes de imagem.
E
IMPORTANT
A escolha do melhor método de expansão histogrâmica está condicionada

às características fisiográficas de cada área, ao objetivo específico do trabalho e à própria
capacidade do analista em interpretação de imagem (MENESES; ALMEIDA, 2012).
A forma do histograma, que reflete a distribuição e frequência dos níveis

de cinza presentes em uma imagem, nos fornece informações a respeito do brilho
e do seu contraste.
O brilho de uma imagem pode ser avaliado através do histograma da

seguinte maneira: quando ocorre uma maior concentração das barras à esquerda
do histograma, o brilho da imagem é mais baixo. Já quando a concentração das
barras ocorre mais à direita do histograma, quer dizer que o brilho da imagem é
mais alto.
Observe a exemplificação na imagem a seguir, onde o eixo horizontal

representa os níveis de cinza, o eixo vertical representa a frequência de ocorrência.
TUROS
ESTUDOS FU
Neste tópico serão apresentados os conceitos fundamentais de histograma,

porém técnicas avançadas de manipulação de histogramas estão previstas para a Unidade
2 deste livro.
66
TÓPICO 1 — REALCE, CONTRASTE E ESCALAS DE CINZA
FIGURA – EXEMPLIFICAÇÃO DE UM HISTOGRAMA DE BAIXA E ALTA RADIÂNCIA
FONTE: Adaptada de <http://www.dpi.inpe.br/spring/teoria/realce/realce.htm>.

Da mesma maneira, o contraste de uma imagem também pode

ser avaliado em relação ao seu histograma. Note na imagem a seguir que o
contraste varia em função da largura da base do histograma, quanto maior o
espalhamento dos níveis de cinza da imagem nessa base, maior o contraste.
Já quanto menor o espalhamento dos níveis de cinza na base do histograma,
menor o contraste da imagem.
FIGURA 1 – EXEMPLIFICAÇÃO DE UM HISTOGRAMA DE BAIXO E ALTO CONTRASTE
FONTE: Adaptada de <http://www.dpi.inpe.br/spring/teoria/realce/realce.htm>.

Observe agora esses conceitos aplicados em imagens reais. Na figura

a seguir, possuímos uma sequência de quatro imagens e seus respectivos
histogramas ao lado de cada uma delas.
Na primeira imagem nota-se que as barras do histograma estão

concentradas no lado esquerdo do gráfico, o que indica uma maior concentração
de níveis de cinza de menor intensidade (menor radiância). Já na segunda
imagem, o histograma com suas barras de níveis de cinza concentrados ao lado
direito do gráfico, o que representa maiores intensidades (maior radiância).
67
A terceira imagem apresenta as barras do histograma concentradas na

parte central do gráfico, porém de forma aglomerada, o que indica baixo contraste
entre os níveis de cinza da imagem. Dessa maneira, ocorre pouca variação dos
níveis de intensidade e a imagem tende a ser composta por cores muito próximas
entre si.
Na quarta imagem, entretanto, as barras do histograma estão bem

distribuídas no eixo horizontal do gráfico, representando uma ampla variação
dos níveis de cinza presentes na imagem, o que indica um alto contraste.
68
FIGURA 2 – EXEMPLOS DE IMAGENS E SEUS RESPECTIVOS HISTOGRAMAS
FONTE: Adaptada de Gonzalez e Woods (2010)
69
3 REALCE
Marques Filho e Vieira Neto (1999) definem que o principal objetivo das
técnicas de realce é processar uma determinada imagem de modo que a imagem
resultante seja mais adequada que a original para uma aplicação específica. Os
autores ainda concluem que:
• A interpretação de que o resultado é mais adequado, ou não, pode ser subjetiva

e depende de conhecimento prévio do observador e dos objetivos de aplicação
a respeito das imagens analisadas.
• As técnicas de realce de imagens são orientadas a um problema que se
deseja resolver, portanto, não existem técnicas capazes de resolver 100% dos
problemas que uma imagem digital possa apresentar.
Meneses e Almeida (2012) enfatizam ainda que as operações de realces

por meio de alterações de histogramas devem ser feitas em cada banda
separadamente, de forma que, quando as cores forem destinadas a cada banda
em uma composição colorida, será possível evidenciar as variações espectrais dos
materiais. Os autores ainda reforçam que por ser uma técnica de rápida e simples
execução, é possível uma alta interatividade homem-máquina.
As técnicas de realce de imagens, assim como as demais técnicas de PDI,

buscam melhorar a sua aparência ou enfatizar determinadas características da
imagem, de forma a facilitar a análise do avaliador em função de seu objetivo. As
técnicas de realce se fazem necessárias, de maneira geral, quando:
• A imagem possui uma distorção sofrida no processo de aquisição.

• Possui ruídos que dificultam certas interpretações.
• A condição de iluminação da cena é inadequada.
4 CONTRASTE
IBGE (2001) define que o contraste da imagem se refere à distribuição dos
níveis de cinza no intervalo radiométrico de uma imagem, sendo que para cada
sensor imageador, o contraste depende da assinatura espectral dos alvos presentes
na cena imageada e varia com o comprimento de onda. Entretanto, geralmente
os valores registrados pelo sensor imageador representam uma pequena parte do
intervalo possível de valores.
Crósta (1992) afirma que a utilização de contraste é uma das técnicas mais
poderosas, importantes e a mais utilizada das técnicas de processamento para
extração de informações de imagens de sensoriamento remoto. Entretanto, o
autor ainda ressalta que a alteração de contraste não revelará uma informação
nova, que não esteja contida na imagem original, apenas apresentará a mesma
informação contida nos dados brutos, mas de forma mais clara para visualização
do intérprete.
70
Ainda, apesar de inúmeras vantagens e aplicações, devemos ter muita

atenção à utilização de técnicas de contraste, visto que alterações realizadas nessa
etapa podem ter consequências nos processamentos seguintes, como a perda de
informações originais da imagem, dificultando posteriormente a identificação de
alvos de interesse.
É importante ressaltar que nem sempre o contraste entre os objetos

é claramente percebido pelo intérprete, visto que com frequência as variações
de cinza dos pixels das imagens são restritas a uma pequena diferença digital,
ou seja, quando os valores dos níveis de cinza são muito próximos entre si, a
identificação dos detalhes e texturas espectrais da imagem não são identificados
com facilidade (MENESES; ALMEIDA, 2012).
Outro ponto ainda que devemos nos atentar é quando estamos trabalhando
com diferentes bandas espectrais. Como cada uma delas apresenta um histograma
particular, diferentes opções de contraste podem ser aplicadas a cada uma das
bandas espectrais, gerando diferentes alternativas para interpretação de imagem.
O aumento de contraste é uma função que permite redistribuir os valores

de níveis de cinza de uma imagem ao longo do intervalo de dados, algumas
dessas principais expansões são descritas a seguir:
• Expansão linear: os valores são expandidos de forma uniforme, onde os níveis de

cinza são deslocados com o objetivo de centralizar o histograma próximo da média.
• Expansão linear por partes: é aplicada para imagem com histograma bimodal
ou multimodal (que possuem dois ou mais picos ao longo da curvatura).
• Expansão equalizada: os valores dos níveis de cinza são redistribuídos com
base na sua frequência de ocorrência.
• Expansão Gaussiana: são analisados a média e variância do conjunto de dados,
assim o contraste é controlado pela média dos resultados e pelo desvio padrão.
A seguir, ilustramos um exemplo da expansão equalizada de contraste,

umas das técnicas básicas mais utilizadas para redistribuição dos níveis de cinza
de uma imagem.
Observe que as barras do histograma previamente concentradas no centro

do gráfico foram distribuídas ao longo do eixo horizontal. Como resultado,
obtemos uma imagem com mais diferenciações entre os níveis de cinza presentes,
representando um contraste maior e permitindo uma melhor identificação entre
os alvos da imagem.
71
FIGURA 3 – EXEMPLO DE IMAGENS DA MESMA CENA E SEUS RESPECTIVOS HISTOGRAMAS
FONTE: Adaptada de Marques Filho e Vieira Neto (1999)
5 APLICAÇÃO DE TÉCNICAS DE
REALCE E CONTRASTE
A seguir, ilustramos sob uma mesma cena alguns diferentes ajustes para
as técnicas explicadas anteriormente.
Na primeira sequência de imagens, observe uma imagem para um mesmo

local sob diferentes condições de brilho. Note que apesar de conseguirmos
diferenciar melhor algumas feições presentes na imagem, a principal alteração é
em relação à luminosidade presente na cena.
72
FIGURA 4 – MESMA CENA SOB DIFERENTES CONDIÇÕES DE BRILHO
FONTE: O autor
Já na sequência de imagens a seguir foram realizados alguns ajustes

de brilho e saturação para uma mesma cena. Note que os ajustes nem sempre
favorecem a identificação de todos os alvos presentes na cena. Por isso, devem
ser utilizados a partir do objetivo pré-determinado de análise. Por exemplo, na
segunda imagem no geral a imagem está escurecida, mas a área urbana está em
destaque, bem como a diferenciação das áreas de agricultura para as áreas de
vegetação densa.
73
Já na terceira imagem não é possível identificar praticamente nenhum

alvo presente na imagem, com exceção de áreas de solo exposto que estão em
evidência e em cores marcantes. Portanto, essa manipulação pode ser ideal para a
análise e identificação de áreas de solo exposto suscetíveis à erosão, por exemplo.
ATENCAO
Lembre-se sempre que todo e qualquer ajuste realizado em imagens digitais

deve estar de acordo com o objetivo de análise do estudo.
FIGURA 5 – MESMA CENA SOB DIFERENTES AJUSTES DE BRILHO E SATURAÇÃO
FONTE: O autor
74
A seguir, é possível observar algumas imagens de um mesmo local nas

quais foram utilizadas apenas técnicas de alteração de contraste.
Note que, com diferentes ajustes, é possível evidenciar diferentes feições

presentes na cena, por exemplo:
• Evidenciar a diferença entre as vegetações de agricultura e mata fechada.

• Destacar as variações de tonalidades da área costeira, na qual se pode observar
uma turbidez evidente na água próxima à costa.
• Distinguir áreas de maiores concentrações urbanas.
• Identificar áreas de sombreamento por nuvens.
• Evidenciar corpos hídricos presentes na cena etc.
FIGURA 6 – CONDIÇÕES DE BRILHO IGUAL PARA UMA MESMA CENA, MAS SOB DIFERENTES
APLICAÇÕES DE CONTRASTE
FONTE: O autor
75
RESUMO DO TÓPICO 1
• As técnicas de processamento digital de imagens têm como principais objetivos

melhorar a qualidade visual da imagem e realçar alvos de interesse para
diferentes análises.
• O histograma de uma imagem nos permite visualizar a composição da imagem

em função da distribuição dos níveis de cinza presentes na imagem e, a partir
disso, aplicar técnicas de realce e contraste.
• A utilização de técnicas de realce de imagem busca melhorar a sua aparência ou

enfatizar determinadas características da imagem, permitindo, por exemplo,
alterar as condições de luminosidade da cena.
• A partir de aplicações de técnicas de contraste em imagens digitais é possível

evidenciar diferentes feições presentes na cena, como por exemplo: diferença
entre vegetações, evidenciar corpos hídricos, distinguir áreas de maiores
concentrações urbanas etc.
76
AUTOATIVIDADE
1 O Processamento Digital de Imagens utiliza algumas técnicas com o

objetivo de melhorar a interpretação de imagens de acordo com o objetivo
do intérprete. Nesse contexto, com relação aos fatores que justifiquem os
procedimentos de PDI, analise as sentenças a seguir:
I- Eliminação de ruídos de imagem.

II- Realçar alvos de interesse para diferentes análises.
III- Eliminação de erros de posicionamento de imagem.
IV- Melhoria da qualidade visual da imagem.

a) ( ) As sentenças I, II e IV estão corretas.
2 A observação e manipulação de histogramas de imagens digitais nos dão

uma noção sobre os níveis de radiância e contraste presentes na imagem.
Com relação à interpretação de histogramas, classifique V para as sentenças
verdadeiras e F para as falsas:
( ) Imagens nas quais o histograma demonstra baixa radiância

consequentemente são imagens de baixo contraste.
( ) Quanto maior o espalhamento das barras do histograma no seu eixo
horizontal, maior será o contraste presente na imagem.
( ) As barras do histograma são uma representação dos níveis de cinza de
uma imagem pela sua frequência de ocorrência na imagem.
( ) Os níveis de radiância e contraste de uma imagem são inversamente
proporcionais.

a) ( ) V – F – F – F.
b) ( ) V – F – V – V.
c) ( ) F – V – V – F.
d) ( ) F – F – V – F.
3 Técnicas de realce são fundamentais para o Processamento Digital de

Imagens e permite uma rápida interação homem-máquina através de
processos simples e objetivos. Com relação ao realce de imagens digitais,
classifique V para as sentenças verdadeiras e F para as falsas:
( ) Não existem técnicas de realce capazes de resolver 100% dos problemas

que uma imagem digital possa apresentar, devendo serem avaliadas
particularmente para cada objetivo.
77
( ) O objetivo de utilização de técnicas de realce é processar uma imagem
de modo que a imagem resultante seja mais adequada que a imagem
original para uma aplicação específica.
( ) As operações de realce quando feitas em cada banda separadamente
favorecem a visualização das variações espectrais dos alvos posteriormente
em uma composição destas bandas.

a) ( ) V – F – F.
b) ( ) V – V – V.
c) ( ) F – V – V.
d) ( ) F – F – V.
4 Manipulação de contraste é uma função que permite redistribuir os valores

de níveis de cinza de uma imagem ao longo do intervalo de dados do
histograma. Descreva de que maneira podemos aumentar ou diminuir o
contraste de uma imagem e o que isso representa na sua visualização final.
5 Com relação aos conhecimentos apresentados sobre histograma e radiância,

discorra sobre a figura a seguir.
FIGURA – HISTOGRAMA E RADIÂNCIA
78
TÓPICO 2 —
UNIDADE 2
MODELOS DE CORES
1INTRODUÇÃO
No último tópico, apresentamos a você, acadêmico, os conceitos e as
técnicas básicas relacionadas ao histograma de uma imagem digital, tais como o
realce e contraste de imagens.
A partir de agora, entenderemos de que forma relacionamos os

conceitos vistos até aqui para compor uma imagem colorida, seja para melhor
apresentação ou, principalmente, para tornar o processo de identificação de
alvos na imagem facilitado.
Nesse contexto, o principal objetivo deste tópico é apresentar os modelos

de cores mais comumente utilizados em processamento digital de imagens, sua
finalidade e de que forma eles podem se tornar uma ferramenta de extrema
utilidade na interpretação de imagens conforme o objetivo do estudo.
2 MODELOS DE CORES
Como já vimos em tópicos anteriores desta disciplina, o uso de imagens
compostas por mais de uma banda espectral é extremamente comum e de grande
utilidade no processamento digital de imagens. Quando geramos essas composições,
possibilitamos uma interpretação facilitada de feições e alvos na imagem de difícil
interpretação em uma imagem de apenas uma banda, por exemplo.
As aplicações de realce e contraste, vistas no tópico anterior, podem ainda

ter um melhor resultado quando aplicadas separadamente em cada banda da
imagem previamente à composição. Dessa maneira, quando formada a imagem
com composição das três bandas, as técnicas de realce e contraste aplicadas
tendem a resultar em uma melhor visualização na imagem colorida.
Nesse contexto, a utilização de um modelo de cores é amplamente aceita

e difundida entre a comunidade científica e acadêmica no intuito de padronizar a
visualização de imagens digitais, facilitando as diversas interpretações possíveis.
Quando temos pleno conhecimento sobre os fundamentos dos sistemas

de cores e aliamos a isso o conhecimento do comportamento espectral de alvos de
interesse, podemos realizar combinações entre bandas espectrais que otimizem
nossa interpretação de imagens digitais.
79
Meneses e Almeida (2012) ainda reforçam que a utilização de modelo de

cores em imagens pode ter diferentes objetivos, seja para facilitar operações simples
como a escolha de pontos de controle em uma imagem, seleção de amostras para
classificação de uma área ou ainda melhorar a qualidade da imagem em termos
de visualização e extração de informações para mapeamentos temáticos.
Gonzalez e Woods (2010, p. 264) reiteram que o objetivo de um modelo de

cores é facilitar a especificação de cores em alguma forma padronizada e amplamente
aceita, e ainda definem um modelo de cores como: “essencialmente, um modelo de
cores é uma especificação de um sistema de coordenadas e um subespaço dentro
desse sistema no qual cada cor é representada por um único ponto”.
É evidente o consenso entre a utilização de modelo de cores entre diversos

autores. Marques Filho e Vieira Neto (1999) também reiteram que o objetivo do
uso de modelo de cores é adotar a especificação de cores de forma padronizada.
Os mesmos autores ainda estabelecem que (MARQUES FILHO; VIEIRA

NETO, 1999, p. 121) “em linhas gerais, um modelo de cores é uma representação
tridimensional na qual cada cor é representada por um ponto no sistema de
coordenadas 3D.”
Os modelos de cores mais utilizados na representação de imagens digitais

são:
• RGB (Red, Green, Blue).

