Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
TATI DE ALMEIDA
(Organizadores)
INTRODUO AO PROCESSAMENTO
DE IMAGENS DE SENSORIAMENTO REMOTO
BRASLIA 2012
CONTEDO
1. Princpios do Sensoriamento Remoto
1.1 Histria Inicial 1
1.2 Definio de Sensoriamento Remoto 3
1.3 Natureza da Radiao Eletromagntica 4
1.3.1 Modelo ondulatrio 4
1.3.1.1 Interao macroscpica da radiao eletromagntica com os objetos 6
1.3.2 Modelo corpuscular 8
1.3.2.1 Interao microscpica da radiao eletromagntica com os objetos 9
1.3.3 Manifestao conjunta das interaes macroscpicas e microscpicas 10
1.4 Fontes de Radiao Eletromagntica 11
1.5 Interferncias Atmosfricas 14
1.6 Espectro Eletromagntico 18
1.7 Conceitos de Radincia e de Reflectncia 21
1.8 Resolues das Imagens 24
1.8.1 Resoluo espacial 25
1.8.2 Resoluo espectral 27
1.8.3 Resoluo radiomtrica 30
1.8.4 Resoluo temporal 31
5. Formatos de Imagens de Sensoriamento Remoto
5.1 Imagem Digital 77
5.2 Formatos de Arquivos 79
5.3 Formatos de Salvamento 80
6. Distores e Correes dos Dados da Imagem
6.1 O que Processamento de Imagens 82
6.2 Pr-processamento de Imagens Digitais 84
6.2.1 Eliminao de rudos 85
6.2.2 Correo atmosfrica 87
6.2.2.1 Subtrao do escuro (dark subtraction) 88
6.2.3 Correes das distores geomtricas 89
6.2.3.1 Correo geomtrica 90
6.2.3.2 Georreferenciamento 94
6.2.3.3 Avaliao dos erros da transformao polinomial 96
6.2.3.4 Reamostragem 100
7. Ampliao Histogrmica de Contraste
7.1 Introduo 103
7.2 Representao Histogrmica da Imagem Digital 105
7.3 Expanso Linear por Saturao 108
1.1
Histria Inicial
Sensoriamento remoto, termo cunhado no incio dos anos de 1960 por Evelyn L. Pruit
e colaboradores, uma das mais bem sucedidas tecnologias de coleta automtica de dados
para o levantamento e monitorao dos recursos terrestres em escala global.
Atualmente, a resoluo espectral das imagens obtidas pelos sensores imageadores j
ultrapassa centenas de bandas, e a resoluo espacial de muitas imagens j maior que 1
metro, possibilitando suas aplicaes nas reas de levantamentos de recursos naturais e
mapeamentos temticos, monitorao ambiental, deteco de desastres naturais,
desmatamentos florestais, previses de safras, cadastramentos multifinalitrios, cartografia de
preciso, defesa e vigilncia, entre outras. O acelerado avano com que o sensoriamento
remoto se desenvolveu em poucas dcadas deve-se revoluo nos meios de se observar
Terra numa escala global e peridica, e na rapidez da monitorao dos fenmenos dinmicos
e das mudanas das feies terrestres. uma tecnologia empregada em escala mundial e que,
talvez, rena a maior diversidade de pesquisadores e usurios, em torno de uma tecnologia de
aplicao.
O Instituto Nacional de Pesquisas Espaciais - INPE teve uma ao decisiva na
consolidao do sensoriamento remoto como uma tecnologia de uso em escala nacional,
projetando o Brasil como a nao pioneira no hemisfrio sul a dominar essa tecnologia.
Mesmo antes do lanamento do primeiro satlite de sensoriamento remoto em 1972, o INPE
se destacava como uma das primeiras instituies, na rea espacial, a investir em pesquisas de
sensoriamento remoto, como exemplo a Misso 96, um projeto executado em colaborao
com a NASA, que realizou um levantamento experimental aerotransportado com diversos
tipos de sensores imageadores na regio do Quadriltero Ferrfero, em Minas Gerais.
Formador na dcada de 1970 dos primeiros pesquisadores especializados em sensoriamento
remoto, contribuiu decisivamente para o desenvolvimento das metodologias de interpretao
de imagens e de processamento digital, e na disseminao do uso de imagens de satlite por
todo o territrio nacional.
A origem do sensoriamento remoto nos anos de 1960 deve-se ao espetacular
desenvolvimento da rea espacial nesses anos, que ficou conhecida como a dcada da corrida
espacial. Foi nesse perodo que se viu o mais rpido desenvolvimento de foguetes lanadores
de satlites, que possibilitou colocar no espao satlites artificiais para vrias finalidades. Os
satlites meteorolgicos foram os pioneiros e, por meio deles, quase que de uma maneira
acidental que o sensoriamento remoto deu os seus primeiros passos. O primeiro desses
satlites meteorolgicos foi o TIROS-1 (Television IR Operational Satellite), lanado em
1960 pelos Estados Unidos. Alm dos padres de cobertura de nuvens, as imagens do TIROS
mostravam, embora com pouca nitidez, algumas feies da superfcie da Terra, que pela
primeira vez demonstraram ser possveis de serem vistas do espao. Melhoramentos dos
subsequentes sensores dos satlites meteorolgicos deram a oportunidade para iniciar os
primeiros estudos mais detalhados de feies terrestres de reas de coberturas de neves, gelos
polares, guas ocenicas e cadeias de montanhas.
A dcada de 1960 foi, tambm, a dcada em que o homem pde ir ao espao em
satlites tripulados e de l observar a Terra e tomar as primeiras fotos da superfcie terrestre,
usando cmeras fotogrficas manuais. Foram essas experincias realizadas pelos programas
espaciais tripulados Mercury, Gemini, e Apollo, que asseguraram o futuro do sensoriamento
remoto. A misso GT-4 do programa Gemini foi o primeiro programa fotogrfico espacial
com o objetivo especfico para estudos geolgicos. Interpretaes dessas fotos em preto e
branco e coloridas, na escala de 1:350.000, descobriram novas feies geolgicas que no
constavam nos mapas geolgicos em escalas maiores, de 1:250.000. A partir do sucesso da
misso GT-4 foram includos no programa Apollo experimentos controlados envolvendo a
aquisio de fotografias multiespectrais, usando um conjunto de quatro cmeras Hasselblad,
munidas cada uma de filmes pancromticos com filtros vermelho e verde e filmes
infravermelhos. Foi dessa maneira que se obteve a primeira imagem multiespectral da Terra.
O satlite americano Corona e o sovitico Zenit, lanados no final dos anos de 1960, foram as
ltimas misses espaciais fotogrficas.
Os excelentes resultados desses programas espaciais impulsionaram as pesquisas para
a construo de novos equipamentos capazes de fotografar Terra, mas no com o uso de
cmeras fotogrficas, visto que a substituio de filmes no espao seria algo impossvel de se
fazer. Esses equipamentos deveriam ter a capacidade de recobrir a superfcie terrestre e de
armazenar ou transmitir para Terra os dados coletados. A nica possibilidade para fazer isso
era obter os dados em formatos digitais, usando-se equipamentos eletrnicos.
Da metade para o final da dcada de 1960 esses equipamentos comearam a ser
testados em aeronaves como programas de simulao, para serem posteriormente instalados a
bordo de satlites. Eles receberam o nome de sensores imageadores, em razo do processo de
cobertura do terreno ser feito na forma de varredura linear do terreno e no por um
mecanismo de tomada instantnea de rea, em quadro, como feito com cmeras
fotogrficas. Por isso, o produto gerado por esses novos sensores recebeu a denominao de
imagem, a fim de diferenci-lo pelo seu processo de aquisio, das tradicionais fotos areas.
Outra importante diferena dos sensores imageadores foi a capacidade de obterem imagens
simultneas em vrias faixas do espectro eletromagntico.
A despeito das diferenas dos mecanismos de aquisio entre as imagens de satlite e
as fotos areas, notamos que so produtos que guardam muitas semelhanas, pelo fato de
terem a mesma finalidade, que a de retratar os objetos ou fenmenos da superfcie terrestre.
As vantagens de um sobre o outro so vrias, mas apenas para justificar o que impulsionou o
uso dos sensores imageadores por satlites, pode-se citar a sua capacidade de imagear em
curto espao de tempo toda a superfcie do planeta e de uma maneira sistemtica, dado que
um satlite fica continuamente orbitando Terra. Essa forma de cobertura repetitiva, obtendo
imagens peridicas de qualquer rea do planeta, propicia detectar e monitorar mudanas que
acontecem na superfcie terrestre. Essa a principal razo pela qual as imagens de satlites
passaram a ser a mais eficiente ferramenta para uso nas aplicaes que envolvem anlises
ambientais dos diversos ecossistemas terrestres.
A perfeita combinao dessas duas tecnologias, satlites artificiais e sensores
imageadores, talvez tenha sido um dos maiores benefcios at hoje presenciado pelo
desenvolvimento tecnolgico a servio do levantamento dos recursos naturais terrestres.
Um marco importante que deu incio era do sensoriamento remoto moderno foi o
lanamento pelos Estados Unidos, do primeiro satlite de sensoriamento remoto, ERTS-1,
posteriormente renomeado para Landsat 1, colocado em rbita em 1972 a cerca de 919 km de
altura. O sensor imageador multiespectral desse primeiro satlite de sensoriamento remoto
possibilitava a obteno simultnea de quatro imagens nas faixas do espectro do visvel e do
Introduo ao Processamento de Imagens de Sensoriameto Remoto
infravermelho prximo e uma imagem no termal, portanto alm do que era possvel com o
uso de filmes fotogrficos. A largura da rea imageada na Terra por cada rbita do satlite era
de 185 km, o que permitia uma viso sintica, at ento, impossvel de ser obtida com as
cmeras fotogrficas areas. A cada 18 dias uma nova imagem com resoluo espacial de 76
metros era obtida de qualquer rea do planeta.
