06/08/2017

UNIVERSIDADE FEDERAL RURAL DA AMAZÔNIA

CAMPUS DE PARAGOMINAS

PROCESSAMENTO DIGITAL
DE IMAGENS - PDI

PROCESSAMENTO DIGITAL DE IMAGENS (PDI)

► Parte do Geoprocessamento que reúne técnicas de
tratamento, correção e realces da imagem de modo a melhorar
o processo de interpretação visual e classificação automática
das cenas.
 O PDI pode ser dividido em duas fases operacionais
(pré-processamento e processamento):

1-Pré-processamento: antecede ao uso da imagem.

Corrige problemas relacionados às fases de aquisição e
geração da imagem. Prepara a imagem para interpretação
visual e automática.

2-Processamento: representa as fases de extração de

informação da imagem. 2

1
 06/08/2017

Fases de Interpretação e Processamento

Aquisição

Pré--processamento
Pré

Processamento

Extração de Atributos

Reconhecimento e Interpretação

Principais Etapas do Pré-processamento de

Imagens

 PRÉ-PROCESSAMENTO
 Conversão de Formato: Importação/Exportação De
Imagens
 Correção de Ruídos
 Composição Colorida (RGB) de Bandas de Imagens
 Equalização de Imagens Realces e Contrastes
 Georreferenciamento de Imagens
 Mosaico de Imagens
 Recorte de Imagens
 Classificação de imagens 4

2
 06/08/2017

1. CONVERSÃO DE FORMATO: IMPORTAÇÃO/EXPORTAÇÃO

DE IMAGENS

►Tem como objetivo importar os arquivos de imagens brutas para o

formato do software de trabalho ou exportá-los para utilização em
outro sistema.

Import/export

Formato original Formato de trabalho

Ex: .dat, .tif 5

2. CORREÇÃO DE RUÍDOS

►Pré-processamento: Eliminação de Ruídos

“Perda de linhas”

“Striping”

3
 06/08/2017

3. COMPOSIÇÃO COLORIDA (RGB) DE BANDAS DE

IMAGENS

SISTEMA RGB
Embora o olho humano possa perceber apenas 20 a 30 tons de cinza,
ele pode distinguir milhares de cores.
Pesquisas de Thomas Young (1773-1829) demonstraram que uma
série de cores pode ser obtida a partir de combinações do vermelho
(R), verde (G) e azul (B), (cores primarias)
 Em SR as cores mais utilizadas resultantes desta combinação são :
Branco - como resultado da mistura das três cores;
Magenta - como resultado da mistura do vermelho e azul;
Ciano (cyan) - como resultado da mistura de verde e azul; e
Amarelo - como resultado da adição de verde e vermelho.

3. COMPOSIÇÃO COLORIDA (RGB) DE BANDAS DE

IMAGENS

Pela Adição de vermelho, verde e

azul pode ser obtida uma variedade de
cores . Por isso elas foram chamadas
de Cores Primárias Aditivas.

A Subtração de vermelho produz ciano, a subtração de verde produz

magenta e a subtração de azul produz amarelo.
Ciano, Magenta e Amarelo foram chamadas de Cores Primárias Subtrativas

4
 06/08/2017

3. COMPOSIÇÃO COLORIDA (RGB) DE BANDAS DE

IMAGENS

SISTEMA RGB
No modelo RGB, a produção de uma cor C a partir de cores
primárias aditivas pode ser definida pela equação:
C = r.R + g.G + b.B
 Onde:
R, G, B são as cores primárias, e;
r, g, b são os coeficientes da mistura, que no caso das
imagens digitais é dada pela intensidade representada pelo
NC do pixel (por exemplo, 0 a 255).

3. COMPOSIÇÃO COLORIDA (RGB) DE BANDAS DE

IMAGENS

 OBTENÇÃO DE IMAGENS COLORIDAS

• As imagens obtidas por sensores eletrônicos, em diferentes canais, são
individualmente produzidas em preto e branco;

• É através da combinação de três imagens (triplete), cada uma colocada

num filtro ou plano de cor (vermelho, verde, azul), que resulta numa
composição colorida.

– A imagem colocada no plano de cor vermelha terá seus níveis de cinza

convertidos em níveis de vermelho, o mesmo ocorrendo com as imagens
colocadas no verde e no azul.