• CMYK (Cyan, Magenta, Yellow, Black).
• HSI (Hue, Saturation, Intensity).
Nesse contexto de representação tridimensional de modelo de cores,

apresentamos a figura a seguir de forma a facilitar a compreensão desse sistema.
Observe que os eixos principais do cubo na figura a seguir, correspondentes

aos eixos X, Y e Z, são formados pelas cores R (Red – Vermelho), G (Green – Verde)
e B (Blue – Azul), respectivamente e, por conveniência, são assumidos valores de
0 a 1 para cada uma destas cores.
Nos eixos secundários do cubo estão as cores que compõem o sistema

CMYK, correspondendo às cores Ciano (C), Magenta (M), Amarelo (Y) e Preto
(K), sendo esse um sistema de cor complementar ao RGB, as três primeiras cores
são obtidas da seguinte maneira:
• Ciano: mistura de verde e azul.

• Magenta: mistura do vermelho e azul.
• Amarelo: mistura de verde e vermelho.
80
TÓPICO 2 — MODELOS DE CORES
Em oposição ao preto, que está na origem do sistema, encontra-se a cor

branca e, no intervalo entre essas duas está a escala de cinzas de uma imagem.
FIGURA 7 – ESQUEMATIZAÇÃO DOS ESPAÇOS DE CORES RGB/CMYK
FONTE: Marques Filho e Vieira Neto (1999)
Agora, a partir da visualização tridimensional de correlação entre os

sistemas de cores, apresentaremos os modelos de cores separadamente para
melhor compreensão de cada um e suas conexões.
2.1 MODELO RGB

O modelo de cores RGB é um sistema representado pelas cores Vermelho
(R), Verde (G) e Azul (B), e é o modelo mais amplamente conhecido para
representação de cores em imagens digitais.
O nome desse modelo vem das iniciais das cores primárias aditivas que o
compõem (Red, Green e Blue) e sua representação consiste na combinação de três
componentes, uma para cada uma delas que, quando processadas, irão produzir
uma imagem colorida.
81
FIGURA 8 – O MODELO DE COR RGB
FONTE: O autor
O modelo RGB é um sistema baseado na adição de cores primárias

de forma a gerar uma ampla gama de cores possíveis. Matematicamente essa
característica de formação de cor é dada pela seguinte equação:
C= r.R + g.G + b.B
Onde: C= Cor a ser formada; r, g,b são os coeficientes de mistura; e R,G,B

são as três cores primárias.
No caso de imagens digitais, os coeficientes de mistura R, G, B são

representados pela intensidade correspondente do nível de cinza (NC) do
pixel, dessa forma, variando a intensidade conseguimos produzir uma enorme
variedade de cores a partir do vermelho, verde e azul. (IBGE, 2001).
TUROS
ESTUDOS FU
No Tópico 3, referente à composição de bandas espectrais, apresentaremos

exemplos aplicados ao geoprocessamento de composições feitas no sistema de cores RGB.
82
2.2 MODELO CMYK

O modelo de cores CMYK é muito semelhante ao modelo RGB. Apesar de
ser representado por quatro cores (Ciano, Magenta, Amarelo e Preto), somente
as três primeiras delas são totalmente necessárias e se correspondem ao sistema
RGB da seguinte maneira:
• Ciano (C) – Vermelho (R).

• Magenta (M) – Verde (G).
• Amarelo (Y) – Azul (B).
NTE
INTERESSA
A maioria das impressoras e fotocopiadoras existentes no mercado operam

com os pigmentos Ciano, Magenta e Amarelo, portanto esses dispositivos operam uma
conversão interna para conversão do sistema RGB em CYMK.
FIGURA 9 – COMPARAÇÃO ENTRE O MODELO RGB (MODELO ADITIVO) E O MODELO CMYK

(MODELO SUBTRATIVO)
FONTE: O autor
83
Note através da figura anterior que os modelos de cores CMYK e RGB

podem ser convertidos entre si, por exemplo: quando uma superfície coberta com
pigmento ciano é iluminada com luz branca, nenhuma luz vermelha é refletida
da superfície. Portanto, o ciano subtrai a luz vermelha da luz branca refletida,
a qual por sua vez é composta por quantidades iguais de luz vermelha, verde e
azul (GONZALEZ; WOODS, 2010).
A conversão entre esses dois modelos de cores é possível através da

relação a seguir:
Onde assume-se que todos os valores de cores tenham sido normalizados

para o intervalo [0, 1].
Portanto, através da equação podemos ver que uma superfície coberta

com a cor ciano não reflete vermelho (C = 1 – R), o magenta puro não reflete o
verde (M = 1 – G) e o amarelo puro não reflete o azul (Y = 1 – B).
Da mesma maneira, o inverso da equação pode ser utilizado para se

converter valores de RGB em CMY.
2.3 MODELO HSI

O termo HSI é um acrônimo para as palavras Hue (H), Saturation (S) e
Intensity (I), ou seja, matiz, saturação e intensidade.
Esse modelo de cor é considerado por muitos autores como um modelo

que reflete a interpretação visual do observador, pois, além da distinção de cores,
esse modelo nos permite identificar fatores como brilho e saturação da imagem
da forma que o ser humano percebe.
Por exemplo, ao nos referimos às cores de objetos temos o costume de,

além de citarmos a cor, descrevermos um atributo a ela, como, por exemplo, azul
“claro”, ou azul “brilhante”, e é nesse contexto que está inserido o modelo de
cores HSI.
84
Para esclarecer melhor esse modelo de cores, vamos analisar a figura a

seguir. Note que:
• O parâmetro Matiz (H) corresponde à cor espectral dominante no sistema

de cores, que abrange todas as cores envolvidas entre os modelos que vimos
anteriormente, RGB e CMYK.
• O parâmetro Saturação (S) corresponde à pureza da cor, ou proporção de luz
branca na cor.
• O parâmetro Intensidade (I) corresponde à quantidade de brilho da imagem,
medida através da distância do preto.
FIGURA 10 – ESQUEMATIZAÇÃO DO MODELO DE COR HSI
FONTE: Adaptado de Sun et al. (2015)
Portanto, quando pensamos nesses termos para aplicação em

geoprocessamento devemos associar que quanto maior a intensidade (brilho) da
imagem, mais iluminada ela estará ou ainda nos permitirá identificar a resposta
espectral do alvo em uma determinada banda do sensor.
Já o parâmetro matiz nos dará a informação da cor predominante no pixel

da imagem e a saturação nos dará a informação de pureza dessa cor.
Gonzalez e Woods (2010) reforçam que o modelo HSI pode ser também
muito adequado para algumas técnicas de processamento de imagens em níveis
de cinza, visto que esse modelo permite fazer a separação de informações de cor
e de escalas de cinza da imagem.
85
RESUMO DO TÓPICO 2
• Aliando o conhecimento sobre os fundamentos dos sistemas de cores ao

comportamento espectral de alvos de interesse em uma imagem, podemos
realizar combinações entre bandas espectrais que otimizem nossa interpretação
de imagens digitais.
• A utilização de modelos de cores nos permite uma melhor escolha de pontos

de controle em uma imagem, seleção de amostras para classificação de uma
área ou ainda melhorar a qualidade da imagem em termos de visualização e
extração de informações para mapeamentos temáticos.
• O modelo de cores RGB é um sistema representado pelas cores Vermelho

(R), Verde (G) e Azul (B), e é o modelo mais amplamente conhecido para
• O modelo de cores CMYK (Ciano, Magenta, Amarelo e Preto) é correspondente

ao modelo RGB e de fácil conversão entre eles.
• O modelo HSI pode ser adequado para algumas técnicas de processamento de

imagens em níveis de cinza, visto que esse modelo permite fazer a separação de
informações de cor e de escalas de cinza da imagem.
86
AUTOATIVIDADE
1 Modelos de cores têm sido amplamente discutidos e utilizados no âmbito

do Processamento Digital de Imagens. Dentre os objetivos de utilização de
modelos de cores em imagens digitais, analise as sentenças a seguir.
I- Facilitar a escolha de pontos de controle em uma imagem.

II- Melhorar a visualização para confecção de mapeamentos temáticos.
III- Facilitar a seleção de amostras para classificação e identificação de áreas.
IV- Permitir a distinção de alvos mais facilmente na imagem de interesse.

a) ( ) As sentenças I, II e III estão corretas.
d) ( ) Todas as sentenças estão corretas.
2 Os principais modelos de cores utilizados em imagens digitais são os modelos

RGB, CMYK e HSI. Com relação às características e associações entre esses
sistemas, classifique V para as sentenças verdadeiras e F para as falsas:
( ) O modelo de cor HSI é considerado por muitos autores como um modelo

que reflete a interpretação visual do observador, pois nos permite
identificar fatores como brilho e saturação da imagem.
( ) O sistema CMYK se corresponde com o sistema RGB através das
associações: C-G M-R e Y-B, além da cor preta representada pela letra K.
( ) Quando uma superfície coberta com pigmento ciano é iluminada com
luz branca, nenhuma luz vermelha é refletida da superfície pois a luz
refletida de uma superfície coberta com ciano puro não contém vermelho.
( ) O modelo de cores RGB é um sistema representado pelas cores Vermelho
(R), Verde (G) e Azul (B) e é o modelo mais amplamente conhecido para

a) ( ) V – F – F – F.
b) ( ) V – F – V – V.
c) ( ) F – V – F – F.
d) ( ) F – F – V – F.
3 Ao nos referimos às cores de objetos temos o costume de, além de citarmos a

cor, descrevermos um atributo a ela, como por exemplo azul ‘claro’, ou azul
‘brilhante’, e é nesse contexto que está inserido o modelo de cores HSI. Com
relação a esse modelo de cor, classifique V para as sentenças verdadeiras e
F para as falsas:
87
( ) O parâmetro Matiz (H) está relacionado ao valor de radiância ou Numero
Digital (ND) de um pixel.
( ) Quanto maior a intensidade (brilho) da imagem, mais iluminada ela
estará ou ainda nos permitirá identificar a resposta espectral do alvo em
uma determinada banda do sensor.
( ) O parâmetro Saturação (S) corresponde à pureza da cor, ou proporção de
luz branca na cor.

a) ( ) V – F – F.
b) ( ) F – V – F.
c) ( ) V – V – V.
d) ( ) F – F – V.
4 A utilização de modelo de cores em imagem digital é amplamente aceita e

difundida entre a comunidade científica e acadêmica. Cite as principais
vantagens da utilização desses modelos no Processamento Digital de Imagem.
5 O sistema de cores RGB é um dos mais utilizados em Processamento Digital

de Imagem. Descreva de que maneira é feita a conversão entre os níveis de
cinza para obtenção das cores na imagem final.
88
TÓPICO 3 —
UNIDADE 2
BANDAS ESPECTRAIS E OPERAÇÕES ARITMÉTICAS
1INTRODUÇÃO
No primeiro tópico desta unidade aprendemos alguns conceitos baseados
no histograma de uma imagem digital, bem como a aplicação de técnicas de realce
e contraste através da manipulação das barras do histograma que representam
os níveis de cinza de uma imagem pela sua respectiva frequência de ocorrência.
Já no segundo tópico, vimos as propriedades dos principais modelos

de cores utilizados atualmente no processamento digital de imagens e de que
forma podemos utilizá-los em imagens digitais para que consigamos uma melhor
extração dos dados ali presentes.
Agora, no Tópico 3, abordaremos o assunto de bandas espectrais de

uma imagem digital. Através desse conhecimento seremos capazes de realizar
diversas operações e técnicas que nos permitem criar diferentes composições de
cores, com base nos conhecimentos adquiridos nos tópicos anteriores, e que nos
proporcionam, principalmente, uma melhor interpretação dos dados presentes
na imagem digital de nosso interesse.
2 BANDAS ESPECTRAIS
Bandas espectrais são faixas correspondentes a uma região do espectro
eletromagnético equivalente ao intervalo entre dois comprimentos de onda.
Habitualmente, o nome dado a cada banda espectral também está relacionado
à região do espectro a qual ela corresponde, tais como infravermelho próximo,
infravermelho termal, azul, verde etc.
As imagens digitais que estamos habituados a obter costumam estar

divididas em várias bandas espectrais, isto se dá ao fato de que os sensores de
obtenção de imagem registram a energia refletida pelos alvos em diferentes faixas
do espectro eletromagnético. Dessa maneira, variando com a capacidade de cada
sensor, são registradas as diferentes respostas espectrais dos alvos para cada uma
das bandas nas quais o sensor é capaz de obter informação.
89
E
IMPORTANT
Quanto maior o número de bandas, maior a resolução espectral do sensor de

aquisição de imagem.
Inicialmente, as imagens obtidas pelos sensores imageadores são

compostas visualmente apenas por tons de cinza, independente da banda
espectral selecionada. Entretanto, para facilitar a interpretação e análise dos
dados presentes nas imagens digitais, associamos os tons de cinza originais à
composição de cores que nos são familiares. Dessa maneira criamos uma imagem
de satélite colorida que nos permite realizar as diversas análises no âmbito do
geoprocessamento.
Como vimos anteriormente, essa associação das cores é realizada

através de combinações das três cores do sistema RGB (vermelho, verde e azul)
associadas, por meio de recursos computacionais, às imagens individuais obtidas
em diferentes comprimentos de onda, ou seja, as bandas espectrais.
Através de Sistemas de Informação Geográfica (SIG), é possível relacionar

os níveis de cinza de uma imagem digital à intensidade das cores vermelha,
verde e azul do dispositivo de vídeo, gerando então dessa maneira as imagens
coloridas, as quais estamos habituados.
Cada sensor de aquisição de imagens de satélite possui suas propriedades

particulares em relação às bandas espectrais nas quais se obterão informações.
No quadro a seguir, por exemplo, elencamos as bandas espectrais pertencentes
ao satélite Landsat-8 e o respectivo comprimento de onda de cada banda espectral
relativo a cada faixa do espectro eletromagnético correspondente.
Dessa maneira, através do conhecimento das respostas espectrais dos

principais alvos de interesse de análise em geoprocessamento, podemos elencar
as bandas espectrais ideais para nossa análise e assim gerar imagens constituídas
por elas.
90
TÓPICO 3 — BANDAS ESPECTRAIS E OPERAÇÕES ARITMÉTICAS
QUADRO 1 – BANDAS ESPECTRAIS DO SATÉLITE LANDSAT-8, SEUS RESPECTIVOS

COMPRIMENTOS DE ONDA E PRINCIPAIS APLICAÇÕES DE CADA UMA
Comprimento
Banda Espectral Aplicação
de Onda
B1 – AZUL COSTEIRO 0.43-0.45 Estudos costeiros e de aerossóis.
Mapeamento batimétrico, distinguindo solo de
B2 – AZUL 0.45-0.51
vegetação e vegetação caducifólia de conífera.
Enfatiza o pico da vegetação, o que é útil para
B3 – VERDE 0.53-0.59
avaliar o vigor da planta.
B4 – VERMELHO 0.64-0.67 Discrimina encostas de vegetação.
B5 – INFRAVERMELHO
0.85-0.88 Enfatiza o conteúdo de biomassa e linhas de costas.
PRÓXIMO
B6 – INFRAVERMELHO Discrimina o conteúdo de umidade do solo e da
1.57-1.65
MÉDIO vegetação; penetra nuvens finas.
B7 – INFRAVERMELHO Melhor conteúdo de umidade do solo e da
2.11-2.29
MÉDIO vegetação; penetra nuvens finas.
Resolução de 15 metros, definição de imagem
B8 – PANCROMÁTICO 0.50-0.68
mais nítida.
B9 – CIRRUS 1.36-1.38 Detecção aprimorada de presença de nuvem cirrus.
B10 – INFRAVERMELHO Resolução de 100 metros, mapeamento térmico e