Do programa americano Landsat seguiram-se outros, europeus, canadenses, asiticos
e sul americanos, cada um procurando atender, cada vez mais, necessidades especficas, quer
sejam em funo das caractersticas geogrficas das diversas regies terrestres ou em funo
das suas aplicaes. Atualmente, h em circulao no espao dezenas de sensores orbitais
imageando a superfcie da Terra em todas as faixas espectrais possveis, com os mais
variados parmetros de resoluo espacial e temporal. De um lado h os sensores
hiperespectrais com centenas de bandas espectrais (centenas de imagens) e do outro, h os
sensores de alta resoluo espacial, capazes de detectar objetos na superfcie da Terra,
menores que 50 cm. E para atravessar a opacidade das nuvens, muito frequente em regies
como a Amaznia, h os sensores de radar com as suas fontes artificiais de radiao
eletromagntica que fazem das nuvens um objeto transparente.
1.2
Definio de Sensoriamento Remoto
Historicamente, reconhece-se que o termo Sensoriamento Remoto foi criado para
designar o desenvolvimento dessa nova tecnologia de instrumentos capaz de obterem
imagens da superfcie terrestre a distncias remotas. Por isso, a definio mais conhecida ou
clssica de sensoriamento remoto : Sensoriamento remoto uma tcnica de obteno de
imagens dos objetos da superfcie terrestre sem que haja um contato fsico de qualquer
espcie entre o sensor e o objeto.
A condio principal imposta por essa definio clssica, que o sensor estar a uma
distncia remota do objeto, estabelece a base para definir o sensoriamento remoto numa
concepo um pouco mais cientfica, que regida segundo os seguintes preceitos:
i) exigncia: ausncia de matria no espao entre o objeto e o sensor;
ii) consequncia: a informao do objeto possvel de ser transportada pelo espao vazio;
iii) processo: o elo de comunicao entre o objeto e o sensor a radiao eletromagntica, a
nica forma de energia capaz de se transportar pelo espao.
Com base nesses preceitos, uma definio mais cientfica que se pode dar ao
Sensoriamento Remoto seria: Sensoriamento Remoto uma cincia que visa o
desenvolvimento da obteno de imagens da superfcie terrestre por meio da deteco e
medio quantitativa das respostas das interaes da radiao eletromagntica com os
materiais terrestres.
Essa definio de sensoriamento remoto explcita em afirmar que o objeto imageado
registrado pelo sensor por meio de medies da radiao eletromagntica, tal como a luz
solar refletida da superfcie de qualquer objeto. Nenhum outro tipo de sensor que obtenha
imagens que no seja pela deteco da radiao eletromagntica deve ser classificado como
sensoriamento remoto. A confuso mais comum feita com os sensores geofsicos
aerotransportados, tais como os magnetmetros, que geram uma imagem a partir medies de
campos de fora do campo magntico da superfcie terrestre, portanto sem nenhuma relao
com a energia eletromagntica.
Por outro lado existe a errnea concepo de apenas considerar como sensoriamento
remoto as imagens obtidas de satlites, visto que o termo foi criado quando a era espacial deu
incio. As fotografias areas, que por mais de um sculo vm sendo usadas como uma forma
Introduo ao Processamento de Imagens de Sensoriameto Remoto
1.3
Natureza da Radiao Eletromagntica
A explicao do que a radiao eletromagntica (REM) comea com o entendimento
da dualidade do comportamento da sua natureza: onda e energia. Isso quer dizer que a REM
que se propaga pelo espao vazio, como a luz solar, , ao mesmo tempo, uma forma de onda
e uma forma de energia. Esse conceito de dualidade extremamente importante para o
sensoriamento remoto, pois sempre que algum estiver analisando qualquer tipo de imagem
de sensoriamento remoto, a coexistncia da radiao eletromagntica na forma de onda e na
forma de energia dever ser considerada para que se possa explicar tudo o que se observa nas
imagens com referncia s caractersticas dos objetos. A dualidade do comportamento da
radiao eletromagntica, onda e energia, formulada pelos modelos denominados de
ondulatrio (onda) e corpuscular (energia).
1.3.1
Modelo Ondulatrio
Segundo o modelo ondulatrio, a REM pode ser explicada como uma forma de onda
senoidal e harmnica. De acordo com as formulaes de Maxwell, uma partcula carregada
eletricamente gera um campo eltrico em torno de si e o movimento dessa partcula gera, por
sua vez, um campo magntico. Ambos os campos, eltrico e magntico, atuam vibrando
ortogonalmente entre si e possuem as mesmas amplitudes, isso , alcanam os seus mximos
ao mesmo tempo. As variaes do campo so causadas pelas vibraes da partcula. Quando
essa partcula acelerada, as perturbaes entre os dois campos se propagam repetitivamente
no vcuo em uma direo ortogonal direo dos campos eltricos e magnticos, como
mostrado na Figura 1.1. Essas perturbaes dos campos eltrico (E) e magntico (M) so
chamadas de ondas eletromagnticas. O comprimento da radiao eletromagntica depende
de quanto tempo a partcula acelerada, e a frequncia da radiao depende da freqncia
de vibrao da partcula. Assim, define-se uma onda eletromagntica como a oscilao dos
campos E e M, segundo um padro harmnico de ondas, isso , ondas espaadas
repetitivamente no tempo. Esses campos dinmicos sempre ocorrem juntos como padres
inseparveis, de modo que nem campo eltrico puro, nem campo magntico puro de ondas
irradiadas ocorrero separadamente um do outro.
As ondas eletromagnticas propagam-se no vcuo na velocidade da luz (c=
299.292,46 km/s ou aproximadamente 300.000 km/s). Se for medida a distncia entre dois
picos sucessivos de ondas (Figura 1.1), determina-se o comprimento ou tamanho da onda,
que simbolizado pela letra grega e expresso no sistema de unidades mtricas. As ondas
podem ter comprimentos da ordem de bilionsimo de metro (raios csmicos), at dimenses
de quilmetros (ondas de rdio).
Campo Eltrico E
E
Comprimento de onda
Campo Magntico M
M
Frequncia
(nmero de ciclos por segundo)
Velocidade da luz
Fig. 1.1- Direo de propagao da radiao eletromagntica na forma de uma onda, em funo das oscilaes
ortogonais dos campos magntico (M) e eltrico (E).
Se medirmos o nmero de picos de ondas que passa por um ponto fixo de referncia
no espao, podemos determinar a sua frequncia . Como a velocidade de propagao da
onda constante, as ondas com comprimentos menores tm frequncias maiores, ou seja, um
maior nmero de ondas passa pelo ponto de referncia num dado tempo. Inversamente, as de
comprimentos maiores tm frequncias menores. Da fsica clssica a seguinte relao entre o
comprimento de onda e a freqncia Q exprime a lei do comportamento ondulatrio:
eq.1.1
1.3.1.1
Interao macroscpica da radiao eletromagntica com os objetos
Os exemplos que acabou-se de apresentar so elucidativos para mostrar que quando a
interao da radiao eletromagntica com os objetos controlada pelas relaes do tamanho
da onda com o tamanho dos objetos, as informaes que se apresentam nas imagens dizem
respeito s caractersticas das dimenses ou formas dos objetos. Neste caso, dito que o
processo de interao da onda com os objetos uma interao macroscpica. Na prtica, nas
imagens de sensoriamento remoto a interao macroscpica a resposta da intensidade com
que um objeto reflete a radiao eletromagntica em razo do tamanho da onda e a textura da
superfcie do objeto. A textura representa a rugosidade topogrfica da superfcie. Ela pode ser
estimada pelas variaes verticais de altura da superfcie de um material e se mostra muito
eficiente para explicar as diferenas observadas nas imagens entre as diversas formas de
relevo, os tipos de dossis da vegetao, ou da superfcie lisa de um corpo dgua calmo ou
com ondas revoltas.
Em sensoriamento remoto as texturas das superfcies dos objetos vistas nas imagens
podem ser classificadas em dois tipos: especulares e difusoras. Podemos usar o critrio geral
de Rayleigh () para determinar se uma superfcie especular ou difusora, o que
dependente do comprimento de onda e do ngulo de incidncia (T) da radiao, segundo a
seguinte equao:
ou
eq.1.2
onde, = altura mdia da superfcie
= ngulo de incidncia
= comprimento de onda
Fig. 1.2 Comportamento da reflectncia condicionada rugosidade da superfcie do alvo. (a) reflectncia
especular de uma superfcie lisa com o raio incidente refletido no sentido oposto com o mesmo ngulo. (b)
refletncia difusora de uma superfcie rugosa com os raios refletidos espalhados em todas as direes.
Em alguns casos pode-se ter uma mistura de reflectncia especular e difusora. Para
todos os efeitos, costuma-se classificar uma superfcie como sendo difusora quando 25% ou
mais da radiao refletida difusamente. Na natureza, a maioria dos objetos tem
comportamento difuso em relao aos comprimentos de onda.
Do que foi discutido podemos concluir que a condio para uma superfcie ser
classificada como especular ou difusa, depende do comprimento de onda incidente. Por
exemplo, um solo gradeado, cuja textura medida pelas mnimas variaes da altura da sua
superfcie seja de poucos centmetros, ser considerado rugoso na faixa de comprimento de
onda do visvel (0,40 m a 0,76 m), pois o tamanho da onda milhes de vezes menor que
o tamanho das variaes de altura h da superfcie do solo. No entanto, o mesmo solo poder
ser considerado liso, ou seja, especular, na faixa das micro-ondas, visto que as micro-ondas
tm comprimentos de onda at 100 cm. Dessa forma, as reas de solos arados vistas nas
imagens desses dois comprimentos de onda, visvel e micro-ondas, sero diferentes. O
usurio de sensoriamento remoto que no souber das implicaes desse processo de interao
macroscpica julgar, analisando as duas imagens, que so solos com texturas diferentes,
imaginando, talvez, que as imagens tenham sido tomadas em datas diferentes.