5
 06/08/2017

11
3. COMPOSIÇÃO COLORIDA (RGB) DE BANDAS DE
IMAGENS

OBTENÇÃO DE IMAGENS COLORIDAS

As cores resultantes não têm nada a ver com as cores reais dos
materiais no terreno, sendo por isso denominadas de Composição falsa
cor.
Na composição colorida cada pixel terá a cor resultante da combinação
da intensidade das cores primárias expressa pelo NC.
A imagem monocromática é formada quando a mesma banda é
colocada nos três planos de cor, pois, neste caso, os pixels terão o
mesmo NC no vermelho, verde e azul.

12
3. COMPOSIÇÃO COLORIDA (RGB) DE BANDAS DE
IMAGENS

Bandas Filtro de cor

6
 06/08/2017

13
3. COMPOSIÇÃO COLORIDA (RGB) DE BANDAS DE
IMAGENS

Canal 3

Canal 4

Canal 5
Composição Colorida 543 (RGB)

7
 06/08/2017

Canal 3

Canal 4

Canal 5
Composição Colorida 345 (BRG)

3. COMPOSIÇÃO COLORIDA (RGB) DE BANDAS DE

IMAGENS

• Imagens Coloridas
– A partir de imagens do visível, por exemplo, é
possível gerar uma imagem colorida natural, desde
que elas sejam associadas às respectivas cores:

Canal 1 – faixa da luz azul do espectro visível

associamos a cor azul
Canal 2 – faixa da luz verde do espectro visível
associamos a cor verde
Canal 3 – faixa da cor vermelha do espectro visível
associamos a cor vermelha

8
 06/08/2017

Canal 1

Canal 2

Canal 3 Composição Colorida 321 (RGB)

3. COMPOSIÇÃO COLORIDA (RGB) DE BANDAS DE

IMAGENS

COMPOSIÇÃO COLORIDA RGB

18

9
 06/08/2017

3. COMPOSIÇÃO COLORIDA (RGB) DE BANDAS DE

IMAGENS

Fonte: Moreira, 2005

Composição colorida das bandas TM3(B), TM4(R), TM5(G) do Landsat-5 mostrando nesta
composição a vegetação representada em tons próximos ao vermelho.

3. COMPOSIÇÃO COLORIDA (RGB) DE BANDAS DE

IMAGENS

Fonte: Moreira, 2005

Composição colorida das bandas TM3(B), TM4(G), TM5(R) do Landsat-5 mostrando nesta
composição a vegetação representada pala cor verde-amarelada.

10
 06/08/2017

4. EQUALIZAÇÃO DE IMAGENS REALCES E CONTRASTES

►Pré-processamento: Contraste
Alargamento do contraste
▫ Muitas imagens são geradas com intensidades que não
aproveitam toda a sua energia reflexiva
▫ Corrige-se através do alargamento da gama da imagem.
▫ Pode ser estatístico.

original realçada

Contraste alargado

4. EQUALIZAÇÃO DE IMAGENS REALCES E CONTRASTES

►Pré-processamento: Contraste
Equalização de histogramas
▫ Normaliza-se o histograma da imagem para um histograma
“padrão” com a distribuição dos níveis de cinza na imagem.

original realçada

Histograma equalizado
22

11
 06/08/2017

4. EQUALIZAÇÃO DE IMAGENS REALCES E CONTRASTES

►Pré-processamento: Contraste

original realçada

4. EQUALIZAÇÃO DE IMAGENS REALCES E CONTRASTES

(A) Imagem com contraste baixo (B) Histograma da Figura

(A) Imagem com contraste Alto (B) Histograma da Figura

12
 06/08/2017

5. OPERAÇÕES ARITMÉTICAS

ADIÇÃO
Consiste na soma, pixel a pixel, dos NCs e na divisão pelo
número de imagens somadas.
É utilizada para redefinir uma nova banda, formada pela
média de bandas adicionadas.
Exemplo: soma das bandas 1,2,3 do LANDSAT/TM para
produzir uma única banda da faixa do visível, que seria
expressa pela equação Bv = (b1 + b2 + b3) / 3.

25

5. OPERAÇÕES ARITMÉTICAS

►ADIÇÃO

13
 06/08/2017

27
5. OPERAÇÕES ARITMÉTICAS

SUBTRAÇÃO
Subtração de imagens de diferentes datas
A análise temporal baseia-se nas diferenças da resposta
espectral, em diferentes datas, devido a alterações ocorridas na
superfície da terra.
A subtração de imagens é utilizada para a detecção de
alterações ocorridas na superfície da terra, tais como:
desmatamento, mudanças no uso do solo, expansão de áreas
urbanas ou agrícolas, diferenças sazonais na vegetação.