10.60-11.19
TERMAL 1 estimativa de umidade do solo.
B11 – INFRAVERMELHO Resolução de 100 metros, mapeamento térmico

11.50-12.51
TERMAL 2 aprimorado e estimativa de umidade do solo.
FONTE: <https://on.doi.gov/3Av9BV9>. Acesso em: 3 ago. 2021.
DICAS
Cada sensor fornece as informações de suas bandas espectrais, busque por

essas informações para avaliar a melhor alternativa de acordo com seu objetivo.
2.1 COMPOSIÇÃO DE BANDAS

Certamente, você já se deparou diversas vezes com imagens coloridas de
satélites, mas talvez nunca tenha se questionado de que maneira essas cores são
compostas.
Agora que você já aprendeu sobre bandas espectrais e viu que inicialmente
todas elas, quando vistas separadamente, são representadas em escalas de
cinza, entenderemos de que maneira são formadas as imagens coloridas e qual a
finalidade de diferentes composições para estudos de geoprocessamento.
91
As composições coloridas de imagens são usualmente conhecidas como

composições de ‘falsa-cor’ visto que representam uma composição de bandas
espectrais com o objetivo de evidenciar feições presentes na imagem, e não
necessariamente a cor que estamos habituados a enxergar.
Essas composições são comumente realizadas a partir da combinação de

três bandas espectrais, sendo que podem ser utilizadas diferentes combinações
em diferentes ordens de composição entre elas.
Entretanto, é importante conciliar o objetivo do estudo com base nas

características espectrais dos alvos presentes na imagem para os quais se deseja
a análise, garantindo que nenhuma informação seja perdida neste processo e que
se consiga uma melhor interpretação possível.
No quadro a seguir, sintetizamos algumas informações interessantes

acerca do uso das imagens do satélite Landsat-8. Note que, para cada finalidade de
observação de alvos na imagem (coluna da esquerda) existe uma composição de
bandas espectrais sugeridas (coluna da direita) para melhor interpretação da imagem.
QUADRO 2 – SUGESTÕES DE COMPOSIÇÃO DE BANDAS ESPECTRAIS DO LANDSAT-8 PARA

DIFERENTES FINALIDADES DE USO
USO BANDAS LANDSAT-8

Cor Natural 4/3/2
Falsa Cor – Urbano 7/6/4
Infravermelho – Vegetação 5/4/3
Agricultura 6/5/2
Penetração Atmosférica 7/6/5
Saúde Vegetal 5/6/2
Terra/Água 5/6/4
Natural com Atmosfera removida 7/5/3
Infravermelho Curto 7/5/4
Análise de Vegetação 6/5/4
FONTE: <https://on.doi.gov/3iCS1Zg>. Acesso em: 3 ago. 2021.
Para exemplificar o assunto que vimos até aqui, iremos ilustrar algumas
composições que fizemos de acordo com as sugestões do Quadro 2. Para sua
melhor interpretação e compreensão, as composições foram realizadas com
diferentes combinações de bandas espectrais, porém para uma mesma cena,
permitindo assim uma visualização mais didática sobre esse assunto.
Inicialmente, a primeira figura ilustra as bandas de 1 a 9 do sensor

Landsat-8, note que todas se apresentam em tons de cinza. Posteriormente, veja
como a mesma cena se comporta de acordo com as composições realizadas.
92
FIGURA 11 – BANDAS ESPECTRAIS DO SATÉLITE LANDSAT-8 VISTAS SEPARADAMENTE
FONTE: O autor
Na figura a seguir, apresentamos a mesma cena com a composição das

bandas espectrais 5/4/3, muito utilizada para avaliação da vegetação na área de
interesse.
FIGURA 12 – COMPOSIÇÃO COM AS BANDAS ESPECTRAIS 5/4/3 DO SENSOR LANDSAT 8
FONTE: O autor
93
Já na próxima figura, ilustramos a cena com a composição de bandas

espectrais 7/6/4, com ampla utilização para evidenciar as áreas urbanas da cena.
FONTE: O autor
A seguir observa-se a mesma cena apresentada anteriormente, entretanto

composta pelas bandas espectrais 6/5/4, usada para avaliação da vegetação
presente na área imageada.
FONTE: O autor
Por fim, a seguir é possível observar a cena imageada com composição

das bandas espectrais 4/3/2 do sensor Landsat – 8, a qual reproduz a cor natural
dos alvos presentes.
94
FONTE: O autor
2.2 GERANDO UMA COMPOSIÇÃO DE BANDAS

ATRAVÉS DO SIG QGIS
Quando pensamos em Processamento Digital de Imagens não
podemos deixar de lado a exemplificação dos procedimentos, suas aplicações
e familiarização com softwares e procedimentos que permitam a aplicação de
técnicas aqui apresentadas.
Portanto, dando continuidade aos procedimentos ilustrados na Unidade

1 deste livro, queremos ilustrar agora uma maneira de realizar a composição de
bandas espectrais exemplificadas neste tópico.
Já ensinamos de que maneira obter imagens de satélite de forma simples

e gratuita e visualizá-las em um software (QGIS). Agora, já partindo de seus
conhecimentos, vamos prosseguir para a composição de bandas espectrais.
Ao alternar as visualizações das bandas carregadas no software você deve

ter notado que os alvos presentes na imagem não se apresentam com as cores nas
quais estamos habituados a ver, tais como azul para água, verde para vegetação etc.
Portanto, o software nos permite fazer uma combinação com as bandas

espectrais para que possamos observar os objetos da imagem com as cores que o
olho humano identifica.
Com esse objetivo, mostraremos uma forma extremamente simples de

compor as bandas 4, 3, e 2 que lhe permitirá observar a imagem com as cores
reais ao nosso espectro de visão.
95
Realize os procedimentos já exemplificados na Unidade 1 de

abrir o software QGIS e carregar as bandas da imagem de satélite obtida.
Posteriormente, na barra superior de comandos do QGIS, vá em “Raster”,
“Miscellaneous” e “Build Virtual Raster”, conforme imagem a seguir.
O quadro a seguir aparecerá na sequência. Ative a opção indicada na

imagem e clique no botão indicado por “três pontos” para selecionar as bandas
da imagem.
96
Ao clicar no comando indicado, aparecerão listadas as bandas que

foram carregadas no software.
Ative apenas as bandas 4, 3 e 2 e ordene nessa mesma sequência,

conforme ilustrado na imagem a seguir. Para ordená-las, basta apenas clicar e
arrastar para a posição que deseja. Após isso, clique em ‘Run’.
Feche o quadro após o processo ser concluído. Volte à tela inicial do

software e observe que uma imagem temporária foi criada, ou seja, a imagem
com a composição de bandas realizada no passo anterior está disponível para
a visualização.
Note que as cores que estamos habituados a observar estão presentes

nessa imagem. Sugerimos que utilize os comandos de zoom disponíveis na barra
de comando do software para que aproxime e afaste a imagem em diferentes
áreas e observe a reflectância dos diferentes alvos, sejam eles vegetação, corpos
hídricos, áreas urbanas, solo exposto, cobertura de nuvens etc.
97
Encorajamos você, acadêmico, também a realizar diversas outras

composições possíveis, use como sugestão o quadro apresentado neste tópico
onde foram exemplificadas as melhores combinações de bandas espectrais do
satélite Landsat-8 para diferentes objetivos de análise.
3 ARITMÉTICA DE BANDAS
Operações aritméticas de bandas espectrais são uma ferramenta
indispensável no processamento digital de imagens aplicado ao geoprocessamento.
Através dessas operações podemos avaliar uma mesma cena através de imagens
multiespectrais, de várias bandas, ou ainda uma mesma cena em diferentes datas
de aquisição, com imagens multi-temporais.
As operações aritméticas se constituem de um processamento

extremamente simples e de rápida execução através dos softwares de SIG
disponíveis no mercado.
O processo de execução das operações com bandas espectrais é constituído

por dados de entrada, que serão duas ou mais imagens, a operação propriamente
dita que será realizada (adição, subtração, multiplicação ou divisão) e o dado de
saída, que se constituirá sempre de uma única imagem resultante da operação.
Ilustramos a seguir esse processo de maneira que facilite a sua

compreensão. A primeira matriz corresponde a uma das imagens de entrada
e cada um de seus componentes representa um pixel, na sequência temos os
símbolos que representam as operações (adição OU subtração OU multiplicação
OU divisão) e em seguida a segunda imagem de entrada para a operação.
98
Após definida qual operação será realizada, o cálculo é processado pixel

a pixel, ou seja, sempre será executada a operação entre os valores de pixel
correspondentes entre as imagens de entrada (Por exemplo: P1+P1, P2+P2 etc.).
Como resultado, temos então a imagem de saída, nos quais cada

componente terá o valor do resultado da operação dos pixels equivalentes.
FIGURA 16 – ESQUEMATIZAÇÃO DAS OPERAÇÕES ENTRE IMAGENS
FONTE: O autor
ATENCAO
As operações aritméticas devem ser realizadas em imagens ditas ‘registradas’,

ou seja, onde há uma perfeita sobreposição entre as imagens de entrada de forma a permitir
a operação pixel a pixel equivalente.
De maneira geral as operações de adição e multiplicação entre imagens

tem o objetivo de realçar as similaridades espectrais entre as bandas e/ou
imagens, enquanto a subtração e a divisão objetivam realçar as diferenças
espectrais do alvo.
Crósta (1992) reforça que, entre essas operações, a divisão (razão) de

bandas é provavelmente a mais utilizada e de interesse ainda maior em aplicações
na área de geologia, agricultura e meio ambiente.
A partir dessas operações básicas entre bandas aritméticas podemos

evoluir para procedimentos mais avançados, como a compressão do número de
bandas de uma imagem. Neste caso, se utilizarmos, por exemplo, uma sequência
de seis bandas espectrais e dividimos duas a duas obteremos como resultado três
novas bandas espectrais que irão conter as informações das seis bandas originais.
99
3.1 ADIÇÃO
A operação de adição é uma operação extremamente simples e direta
entre as imagens envolvidas no processo.
Como já foi dito anteriormente, ao utilizarmos a operação de adição

esperamos obter como resultado uma imagem evidenciando as características
semelhantes entre as imagens, ou seja, os valores de intensidade do pixel serão
somados, e isso fará com que o que já estiver em destaque nas imagens de origem
se evidencie ainda mais na imagem de resultado.
Entretanto, a adição de imagens também pode de certa forma ser vista

como uma maneira de se obter a média aritmética entre as imagens de entrada
(CRÓSTA, 1992). Isso ocorre, pois quando somados os valores de intensidade das
células poderemos obter valores superiores à 255, de forma a extrapolar os valores
capazes de serem projetados em um monitor oito bits comumente utilizados no
processamento de imagens.
Portanto, após a adição das imagens, sugere-se a divisão do resultado pelo

valor correspondente ao número de imagens utilizadas como dado de entrada,
obtendo-se assim a média aritmética entre as imagens.
Vamos exemplificar para que fique mais claro o entendimento:
Se os valores do pixel P1 das duas imagens de entrada são de 150 e 200

respectivamente, ao somarmos teremos na imagem de resultado um valor de 350
para o P1 (que extrapola o máximo de 255 comumente utilizado). Portanto divide-
se 350 por dois (quantidade de imagens utilizadas na operação) e obtém-se como
resultado o valor do pixel de 175, dentro do intervalo ideal de reprodução em
monitores de oito bits.
Crósta (1992) ainda enfatiza que operações de adição entre bandas

espectrais são muito úteis na eliminação de ruídos de imagem, após o procedimento
da média aritmética que explicamos anteriormente. Como geralmente o ruído
presente em imagens espectrais não é algo comum a todas as bandas, apenas
uma das imagens de entrada vai possuir esse ruído e, após o procedimento de
adição e média aritmética, o valor correspondente ao ruído de imagem tende a
ser suavizado e desaparecer na imagem de resultado.
TUROS
ESTUDOS FU
Na próxima unidade da disciplina veremos mais a respeito de ruído de imagem

em sensoriamento remoto, de que forma identificamos esse problema e o procedimento
para sua eliminação.
100
3.2 SUBTRAÇÃO
A operação de subtração entre imagens e/ou bandas espectrais ocorre da
mesma maneira como na adição, onde o resultado será referente a um cálculo
linear entre os valores de pixel das imagens de entrada. O principal objetivo de
utilização dessa operação é de realçar diferenças espectrais entre as imagens
através da diferença entre os valores de intensidade refletidos.
Essa diferença torna-se útil para diversos propósitos, tais como:

identificação de minerais formados por óxido de ferro, identificação de diferentes
coberturas vegetais e ainda identificação de mudanças de padrões de uso e
cobertura do solo, desmatamento e áreas urbanas.
3.3 MULTIPLICAÇÃO
Da mesma maneira como descrevemos sobre a operação de adição, nas
operações de multiplicação as informações presentes nas imagens de entrada
serão realçadas.
Isso ocorre, pois quando tivermos dois valores altos de pixel sendo
multiplicados, teremos um resultado de valor ainda maior, realçando ainda mais
essa informação. Devemos nos atentar, entretanto, que caso um dos valores de
pixel operando a multiplicação seja igual a zero, o resultado também será zero,
anulando o valor do pixel a ser multiplicado independente de sua magnitude.
IBGE (2001) ainda ressalta que esta operação realça as feições que são
comuns entre as bandas que são multiplicadas, pois como normalmente as zonas
de sombra são comuns a todas as bandas de uma imagem multiespectral, as
feições morfológicas tornam-se realçadas. Essa operação torna-se útil então para
avaliar geologia estrutural, geomorfologia etc.
3.4 DIVISÃO
A operação de divisão entre bandas aritméticas é uma das operações
mais utilizadas em geoprocessamento. Essa operação permite, principalmente,
realçar as diferenças espectrais entre as bandas que está sendo realizada essa
operação pixel a pixel.
Por exemplo, se os valores do pixel de mesma posição entre as imagens

de entrada são próximos entre si, o valor do resultado será baixo, já quando a
diferença entre os valores de pixel de mesma posição é elevada, logo o valor
resultante da divisão tende a ser maior, realçando assim essa diferença espectral.
101
Nesse contexto e no âmbito do geoprocessamento, Crósta (1992) afirma

que a operação de divisão é muito utilizada na determinação de índices de
biomassa ou de vegetação e na identificação de zonas de alteração hidrotermal
relacionadas a concentrações minerais, visto que possui capacidade de realçar
fortemente feições da curva de assinatura espectral de materiais naturais.
Ilustramos a seguir algumas imagens obtidas através da operação de

divisão de bandas espectrais relatadas por Araujo e Mello (2010) para sua
melhor compreensão quanto à utilização dessa operação tão válida para análise
de imagens.
Na figura a seguir, foi utilizada a banda 4 como numerador comum para

divisão entre as bandas 5, 2 e 7 do satélite Landsat 7. Essa composição permitiu
evidenciar e diferenciar claramente as áreas de pastagens, em verde claro, de
áreas de mata Atlântica, em rosa. Feições que não se diferenciariam tanto sem
a realização de uma operação entre bandas. Entretanto, a área urbana também
assume tons de verde um pouco mais escuros que as áreas de pastagem, mas que,
a depender do objetivo da interpretação, torna-se difícil a distinção entre essas
duas áreas.
Isso reforça mais uma vez a importância da definição do objetivo do

estudo previamente à realização das operações.
FIGURA 17 – RAZÃO ENTRE BANDAS 4/5-4/2-4/7 (RGB)
FONTE: Adaptada de Araujo e Mello (2010)
Agora, observe na imagem a seguir, para a mesma área ilustrada na figura

anterior, uma divisão diferente entre as bandas do mesmo satélite. Foi utilizada a
razão entre as bandas: 5/3-7/4-4/2.
102
Note como para essa composição a malha urbana ficou extremamente

evidenciada pela cor verde fluorescente, se diferenciando inclusive da malha
rodoviária, que está destacada na cor preta.
Araujo e Mello (2010) destacam que essa composição permite contrastar

diversos objetos, fazendo com que cada um dos alvos presentes na imagem
(pastagem, rocha, mata, área urbana e estradas) assumam cores bem diferentes.
Em mais uma imagem para a mesma cena, porém agora com a razão
entre as bandas 7/4-5/3-4/2, podemos notar que a malha rodoviária é que está
fortemente em evidência em tom escuro, sendo possível identificá-la inclusive no
interior da área urbana, que nessa imagem aparece em vermelho.
103
E
IMPORTANT
Previamente a qualquer operação devemos ter muito claro o objetivo do

estudo e os alvos que precisamos identificar e destacar para, então, realizar uma correta
manipulação das imagens.
104
SATÉLITES BRASILEIROS: ONDE ESTAMOS E ONDE