Para o sensoriamento remoto, o modelo ondulatrio se aplica melhor para os grandes
comprimentos de onda das micro-ondas das imagens de radar, que so obtidas com O maiores
que 3,0 cm. Observe na Figura 1.3 de uma imagem de radar, que os alvos escuros
representam superfcies especulares (gua e solo gradeado) nas quais a onda eletromagntica
foi refletida em direo oposta direo de visada do sensor, e assim nenhuma radiao
voltou ao sensor para ser registrada. Os demais nveis de cinza representam alvos com
reflectncia difusa que retornaram ao sensor.
Fig. 1.3 Imagem de radar de comprimento de onda de 23 cm mostrando alvos de textura lisa com reflectncia
especular (tons de cinza escuros) e alvos de textura rugosa com refletncia difusora (tons de cinza variados).
1.3.2
Modelo Corpuscular
As formulaes de Maxwell sobre o comportamento da radiao eletromagntica
como um movimento de ondas suaves dos campos eltrico e magntico falham em explicar
certos importantes fenmenos quando a radiao eletromagntica interage com a matria.
Esse comportamento mais evidente para as ondas de pequenos comprimentos.
Desde os primeiros experimentos de gerao de ondas eletromagnticas observou-se
que a radiao emitida em forma de pulsos que carregam certa quantidade de energia. Em
1901 Planck observou que a REM transferia energia de um corpo para outro em quantidades
fixas e discretas, qual denominou de ftons. O fton a forma fsica de um quantum, a
partcula bsica estudada em mecnica quntica (ramo da fsica que se dedica com o muito
pequeno, nos nveis atmicos ou subatmicos), e que pode ser descrita como a partcula
mensageira da energia da onda eletromagntica. Os ftons so como corpsculos de energia
sem matria. Assim, uma onda eletromagntica exibe propriedades de partculas, como as
partculas (eltrons) exibem propriedades de onda.
O conceito de energia discreta muito importante e revolucionou a fsica do sculo
XX, que at ento considerava que qualquer forma de energia era contnua. O termo discreto
significa que a intensidade de energia transportada pela radiao eletromagntica num dado
comprimento de onda sempre a mesma, independente do momento que medida. Para cada
comprimento de onda h uma especfica quantidade de energia.
Segundo o modelo corpuscular pode-se definir que a radiao eletromagntica uma
forma dinmica de energia que se manifesta somente por suas interaes com a matria. A
quantidade de energia E de um quantum diretamente proporcional frequncia da
radiao:
eq.1.3
onde,
E = energia
h = constante de Planck (6,624x10-34 Joules.seg)
= frequncia
a energia da matria, preciso que a REM incidente seja em parte absorvida pelos eltrons ou
molculas, o que promove uma mudana do eltron de um orbital para outro de maior
energia, ou em um aumento da intensidade da vibrao molecular (Figura 1.4). A parte da
energia da radiao eletromagntica que no absorvida refletida para o sensor. Nesse
processo, as imagens medem a radiao refletida, mas, indiretamente, podemos avaliar o que
foi absorvido pelos materiais. Isso importante, porque so essas quantidades de energia
eletromagntica absorvidas pelos materiais que definem algumas informaes sobre a
composio dos alvos terrestres, nas imagens de sensoriamento remoto.
H
C
Fig. 1.4 A absoro da radiao eletromagntica pelos materiais desloca o eltron para um orbital de maior
energia (a) ou aumenta a frequncia dos movimentos vibracionais da molcula (b).
1.3.2.1
Interao microscpica da radiao eletromagntica com os objetos
Como as energias da radiao eletromagntica e as energias dos tomos e molculas
so discretas, as trocas de energia somente ocorrero se a quantidade de energia contida na
REM for exatamente igual quela necessria para promover uma mudana nos nveis de
energia dos tomos ou molculas. Nesse caso, dito que a interao do tipo microscpico,
pois ocorre nos nveis microscpicos dos tomos e molculas e , portanto, totalmente
dependente da constituio qumica (atmica/molecular) do material. Materiais de diferentes
composies, ou seja, com diferentes constituies de elementos qumicos de tomos e
molculas, tm absores e reflectncias diferentes, resultando nas imagens em diferentes
tons de cinza. Para o sensoriamento remoto, o modelo corpuscular mais adequado para os
comprimentos de ondas menores, porque esses possuem maiores energias, como previsto pela
equao 1.4. A Figura 1.5 um esquema bastante simplificado para exemplificar a interao
microscpica por trocas de energia segundo o modelo corpuscular da REM, para dois
diferentes tipos de rocha. Os hipotticos diagramas dos nveis de energia dos tomos de Fe e
da molcula CO3 necessitam de intensidade de energias eletromagnticas para promoverem o
salto quntico para nveis de energia superiores, para isso absorvendo intensidades de
radiaes eletromagnticas de comprimentos de ondas diferentes.
Nos comprimentos de ondas grandes e, portanto, com muito baixa energia, como nas
micro-ondas, no ocorre interao ao nvel microscpio. A quantidade de energia dessas
ondas insuficiente para provocar uma mudana nos nveis energticos dos tomos ou
molculas e, consequentemente, pouqussima quantidade de energia incidente absorvida
pela matria. Por isso, como mencionado anteriormente, a regio das micro-ondas se ajusta
mais ao modelo ondulatrio ou macroscpico.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
Fig. 1.5 Rochas calcrios e xistos absorvem com intensidades diferentes radiaes eletromagnticas de
diferentes comprimentos de onda devido aos diferentes valores dos nveis de energia que apresentam as
molculas de CO3 e os tomos de Fe.
1.3.3
Manifestao Conjunta das Interaes Macroscpica e Microscpica
Devido indissociabilidade de onda e energia, somos obrigados a afirmar que as
imagens dos objetos sempre so, em maior ou menor proporo, as respostas em funo do
tamanho da onda e da intensidade de sua energia. Como antes apresentado, prtico
considerar que para os menores comprimentos de onda a imagem dos objetos o retrato da
interao ao nvel microscpico com as suas composies e para os maiores comprimentos de
onda a imagem dos objetos o retrato da interao ao nvel macroscpico com a rugosidade
de suas superfcies.
H, particularmente, uma situao que serve de maneira didtica para demonstrar a
atuao conjunta das duas formas de interao. Podemos ver isso na Figura 1.6 a partir de
imagens tomadas de uma rea de densa cobertura vegetal, da regio amaznica. As duas
imagens so do sensor TM do Landsat-5, uma da regio do infravermelho prximo de 0,76
m a 0,90 m (banda 4) e a outra da regio do visvel de 0,63 m a 0,69 m (banda 3). A
primeira impresso de que na imagem do infravermelho prximo se consegue ver o relevo
abaixo das rvores. Na realidade, ambas as imagens so a reflectncia apenas das folhas das
rvores, haja vista que nesses comprimentos de onda a radiao eletromagntica no
consegue penetrar a vegetao. Na figura direita vemos que a topografia dos dossis uma
reproduo bem aproximada da topografia do relevo subjacente e, por isso, a radiao solar
incidente ilumina as faces frontais do relevo e sombreia as faces opostas. Combinando as
Introduo ao Processamento de Imagens de Sensoriameto Remoto
10
reflectncia %
b3
vis. infravermelho
Imagem do visvel
Fig. 1.6 Nas imagens com densa cobertura vegetal (floresta amaznica) a associao da interao macroscpica
e microscpica da radiao eletromagntica com a superfcie das copas das rvores, em um relevo montanhoso,
possibilita a observao aparente do relevo somente na imagem do infravermelho prximo.
1.4
Fontes de Radiao Eletromagntica
Todos os objetos do mundo real que estejam a uma temperatura acima de zero
absoluto (273,15oC ou zero Kelvin) apresentam uma movimentao aleatria das partculas
dos tomos e das molculas. Quando essas partculas se colidem elas mudam o seu estado de
energia e emitem radiao eletromagntica. E quanto maior a temperatura da fonte, maior
a sua potncia irradiante de energia.
As imagens de sensoriamento remoto no dependem apenas das qualidades tcnicas
dos sensores, mas, tambm, da qualidade e intensidade irradiante das fontes de REM. No
nosso sistema planetrio o Sol a mais potente fonte de radiao eletromagntica devido a
Introduo ao Processamento de Imagens de Sensoriameto Remoto
11
sua alta temperatura de superfcie, prxima a 6000C. A Terra tambm uma fonte de REM,
embora bem menos potente que o Sol, pois a sua temperatura mdia de apenas 27C. Essas
duas fontes naturais de radiao eletromagntica so as mais usadas em sensoriamento
remoto, mas como veremos adiante, elas no conseguem emitir radiao de todos os
comprimentos de onda. Por isso, o homem construiu fontes artificiais capazes de emitirem
altas intensidades em comprimentos de onda, alm da capacidade do Sol ou da Terra, como
na regio das micro-ondas.