5. OPERAÇÕES ARITMÉTICAS

► SUBTRAÇÃO
Subtração de imagens de diferentes datas

Fonte: Moreira, 2005

14
 06/08/2017

5. OPERAÇÕES ARITMÉTICAS

► SUBTRAÇÃO
Subtração de imagens de diferentes datas

Figura: Imagem Landsat5 TM mostrando o incremento de área agrícola numa região

de Mato Grosso do Sul, nos anos de 1997 e 2000

Fonte: Moreira, 2005

5. OPERAÇÕES ARITMÉTICAS

SUBTRAÇÃO
Subtração de imagens de diferentes datas
Observações
Para a análise multitemporal, alguns cuidados devem ser
tomados:
1. As imagens devem ser registradas no mesmo Sistema de
Projeção, e Datum;
2. As imagens devem ser tomadas em horário solar próximo, para
minimizar os efeitos causados pelo ângulo de inclinação do sol, e;
3. As imagens devem ter o mesmo ângulo de visada.

15
 06/08/2017

6. CORREÇÃO GEOMÉTRICA

6. CORREÇÃO GEOMÉTRICA

Ponto de Controle

Imagem Bruta
Dado de referência

16
 06/08/2017

7. MOSAICO DE IMAGENS

►Pré-processamento: Mosaico de Imagens

- Junção de duas ou mais imagens adjacentes tendo o mesmo
referencial de localização e parâmetros de projeção.

Zona de
Junção

Imagem A Imagem B
33

7. MOSAICO DE IMAGENS

17
 06/08/2017

7. MOSAICO DE IMAGENS

►Pré-processamento: Mosaico de Imagens

-Deve haver sobreposiçção suficiente;
-As imagens devem ser georreferenciadas;

Mosaico

35

7. MOSAICO DE IMAGENS

Imagens Mosaico

36

18
 06/08/2017

8. RECORTE DE IMAGENS

►Pré-processamento: Recorte de Imagens

- Geração de subset ou recorte de porção da imagem definida
por uma área regular ou irregular.

Recorte de área

Imagem Inteira
37

9. CLASSIFICAÇÃO DE IMAGENS

 Processamento: Classificação de Imagens

É o processo de extração de informação em imagens para reconhecer
padrões e objetos homogêneos com o objetivo de mapear as áreas da
superfície terrestre.
O resultado final de uma classificação de uma imagem é uma imagem
temática (mapa), onde os pixels classificados são representados por
símbolos gráficos ou cores.
Cada cor ou símbolo está associado à uma classe (área urbana, tipos
de florestas, tipos de solo, etc.) definida pelo usuário.
A classificação é implementada com base nas diferenças de
comportamento dos materiais ao longo do espectro eletromagnético.

19
 06/08/2017

9. CLASSIFICAÇÃO DE IMAGENS

Imagem original

Imagem classificada ou temática (mapa)

9. CLASSIFICAÇÃO DE IMAGENS

A classificação digital de imagens pode ser:

 SUPERVISIONADA
 NÃO SUPERVISIONADA
Classificação Supervisionada
Na classificação supervisionada, o usuário seleciona amostras
representativas para cada uma das classes que se deseja identificar na
imagem.
A partir do conhecimento da área ou por deduções, o analista relaciona
áreas da imagem com as classes de cobertura da terra que deseja
separar.

20
 06/08/2017

9. CLASSIFICAÇÃO DE IMAGENS

Cena 214/065 do sensor TM

LANDSAT 7
(24/07/2000)
Composição Colorida RGB com realce linear
(Bandas 5,4 e 3)

Campina Grande - PB

Classificação
de Padrões

21
 06/08/2017

43
9. CLASSIFICAÇÃO DE IMAGENS

 Classificação Não Supervisionada

Método pelo qual o usuário, utilizando algum software, procura "descobrir"
classes na imagem por agrupamento ou aglomeração, de "pixels"
semelhantes entre si.
O usuário informa o número de classes ou um critério para que o
agrupamento seja realizado.
A classificação não-supervisionada agrupa os pixels segundo as suas
características espectrais, organizando-os em agrupamentos
denominados de clusters (enxame, aglomeração).
Os clusters constituem, portanto, classes espectrais.

Vantagens
Menor tempo de execução
Processa maior quantidade de informações
Desvantagens
Ocorre o mascaramento de informações
Classificação não recomendada para fins científicos.

44
9. CLASSIFICAÇÃO DE IMAGENS

22
 06/08/2017

9. CLASSIFICAÇÃO DE IMAGENS

9. CLASSIFICAÇÃO DE IMAGENS

►Processamento: Classificação de Imagens

Imagem não classificada Imagem classificada

46

23
 06/08/2017

OBRIGADO!!!

24