PODEMOS CHEGAR?
Quando se investe em satélites, diversos benefícios são oferecidos para a

sociedade, como a monitoração do desmatamento e o desenvolvimento de
áreas agrícolas.
Redação Futurecom Digital
Os satélites brasileiros existem! E eles podem ser úteis para as mais diversas
finalidades, como monitorar o desmatamento e ajudar no desenvolvimento das
cidades e áreas agrícolas do país.
Poucos têm conhecimento, mas o Brasil é um dos únicos países no mundo

com um programa espacial forte e atuante, o Instituto Nacional de Pesquisas
Espaciais (INPE). Quem faz essa afirmação é o professor e pesquisador da
Universidade Federal de Santa Catarina (UFSC) Eduardo Bezerra.
Entretanto, afinal: onde estamos e onde podemos chegar com os satélites

brasileiros? Conversamos com Bezerra e traçamos um panorama sobre o assunto.
Confira!
OS SATÉLITES BRASILEIROS NA HISTÓRIA
A história dos satélites brasileiros já tem algumas décadas. O primeiro

artefato produzido no país foi o Dove-OSCAR 17, lançado em janeiro de 1990,
em um foguete Ariane 40, na base de Kourou, na Guiana Francesa. "O satélite
foi desenvolvido por radioamadores, possuindo também funções educacionais",
recorda o professor Bezerra.
Já no contexto do Programa Espacial Brasileiro, o primeiro satélite do

Brasil a ser lançado foi o SCD-1, em fevereiro de 1993, por intermédio do foguete
Pegasus, no Cabo Canaveral, nos Estados Unidos.
De lá para cá, o cenário dos satélites brasileiros evoluiu muito. Os últimos

artefatos lançados foram o CBERS-4A e o FloripaSat1, por intermédio do foguete
LM-4B. O evento ocorreu na China, em dezembro de 2019.
COMO É FEITO O LANÇAMENTO DE SATÉLITES
Você já parou para pensar em como um satélite é lançado? As técnicas

são bastante interessantes. Bezerra explica que o lançamento é feito por meio de
foguetes, com o artefato posicionado na parte superior do veículo lançador.
105
"O foguete, ao chegar na altitude programada para a órbita (definida de

acordo com o seu objetivo) precisa possuir velocidade horizontal suficiente para
fornecer o impulso necessário para o satélite conseguir se manter na trajetória
desejada", sintetiza.
"O satélite precisa ser ejetado em uma altitude mínima de cerca de 200
km, onde a resistência do ar é praticamente nula, ficando livre de forças de atrito.
Ao ser ejetado do foguete, o artefato inicia um movimento de queda em direção
à Terra, uma vez que é atraído pela força da gravidade”, completa o pesquisador.
PROGNÓSTICOS PARA O FUTURO DOS SATÉLITES DO BRASIL
Para Bezerra, os prognósticos para os satélites do Brasil dependem das

previsões que temos para o desenvolvimento de outras áreas.
As telecomunicações e tecnologias para entretenimento, o agronegócio,

a necessidade de prevenir calamidades, as mudanças no setor de transportes e a
defesa de fronteiras, entre outros pontos, interferem diretamente nos estudos dos
corpos celestes artificiais.
Por isso, é difícil prever avanços na área de pesquisas de satélites em

longo prazo. Afinal, tudo varia de acordo com as necessidades que surgem na
sociedade.
BENEFÍCIOS QUE OS SATÉLITES BRASILEIROS TRAZEM PARA

A SOCIEDADE
Quando são feitos investimentos em satélites brasileiros, todos ganham.

São gerados benefícios como a industrialização, a geração de empregos, o
desenvolvimento social e o aumento do nível de educação e escolaridade.
Nesse sentido, Bezerra analisa: "é importante destacar o aumento no

nível de educação, uma vez que indústrias mais avançadas necessitam de
profissionais com níveis mais altos de formação, fazendo com que as escolas e
universidades fiquem cada vez mais competitivas para conseguirem formar os
recursos humanos necessários".
No entanto, para que isso ocorra, é preciso que haja comprometimento,

principalmente por parte dos nossos governantes, tendo em vista que boa parte
dos projetos da área tem participação do poder público.
"O governo atual, assim como os anteriores, tem feito o que pode dentro
das limitações orçamentárias existentes. As principais limitações não são apenas
financeiras, pois falta conhecimento tecnológico. Os governos precisam gastar
muita energia e recursos com problemas políticos, e acabam não conseguindo se
dedicar aos problemas reais", explica o professor.
106
E completa: "Para atender demandas políticas, é preciso preencher cargos

importantes com políticos, no lugar de engenheiros e cientistas de carreira, que
poderiam estar preocupados com os avanços tecnológicos do País em todas as
áreas, e não com disputas partidárias".
Saber mais sobre os satélites brasileiros é bastante interessante, não é

mesmo? Afinal, eles fazem parte do nosso cotidiano em muitos momentos, mesmo
que nem sempre nos demos conta disso. Uma das áreas em que os satélites mais
são utilizados é o agronegócio.
FONTE: Adaptada de <https://digital.futurecom.com.br/transformao-digital/satlites-brasileiros-

onde-estamos-e-onde-podemos-chegar>. Acesso em: 9 ago. 2021.
107
RESUMO DO TÓPICO 3
• As bandas espectrais se referem a uma faixa do espectro eletromagnético entre

dois comprimentos de onda e seu nome geralmente está relacionado à região
do espectro onde ela está localizada.
• As imagens costumam ser divididas entre bandas espectrais, pois a maiora dos
sensores registra a energia refletida ou emitida pelo alvo em diferentes faixas
do espectro eletromagnético.
• Composições de bandas espectrais são de extrema utilidade para manipulação

de cores refletidas pelos alvos de interesse, facilitando a interpretação da
imagem de acordo com o objetivo de análise.
• As operações aritméticas entre bandas espectrais se constituem de

procedimentos rápidos e de fácil interação com o software, gerando bons
resultados para diferentes análises em geoprocessamento.
• As operações de adição e multiplicação entre imagens tendem a realçar as

informações presentes nas imagens de entrada.
• As operações de subtração e divisão de imagens tendem a realçar as diferenças

entre os alvos presentes nas imagens de entrada.
CHAMADA

108
AUTOATIVIDADE
1 Operações aritméticas de bandas espectrais são uma ferramenta

indispensável no processamento digital de imagens aplicado ao
geoprocessamento. No contexto da utilização e finalidade dessas
operações, analise as sentenças a seguir.
I- As imagens a serem utilizadas nas operações não necessariamente

precisam estar sobrepostas, pois as operações são feitas entre pixels
aleatórios das imagens.
II- O processo de uma operação aritmética se constitui de duas ou mais
imagens como dados de entrada, a operação propriamente dita e uma
única imagem de saída como resultado.
III- Operações aritméticas são extremamente úteis em geoprocessamento,
pois se constituem de procedimentos rápidos e de fácil interação com o
software, gerando bons resultados para diferentes análises.
IV- As operações aritméticas entre imagens da mesma cena, porém obtidas
em diferentes datas, podem ser uma ferramenta essencial para análise de
alterações da paisagem ao longo do tempo.

a) ( ) As sentenças II, III e IV estão corretas.
2 As operações realizadas entre imagens e bandas espectrais podem ser

operação de adição, subtração, multiplicação e divisão. Com relação ao
uso dessas operações, classifique V para as sentenças verdadeiras e F para
as falsas:
( ) Para identificação de diferentes coberturas vegetais, mudanças de padrões

de uso e cobertura do solo, desmatamento etc. é indicado a aplicação da
operação de adição entre imagens.
( ) As operações de subtração entre imagens têm o propósito de destacar as
diferenças presentes nas imagens.
( ) Operações de adição entre imagens são eficientes para evidenciar
as características semelhantes entre as imagens, pois os valores de
intensidade dos pixels serão somados entre si.
( ) A operação de multiplicação entre bandas espectrais de uma imagem
pode ser muito útil para a identificação de feições morfológicas, geologia
estrutural, geomorfologia etc.
109
a) ( ) V – F – F – F.
b) ( ) V – F – V – V.
c) ( ) F – V – F – F.
d) ( ) F – V – V – V.
3 A ferramenta de composição de bandas espectrais é de suma importância

para análises em geoprocessamento. Através dela é possível facilitar a
interpretação do analisador em relação ao alvo de interesse, permitindo
melhores análises da imagem. Com relação a sua composição de bandas
espectrais, classifique V para as sentenças verdadeiras e F para as falsas:
( ) A composição de bandas espectrais pode ser realizada para uma mesma

cena entre diferentes bandas espectrais de um sensor e em diferentes
ordens e/ou combinações das bandas.
( ) Uma composição de bandas espectrais deve sempre ser realizada após
uma operação de aritmética de bandas.
( ) Denominamos de composição de ‘falsa-cor’ uma composição de bandas
espectrais com o objetivo de evidenciar feições presentes na imagem, e
não necessariamente a cor que estamos habituados a enxergar.
( ) A utilização de softwares adequados para processamento de imagem
digital facilita a interação entre o analisador e a ferramenta de composição
de bandas espectrais, permitindo que diversas combinações sejam feitas
e avaliadas rapidamente.

a) ( ) V – F – F – F.
b) ( ) V – F – V – V.
c) ( ) F – V – F – F.
d) ( ) F – F – V – F.
4 A partir dos conceitos apresentados neste tópico, defina o que são bandas
espectrais e de que maneira elas compõem uma imagem.
5 Com relação aos conhecimentos adquiridos sobre bandas espectrais,

explique de que maneira as operações entre bandas espectrais tornam-se
uma ferramenta tão útil ao geoprocessamento.
110
REFERÊNCIAS
ARAUJO, T. P.; MELLO, F. M. Processamento de Imagens Digitais – Razão entre
bandas. UNESP – Revista Geociências, São Paulo, v. 29, n. 1, p. 121-131, 2010.
CRÓSTA, A. P. Processamento Digital de Imagens de Sensoriamento Remoto.

Campinas: IG/UNICAMP, 1992.

São Paulo. Pearson Prentice Hall, 2010.

Geociências. Rio de Janeiro: IBGE, 2001.
INPE. Monitoramento do Desmatamento da Floresta Amazônica Brasileira

por Satélite. c2021a. Disponível em: http://www.obt.inpe.br/OBT/assuntos/
programas/amazonia/prodes. Acesso em: 3 ago. 2021.
INPE. Missão Amazônia. c2021b. Disponível em: http://www.inpe.br/

amazonia1. Acesso em: 24 fev. 2021.

Rio de Janeiro: Brasport, 1999.
MENESES, P. R.; ALMEIDA, T. Distorções e Correções dos Dados da imagem.

In: Introdução ao Processamento de Imagens de Sensoriamento Remoto.
MENESES, P. R.; ALMEIDA, T. (Org.). Brasília, 2012.
SUN, D. et al. Quantitative Assessment of Flame Stability Through Image

Processing and Spectral Analysis. IEEE Transactions on Instrumentation and
Measurement, [S.l.], v. 64, n. 12. dez. 2015.
111
112
UNIDADE 3 —
DISTORÇÕES E CORREÇÕES
DE IMAGEM
• conhecer as principais distorções que afetam as imagens de satélite;

• identificar os tipos de ruídos mais comuns presentes em imagens de
satélites e seu efeito adverso no processamento digital de imagens;
• compreender e aplicar as principais técnicas de filtragem de ruídos para
melhoramento de imagens;
• compreender e executar as correções geométricas necessárias em imagens
e suas aplicações;
• entender as distorções radiométricas presentes nas imagens de satélite.
PLANO DE ESTUDOS
Esta unidade está dividida em quatro tópicos. No decorrer da
unidade, você encontrará autoatividades com o objetivo de reforçar o
conteúdo apresentado.
TÓPICO 1 – DISTORÇÕES DE IMAGENS DE SATÉLITES
TÓPICO 2 – RUÍDOS DE IMAGEM
TÓPICO 3 – DISTORÇÕES GEOMÉTRICAS
TÓPICO 4 – DISTORÇÕES RADIOMÉTRICAS
CHAMADA

113
114
TÓPICO 1 —
UNIDADE 3
DISTORÇÕES DE IMAGENS DE SATÉLITES
1INTRODUÇÃO
Caro aluno, neste tópico queremos introduzir as principais causas e
consequências de distorções presentes em imagens de satélite. Como vimos
nas unidades anteriores desta disciplina, diversos fatores podem afetar a
qualidade da imagem – desde sua aquisição até o produto, resultando em
distorções indesejadas.
Quando presentes em imagens de nosso interesse, independente da

finalidade, essas distorções podem prejudicar a análise adequada e dificultar o
objetivo final do processamento digital de imagens.
Nesse contexto, a partir deste tópico, veremos os principais fatores que

afetam a imagem, desde o momento de sua obtenção até o produto e de que
forma foram desenvolvidas técnicas de melhorias de imagem que beneficiam
o usuário.
2 CONCEITOS DE DISTORÇÕES DE IMAGEM

Ao adquirirmos uma imagem de satélite, esperamos que ela esteja com
a maior nitidez possível para permitir que façamos uma boa análise das áreas
de interesse. Entretanto, conforme já vimos nas unidades anteriores, imagens de
satélite estão sujeitas a diversas influências – tanto relativas ao equipamento e
plataforma de aquisição quanto aos fatores externos.
Ao saber que nos depararemos com distorções em imagens ao longo de

diversos estudos e projetos em geoprocessamento, temos que ter o conhecimento
que nos proporcione a correta análise do tipo de distorção: sua origem e possíveis
formas de correção ou ao menos de amenizar os efeitos adversos que essas
distorções podem causar em nossa análise. Portanto, este conjunto de ações
resume-se no seguinte fluxograma:
115
UNIDADE 3 — DISTORÇÕES E CORREÇÕES DE IMAGEM
FIGURA 1 – FLUXOGRAMA DAS ETAPAS DE IDENTIFICAÇÃO E CORREÇÃO DE