O clculo da intensidade da energia que uma fonte de REM emite foi modelado por
Planck, que idealizou uma fonte padro de radiao eletromagntica, chamada de corpo
negro. Um corpo negro um modelo fsico terico de um perfeito absorvedor e emissor de
energia eletromagntica. Planck utilizou esse modelo de corpo negro para calcular a
quantidade mxima de intensidade radiante que uma fonte emite em um dado comprimento
de onda, em funo de sua temperatura de superfcie. A partir desse modelo, em 1901 Planck
formulou a seguinte lei, conhecida com Lei de Planck, que derivada da mecnica quntica.
eq.1.5
onde,
Substituindo as constantes pelos seus valores, a forma mais usual da equao 1.5
apresentada como:
eq. 1.6
12
108
6000K
3000K
106
2000K
10
4000K
104
10
visvel
107
1000K
500K
10 2
10 1
200K
1
0.1
0.2
0.5
10
20
50
100 m
Fig. 1.7 As curvas mostram os valores das intensidades da energia radiante emitida por comprimento de onda,
por fontes de radiao com diferentes temperaturas, segundo o modelo de corpo negro de Planck.
Semelhante ao que se v na Figura 1.7 para as fontes de corpo negro, na Figura 1.8
mostrado, comparativamente, a configurao do fluxo de energia radiante eletromagntica do
Sol e da Terra. Nesta figura a intensidade da energia radiante da fonte solar decresce
abruptamente abaixo dos comprimentos de ondas do ultravioleta e atinge valores mnimos
alm dos comprimentos de onda de 3,0 m. Devido a isso, somente o intervalo espectral da
REM de 0,45 m a 2,5 m til ao sensoriamento remoto, e nesse intervalo, o pico mximo
de intensidade de radiao encontra-se na faixa de 0,45 m a 0,76 m, conhecida como a
regio do visvel. A Terra tem uma intensidade de fluxo de energia bem abaixo do fluxo
solar, tendo o seu mximo de emitncia radiante em torno de 9,6 m e um intervalo espectral
til ao sensoriamento remoto entre 8,0 m a 14,0 m.
Fig. 1.8 Distribuio da intensidade da energia emitida pelas fontes naturais de radiao eletromagntica,
medidas no topo da atmosfera. Barras indicam a regio de comprimento de onda de mxima emitncia.
13
1.5
Interferncias Atmosfricas
Durante a sua passagem atravs da atmosfera, a REM vinda do Sol ou emitida pela
Terra, interage com as molculas dos constituintes gasosos e com o material particulado
suspenso na atmosfera. Nessa passagem, a atmosfera interfere na intensidade do fluxo
radiante, na distribuio espectral e na direo dos raios incidentes, tanto na sua trajetria
descendente entre o Sol e a Terra como na trajetria ascendente da radiao refletida e
emitida da superfcie terrestre para o sensor. Se no houvesse atmosfera o cu seria preto com
um disco brilhante (o Sol) do qual receberamos radiao direta. Na mdia, 47% do fluxo de
radiao que incide na superfcie terrestre absorvido pelos materiais da superfcie terrestre,
37% refletido pela Terra (incluindo nuvens e atmosfera) e 17% absorvido pela atmosfera.
A parte da REM que interage diretamente com a atmosfera sofre dois efeitos, absoro e
espalhamento da radiao, e esse comportamento da atmosfera questo crucial para o
sensoriamento remoto de alta altitude ou orbital.
A absoro o efeito mais prejudicial ao sensoriamento remoto. Como pode ser
observado na Figura 1.9, em vrios intervalos de comprimentos de onda a atmosfera mostrase parcial ou totalmente opaca s passagens da radiao solar e da radiao emitida pela
Terra, em razo da absoro pelos gases nela presentes. Como consequncia, a radiao solar
pode ser impedida de atingir a superfcie terrestre ou no mnimo sua intensidade atenuada, o
mesmo acontecendo com a radiao emitida pela Terra. Dessa forma, o sensor colocado no
espao ficar impedido de obter imagens da superfcie terrestre nesses comprimentos de
onda. Esses intervalos de comprimentos de onda so chamados de bandas de absoro da
atmosfera e so proibitivos para o uso de sensoriamento remoto. As demais regies onde a
atmosfera no absorve total ou intensamente a radiao solar so chamadas de janelas
atmosfricas, as nicas em que possvel usar o sensoriamento remoto.
Fig. 1.9 Transmitncia (T) da radiao eletromagntica atravs da atmosfera. As reas em azul correspondem s
regies espectrais de transparncias da atmosfera e as reas em cinza correspondem s regies espectrais onde
os gases atmosfricos absorvem a radiao eletromagntica.
Observe na Figura 1.9 que a regio de maior absoro, e sem uso ao sensoriamento
remoto, no intervalo espectral termal de 14 m a 1000 m, devido total absoro da
radiao pelo vapor de gua atmosfrica. Em contrapartida, na regio das micro-ondas a
atmosfera quase 100% transparente. No intervalo do visvel ao infravermelho, que a
regio espectral mais usada em sensoriamento remoto, a atmosfera tambm mostra a sua
danosa influncia para o uso do sensoriamento remoto. Por exemplo, nos comprimentos de
onda de 1,4 m e 1,9 m, 100% da radiao solar absorvida pelas molculas de vapor de
gua, impedindo totalmente o uso de sensoriamento remoto nesses comprimentos de ondas.
Na Figura 1.10 so mostradas mais detalhadamente as atenuaes que a irradincia
solar, medida no topo da atmosfera, sofre quando medida ao nvel do mar, ou seja, depois
de atravessar a atmosfera. So vrios os comprimentos de onda em que a atmosfera absorve
Introduo ao Processamento de Imagens de Sensoriameto Remoto
14
Fig. 1.10 Em vermelho a curva da irradincia solar no topo da atmosfera e em azul quando a irradincia atinge a
superfcie terrestre, mostrando as absores pelos diferentes gases atmosfricos.
(1)
irradincia
solar
incidente na superfcie e
atenuada pela atmosfera
Fig. 1.11 O espalhamento atmosfrico adiciona radiao na quantidade de energia refletida do alvo que chega ao
sensor.
15
eq.1.7
eq.1.8
16
reflectncia real dos objetos, o que ocasiona uma diminuio do contraste entre os diferentes
objetos presentes nas imagens. O exemplo dessa diminuio do contraste mostrado na
Figura 1.12. Nesta figura, a cena original possui dois objetos, um com brilho 5 para o alvo
mais claro e outro com brilho 2 para o mais escuro, considerando-se uma situao com
ausncia total de espalhamento atmosfrico. O contraste entre esses dois alvos pode ser
medido como uma razo do brilho dos dois alvos: 5/2 que igual a 2,5. Quando esta mesma
cena colocada sob influncia de uma atmosfera, onde so adicionadas cinco unidades de
brilho devido ao espalhamento, o alvo com brilho 5 aumenta para brilho 10 e o alvo com
brilho 2 aumenta para 7. A razo de contraste dos alvos que era de 2,5 diminui para 1,4,
reduzindo assim, a possibilidade de se diferenciar os dois alvos nas imagens.
cena original
4 6 8 10
Contraste
10/7 = 1,4
4 6 8 10
Contraste
5/2 =2,5
Fig. 1.12 Diminuio do contraste da reflectncia entre dois alvos, medido por uma razo, devido ao
espalhamento atmosfrico.
Rayleigh
Dependncia com o
comprimento de
onda
-4.0
Tamanho
das
partculas
<< 1
Mie
o,7 a -2.0
0,1 a 10
No-seletivo
>10
Tipo de partculas
Molculas de gs
Gotas de
aerossis
gua,
Nuvens, neblinas,
nvoas
Efeitos na reduo
do contraste
Visvel de pequeno
comprimento de onda
Visvel de longo
comprimento de
onda
Afeta igualmente todos
os comprimentos de
ondas
17
1.6
Espectro Eletromagntico
Denomina-se espectro eletromagntico as regies espectrais da REM conhecidas pelo
homem. O espectro eletromagntico conhecido se estende dos comprimentos de onda dos
raios csmicos aos comprimentos de corrente alternada emitidos pelas redes de alta tenso. A
faixa de comprimento de onda da REM praticamente ilimitada. H estrelas que emitem
radiaes eletromagnticas com mximo de irradincia em comprimentos de onda do raio-X
e outras, como o Sol, que emitem seu mximo de radiao eletromagntica no visvel. O
homem j construiu fontes artificiais de REM que geram ondas com comprimentos de 10-15 a
108 metros.
A REM deve ser vista como um espectro contnuo. Porm, o espectro eletromagntico
foi arbitrariamente dividido pelo homem em intervalos de comprimentos de onda com base
nos mecanismos fsicos geradores da energia eletromagntica e nos mecanismos fsicos de
sua deteco. A nomenclatura de cada um dos intervalos foi feita em funo do uso que o
homem encontrou para as suas aplicaes. Para os usurios do sensoriamento remoto
essencial saber os valores dos comprimentos de onda desses intervalos, as denominaes que
recebem, e quais comprimentos de ondas so possveis de ser detectados por cada tipo de
sensor. Isso porque, quando se estiver com uma imagem de sensoriamento remoto em mos,
a primeira pergunta que se faz : qual o comprimento de onda dessa imagem? Usando uma
terminologia mais correta, perguntar-se-ia: qual a banda espectral dessa imagem?
Um dos intervalos ou faixas de comprimentos de onda que mais familiar a faixa de
luz visvel da radiao solar, por ser aquela que o olho humano capaz de detectar. O
intervalo espectral da luz visvel foi decomposto pela primeira vez em 1766 por Isaac
Newton, atravessando a luz branca por um prisma de vidro (disperso) e emergindo do lado
oposto do prisma em raios de luz coloridos (Figura 1.13). Cada raio colorido tem o seu
especfico comprimento de onda. A inclinao de cada raio, ao emergir da outra face do
prisma, devido relao entre o comprimento da onda e o ndice de refrao do prisma
(vidro). Essa experincia se repete toda vez que no cu vemos a formao de um arco-ris,
provocado pela disperso da luz pelas gotas de gua, num dia chuvoso.
vermelho
violeta
Fig. 1.13 Disperso da luz branca em seis cores espectrais ao atravessar o prisma de vidro.
18
Obs: A = 10
-10
m;
-9
Comprimento de Onda
0,01 Ao
0,01 0,1 Ao
0,1 10 Ao
100nm 0,38m
0,38 0,76 m
0,76 1,2 m
1,2 3,0 m
3,0 5,0 m
5,0 m 1 mm
1 mm 100 cm
1 m 10 km
10 100 km
> 100 km
-6
nm = 10 m; m = 10 m
Tabela. 1.3 Divises dos comprimentos de ondas das cores da regio do visvel
Comprimento
de onda (Pm)
0,380 0,455
0,455 0,482
0,482 0,487
0,487 0,493
0,493 0,498
0,498 0,530
0,530 0,559
0,559 0,571
0,571 0,576
0,576 0,580
0,580 0,587
0,587 0,597
0,597 0,617
0,617 0,760
Violeta
Azul
azul esverdeado
azul verde
verde azulado
Verde
verde-amarelado
amarelo-verde
amarelo-esverdeado
Amarelo
laranja-amarelado
Laranja
laranja-avermelhado
Vermelho
19
Tabela 1.4 - Intervalos espectrais possveis de serem usados pelos sensores remotos.
0,45 0,76Pm 0,76 1,2Pm
visvel
infravermelho
prximo
1,2 3,0Pm
3,0 5,0Pm
infravermelho infravermelho
mdio
de ondas curtas
toda faixa
1,19 1,34
1,55 1,75
2,05 2,40
8,0 9,2
10,2 12,5
0,76 0,91
1,00 1,12
3,5 4,2
4,5 5,0
3,0 100
Segue uma sntese das caractersticas mais importantes desses intervalos espectrais.
Visvel (0,45-0,76 Pm) - a regio do espectro solar com a mais alta intensidade de fluxo
radiante e onde h a melhor janela atmosfrica, bastante transparente, deixando passar uma
grande quantidade de radiao. Por isso, muito usada em sensoriamento remoto. a regio
responsvel pela interao com os minerais e que d origem s suas cores e com os
pigmentos da vegetao. O problema dessa faixa espectral o alto espalhamento da radiao
solar incidente pelos gases atmosfricos, que pode reduzir o contraste da reflectncia dos
alvos terrestres. chamada de visvel, porque o olho humano sensvel a essa regio
espectral.
Infravermelho prximo (0,76 - 1,2 Pm) - Regio do espectro solar onde a atmosfera tambm
bastante transparente, mas ocorrem algumas bandas de absores, impedindo que todo o
intervalo possa ser continuamente utilizado por sensoriamento remoto. o intervalo onde
ocorrem importantes interaes da REM com os nveis de energia eletrnica dos tomos,
gerando feies espectrais que so diagnsticas para identificar a natureza de vrios tipos de
rochas, principalmente as de composio mineral com metais de transio (Fe, Ni, Cr, Mn...)
Infravermelho de ondas curtas (1,2 3,0 Pm) - a regio espectral geolgica, porque nesta
faixa espectral que os vrios minerais de alterao hidrotermal tm as suas diagnsticas
feies de absoro. Tambm a regio onde os comprimentos de onda em 1,4 m e em 1,9
m so totalmente absorvidos pelas molculas de vapor dgua da atmosfera, proibindo o uso
do sensoriamento remoto e, por consequncia, de se determinar nos materiais terrestres a
presena de gua molecular nas suas estruturas.
Infravermelho mdio (3,0 - 5,0 Pm) - Regio onde o Sol e a Terra no emitem quantidades
suficientes de energia que possam ser detectadas pelos sensores. Somente alvos com elevadas
temperaturas, como vulces e incndios, podem ser detectados, pois agem como fontes
prprias de emisso de radiao. uma regio espectral pouco usada no sensoriamento
remoto, exceo de sensores metereolgicos ou atmosfricos.
Infravermelho termal (5,0 1,0 mm) - conhecido como a regio termal, devido radiao
emitida pelos objetos terrestres em funo das suas temperaturas de superfcies. A melhor
janela atmosfrica nessa regio espectral para imageamento orbital o intervalo de 8,0 Pm a
14,0 Pm, porque acima de 30 km, a camada de oznio absorve toda a radiao alm de 14 Pm
emitida pela Terra. tima faixa espectral para deteco de quartzo de veios nas rochas.
Micro-ondas (3,0 - 100 cm) Regio de uso de sensores ativos (radar), que utilizam fontes
artificiais para a gerao da REM. Por causa do tamanho do comprimento de onda, o radar
Introduo ao Processamento de Imagens de Sensoriameto Remoto
20
1.7
Conceitos de Radincia e Reflectncia
A forma como um sensor mede a radiao eletromagntica praticamente a mesma,
independente do comprimento de onda. Mas, o importante saber o que de fato o
componente da radiao eletromagntica que deixa o alvo e vai at o sensor para ser medido
e transformado em imagem. Normalmente, nos referimos erroneamente a esse componente,
como reflectncia. Veremos que h uma conceituao radiomtrica especfica que define a
radiao que deixa o alvo, e que dependente do intervalo espectral. Trataremos aqui dos
conceitos radiomtricos da radiao ptica da luz solar. A radiao termal e das micro-ondas
veremos nos captulos seguintes.
Quando o sensor detecta e mede a radiao que deixa a superfcie dos objetos, o
sensor est fazendo uma medio radiomtrica. por isso que os sensores imageadores
podem tambm ser denominados de radimetros imageadores. A radiometria inclui uma srie
de termos e leis que em sensoriamento remoto so fundamentais para explicar o significado
fsico dos valores da REM medidos pelo sensor. As definies que sero vistas so somente
as mais importantes para se entender o significado dos componentes de um modelo bsico de
sensoriamento remoto, como ilustrado na Figura 1.14. Os nmeros que identificam na figura
cada um dos componentes desse modelo representam os termos radiomtricos que so
definidos a seguir, em uma ordem sequencial segundo a trajetria da REM da fonte (1) at o
sensor. O subscrito indica que o valor calculado para a grandeza radiomtrica que o contm
dependente do comprimento de onda.
sensor
fonte
ngulo cnico
2
3
21
perodo de tempo. Tambm a taxa de tempo que o fluxo ilumina a superfcie do terreno, que
ser imageada pelo sensor.
3. Irradincia E = /A o fluxo radiante solar incidente na superfcie do terreno
por rea de superfcie, medido em watts por metro quadrado (W/m2). Mas, se efetivamente se
quiser medir a quantidade de irradincia incidente por rea, deve-se integrar as variveis da
atmosfera pela qual a radiao passa. Segundo Jensen (2009), essa integrao uma funo
da irradincia solar espectral no topo da atmosfera (Eo), multiplicada pela transmitncia
atmosfrica (T0) num certo ngulo zenital solar (0), mais a contribuio solar difusa (Ed).
Em termos de unidade a irradincia medida em W/m2m.
eq.1.9
= A/r2
r
:
22
Voltando Figura 1.14 vemos que o sensor focaliza uma rea no terreno cujo
tamanho definido pelo ngulo slido de visada do sensor. Esse ngulo slido de visada
definido pela abertura do sistema ptico do sensor, no caso um telescpio porttil,
semelhana da abertura definida pela objetiva de uma mquina fotogrfica. Dessa maneira, o
sensor mede a intensidade radiante que deixa a superfcie de rea do terreno limitada por um
ngulo slido . Esterradiano (str), ou esferorradiano, a unidade de medida de ngulo
slido, 1 esterradiano equivalendo a 57 graus plano. No sensor o ngulo da ordem de
milirradianos. Alm do ngulo slido, a medida da radiao que deixa a rea do terreno
depende tambm da posio que o sensor est no espao. Na Figura 1.14 a posio do sensor
medida pelo co-seno do ngulo em relao normal superfcie do terreno. Tudo isso, que
considerado na medida da radiao pelo sensor, o que foi definido de radincia. Sendo
assim, a imagem formada no sensor uma imagem da radincia. Como ser abordado
adiante, os valores de radincia so convertidos em valores digitais, gerando a imagem
digital.
Mas, h algo mais, muito importante, que deve ser considerado no modelo bsico de
configurao de sensoriamento remoto da Figura 1.14. Sabe-se que a densidade de fluxo
incidente na superfcie do terreno, a Irradincia E, varia no tempo (hora, dia, ms), pois a
distncia e a posio do Sol em relao Terra mudam, continuamente, e mesmo porque o
Sol no uma fonte totalmente uniforme. Alm disso, a atmosfera muito dinmica, ou seja,
a cada momento deixa passar quantidades diferentes de fluxo radiante devido s absores
dos gases. O que isso acarreta? A radincia que ser medida no sensor para construir a
imagem dos objetos poder apresentar-se diferente de um dia para outro, mesmo que os alvos
nada tenham mudado. Essa influncia da variao da irradincia poderia ser eliminada, se no
exato momento em que o sensor medisse a radincia L que deixa o alvo, medisse, tambm, a
quantidade de fluxo radiante incidente no alvo, ou seja, a irradincia E. A relao de medida
da irradincia com a radincia estabelece um conceito muito importante em sensoriamento
remoto, que a reflectncia.