DISTORÇÕES EM IMAGENS
FONTE: O autor
DICAS
Essas etapas são fundamentais para obtermos um bom produto, que

utilizaremos de acordo com nossa finalidade, e devem ser seguidas para todos os tipos de
distorções que apresentaremos ao longo da unidade.
3 IDENTIFICAÇÃO E CORREÇÃO DE
DISTORÇÕES DE IMAGENS
Marques Filho e Vieira Neto (1999) reforçam que imagens podem
apresentar diversas distorções, podendo elas se apresentarem como pixels
ruidosos, contraste e brilho inadequados, caracteres interrompidos etc.
Para simples análise visual de imagens, por vezes, técnicas de manipulação

de histogramas e alterações visuais de brilho e contraste podem ser suficientes,
entretanto, para análises mais aprofundadas devemos utilizar técnicas mais
robustas de processamento digital de imagens, que consequentemente demandam
um tempo maior de processamento e análise.
116
TÓPICO 1 — DISTORÇÕES DE IMAGENS DE SATÉLITES
Diante disso, a execução de operações matemáticas visa o melhoramento

das qualidades espaciais e espectrais de imagens corrompidas, de forma que
se tornem mais apropriadas para determinadas aplicações. Essas operações
compõem técnicas de processamento e correção de imagens que, em conjunto, são
utilizadas para remoção ou correção de erros e distorções presentes em imagens
de satélites.
Meneses e Almeida (2012) ainda reforçam que essas correções devem ser
avaliadas para cada tipo de problema na esfera do sensoriamento remoto pois uma
técnica que pode ser eficaz na remoção de ruídos presentes em uma imagem, por
exemplo, pode não ser eficaz para a identificação de bordas de imagem, visto que o
alvo de interesse para ambas as correções se difere entre textura e frequências.
Devido ao grande volume de dados que uma imagem digital pode possuir,
o formato matricial comum entre as imagens é fundamental para a execução dos
procedimentos de correção, visto que essa quantidade de dados está organizada
de maneira sequencial e relativa a cada pixel que compõem a imagem.
Entretanto, o uso de softwares específicos, na maioria das vezes sendo

os Sistemas de Informações Geográficas (SIG), tornam-se indispensáveis para
a execução das operações de correção já que permitem um grande volume de
cálculo em um tempo menor de execução, além de tornar a operação facilitada
através da interface com o operador.
Nesse contexto, daremos sequência a esta unidade da disciplina

apresentado as diferentes fontes e efeitos das distorções de imagens amplamente
e frequentemente encontradas em imagens de satélites, abordando, inclusive,
as distorções mais comuns e frequentes conhecidas como Ruídos, Distorções
Geométricas e Radiométricas.
3.1 EXEMPLOS DE DISTORÇÕES EM IMAGENS DE SATÉLITE

A seguir serão apresentados dois exemplos de distorções comuns de
serem observadas em imagens de satélite.
3.1.1 Exemplo de linhas ruidosas em imagem de satélite

causadas pela saturação máxima do sinal
Na imagem de satélite a seguir, podemos observar uma falha que se estende
longitudinalmente por uma faixa ao longo de praticamente toda a imagem. Essa
faixa possui uma largura homogênea em sua extensão e se caracteriza por refletir
pixels em tons muito claros, o que indica uma distorção por saturação máxima
do sinal.
117
FIGURA 2 – EXEMPLO DE DISTORÇÃO POR SATURAÇÃO DE SINAL
FONTE: <https://bit.ly/37Zqxa0>. Acesso em: 16 ago. 2021.
3.1.2 Exemplo de faixa de linhas ruidosas em imagem de

satélite causadas pela descalibração de sensor
Na imagem de satélite a seguir, as distorções se apresentam de forma
perpendicular e em faixas com larguras desiguais por toda a imagem. Esse tipo
de distorção geralmente está associado a problemas com a calibração do sensor de
aquisição de imagem. Nota-se ainda que, apesar das falhas, obtêm-se informações
para os pixels das áreas com distorções. Entretanto, essas informações podem
estar corrompidas em relação ao nível de brilho e intensidade, por exemplo.
FIGURA 3 – EXEMPLO DE DISTORÇÃO POR DESCALIBRAÇÃO DO SENSOR
FONTE: Adaptada de Meneses e Almeida (2012)
118
RESUMO DO TÓPICO 1
• Distorções presentes em imagens de satélite podem prejudicar a análise

adequada e dificultar o objetivo final do processamento digital de imagens.
• Imagens de satélite estão sujeitas a diversas influências tanto relativas ao

equipamento e plataforma de aquisição, quanto aos fatores externos, influências
essas que podem causar distorções.
• As técnicas aplicadas para correção de distorções devem ser avaliadas de

acordo com a finalidade de aplicação da imagem.
• Softwares de processamento de imagens digitais facilitam as operações de

correção de distorções de imagens devido ao grande volume de dados a ser
processado.
119
AUTOATIVIDADE
1 A identificação e correção de distorções em imagens é uma etapa

fundamental no pré-processamento de imagens de satélite. Nesse contexto,
sobre o que define as etapas essenciais nesse processo, analise as sentenças
a seguir:
I- Conhecimento prévio das possíveis causas de distorções e seus efeitos em

imagens de satélites.
II- Avaliação das alternativas de correção de distorções apropriadas para a
distorção identificada na imagem de interesse.
III- Seleção e aplicação do modelo matemático e/ou estatístico adequado para a
correção da distorção identificada na imagem.
IV- Avaliação e validação dos resultados obtidos com a correção.

d) ( ) Todas as alternativas estão corretas.
2 Após a identificação da presença de distorções em uma imagem, é

fundamental que se identifique o tipo de distorção presente e se avalie
a melhor técnica para sua correção. Em relação à presença e correção de
distorções de imagens de satélite, classifique V para as sentenças verdadeiras
e F para as falsas:
( ) A utilização de softwares de processamento digital de imagens é

fundamental para a correção de distorções em imagens de satélite, pois
facilitam a aplicação de operações matemáticas adequadas.
( ) Distorções presentes em imagens de satélite afetam apenas a interpretação
visual dela, não comprometendo análises aprofundadas das características
da imagem.
( ) O formato matricial do qual uma imagem digital é composta facilita as
operações matemáticas a serem aplicadas para correções de imagem.
( ) Após identificadas, distorções de imagens são facilmente corrigidas
através de operações matemáticas comuns independentemente do tipo
de distorção.

a) ( ) V – F – F – F.
b) ( ) V – F – V – F.
c) ( ) F – V – F – F.
d) ( ) F – F – V – V.
120
3 Distorções em imagens de satélites podem ocorrer por diversos fatores e
corrompê-las de diversas maneiras. Com relação aos tipos de distorção que
podem ocorrer em uma imagem e suas possíveis causas, classifique V para
as sentenças verdadeiras e F para as falsas:
( ) Distorções podem ser ocasionadas por falhas no sistema de aquisição de

imagens, como falha no sensor presente na plataforma de aquisição.
( ) As distorções observadas em imagens de satélite nada têm a ver com
interferências relacionadas a fatores externos, como interferência
atmosférica, por exemplo.
( ) Os principais tipos de distorções presentes em imagens de satélites são:
ruídos, distorções radiométricas e distorções geométricas.

a) ( ) V – F – F.
b) ( ) V – F – V.
c) ( ) F – V – V.
d) ( ) F – F – V.
4 Com relação aos conhecimentos apresentados sobre possíveis causas,

identificação e correção de distorções em imagens de satélites, descreva
de que maneira a presença dessas distorções interfere no objetivo final da
aplicação da imagem.
5 O fato de as imagens digitais serem compostas por dados matriciais facilita

muito a aplicação de técnicas de correção de distorções. Explique de que
maneira essas técnicas são aplicadas e o porquê de o formato matricial
facilitar essas operações.
121
122
TÓPICO 2 —
UNIDADE 3
RUÍDOS DE IMAGEM
1INTRODUÇÃO
Na Unidade 1 desta disciplina, você aprendeu as diversas maneiras pelas
quais é possível se obter uma imagem digital, no entanto, todas as formas de
aquisição e posterior transmissão dessas imagens ou dados que darão origem a
uma imagem, estão sujeitas a alguns fatores que podem interferir na qualidade
da imagem final obtida.
No tópico anterior desta unidade, apresentamos a você as principais

formas nas quais se apresentam as distorções de imagens mais comuns em
imagens de satélite. A partir de agora, entenderemos de que forma os ruídos de
imagem estão presentes e as principais maneiras nas quais se apresentam.
Além da identificação e interpretação, apresentaremos a você as principais

técnicas de filtragem utilizadas em processamento digital de imagens que buscam
melhorar de maneira significativa a presença dos ruídos de forma a minimizar ao
máximo sua interferência na interpretação de imagens.
2 IDENTIFICAÇÃO DE RUÍDOS
Um ruído de imagem se constitui como uma variação das informações de
brilho ou cor que ocorre distribuída de maneira aleatória ou de forma sistemática
(como listras verticais e/ou horizontais) em uma imagem. Tais variações
geralmente são provenientes do processo decorrente da captura da imagem,
sendo originadas nos sensores de aquisição e seus componentes.
Marques Filho e Vieira Neto (1999, p.126) ainda define que “Considera-
se ruído qualquer tipo de informação indesejada que obstrui a aquisição e o
processamento da informação desejada”. Os autores ainda reforçam que existem
diversos tipos de ruídos que podem estar presentes em imagens, cada um deles
pode ser determinado pelo formato do histograma do ruído.
Gonzalez e Woods (2010) citam que as principais fontes de ruído em

imagens digitais são provenientes do processo de aquisição e/ou transmissão das
imagens. Com relação à aquisição das imagens, os autores citam que o desempenho
dos sensores pode ser afetado por inúmeros fatores, tais como a própria qualidade
123
dos sensores ou condições ambientais no momento da aquisição, por exemplo. Já

com relação à transmissão, as imagens serão corrompidas geralmente em função
de interferências no canal utilizado para transmissão, como um problema na rede
sem fio (wireless) por exemplo.
De maneira geral, os ruídos podem aparecer como pontos ou linhas com

níveis de cinza que se diferem muito dos pontos vizinhos.
Oliveira (1999) cita, por exemplo, que um ruído muito comum em imagens
de satélite é o line drop-out, onde uma ou mais linhas da imagem não possuem
valores, aparecendo na imagem como uma faixa preta ou marrom.
Para caracterização e posterior correção de um ruído presente em uma

imagem, é primordial primeiro caracterizá-lo através de técnicas estatísticas, nas
quais se compara o histograma de imagens ruidosas com histogramas teóricos
conhecidos (MARQUES FILHO; VIEIRA NETO, 1999). Entretanto, após a
identificação, de maneira geral esses ruídos são solucionados através de filtros
que basicamente atribuem aos pixels ruidosos valores médios dos pixels vizinhos.
2.1 TIPOS DE RUÍDOS

Os tipos de ruídos são caracterizados principalmente pela forma como se
apresentam em uma imagem. Apresentaremos a seguir quatro tipos de ruídos
básicos e mais comuns que afetam as imagens de satélite, sendo eles:
• Ruído Impulsivo.
• Ruído Gaussiano.
• Ruído Speckle.
• Ruído Striping.
2.1.1 Ruído Impulsivo

O ruído impulsivo, muito conhecido também como ruído “sal e pimenta”
é comum em imagens de satélite e é geralmente ocasionado por erros na
transmissão de dados, conversão entre formato analógico-digital, problemas no
armazenamento, entre outros.
Visualmente, o ruído impulsivo se caracteriza como pontos brancos e

pretos na imagem, por isso o nome “sal e pimenta”, e se apresenta dessa maneira,
pois os valores de pixels da imagem são corrompidos pelos valores máximos e
mínimos da escala de cinza, que são o branco e o preto.
Apesar de comuns, as imagens afetadas com esse tipo de ruído costumam

ser restauradas com facilidade pois os pixels vizinhos tendem a estar íntegros,
permitindo a aplicação de técnicas acessíveis para realizar o ajuste.
124
TÓPICO 2 — RUÍDOS DE IMAGEM
FIGURA 4 – EXEMPLO DE RUÍDO DO TIPO “SAL E PIMENTA” E SEU RESPECTIVO

HISTOGRAMA CARACTERÍSTICO
2.1.2 Ruído Gaussiano

O ruído gaussiano se assemelha muito ao impulsivo que vimos
anteriormente, inclusive é também chamado de ruído impulsivo de variação
randômica (PEINADO, 2016).
Essa semelhança se dá tanto pela origem do ruído como pela forma na

qual ele se apresenta na imagem, ou seja, na forma de pixels com o valor de cinza
alterado. Entretanto, o ruído gaussiano se caracteriza por apresentar apenas
pixels brancos, e não pretos.
125
FIGURA 5 – EXEMPLO DE RUÍDO DO TIPO GAUSSIANO E SEU RESPECTIVO

HISTOGRAMA CARACTERÍSTICO
2.1.3 Ruído Speckle

O ruído do tipo speckle é um dos principais fatores que danificam as
imagens de satélite e ainda é considerado multiplicativo, ou seja, é proporcional
ao sinal recebido para cada pixel.
Os ruídos do tipo speckle são originados a partir de alterações do sinal

transmitido que é causado por um fator externo ao sistema ou pelo próprio
sistema de transmissão. Sua presença em imagens é notada devido a uma textura
granulosa, que dificulta a interpretação de imagens de radar e, por exemplo,
classificações automatizadas de classes da imagem, como uso e tipo de solo etc.
126
FIGURA 6 – EXEMPLO DE RUÍDO DO TIPO SPECKLE
FONTE: Adaptada de <https://bit.ly/3AVcXRt>. Acesso em: 16 ago. 2021.
2.1.4 Ruído Striping

O ruído chamado de striping se caracteriza como listras que geralmente
estão presentes como uma faixa ao longo da imagem, podendo ser horizontais ou
verticais, dependendo da direção de trajetória do satélite de aquisição da imagem.
A presença desse tipo de ruído está associada a problemas no próprio

sensor, geralmente associado a sua órbita, calibração, desgaste etc. Como em
determinados casos esses ruídos se estendem por uma longa área da imagem,
podem comprometer drasticamente o processo de interpretação da imagem
em questão.
127
FIGURA 7 – EXEMPLO DE RUÍDO DO TIPO STRIPING EM DIFERENTES BANDAS DE UMA MESMA

IMAGEM DE SATÉLITE
FONTE: Adaptada de Carvalho et al. (2011)
3 ELIMINAÇÃO DE RUÍDOS
Agora que vimos os principais tipos de ruídos presentes em imagens de
satélite e sua influência nos procedimentos de análise e interpretação durante o
processamento digital de imagens, vamos apresentar as principais maneiras de
eliminar ou ao menos minimizar esses ruídos indesejados.
Marques Filho e Vieira Neto (1999) evidenciam que a melhor maneira

de determinar o tipo de ruído é identificar as regiões ruidosas da imagem em
questão, analisar o histograma dessa região e compará-lo com histogramas
teóricos já conhecidos dos tipos mais comuns de ruídos em imagens de satélites.
Dessa maneira, após a identificação do tipo de ruído existente, determina-

se a melhor técnica para eliminação desse ruído, ou ao menos uma suavização
que permita as análises que se deseja obter com a imagem.
128
3.1 TÉCNICAS PARA ELIMINAÇÃO DE RUÍDOS

A maneira mais comum e eficaz de eliminar ruídos em imagens de satélite é
a aplicação de filtros, que consistem em técnicas de transformações dos valores
de nível de cinza dos pixels ruidosos em valores prováveis para substituição em
função de outras informações da imagem, tais como nível de cinza dos pixels
vizinhos, frequência de ocorrência etc.
3.1.1 Filtro da Média Aritmética

O filtro de média aritmética é um dos filtros mais utilizados para
correção de ruídos de imagem de satélites. Esse filtro consiste no procedimento
de realização da média aritmética dos pixels vizinhos aos pixels ruidosos e
substitui o valor de intensidade do pixel ruidoso por esse valor obtido com a
média dos demais.
Peinado (2016) reforça, entretanto, que o resultado da aplicação desse

filtro pode produzir uma imagem borrada quando a ocorrência de ruídos na
imagem original é muito forte.
FIGURA 8 – IMAGEM REFERÊNCIA, IMAGEM COM RUÍDO, IMAGEM COM FILTRO

DE MÉDIA ARITMÉTICA
FONTE: Adaptada de Peinado (2016)
3.1.2 Filtro Bilateral

O filtro bilateral, diferentemente do filtro da média aritmética, não atribui
pesos iguais para os pixels vizinhos ao pixel ruidoso para considerar a substituição
dos valores. No filtro bilateral os pixels mais próximos ao pixel ruidoso possuem
um peso maior no cálculo para substituição.
Também conhecido como filtro de borda, esse filtro bilateral não produz
o espalhamento de valores de intensidade quando a região da imagem em
questão apresenta valores bem distintos, como borda de imagens por exemplo,
preservando essa característica na imagem resultante (PEINADO, 2016).
129
FIGURA 9 – IMAGEM REFERÊNCIA, IMAGEM COM RUÍDO, IMAGEM COM FILTRO BILATERAL
3.1.3 FILTRO DPAD

O filtro DPAD foi apresentado como sendo um método para aplicação em
imagens que possuem o ruído speckle. Peinado (2016) descreve que as equações
utilizadas na aplicação desse filtro permitem gerar uma imagem com pouca
suavização e ainda permite uma preservação das áreas de borda presentes na
imagem ruidosa.
FIGURA 10 – IMAGEM REFERÊNCIA, IMAGEM COM RUÍDO, IMAGEM COM FILTRO DPAD
TUROS
ESTUDOS FU
Técnicas avançadas de filtragem estão previstas na disciplina de Processamento