Reflectncia a razo entre a quantidade de energia radiante que deixa uma unidade
de rea no terreno (Radincia) pela quantidade de energia incidente naquela rea
(Irradincia), medida no mesmo instante de tempo. Como irradincia e radincia so
densidades de fluxo, o valor dessa razo torna-se adimensional, sendo, portanto, expresso em
porcentagem. Qualquer alvo no terreno poder refletir uma porcentagem > 0% e < 100% da
radiao nele incidente. Usa-se a letra grega para se referenciar reflectncia.
eq.1.11
23
1.8
Resolues das Imagens
Atualmente, o sensoriamento constitudo por uma razovel constelao de satlites
que oferecem imagens para atender as necessidades de uma ampla demanda de usurios. Para
aqueles usurios que necessitam de uma observao detalhada do tamanho e das formas dos
objetos, h os sensores que detectam reas unitrias inferiores a 1 metro, e com meios para
visualizao estereoscpica 3D, muito teis para levantamentos cadastrais multifinalitrios,
urbanos e cartografia digital. Os interessados em monitorao para o acompanhamento da
evoluo e de mudanas da paisagem podem recorrer aos sensores com alta taxa de revisita
rea. J os que se interessam em determinar a composio ou constituio dos minerais ou
rochas, a procura pelos sensores com um grande nmero de bandas espectrais. Por isso,
uma forma de se abordar as potencialidades de um sensor pelo dimensionamento de suas
resolues.
Nas aplicaes de sensoriamento remoto em estudos geotemticos duas questes esto
sempre presentes:
i) qual a melhor resoluo da imagem para se identificar ou resolver os objetos de
interesse e;
ii) qual a melhor escala para representar os objetos ou fenmenos geogrficos.
Nem sempre h respostas simples para essas indagaes. O que mais prontamente
pode-se responder que, devido limitao que o sensor orbital tem para transmitir grandes
volumes de dados para as estaes terrestres de rastreamento de satlites, as imagens que
recobrem grandes areas, de dezenas de milhares de quilmetros quadrados, como as do
satlite Landsat e CBERS, so associadas com resolues espaciais pequenas (30, 20 metros),
e as imagens que recobrem pequenas reas, como as imagens Ikonos e Orbview, so
associadas com resolues espaciais grandes (1 metro). Consequentemente, as imagens de
pequena resoluo espacial, por no mostrarem os detalhes dos alvos, serviro para estudos
em escalas mais regionais, enquanto as imagens com grande resoluo espacial se prestaro
para estudos locais de detalhe.
Na prtica, a deteco ou identificao de um objeto nas imagens de sensoriamento
remoto no determinada somente pela resoluo espacial, mas por quatro diferentes formas
de medies:
1) pela rea do campo de visada do sensor;
2) pelo comprimento de onda das bandas;
3) pelos valores numricos da medida da radincia do alvo;
4) e pela data em que a imagem foi tomada.
So essas quatro formas de medidas que so descritas em termos de resolues,
respectivamente denominadas de resoluo espacial, espectral, radiomtrica e temporal. Elas
atuam em conjunto, num processo interativo, nem sempre facilmente percebido pelo analista,
o que , tambm, o motivo de frequentes dvidas ao se tentar explicar por que pequenos
objetos so surpreendentemente identificados nas imagens.
Os conceitos e explicaes tratadas a seguir, sobre resolues, so vlidas para todos
os tipos de sensores imageadores, independente da faixa espectral em que operam, exceo
do radar.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
24
1.8.1
Resoluo Espacial
O tamanho individual do elemento de rea imageada no terreno representa em
qualquer tipo de sensor uma propriedade importante da imagem: a resoluo espacial. A
resoluo espacial um importante parmetro do sensor porque ela determina o tamanho do
menor objeto que pode ser identificado em uma imagem. Por definio, um objeto somente
pode ser resolvido (detectado), quando o tamanho deste , no mnimo, igual ou maior do que
o tamanho do elemento de resoluo no terreno, ou seja, da resoluo espacial. Por exemplo,
se uma casa tem 20 m x 20 m de tamanho, a resoluo espacial da imagem deveria ser, no
mnimo, de 20 metros para que essa casa possa ser identificada na imagem. Entretanto, a
experincia mostra que, de fato, para um objeto ser resolvido na imagem, a resoluo espacial
nominal deveria ser, pelo menos, a metade do tamanho do objeto medido na sua menor
dimenso. Mesmo assim, o objeto ainda tem que apresentar um bom contraste de reflectncia
com os alvos que lhe so vizinhos, vistos na dimenso do pixel. A Figura 1.16 exemplifica
estas relaes.
Fig. 1.16 Resolver os objetos pelo valor da resoluo espacial depende tambm do contraste de reflectncia dos
pixels vizinhos . Em (a) as duas rvores no so resolvidas, fundindo-se em um nico objeto. Em (b) elas so
resolvidas por estarem separadas pela rea de um pixel com reflectncia diferente.
Determinar qual deve ser a resoluo espacial de um sensor, envolve para a maioria
das aplicaes de sensoriamento remoto, uma anlise da relao do grau de autocorrelao da
organizao espacial dos objetos no terreno. Em terrenos naturais os alvos apresentam uma
alta correlao espacial, mostrando pouca variabilidade ao longo de uma rea, no exigindo,
para a sua identificao, altas resolues espaciais. J, para uma rea com alta variabilidade
de tipos de objetos, como numa rea urbana, a exigncia seria para um sensor com resoluo
espacial de poucos metros, para que as casas, ruas, estacionamentos, possam ser resolvidos.
Para se calcular a resoluo espacial pode-se usar a projeo geomtrica no terreno
subtendido pelo campo de visada instantneo (IFOV) do sensor, que medido pelo ngulo .
A compreenso desse conceito mostrada na Figura 1.17, simplificada para um nico
elemento de resoluo espacial no terreno. O tamanho do ngulo E do IFOV determinado
pela abertura do sistema ptico em conjuno com o tamanho do detector, pois o detector
que mede a intensidade da radincia do terreno. Como nos sensores orbitais a ptica a de
um telescpio porttil com distncia focal de 2 a 3 metros, o valor do ngulo E do IFOV de
centsimos de milirradianos.
O tamanho do elemento de resoluo no terreno pode ser calculado pela equao:
eq.1.12
onde,
25
Usando a equao 1.12, para um sensor orbital colocado altura de 700 km e com um
IFOV igual a 0,043 milirradianos, o tamanho do elemento de resoluo no terreno ser:
D = 700.000 x 0,043.10-3
D = 30,1 metros
Um pequeno IFOV desejvel quando h a necessidade de se registrar altos detalhes
espaciais. Dessa forma, quanto menor o tamanho do IFOV maior ser a capacidade de se
detectar nas imagens os menores elementos que integram a cena. A resoluo espacial deve
ser entendida como uma medida geomtrica, e, portanto, no deve ser considerada como
sinnimo de pixel. Pixel representa uma taxa de amostragem no terreno, que mede no espao
geomtrico do elemento de resoluo no terreno, o valor da radincia do alvo.
detector
distncia
focal f
ptic
IFOV
Tamanho do elemento de
resoluo no terreno medido em
Fig. 1.17 Medida geomtrica da resoluo espacial a partir do valor do ngulo IFOV e da altura H do sensor.
A Figura 1.18 mostra imagens de trs sensores pticos com diferentes resolues
espaciais. Fica evidente que se pode estabelecer uma relao de comparao entre a resoluo
espacial e a escala de visualizao da imagem. Na Tabela 1.5 so sugeridas as escalas para as
correspondentes resolues espaciais de alguns conhecidos sensores. So escalas
aproximadas, porque na prtica, dependendo do contraste da cena e das bandas, quase sempre
se consegue uma escala maior do que a sugerida pela resoluo espacial.
Fig. 1.18 Da esquerda para a direita, imagens dos satlites, Landsat com resoluo espacial de 30m, Spot com
10 m e Ikonos com 1 m, de uma poro do lago Parano de Braslia.
26
Tabela 1.5 Escalas aproximadas de visualizao de imagens multiespectrais em funo da resoluo espacial.
Escala
1: <10.000
1: 10.000
1: 20.000
1: 40.000
1: 75.000
1: 100.000
1: 200.000
1: 350.000
Sensor
Ikonos pancromtico
Spot pancromtico
Ikonos XS
Spot HRG
CBERS
Landsat (faixa ptica)
Landsat TIR (termal)
Aster TIR (termal)
1.8.2
Resoluo Espectral
Para o sensoriamento remoto, a obteno simultnea de imagens em mltiplas bandas
espectrais , sem dvida, a propriedade mais importante dos sensores imageadores. O termo
resoluo espectral envolve pelo menos trs parmetros de medida:
i) o nmero de bandas que o sensor possui;
ii) a largura em comprimento de onda das bandas;
iii) as posies que as bandas esto situadas no espectro eletromagntico.
Comparativamente, um sensor tem melhor resoluo espectral se ele possui maior
nmero de bandas situadas em diferentes regies espectrais e com larguras estreitas de
comprimentos de onda. Essa necessidade devido s diferenas relativas de reflectncia entre
os materiais da superfcie da terra, que permitem distinguir um material do outro, em
determinados comprimentos de onda. Por exemplo, as gemas so mais facilmente
diferenciadas nos comprimentos de onda do visvel, devido s diferenas de cores que na
maioria controlada por pequenas impurezas nas suas estruturas cristalinas. Por outro lado,
as rochas evidenciam suas diferenas espectrais mais nos comprimentos de onda do
infravermelho prximo e de ondas curtas. Quanto largura da banda, ela deve ser
dimensionada em concordncia com as larguras das feies de absoro exibidas pelos
espectros de reflectncia de cada material. As feies de absores so identificadores de
composies dos tipos de rochas, solos, vegetao e gua, e normalmente, so da ordem de
10 nm a 20 nm. Sensores com bandas muito largas, alm de 20 nm tendem a no ser capazes
de diferenciar um objeto do outro em funo de sua composio. Assim, o objeto apenas
detectado em razo da resoluo espacial. A Figura 1.19 ilustra esses critrios de resoluo
espectral, tendo como exemplo as nove bandas do sensor ASTER, cuja resoluo espectral
foi definida para discriminar minerais de alterao hidrotermal.
Um simples exemplo que serve para ilustrar o efeito da resoluo espectral na
deteco ou identificao de um objeto mostrado na Figura 1.20 de uma rea da floresta
amaznica. Ambas as imagens esto na mesma resoluo espacial de 30 metros. Na imagem
(a) da Figura 1.18, de uma banda do visvel de 0,63 m a 0,69 m, mesmo os grandes rios
com dezenas de metros de largura no so facilmente identificados, porque a baixa
reflectncia da gua e da vegetao so, praticamente, iguais nesse comprimento de onda, no
havendo contraste entre os dois tipos de alvos. Para a regio amaznica seria um erro
selecionar esta banda espectral para se elaborar mapas de drenagem. A imagem (b) da Figura
Introduo ao Processamento de Imagens de Sensoriameto Remoto
27
calcita
Reflectncia
caolinita
Banda 2
Banda 1
jarosita
Banda 3
talco
Comprimento de onda em m
Bandas 4 a 9
Fig. 1.19 Espectros de reflectncia de alguns minerais sobrepostos s bandas do sensor ASTER. A largura da
banda do sensor deve ser equivalente largura da banda de absoro do mineral para que este possa ser
identificado na imagem.
Fig. 1.20 Imagens da regio amaznica nas bandas do visvel (a) e do infravermelho prximo (b)
exemplificando o efeito da resoluo espectral no contraste do rio com a vegetao.
28
objetos que so consideravelmente menores do que a resoluo espacial, se seu contraste com
os objetos vizinhos suficientemente alto. O exemplo mais marcante a identificao de
estradas em imagens de satlites. Na Figura 1.21 o exemplo novamente de uma imagem
com resoluo de 30 metros, onde h estradas de terra, cujas larguras so inferiores a 10 m.
Devido ao tamanho dos pixels ser de 30 por 30 metros, eles integram as reas da estrada e da
vegetao marginal, constituindo um pixel mistura que define um valor qualquer de
reflectncia. Tal valor no ser nem o valor puro da reflectncia da estrada e nem o da
vegetao. Mas como na banda do visvel a estrada tem uma alta reflectncia, muito superior
reflectncia da vegetao, o valor mdio da reflectncia do pixel mistura se aproximar
mais do valor da reflectncia da estrada do que da vegetao. Nesse caso, os pixels misturas
que contm a estrada e a vegetao tero um nvel de cinza mais claro que os pixels puros,
apenas com vegetao. Tal efeito de contraste apresenta-se como uma aparente melhoria na
resoluo espacial da imagem. Para confirmar esse efeito da resoluo espectral, na resoluo
espacial, observe que quando a banda espectral selecionada for de comprimento de onda do
infravermelho prximo (figura da esquerda), a estrada dificilmente identificada, porque
neste caso, as reflectncias da estrada e da vegetao so muito prximas, portanto, sem um
contraste espectral.
Infelizmente, no possvel aumentar, indefinidamente, qualquer um dos trs
parmetros que medem a resoluo espectral do sensor: largura das bandas, posio das
bandas ao longo do espectro eletromagntico e nmero de bandas. Um sensor com centenas
de bandas espectrais, com o fim de se ter uma amostragem detalhada do comportamento
espectral da refletncia dos objetos aumenta, significativamente, a taxa de transmisso de
dados do satlite para Terra, exigindo-se em se colocar no satlite equipamentos mais
potentes para transmisso (transponder), o que implica em maior consumo de energia
eltrica. Larguras de bandas muito estreitas diminuem a quantidade de energia radiante do
pixel, o que ocasiona baixa razo sinal/rudo.
banda no visvel
Fig. 1.21 Efeito da resoluo espectral na identificao de alvos (estradas de terra) em reas de relativa densa
vegetao, cujas dimenses so inferiores resoluo espacial de 30 m da imagem.
De certa forma, por essas restries que se v atualmente, nos exemplos dos
sensores orbitais em operao, certo comprometimento entre a resoluo espectral e a
resoluo espacial. Normalmente, os sensores de alta resoluo espacial para compensarem o
grande volume de dados que tem de ser transmitido para Terra, possuem poucas bandas,
Introduo ao Processamento de Imagens de Sensoriameto Remoto
29
1.8.3
Resoluo Radiomtrica
A medida pelos detectores da intensidade de radincia da rea de cada pixel unitrio
denominada de resoluo radiomtrica. Maior ser a resoluo radiomtrica, quanto maior for
a capacidade do detector para medir as diferenas de intensidades dos nveis de radincia.
Quanto maior for essa capacidade, maior ser a resoluo radiomtrica. Ela define o nmero
de nveis de radincia que o detector pode discriminar.
Em funo da intensidade da radiao de entrada no sensor, a resposta de sada dos
detectores convertida eletronicamente em um nmero digital discreto. Tambm se d o
nome de quantizao medida da resoluo radiomtrica. Em termos prticos, a quantizao
do sinal medida pelo intervalo de nmero de valores digitais usados para expressar os
valores de radincia medidos pelo detector. A quantizao normalmente expressa em
termos de nmeros de dgitos binrios (bits). Quanto maior a quantizao, maior ser a
qualidade visual da imagem, como mostra a Figura 1.22. Nesta figura, observa-se que a
imagem de 8 bits (28=256) tem detalhes visuais melhores que as imagens de menores
resolues radiomtricas de 6, 4 e 2 bits. A imagem de 2 bits possui apenas 4 nveis de cinza.
8 bits
6 bits
4 bits
2 bits
Fig. 1.22 Exemplos de imagens com diferentes nveis de quantizao ou de resoluo radiomtrica.
30
Fig. 1.23 A identificao dos objetos como elementos individuais da paisagem (rvores) ou como classe (mata)
respectivamente, nas imagens IKONOS e Landsat, determinada pela relao entre os valores das resolues
espacial e radiomtrica.
1.8.4
Resoluo Temporal
Refere-se frequncia que o sensor revisita uma rea e obtm imagens peridicas ao
longo de sua vida til. Isso s possvel porque os satlites de sensoriamento remoto
Introduo ao Processamento de Imagens de Sensoriameto Remoto
31
executam uma rbita heliossncrona, que um caso particular de uma rbita semipolar. O
plano de rbita sempre fixo e ortogonal ao sentido de rotao da Terra. Assim, o satlite
passa sobre o mesmo ponto da superfcie da Terra na mesma hora. Orbitam com uma
inclinao em relao ao equador de 97 a 98o a uma altitude nominal prxima de 550 a 900
km e o tempo de viagem para completar uma rbita de aproximadamente 90 minutos. Num
tempo de 24 horas, aproximadamente 14 rbitas se completam. Considerando-se que os
sensores a bordo dos satlites conseguem imagear somente uma faixa da Terra com algumas
dezenas ou centenas de quilmetros de largura, as 14 rbitas imageadas em um dia ficam
distanciadas entre si de milhares de quilmetros devido s velocidades relativas de rbita do
satlite, e da rotao da Terra no sentido de oeste para leste. A cada novo dia, a posio da
rbita progride na direo oeste. Esse processo de cobertura pode ser exemplificado
considerando-se as caractersticas de imageamento do satlite Landsat (Figura 1.24). Cada
rbita do Landsat cobre uma faixa no terreno de 185 km de largura. As rbitas tomadas no
mesmo dia se distanciam entre si de 2.875 km, sendo necessrios 16 dias para concluir o
recobrimento total do globo. O princpio o mesmo para qualquer outro satlite. O que ir
variar a resoluo temporal do imageamento, pois cada sensor imageia faixas no terreno de
larguras diferentes.
A resoluo temporal fundamental para acompanhar ou detectar a evoluo ou
mudanas que ocorrem na Terra, principalmente para alvos mais dinmicos, como o ciclo
fenolgico de culturas, desmatamentos, desastres ambientais, tendo forte impacto na
monitorao ambiental. A Figura 1.25 um exemplo de uma rea agrcola com vrios pivs
de irrigao, e que no intervalo de nove anos mostra as alteraes no parcelamento dos
cultivares e aumento do nmero de pivs. Atualmente, pela facilidade com que se pode
reposicionar a visada de um sensor, de nadir para off nadir (fora da vertical), muitos satlites
oferecem a possibilidade de revistas rea em espaos de tempo de dois a trs dias.
2752 km
2752 km
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Fig. 1.24 Padro de recobrimento de rbitas completadas em um nico dia pelo satlite Landsat (a) e no perodo
da resoluo temporal de 16 dias (b). (Fonte: Novo, 1996).
32
Fig. 1.25 Imagens Landsat de rea agrcola obtidas nos anos de 2000 (a) e 2009 (b). Notar o crescimento de
pivs centrais e a modificao do parcelamento dos cultivares.