Digital de Imagens II.
130
RESUMO DO TÓPICO 2
• A ocorrência de ruídos em imagens digitais está relacionada ao sensor de

aquisição, seus componentes ou ainda interferências no processo de transmissão
dos dados.
• A correta análise do histograma de imagens ruidosas e a identificação do

tipo de ruído presente na imagem nos permite selecionar a melhor técnica de
filtragem para eliminação ou suavização desse ruído.
• Técnicas de filtragem e correção de ruídos são amplamente discutidas e

utilizadas, pois nos permitem atingir uma melhora significativa na imagem
para uma melhor análise da imagem de interesse.
• Os ruídos mais comumente encontrados em imagens digitais são os ruídos

chamados de: Ruído Impulsivo, Ruído Gaussiano, Ruído Speckle e Ruído Striping.
• As técnicas mais amplamente utilizadas para eliminação de ruídos são as técnicas

conhecidas como: Filtro da Média Aritmética, Filtro Bilateral, e Filtro DPAD.
131
AUTOATIVIDADE
1 Marques Filho e Vieira Neto (1999, p. 126) definem que “Considera-se

ruído qualquer tipo de informação indesejada que obstrui a aquisição e o
processamento da informação desejada”. Com relação aos ruídos presentes
em imagens digitais, analise as sentenças a seguir.
FONTE: MARQUES FILHO, O.; VIEIRA NETO, H. Processamento Digital de Imagens. Rio de
Janeiro: Brasport. 1999.
I- Os ruídos presentes em imagens digitais são decorrentes apenas de falhas

referentes ao sensor de aquisição.
II- A identificação do tipo de ruído e sua técnica mais adequada para correção
resultam em uma melhor interpretação da imagem desejada.
III- A qualidade dos sensores de aquisição, ou ainda interferências causadas
por fatores atmosféricos podem ser responsáveis por ruídos em imagens.
IV- Interferências no canal utilizado para transmissão, como um problema na
rede sem fio (wireless) por exemplo, também são causadoras de ruídos
em imagens digitais.

a) ( ) As sentenças II, III e IV estão corretas.
2 Após a constatação da presença de ruído em uma imagem, é fundamental que

se identifique o tipo de ruído presente e se avalie a melhor técnica para sua
correção. Com relação à interpretação do tipo de ruído presente na imagem e
sua correção, classifique V para as sentenças verdadeiras e F para as falsas:
( ) As principais formas de avaliar a presença e o tipo de ruído em uma

imagem são através de análise visual e do seu histograma.
( ) Ruídos apresentam-se em imagens de satélites apenas como alterações de
brilho em pixels isolados da imagem.
( ) A comparação do histograma da imagem ruidosa com histogramas já
teoricamente conhecidos é uma importante ferramenta na avaliação da
técnica a ser utilizada.
( ) Após identificados, ruídos são geralmente solucionados através de filtros
que atribuem aos pixels ruidosos valores médios dos pixels vizinhos.

a) ( ) V – F – F – F.
b) ( ) V – F – V – V.
c) ( ) F – V – F – F.
d) ( ) F – F – V – F.
132
3 Técnicas de eliminação de ruídos são fundamentais para o Processamento
Digital de Imagens e permitem uma melhor interpretação da imagem a ser
analisada. Com relação às técnicas de eliminação de ruídos, classifique V
para as sentenças verdadeiras e F para as falsas:
( ) Não existem técnicas de eliminação de ruídos capazes de resolver 100%

dos ruídos presentes em uma imagem digital, devendo elas serem
avaliadas particularmente para cada objetivo.
( ) O objetivo de utilização de técnicas de eliminação de ruídos é operar uma
imagem de modo que a imagem resultante seja mais adequada que a
imagem original para uma interpretação e/ou aplicação específica.
( ) Quando avaliamos ruídos em imagens com mais de uma banda espectral,
esses ruídos podem se apresentar de maneiras distintas em diferentes bandas
de uma mesma imagem, tanto em intensidade quanto em apresentação.

a) ( ) V – F – F.
b) ( ) F – V – F.
c) ( ) V – V – V.
d) ( ) F – F – V.
4 Com relação aos conhecimentos apresentados sobre possíveis causas,

identificação e correção de ruídos, descreva de que maneira os ruídos
influenciam no processamento digital de imagem.
5 A correta aplicação de técnicas para a eliminação de ruídos é amplamente

discutida em bibliografia e de extrema importância para o resultado de
interpretação de imagens. No que consistem essas técnicas e de que maneira
são operacionalizadas em imagens digitais?
133
134
TÓPICO 3 —
UNIDADE 3
DISTORÇÕES GEOMÉTRICAS
1INTRODUÇÃO
Como já vimos anteriormente, as imagens obtidas por sensores de aquisição
estão sujeitas a diversas interferências durante todo o processo de obtenção.
Agora, veremos de que maneira esses fatores estão relacionados a variações de
posicionamento e escala de imagens, chamadas distorções geométricas.
Diante do conhecimento da causa dessas distorções, é imprescindível que

o usuário realize as devidas correções pertinentes à cada imagem para que os
procedimentos de análise realizados em cada uma delas não sejam comprometidos.
Nesse contexto, lhe apresentaremos a principal técnica existente para a

correção de distorções geométricas por parte do usuário final e suas principais
aplicações.
2 DISTORÇÕES GEOMÉTRICAS
Distorções geométricas são causadas por variações em diversos processos
referentes à aquisição de imagens. Tais distorções causam variações na escala,
ângulo de obtenção, entre outros fatores, estando intimamente relacionada aos
sensores orbitais de aquisição de imagens.
D’Alge (2007) descreve que as distorções geométricas podem ocorrer por

inúmeros motivos, podendo ser eles relacionados à plataforma de aquisição, ao
instrumento ou ainda ao modelo da Terra. Tais informações descritas pelo autor
serão sintetizadas a seguir:
• Distorções relacionadas à Plataforma:

◦ Efemérides: variação da Velocidade e/ou Altitude.
◦ Atitude: variação do ângulo de rolamento (roll), Variação do ângulo de
arfagem (pitch), Distorção provocada pela guinada (yaw).
135
FIGURA 11 – DEMONSTRAÇÃO DAS VARIAÇÕES DE ÂNGULO RELACIONADAS À PLATAFORMA,

ROLL, PITCH E YAW
FONTE: Adaptada de <https://bit.ly/3AWsRet>. Acesso em: 16 ago. 2021.
• Distorções relacionadas ao Instrumento:

◦ Sensores de varredura mecânica: cisalhamento da varredura, variação do
tempo útil de varredura, distorção panorâmica, deslocamento entre bandas
e detetores.
◦ Sensores de varredura eletrônica: deslocamento entre bandas, deslocamento
entre barras de detectores, desalinhamento das barras de detectores.
• Distorções relacionadas ao modelo da Terra:

◦ Rotação e esfericidade: movimento de rotação da terra, esfericidade da terra.
◦ Relevo: deslocamento devido ao relevo.
Entre as inúmeras causas de distorções citadas anteriormente, Meneses

e Almeida (2012) ressaltam que quando causadas por variações de altitude, as
distorções podem se apresentar como significantes variações na escala da imagem;
já quando as distorções são causadas pela variação na atitude do satélite, estas
tendem a estar relacionadas a variações na linha de voo do satélite, alterando o
ângulo de obtenção da imagem.
Diante das distorções geométricas identificadas nas imagens, o

procedimento de correção se torna de extrema importância na etapa de pré-
processamento da imagem, visto que permite adequar a imagem a uma projeção
específica e conhecida de interesse, minimizando ao máximo os efeitos dessas
distorções e permitindo uma análise de maior precisão da imagem.
136
TÓPICO 3 — DISTORÇÕES GEOMÉTRICAS
EMBRAPA (2012) reforça ainda, que as correções geométricas são de

suma importância quando desejamos relacionar essa imagem com uma base de
dados de um Sistema de Informações Geográficas (SIG), fazendo com que todos
os componentes do sistema estejam sob uma mesma referência espacial.
IBGE (2001) também avalia que a correção geométrica de imagens é

imprescindível pelos seguintes motivos:
• Correta sobreposição de dados entre imagens e mapas.

• Ajuste e sobreposição de imagens obtidas em diferentes datas.
• Integração entre imagens obtidas por diferentes sensores.
• Entre outros.
Agora que compreendemos de que maneira ocorrem as distorções

geométricas e a importância de sua correção na esfera do processamento digital
de imagens, vamos apresentar de que maneira isso é realizado.
Inicialmente, alguns procedimentos são realizados logo após a obtenção

das imagens pelos sensores de aquisição, tais correções estão relacionadas a fatores
muito específicos ao momento de obtenção da imagem, tais como instabilidade
da plataforma ou sensor, posicionamento etc., ou seja, fatores desconhecidos pelo
usuário final. Portanto, essa correção inicial é restrita às empresas de obtenção e
fornecimento das imagens.
Posteriormente, diante da posse da imagem de interesse, o usuário

irá realizar a segunda etapa desse procedimento de correção geométrica, o
qual denominamos de Georreferenciamento de Imagem, que será descrito e
exemplificado a seguir.
3 PROCEDIMENTOS PARA CORREÇÕES GEOMÉTRICAS

O processo de georreferenciamento de imagem consiste basicamente em
associar coordenadas da imagem a ser corrigida com coordenadas já conhecidas
em um determinado sistema de referência espacial.
Como vimos nas unidades anteriores desta disciplina, as imagens de

satélites são em sua grande maioria formadas por diversas bandas espectrais.
Quando executamos o georreferenciamento de imagens, partimos do princípio
de que todas as bandas estão corregistradas entre si, ou seja, possuem um ajuste
perfeito de posicionamento entre elas, dessa forma, o georreferenciamento é
executado concomitantemente para todas as bandas que compõem essa imagem.
SPUGeo (2017) reforça que o georreferenciamento de dados pode ser

aplicado em qualquer dado e informação que necessite um referencial de
coordenadas, como um mapa digitalizado, por exemplo – ainda que a principal
utilização seja a correção de distorções geométricas.
137
Para o procedimento de correção de distorções geométricas, SPUGeo

(2017) sugere que os seguintes tópicos devem ser considerados no procedimento:
pontos de controle, tabelas de correlação, precisão e reamostragem. Cada um
deles será explanado conforme sugestão do próprio autor a seguir.
3.1 PONTOS DE CONTROLE

Pontos de controle são alvos que podem ser facilmente reconhecidos tanto
na imagem a ser georreferenciada quanto na imagem a ser usada como base para
georreferenciamento. Geralmente, utilizam-se como pontos de controle feições
como cruzamento de ruas, limites de terreno, feições geométricas etc., pois são
identificados com facilidade pelo usuário.
Entretanto, esse procedimento é extremamente influenciado pela

precisão que o usuário terá ao identificar e selecionar esses pontos, devendo
ser extremamente criterioso em sua seleção para uma correta correlação entre
as coordenadas. Além disso, os pontos devem ser distribuídos por toda a área
a ser georreferenciada.
Existem diferentes fontes para se correlacionar os pontos de controle entre

a imagem a base de referência a ser utilizada, devendo sempre nos atentarmos à
confiabilidade dessas fontes. As principais fontes dessa base de referência para
obtenção dos pontos de controle são:
• GPS (Global Position System): utiliza-se as coordenadas do ponto obtidas no

próprio local através de um GPS e transfere-se digitalmente essas coordenadas
para a imagem que se deseja georreferenciar.
• Grades de coordenadas em mapas, imagens, cartas-imagens: a partir de mapas
com grade de coordenadas é possível se obter as coordenadas X e Y de um
ponto em comum entre a base e a imagem a ser georreferenciada.
• Mapas georreferenciados com elementos pontuais: da mesma maneira, obtém-
se as coordenadas X e Y de pontos em comum entre o mapa georreferenciado
e a imagem a ser georreferenciada
• Imagens ortorretificadas e/ou georreferenciadas com elementos pontuais:
nesse caso, utiliza-se uma imagem da mesma área onde é possível se identificar
diversos pontos em comum espalhados pela área de interesse. Dessa forma,
correlaciona-se o mesmo alvo nas duas imagens e assume-se a coordenada da
base para a imagem que está sendo georreferenciada.
138
ATENCAO
Veja o exemplo que ilustraremos no item a seguir que será demonstrado

o procedimento de georreferenciamento, utilizando-se como base uma imagem já
ortorretificada para a área de interesse
3.2 TABELAS DE CORRELAÇÃO

À medida que vamos relacionando os pontos entre a imagem que está
sendo georreferenciada e a base de referência, utilizamos também uma tabela
de correlação com o registro de todos esses pontos. A partir dessa tabela são
realizados os cálculos referentes às transformações polinomiais relativas ao
georreferenciamento.
E
IMPORTANT
Ao utilizarmos um SIG para realizar esse processo, os cálculos são feitos de

forma automatizada, cabendo ao usuário apenas selecionar o tipo de transformação
polinomial desejada.
3.3 PRECISÃO
A precisão é uma estimativa do erro associado ao processo de
georreferenciamento realizado e está diretamente relacionada à qualidade dos
dados disponíveis para realização desse procedimento, tanto da imagem a ser
georreferenciada quanto à disponibilidade dos pontos de referência, e ainda da
habilidade do usuário (SPUGEO, 2017).
Esse erro decorrente do processo de georreferenciamento é calculado

baseado na distância entre a coordenada da imagem/base referência e a
coordenada a ser estimada do conjunto de pontos de controle estabelecidos. Esse
erro é conhecido como Erro Quadrático Médio (EQM), ou Root Mean Square (RMS)
e é dado pela equação a seguir:
139
3.4 REAMOSTRAGEM
Após o procedimento de relação dos pontos de controle com pontos
na imagem a ser georreferenciada e o cálculo do erro residual, é realizada
a reamostragem da imagem, que consiste em determinar o valor do brilho da
imagem corrigida a partir do brilho da imagem original (SPUGEO, 2017).
Ao final do procedimento de georreferenciamento, a imagem corrigida

passa a ter um sistema de coordenadas definido, dessa maneira todos os pixels
presentes na imagem terão sua coordenada relacionada e podem ser localizados
através de sua posição, tal como uma feição em uma carta topográfica por exemplo
(MENESES; ALMEIDA, 2012).
Crósta (1992) também cita uma utilidade importante do procedimento de

georreferenciamento de imagens, que é quando queremos comparar diferentes
imagens de satélites obtidas para uma mesma área. Com esse procedimento
facilitamos a interpretação e avaliação das alterações dos alvos de interesse entre
diferentes datas ao comparar imagens precisamente sobrepostas.
Além disso, a partir do georreferenciamento de imagens podemos

compor mosaicos para uma grande área na qual se necessita mais de uma
imagem de satélite. Por exemplo, através da sobreposição das bordas de
imagens vizinhas é possível unir diversas imagens de interesse e abranger uma
grande área de interesse.
Para a execução desse procedimento, hoje em dia dispomos de inúmeros

SIG que, além de facilitarem visualmente essa correção, realizam as operações
matemáticas envolvidas nesse processo de maneira automatizada. Além disso,
ainda permitem a integração em diferentes bases de dados e sistemas de referência
espacial de interesse ao usuário.
140
4 UTILIZANDO O QGIS PARA O

GEORREFERENCIAMENTO DE IMAGENS
Assim como fizemos nas unidades anteriores, queremos agora estimular
você a aplicar um pouco do conhecimento obtido neste capítulo. Utilizaremos
o software QGIS para aplicação da técnica de georreferenciamento para correção
geométrica de imagens.
Nesse exemplo de georreferenciamento, utilizaremos como referência

uma imagem Landsat-8 já ortorretificada para o estado de Santa Catarina
disponibilizada no site do governo do Estado.
FIGURA 12 – ESTADO DE SANTA CATARINA
FONTE: O autor
Diversas fontes podem ser utilizadas para esse procedimento, procure

uma opção que atenda sua região e certifique-se que se trata de uma fonte
apropriada para isso, desde imagens às bases cartográficas.
Após carregar a base/imagem que será utilizada como referência para o

georreferenciamento da imagem de interesse, vá no menu principal em “Raster”,
“Georreferenciamento”.
141
FIGURA 13 – MENU PRINCIPAL
FONTE: O autor
Na janela de georreferenciamento que abrirá, busque em seu computador a

imagem que deseja georreferenciar, selecione e clique 'Abrir'.
DICAS
Esta imagem que deseja georreferenciar pode ser uma imagem obtida no
Google Earth, ou uma imagem de um aerolevantamento fotográfico etc. Isso varia com
a finalidade do seu estudo e com a disponibilidade de imagens para a região de interesse.
FIGURA 14 – SELECIONAR E ABRIR
FONTE: O autor
142
Agora, com a imagem base e a imagem a ser georreferenciada já carregadas,

clique na opção de “adicionar ponto”, dentro da janela de “Georreferenciamento”.
Adicione primeiramente o ponto na imagem a ser georreferenciada, uma

opção se abrirá para que você escolha entre digitar as coordenadas reais desse
ponto ou obter ‘From Map’.
Nesse caso, como obteremos as coordenadas de uma imagem já

georreferenciada, selecionamos a opção “From Map” e inserimos um ponto
exatamente na área correspondente ao ponto que fizemos na imagem anterior.
Portanto, assim estamos relacionando uma determinada área a sua

coordenada correta.
FIGURA 15 – FROM MAP
FONTE: O autor
Repita esse procedimento para inúmeros pontos, os distribuindo por toda

a área da imagem a ser georreferenciada, isso variará de acordo com a resolução
de sua imagem e com a área de abrangência dela.
À medida que os pontos estão sendo inseridos, a tabela de correlação é

preenchida e poderá ser analisada posteriormente com o valor de erro residual
para cada um dos pontos.
143
FIGURA 16 – IMAGEM GEORREFERENCIADA
FONTE: O autor
Após finalizar a inserção dos pontos, clique no botão representado pela

seta verde no painel de opções. Uma janela irá se abrir para que você selecione
algumas configurações para o processo de georreferenciamento, tais como:
• Tipo da Transformação.
• Método de Reamostragem.
• Projeção.
• Local/Nome da imagem georreferenciada a ser salva.
Preencha essas informações de acordo com seu interesse e clique em ‘Ok’.
144
FIGURA 17 – INFORMAÇÕES
FONTE: O autor
E
IMPORTANT
Dependendo da quantidade de pontos de controle capturados, será possível a

utilização de diferentes algoritmos de transformação. A escolha de um desses algoritmos
também depende do tipo e da qualidade dos dados de entrada inseridos e a quantidade de
distorção geométrica que se está disposto a introduzir no resultado. Para mais informações
sobre os métodos de transformações acesse: https://docs.qgis.org/2.8/pt_BR/docs/user_
manual/plugins/plugins_georeferencer.html.
Note que, após definidas as configurações do cálculo de

georreferenciamento, estão disponíveis para visualização os valores de erros
residuais pertinentes a cada um dos pontos, bem como o erro residual total.
Você poderá analisar esses pontos e os erros e fazer os ajustes necessários

antes de finalizar o processo de georreferenciamento.
Após os ajustes necessários e com um erro residual satisfatório para seu

objetivo, clique novamente na opção com a seta verde no menu principal. Esse
processo irá finalizar o georreferenciamento e salvar a imagem georreferenciada
no local indicado por você.
Carregue então a imagem georreferenciada no QGIS e faça a análise da

sobreposição desta imagem sobre a qual você utilizou como referência. Observe
se as feições presentes na imagem se sobrepõem de forma satisfatória.
145
FIGURA 18 – ANÁLISE DA SOBREPOSIÇÃO
FONTE: O autor
FIGURA 19 – ANÁLISE DA SOBREPOSIÇÃO
FONTE: O autor
146
RESUMO DO TÓPICO 3
• A ocorrência de distorções geométricas em imagens de satélites está intimamente

relacionada à plataforma e instrumento de aquisição de imagens ou ainda ao
modelo da Terra.
• A identificação e correção das distorções geométricas presentes nas imagens de

satélite permitem uma ampla gama de análises espaciais, pois diferentes dados
de diferentes fontes e datas podem ser sobrepostos desde que georreferenciados a
um mesmo sistema de referência espacial.
• A ferramenta mais conhecida e amplamente difundida para correção de

distorções geométricas em geoprocessamento é o Georreferenciamento.
• Atualmente, o georreferenciamento de imagens de satélites é facilitado ao

usuário através do uso de SIG, que permitem a execução desse processo de
forma intuitiva e rápida.
147
AUTOATIVIDADE
1 Distorções geométricas são causadas por variações em diversos processos

referentes à aquisição de imagens. Nesse contexto, sobre os fatores que
podem ocasionar essas distorções em imagens de satélites, analise as
sentenças a seguir:
I- Distorções relacionadas à plataforma, tais como variação de velocidade,

altitude ou variações de ângulo.
II- Distorções relacionadas ao instrumento de aquisição.
III- Distorções relacionadas ao modelo da Terra, tais como relevo e movimento
de rotação.
IV- Quando causadas por variações na altitude, as imagens podem apresentar
distorções geométricas como variações significativas na escala da imagem.

2 A realização das correções geométricas de imagens é de extrema importância

no âmbito do geoprocessamento. Com relação a essas correções, classifique
V para as sentenças verdadeiras e F para as falsas:
( ) Nos permite integrar diversos dados sob um mesmo sistema de

referência espacial.
( ) Torna possível a sobreposição de dados, tanto raster como vetoriais,
ampliando a possibilidade de análises de uma mesma área.
( ) Ainda que permita uma sobreposição de imagens de uma mesma área,
não permite que sejam comparadas imagens de datas distintas.
( ) Pode ser aplicada em qualquer dado e informação que necessite um
referencial de coordenadas.

a) ( ) V – F – F – F.
b) ( ) V – V – F – V.
c) ( ) F – V – V – F.
d) ( ) F – F – V – F.
3 Atualmente, softwares de Sistema de Informação Geográfica (SIG) são

ferramentas extremamente úteis no processamento digital de imagens.
Com relação ao procedimento de georreferenciamento em um software de
SIG, classifique V para as sentenças verdadeiras e F para as falsas:
148
( ) O processo de georreferenciamento de uma imagem em um SIG torna-
se facilitado, pois os cálculos inerentes ao processo são realizados de
maneira automatizada.
( ) O uso de SIG para o georreferenciamento de imagens de satélite dispensa
que o usuário tenha conhecimento sobre o assunto e participe do processo.
( ) A análise do usuário desde a determinação dos pontos de controle à
seleção dos cálculos a serem realizados pelo software são indispensáveis
para um bom georreferenciamento.

a) ( ) V – F – F.
b) ( ) V – F – V.
c) ( ) F – V – V.
d) ( ) F – F – V.
4 Ao realizarmos o procedimento de georreferenciamento de uma imagem

podemos utilizar algumas opções como base de referência para obtenção
dos pontos de controle. Cite três dessas opções e de que maneira podemos
fazer a correlação entre os dados.
5 O processo de georreferenciamento de uma imagem consiste basicamente

em quatro etapas sequenciais, cite quais são estas etapas e em que consiste
cada uma delas.
149
150
TÓPICO 4 —
UNIDADE 3
DISTORÇÕES RADIOMÉTRICAS
1INTRODUÇÃO
Conforme apresentamos ao longo de toda esta unidade, as distorções
presentes em imagens de satélite são extremamente comuns e causadas por
diversos fatores desde a aquisição da imagem pelos sensores, passando pelo
processamento dos dados até chegar na imagem disponibilizada ao usuário.
Neste tópico, apresentaremos as distorções radiométricas que são as

distorções causadas por fatores externos ao sensor, ainda que referente ao processo
de aquisição. Tais distorções são causadas principalmente por interferências
causadas por componentes da atmosfera, como partículas de água por exemplo.
Nesse contexto, a partir deste tópico, veremos de que forma essas

distorções se apresentam nas imagens e de que forma podemos aplicar técnicas
de melhorias de imagem que beneficiam o usuário.
2 DISTORÇÕES RADIOMÉTRICAS
Conforme vimos na Unidade 1 desta disciplina, a obtenção de imagens
por radares e satélites é obtida a partir da energia eletromagnética emitida e
absorvida pelos sensores de obtenção de imagens. Entretanto, essa energia está
sujeita a desvios no seu percurso por conta de componentes presentes nessa
trajetória, como partículas da atmosfera por exemplo.
As distorções radiométricas em imagens de satélites são causadas

principalmente por essas interferências atmosféricas, ou seja, as partículas
presentes na atmosfera entre a área de imageamento e o sensor de aquisição
causam uma interferência no sinal, podendo ser uma atenuação do sinal, absorção
ou espalhamento por exemplo.
Dessa maneira, a informação obtida na superfície que deveria ser transcrita

ao pixel sofre distorções e não é representada como deveria, resultando em um
pixel com uma radiância diferente da área correspondente.
151
Meneses e Almeida (2012) ainda destacam que a atmosfera pode interferir

de duas maneiras contraditórias na aquisição da imagem, podendo atuar tanto
como um refletor, aumentando a radiância captada pelo sensor de aquisição de
imagem, ou ainda como um atenuador, diminuindo a intensidade de energia que
incide o alvo na superfície que está sendo imageada.
Além disso, outras distorções podem ocorrer por conta de, por exemplo,
declividade do terreno, incidência da iluminação (exemplo: Sol), entre outros
(IBGE, 2001). Ainda, segundo o mesmo autor, as imagens obtidas na região
visível do espectro eletromagnético são altamente sensíveis às interferências
por espalhamento por conta das partículas atmosféricas, enquanto as imagens
compreendidas na faixa de infravermelho do espectro praticamente não estão
suscetíveis a estas interferências.
Apesar de serem facilmente compreensíveis quanto a sua ocorrência e

efeito na imagem adquirida, as distorções radiométricas não são tão facilmente
corrigidas e nem sempre é possível identificar sua origem com exatidão.
Para uma correta interpretação da imagem, independentemente do

objetivo, o ideal é que se faça uma correção removendo esses efeitos que se
caracterizam como distorções radiométricas. Entretanto, para a correção dessas
distorções, o ideal é que se conheça os parâmetros que possam ter influenciado
na obtenção da imagem, como por exemplo a condição atmosférica no momento
de aquisição da imagem.
Nesse contexto, Meneses e Almeida (2012) reforçam que medições

frequentes em estações meteorológicas, ou com equipamentos de
radiossondagem ajudariam a estimar o grau de interferência atmosférica no
momento de aquisição da imagem. Um amplo conhecimento da característica
espectral dos alvos também é uma ferramenta que otimiza o procedimento de
identificação e correção de imagens.
3 EXEMPLOS DE OCORRÊNCIA E CORREÇÃO

DE DISTORÇÕES RADIOMÉTRICAS
• Exemplo de Correção Radiométrica Atmosférica
Alguns trabalhos têm demonstrado a importância da correção radiométrica

atmosférica no intuito de avaliação de uso e cobertura do solo em imagens de
satélites de diferentes datas de aquisição. Isso se dá pelo fato de que ao executar
a correção radiométrica, se evidencia a real reflectância do alvo de interesse,
eliminando parte do efeito atmosférico existente na imagem original.
152
TÓPICO 4 — DISTORÇÕES RADIOMÉTRICAS
No exemplo a seguir, observa-se na imagem à esquerda a imagem original

e na imagem à direita a imagem após o procedimento de correção radiométrica
atmosférica. Nota-se uma melhora significativa na imagem corrigida em relação
à distinção dos alvos presentes na imagem, visto que a interferência da atmosfera
na imagem original causa um efeito de opacidade (MARTINS et al., 2018).
FIGURA 20 – COMPARAÇÃO ENTRE IMAGENS DE UMA MESMA CENA SEM (ESQUERDA) E COM
(DIREITA) CORREÇÃO ATMOSFÉRICA
FONTE: Adaptada de Martins et al. (2018)
• Exemplo de Correção Radiométrica Topográfica
De acordo com Silva e Valeriano (2005) devido a condições geométricas

irregulares, a topografia da superfície de regiões imageadas pode causar uma
variação dos níveis de reflectância da superfície.
Portanto, superfícies com uma mesma cobertura topográfica podem ter

valores de reflectância diferenciados quando expostas a diferentes orientações
em relação ao sol. Sendo assim, essas distorções podem ser corrigidas através de
uma relação entre o ângulo da incidência solar no terreno e sua topografia.
Na imagem a seguir, Silva e Valeriano (2005) ilustram uma mesma cena

antes e após a correção radiométrica ser aplicada na imagem. Após a correção,
nota-se que as feições de relevo foram atenuadas, e apenas as áreas que realmente
correspondem às áreas de sombra seguem com uma coloração mais escura.
153
FIGURA 21 – COMPARAÇÃO ENTRE UMA IMAGEM SEM (À ESQUERDA) E COM (À DIREITA)

CORREÇÃO RADIOMÉTRICA TOPOGRÁFICA
FONTE: Adaptada de Silva e Valeriano (2005)
• Exemplo de Correção Radiométrica Topográfica
Moreira (2014) destacou também a importância de correções

radiométricas topográficas em imagens de satélite previamente à classificação
de uso e cobertura do solo.
Note nas imagens a seguir onde o autor ilustra que na imagem corrigida
o relevo ficou menos evidente do que em relação à imagem original, indicando
que o efeito topográfico foi minimizado com a correção e sem perda aparente da
informação espectral, a qual é essencial para a classificação da cobertura.
FIGURA 22 – IMAGENS LANDSAT 5 EM COMPOSIÇÃO DE BANDAS 453 SEM CORREÇÃO

(ESQUERDA) E COM CORREÇÃO RADIOMÉTRICA (DIREITA)
FONTE: Adaptada de Moreira (2014)
154
Em seguida, o autor ilustrou a diferença entre os resultados da classificação

de uso e cobertura do solo para as imagens sem e com correção radiométrica, as
quais apresentaram um índice de diferença entre as áreas classificadas de até 26%,
evidenciando a importância da correção radiométrica de acordo com o objetivo
do uso das imagens de satélites.
FIGURA 23 – CLASSIFICAÇÃO DO USO E COBERTURA DO SOLO EM IMAGENS SEM

CORREÇÃO (ESQUERDA) E COM CORREÇÃO RADIOMÉTRICA (DIREITA) COM SUAS
RESPECTIVAS ÁREAS DE CORRESPONDÊNCIA
FONTE: Adaptada de Moreira (2014)
155
TECNOLOGIA LIDAR: COMO TRABALHAR COM LASER

NA TOPOGRAFIA?
Luís Antônio Soares e Sousa
Você já ouviu falar de mapeamento com o uso da tecnologia LIDAR,

comumente chamada de Laser? Entenda esse método de sensoriamento remoto
ativo, que utiliza laser pulsado para medir distâncias, permitindo a obtenção de
informações tridimensionais acerca da superfície terrestre com alta precisão.
Sabe-se que o homem sempre necessitou conhecer o espaço em que vive,

seja por questões de sobrevivência, orientação, segurança ou construção.
No princípio, a representação do meio era feita sem técnicas avançadas,

baseando-se apenas na observação, descrição e representação do ambiente. Com
o tempo surgiram técnicas e equipamentos robustos de medição para obtenção
de dados de forma rápida, fácil e precisa. Dentre essas novidades, tem-se o uso
de feixes laser para obter informações de um certo meio.
• O que é o LIDAR e para que serve?
Um laser (light amplification by stimulated emission of radiation) é um

dispositivo que produz radiação eletromagnética, por meio de amplificação da
luz por emissão estimulada de radiação.
A tecnologia que utiliza o laser para identificar a distância e/ou outra

informação a respeito de um determinado objeto distante é denominada LIDAR,
do inglês “Light Detection and Ranging”.
Trata-se de uma tecnologia voltada para o campo da Fotogrametria

e Sensoriamento Remoto, baseada na utilização de perfiladores laser
aerotransportados, que emitem diversos pulsos infravermelhos curtos em
direção à superfície da Terra (ou de qualquer outro objeto observável) de forma
repetitiva, permitindo a obtenção de informações tridimensionais acerca da
superfície terrestre com alta precisão.
O princípio de funcionamento está baseado na emissão pulsos laser sob

uma determinada taxa de frequência de repetição e numa taxa de varredura
geralmente do tipo perpendicular à direção da linha de voo.
Dessa forma, o sensor laser possui a capacidade de atingir múltiplas

reflexões, ou seja, vários pulsos podem ser refletidos sobre um mesmo objeto,
possibilitando vários tipos de análise de dados.
156
• Aplicabilidade do LIDAR na Topografia
Nesse tipo de levantamento, é obtida, como produto, uma nuvem de

pontos com coordenadas X, Y, Z altamente densificada que garante que o ambiente
seja mapeado com um nível de detalhamento impressionante.
Em razão disso, várias áreas, como a Mineração, a Topografia e os setores

agrícola, industrial, de Engenharia Civil, Florestal e da Arquitetura, vêm, cada
vez mais, se utilizando dessa tecnologia para coletar mais pontos, com maior
precisão e em menos tempo.
Existem, hoje, no mercado, equipamentos próprios para levantamentos

a laser, chamados laser scanners, e estações robóticas dotadas de feixe laser. A
principal diferença entre eles é o número de pontos coletados por segundo e isso
pode ser um diferencial para determinados projetos.
Essa técnica pode ser aplicada tanto em levantamentos aéreos como

terrestres, obtendo, ao final do processo, uma nuvem de pontos que pode dar
origem a um modelo digital e tridimensional da área mapeada.
Esses modelos podem ser tanto de terreno, o MDT, quanto de superfície,

o MDS. O MDS é um modelo planialtimétrico da superfície da Terra, incluindo a
vegetação e edificações, enquanto, o MDT é um modelo onde as interferências de
vegetação e edificações não são consideradas.
Além disso, podem ser gerados, a partir da nuvem de pontos, modelos

de objetos ou construções, com utilização, por exemplo, para a modelagem de
patrimônio histórico e mapeamento de minas.
• Vantagens do uso do LIDAR na Topografia
Quando se deseja gerar um modelo digital, a quantidade de informação é

proporcional ao nível de detalhamento do seu projeto.
Sendo assim, o laser surge como uma tecnologia que garante mapeamento
completo de uma certa região com alta precisão, tornando o trabalho muito mais
fiel e detalhado da área mapeada.
Além disso, levantamentos LIDAR são aconselhados para áreas em locais

inacessíveis com topografia convencional, trazendo maior facilidade e segurança
nos levantamentos.
Ressalte-se também que, por obter milhares de pontos, o levantamento

se torna mais completo e de menor custo, já que necessita de menos pessoal
capacitado e é feito em um tempo muito menor.
157
• Por que usar a Topografia Convencional?
Se temos essas novas tecnologias, por que continuamos usando a topografia

convencional? Esta pergunta é fácil de ser respondida. A topografia é essencial
para servir de referência e base para que essas novas tecnologias alcancem uma
precisão adequada para geração de produtos cartográficos.
O sistema LIDAR aerotransportado já conta com a combinação, numa

mesma plataforma, do Sistema de Navegação Global por Satélites (GNSS –
Global Navigation Satellite Systems), que fornece a posição da aeronave, e do
Sistema de Navegação Inercial (INS – Inertial Navigation System), que determina
os ângulos de atitude da aeronave, possibilitando o cálculo da distância entre o
sensor e o alvo situado no terreno. Essa mesma combinação pode ser aplicada
em mapeamentos móveis.
No entanto, quando você trabalha com o laser terrestre, tem-se a

necessidade de amarrar o levantamento em pontos de coordenadas conhecidas.
Para isso, utiliza-se a Topografia Convencional ou técnicas de Geodésia para
se determinar pontos de coordenadas conhecidas, por exemplo, por GNSS ou
através de uma poligonal.
Vale ressaltar que, para efeito de visualização, nem sempre é necessária

a utilização de tais pontos de controle. Esses são utilizados apenas quando se
desejam produtos com qualidade posicional.
FONTE: <https://bit.ly/3yY94e2>. Acesso em: 16 ago. 2021.
158
RESUMO DO TÓPICO 4
• Distorções radiométricas são causadas principalmente por interferências

causadas por componentes da atmosfera, como partículas de água por exemplo.
• As distorções radiométricas se caracterizam como interferências no sinal,

podendo ser uma atenuação do sinal, absorção ou espalhamento por exemplo.
• Um amplo conhecimento da característica espectral dos alvos é uma ferramenta

que otimiza o procedimento de identificação e correção radiométrica de imagens.
• Distorções radiométricas também podem ocorrer por conta de outros fatores,

como a declividade do terreno, incidência da iluminação, entre outros.
• A correção radiométrica evidencia a real reflectância do alvo de interesse,

eliminando parte do efeito atmosférico existente na imagem original.
CHAMADA

159
AUTOATIVIDADE
1 A identificação de distorções radiométricas em imagens é uma etapa

fundamental no pré-processamento de imagens de satélite. Nesse contexto,
com relação às causas desse tipo de distorção, analise as sentenças a seguir:
I- Distorções radiométricas ocorrem por uma interferência no retorno do

sinal ao sensor, seja por questões luminosas, obstrução do sinal etc.
II- As distorções radiométricas podem ocorrer por uma atenuação do sinal,
absorção ou espalhamento por exemplo.
III- Partículas atmosféricas, como vapor de água por exemplo, não são capazes
de interferir significativamente na resposta ao sensor de obtenção.
IV- Quando presentes, as distorções radiométricas podem interferir
significativamente em análises de imagens de satélite como por exemplo,
a avaliação de uso e ocupação do solo.

d) ( ) Todas as alternativas estão corretas.
2 Após a identificação da presença de distorções radiométricas em uma

imagem, é fundamental que se identifique o principal fator que originou
essa distorção e se avalie a melhor técnica para sua correção. Com relação
à correção de distorções radiométricas de imagens de satélite, classifique V
para as sentenças verdadeiras e F para as falsas:
( ) Por serem de fácil identificação, as distorções radiométricas são facilmente

corrigidas através do uso de softwares de processamento de imagens.
( ) Para a correção de distorções radiométricas, o ideal é que se conheça os
parâmetros que possam ter influenciado na obtenção da imagem, como a
condição atmosférica no momento de aquisição da imagem.
( ) Um amplo conhecimento da característica espectral dos alvos também é
uma ferramenta que otimiza o procedimento de identificação e correção
de imagens.
( ) Apesar de serem facilmente compreensíveis quanto a sua ocorrência e efeito
na imagem adquirida, as distorções radiométricas não são tão facilmente
corrigidas e nem sempre é possível identificar sua origem com exatidão.

a) ( ) V – F – F – F.
b) ( ) V – F – V – F.
c) ( ) F – V – V – V.
d) ( ) F – F – V – F.
160
3 Distorções radiométricas em imagens de satélites podem ocorrer por alguns
fatores, sendo o principal deles a interferência atmosférica. Com relação a
esse tipo de distorção, classifique V para as sentenças verdadeiras e F para
as falsas:
( ) Distorções radiométricas atmosféricas são facilmente identificadas

em imagens, pois se apresentam na forma de pixels ruidosos ou sem
informação.
( ) Imagens obtidas na faixa de infravermelho do espectro praticamente não
estão suscetíveis a interferências radiométricas.
( ) Ao executar a correção radiométrica, se evidencia a real reflectância do
alvo de interesse, eliminando parte do efeito atmosférico existente na
imagem original.

a) ( ) V – F – F.
b) ( ) V – F – V.
c) ( ) F – V – V.
d) ( ) F – F – V.
4 De acordo com Silva e Valeriano (2005) devido a condições geométricas

irregulares, a topografia da superfície de regiões imageadas pode causar
uma variação dos níveis de reflectância da superfície. Explique de que
maneira essas irregularidades causam distorções radiométricas topográficas
nas imagens de satélite.
FONTE: SILVA, B. S. G.; VALERIANO, D. de M. Correção atmosférica e topográfica de imagens de

satélite em terrenos montanhosos. In: Anais XII Simpósio Brasileiro de Sensoriamento Remoto,
Goiânia, 16-21 abr. 2005, INPE, Anais [...] Goiânia, 2005, p. 3587-3594.
5 Apesar de não serem facilmente identificadas, as distorções radiométricas

atmosféricas são extremamente comuns em imagens de satélite.
Exemplifique de que maneira essas distorções podem interferir em análises
da imagem sem a correção adequada.
161
REFERÊNCIAS
CARVALHO, L. A. S. de.; FONSECA, L. M. G.; PAGAMISSE, A. Comparação de
técnicas de eliminação do efeito striping para imagens CCD CBERS-2B. In: Anais
XV Simpósio Brasileiro de Sensoriamento Remoto – SBSR, Curitiba, Anais [...]
Curitiba: INPE, 2011. p. 2661-2668. Disponível em: http://marte.sid.inpe.br/col/
dpi.inpe.br/marte/2011/07.11.12.36/doc/p1309.pdf. Acesso em: 16 ago. 2021.
CRÓSTA, Á. P. Processamento Digital de Imagens de Sensoriamento Remoto.

Campinas: IG/UNICAMP, 1992.
D’ALGE, J. C. L. Correção geométrica de imagens de sensoriamento remoto.

In: Aula da matéria Introdução ao Sensoriamento Remoto do curso de
Sensoriamento Remoto. São José dos Campos: INPE, 2007.
EMBRAPA. Procedimentos para correção geométrica de imagens de satélite.

Campinas: Circular Técnica, 2012

São Paulo: Pearson Prentice Hall, 2010.

Geociências. 94p. Rio de Janeiro: IBGE, 2001.

Rio de Janeiro: Brasport. 1999.
MARTINS, V. E.; GASS, S. L. B.; SILVA, D. M. Aplicação de técnicas de correção

atmosférica em imagens de satélite para fins de mapeamento temporal de
uso e cobertura do solo. Gestão do conhecimento, tecnologia e inovação;
Organizadora Gabriella de Menezes Baldão. Ponta Grossa: Atena Editora, 2018.
MENESES, P. R.; ALMEIDA, T. de. Distorções e Correções dos Dados da

imagem. In: Introdução ao Processamento de Imagens de Sensoriamento
Remoto. MENESES, P. R.; A., T. de. (Org.). Brasília, 2012.
MOREIRA, E. P. Correção radiométrica do efeito de iluminação solar induzido

pela topografia. 2014. Dissertação (Mestrado) – Curso de Pós-Graduação em
Sensoriamento Remoto. INPE, São José dos Campos.
OLIVEIRA, H. N. B. de. Segmentação e classificação de imagens Landsat TM.

1999. Dissertação (Mestrado apresentado como requisito parcial) – Curso de
Pós-Graduação em Informática, Setor de Ciências Exatas, Universidade Federal
do Paraná. Curitiba.
162
PEINADO, L. H. O. Estudo de metodologias de suavização no domínio
espacial aplicadas em imagens de sensoriamento remoto. Corumbá:
Universidade Federal de Mato Grosso do Sul, 2016.
SILVA, B. S. G.; VALERIANO, D. de M. Correção atmosférica e topográfica de

imagens de satélite em terrenos montanhosos. In: Anais XII Simpósio Brasileiro
de Sensoriamento Remoto, Goiânia, 16-21 abr. 2005, INPE, Anais [...] Goiânia,
2005, p. 3587-3594.
SPUGEO. Metodologia de Conversão de Dados Geoespaciais da SPU. Apostila

de Sensoriamento Remoto. Patrimônio da União, 2017. Disponível em: https://
bit.ly/3xYUeTf. Acesso em: 17 ago. 2021.
163

Processamento Digital de Imagem I

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Processamento Digital de Imagem I

Enviado por

Direitos autorais:

Formatos disponíveis

Processamento

Revisão, Diagramação e Produção:

Ficha catalográfica elaborada na fonte pela Biblioteca Dante Alighieri

Menezes, João Thadeu

Processamento Digital de Imagem I. / João Thadeu de Menezes;

163 p.; il.

1. Processamento digital de imagens. - Brasil. I. Pacheco, Marina Garcia.

Na Unidade 1, abordaremos um breve histórico sobre o Processo

Na Unidade 2, aprenderemos as principais técnicas básicas de

Na Unidade 3, apresentaremos algumas técnicas imprescindíveis no

Prof.a Marina Garcia Pacheco

Na Educação a Distância, o livro impresso, entregue a todos os acadêmicos desde 2005, é

Assim, a UNIASSELVI, preocupando-se com o impacto de nossas ações sobre o ambiente,

Aproveito o momento para convidá-lo para um bate-papo sobre o Exame Nacional de

Olá, acadêmico! Iniciamos agora mais uma disciplina e com ela

Com o objetivo de enriquecer seu conhecimento, construímos, além do livro

Conte conosco, estaremos juntos nesta caminhada!

TÓPICO 1 — INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS:

TÓPICO 2 — PROPRIEDADES DA IMAGEM DIGITAL............................................................ 11

TÓPICO 3 — A IMAGEM DIGITAL: SENSORES DE AQUISIÇÃO E

TÓPICO 4 — USOS DA IMAGEM DIGITAL: AQUISIÇÃO DE IMAGEM, SIG

TÓPICO 1 — REALCE, CONTRASTE E ESCALAS DE CINZA.................................................. 65

TÓPICO 2 — MODELOS DE CORES............................................................................................... 79

TÓPICO 3 — BANDAS ESPECTRAIS E OPERAÇÕES ARITMÉTICAS.................................. 89

UNIDADE 3 — DISTORÇÕES E CORREÇÕES DE IMAGEM................................................. 113

TÓPICO 1 — DISTORÇÕES DE IMAGENS DE SATÉLITES................................................... 115

TÓPICO 3 — DISTORÇÕES GEOMÉTRICAS............................................................................. 135

TÓPICO 4 — DISTORÇÕES RADIOMÉTRICAS........................................................................ 151

• conhecer a origem do Processamento Digital de Imagens – PDI;

TÓPICO 1 – INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE

Preparado para ampliar seus conhecimentos? Respire e vamos

INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE

Nesse contexto, o principal objetivo deste tópico é lhe apresentar as

2 O PROCESSAMENTO DIGITAL DE IMAGENS

FIGURA 1 – ETAPAS DO PROCESSO DE PDI

A primeira etapa do PDI refere-se à aquisição da imagem, ou seja, a

Com a imagem digital de interesse em mãos, partimos para o processamento

Meneses e Almeida (2012) afirmam ainda que o conjunto de técnicas

Nesta etapa de processamento, é fundamental a disponibilidade e

Sequencialmente ao processamento da imagem digital, estão as etapas de

Esses procedimentos devem ser criteriosamente relacionados à finalidade

Essa evolução computacional permitiu a ascensão do PDI em diversas

Gonzalez e Woods (2010) citam umas das primeiras aplicações de imagem

Entretanto, Marques Filho e Vieira Neto (1999) descrevem que o grande

O uso de técnicas computacionais de aprimoramento de imagens teve

4 ÁREAS E USOS DA IMAGEM DIGITAL

• Meteorologia (previsão do tempo, ocorrência de fenômenos meteorológicos etc.).

• O Processamento Digital de Imagens consiste em uma sequência de tarefas que

• A evolução da obtenção de imagens digitais, bem como a evolução do

• O programa espacial norte-americano foi um grande impulsionador do

• A ampla possibilidade de utilização da imagem digital em diferentes áreas da

1 Ao longo dos anos, o processamento digital de imagens teve alguns

I- Escassez de sensores de aquisição de imagens.

Assinale a alternativa CORRETA:

2 O uso do Processamento Digital de Imagens é contínuo e amplo ao longo

( ) É possível, através de técnicas de PDI, identificar áreas de depósitos

Assinale a alternativa que apresenta a sequência CORRETA:

3 A evolução do Processamento Digital de Imagens esteve relacionada sempre

a) ( ) A evolução do Processamento Digital de Imagens não esteve relacionada

4 Dentro do contexto de PDI, vimos que existe uma sequência de tarefas

PROPRIEDADES DA IMAGEM DIGITAL

A partir de agora, no Tópico 2, definiremos importantes propriedades

2 RESOLUÇÃO DE UMA IMAGEM

Nos itens a seguir, apresentaremos os diferentes tipos de resolução que