33
5.1
Imagem Digital
As imagens de sensoriamento remoto devem ser vistas como uma forma de
documentos que representam, em escala e sobre um plano 2D, os acidentes e as feies
naturais e artificiais da superfcie terrestre, a partir da medio de um processo fsico da
radiao eletromagntica. A energia da radiao eletromagntica conduz de forma analgica
a informao sobre os objetos e no sensor um conversor analgico/digital converte essa
informao em um valor digital, codificado por uma unidade denominada de pixel. A forma
digital do dado que possibilita o uso de computadores para processar as imagens, com o
objetivo principal de representar pores bem definidas do espao terrestre, utilizando-se de
processamentos matemticos, estatsticos e probabilsticos dos dados. Os limites do espao
so configurados pelos pixels, os quais, como veremos, esto organizados na disposio de
linhas e colunas. Embora estejamos falando de valores numricos (imagem digital), os limites
de qualquer poro da imagem no so matemticos. No so limites como o que vemos em
uma carta topogrfica, esses sim, limites matemticos, geralmente definidos por meridianos e
paralelos. Ento, percebemos que h uma clara distino entre a representao dos dados de
uma imagem com a representao dos dados do espao terrestre pelas cartas topogrficas. Da
a razo de nos referirmos localizao dos objetos em uma imagem por meio de coordenadas
espaciais dos pixels (linhas e colunas). A imagem de sensoriamento remoto, qualquer que
seja ela, no possui um sistema de referncia de projeo cartogrfica. Por isso,
aconselhvel conhecer algumas caractersticas do formato dos dados das imagens, antes de se
iniciar o processamento dos dados.
Como foi apresentado nos captulos anteriores, a imagem de um sensor obtida pela
varredura do terreno em linhas sequenciais, cada linha sendo amostrada por uma rea unitria
(pixel). O sensor registra os pixels no formato de uma grade retangular ou quadrada, e o valor
do pixel correspondente ao valor de radincia, emitncia ou de retroespalhamento dos alvos
convertido no sensor para um valor digital discreto e finito. O valor digital do pixel uma
mdia dos valores de radincia, emitncia ou retroespalhamento, dos diferentes alvos que
podem estar contidos no pixel. Os pixels podem ser pixels puros (um s objeto) ou pixels
misturas. Em terra, estaes terrestres de rastreamento gravam o sinal digital transmitido do
satlite por telemetria, e em laboratrios a imagem no formato raster produzida para
distribuio aos usurios.
Os algoritmos de processamento veem esse formato como uma matriz de dados
composta por milhares de linhas e colunas, na qual o valor de cada clula da matriz definido
pelas coordenadas que o pixel ocupa na matriz e pelo seu valor digital. Genericamente, podese definir qualquer imagem como sendo uma funo bidimensional representada por f (x,y)
(Gonzales e Woods, 1992). Quando x,y e os valores de amplitude f so quantidades discretas
(nmeros inteiros), a imagem uma imagem digital. Nas imagens de sensoriamento remoto
x,y referem-se s coordenadas espaciais da linha e coluna do pixel e o valor de f em qualquer
ponto x,y a medida da energia radiante refletida, emitida ou retroespalhada.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
77
(a)
Coluna (y)
Linha (x)
(b)
181
168
134
107
87
181
154
101
60
20
195
148
53
13
181
148
40
26
94
181
175
134
208
101
(c)
Fig. 5.1 Imagem digital (a) com rea em zoom de grupo de pixels em valores de cinza (b) e correspondentes
valores digitais (c).
78
5.3
Formatos de Salvamento
O salvamento de imagens um procedimento corriqueiro durante uma seo de
trabalho de processamento de imagens, e a forma de salvar um dado um procedimento
controlado pelo software em uso. O importante conhecer em que tipos de formatos as
imagens podem ser salvas, quando preciso transfer-las para outros software.
A maioria dos programas de processamentos de imagens de sensoriamento remoto
assegura ao usurio o salvamento das imagens nos formatos nativos de outros programas. Por
exemplo, uma imagem processada no programa ENVI, pode ser criada com um arquivo de
sada nos formatos nativos ArcView Raster, ER Mapper, ERDAS IMAGINE, PCI, IDRISI,
SPRING, ou nos formatos para visualizao de imagens. A Tabela 5.1 mostra os software de
uso mais comuns. Na tabela, o arquivo descritor contm informaes que permitem ler os
dados da imagem no formato do arquivo nativo.
Tabela 5.1 Principais software de processamento de imagens.
Software
IDRISI
ENVI
MULTISPEC
ERDAS
SPRING
ARCVIEW
PCI
ERDAS ERMAPPER
Formato Nativo
.RST
.IMG
.LAM, .IMG
.GRB
.BIL
.PIX
.ERS
Arquivo descritor
.RDC
HDR, TFW
.STA
Fabricante
Clark Labs
RSI Research Systems Inc.
Purdue Research Foudantion
Leica Geosystems
INPE - Instituto Nacional de Pesquisas Espaciais
ESRI Environmental Systems Research Institute
Geomatic
ERDAS Earth Resource Data Analysis System
80
tamanho dos arquivos BMP muito grande. Utiliza o esquema de 24 bits de cor para imagens
com 16 milhes de cores simultneas, 16 bits para imagens com 65.536 cores e 8 bits para
imagens com 256 cores.
TIFF (Tagged Image File Format). Foi desenvolvido como uma tentativa de se criar um
padro para imagens geradas por equipamentos digitais (ex. escaneador). um formato capaz
de armazenar imagens em preto e branco, em escalas de tons de cinza e em paletas de cores
com 24 ou 32 emphbits. Tem a vantagem de ser reconhecido por qualquer tipo de programa
de processamento de imagens. O formato TIFF baseado em entidades lgicas (campos
TIFF), cada uma consistindo de uma etiqueta (Tag), cada um com um significado especfico,
que descreve atributos e parmetros dos dados de uma imagem.
ASCII (American Standard Code for Information Interchange). Muitas vezes pode ser
solicitado ao usurio o salvamento de arquivos que no so imagens, mas de dados obtidos
durante o processamento, e que podem ser armazenados na forma de um arquivo texto. O
formato ASCII usado para essa funo. um tipo de formato binrio de codificao de
caracteres (letra, nmero ou smbolo) que so representados por oito bits. O sistema totaliza
128 caracteres. So exemplos de arquivos ASCII, grficos, coordenadas x,y ou x,y,z de
dados, cabealhos de imagens, anotaes, e outros.
81
6.1
82
IMAGEM DIGITAL
PR-PROCESSAMENTO
Correo de rudos
Correo atmosfrica
Correo geomtrica
TCNICAS DE REALCE
TCNICAS DE CLASSIFICAO
Transformaes Espectrais
Classificaes Temticas
Ampliaes de contraste
Operaes aritmticas
Componentes principais
Realce por descorrelao
Transformao de cores
Saturao de cores
Fuso de imagens
Supervisionada
- paraleleppedo
- mxima verossimilhana
- distncia mnima
- distncia de Mahalanobis
No supervisionada
- isodata
- K mdia
Segmentada
Espectral
Rede neural
Transformaes Espaciais
Filtros de convoluo
- passa alta
- passa baixa
- laplaciano
- direcional
- de bordas
- gradiente
Filtros adaptativos
Filtros de textura
Filtros de morfolgicos
Fig. 6.1 Apresentao das principais tcnicas de processamento de imagens segundo um modelo geral de diviso
dos tipos de processamento.
83
na qualidade visual das imagens. As tcnicas de classificao temtica tratam a imagem por
meio de complexos modelos estatsticos e probabilsticos, a fim de gerar um mapa temtico
com uma participao bastante reduzida do intrprete no processo do mapeamento.
No conjunto, essas tcnicas de processamento so um grande esforo para tornar mais
acessvel, numa forma interativa homem-mquina, a extrao de informaes que no mnimo
seriam difceis de serem obtidas com o uso de mtodos clssicos de interpretao. Desde o
incio do sensoriamento remoto orbital, muitos pesquisadores perceberam essa dificuldade,
devido maioria dos materiais ou alvos mostrar baixos contrastes espectrais de reflectncia,
emitncia e retroespalhamento da radiao eletromagntica. Somente com cuidadosos
processamentos computacionais pode-se extrair a informao no limite mais ideal de anlise.
Alm do mais, se considerarmos o volume de dados que integra uma cena correspondente a
um conjunto de multibandas, haver centenas de milhes de dados registrados, e no h como
imaginar uma anlise sem os recursos de processamento.
Este captulo inicia a discusso das tcnicas de processamento de imagens
apresentando, primeiramente, os mtodos de pr-processamento para a correo das imagens.
Cada captulo que segue abordar as tcnicas de processamento seguindo, aproximadamente,
o quadro mostrado na Figura 6.1.
6.2
Pr-processamento de Imagens Digitais
Muitos dos problemas identificados nas fotografias areas ocorrem de formas bastante
semelhantes com as imagens digitais de sensoriamento remoto. So vrias as fontes que
geram esses problemas, a maioria devido aos erros e defeitos que os sensores possam
apresentar ao longo de sua vida til, e por perdas de estabilidade da plataforma que aloja o
sensor. Mas h fontes de erros que independem da plataforma ou mau funcionamento do
sensor. A atmosfera uma dessas fontes externas de erros, que pode gerar com intensidades
diferentes, severas distores nos dados das imagens. No conjunto, os erros ou distores que
as imagens esto sujeitas, vo se apresentar nas deformaes de escala, incorrees nas
posies espaciais dos pixels, perda de contraste entre os alvos ou registros incorretos dos
valores digitais dos pixels.
Quando o intrprete, analista ou usurio utiliza a imagem para obter a informao que
procura, frequentemente necessrio corrigir a imagem, ou compens-la dos erros que
apresenta. Algumas dessas correes so realizadas antecipadamente distribuio das
imagens, enquanto outras cabem, exclusivamente, deciso do usurio.
As correes dessas distores fazem parte do conjunto de funes de processamento
que se denomina de pr-processamento. As tcnicas de pr-processamento so assim
denominadas, porque elas no visam transformaes das imagens, as quais tm, como
principal objetivo, melhorar a qualidade visual da cena. As correes dos diferentes tipos de
erros que a imagem pode apresentar so modeladas de acordo com o tipo da estrutura dos
erros, conhecendo-se qual a fonte de distoro. Constitui uma importante etapa de
processamento, porque nos processamentos subsequentes, tais como as transformaes de
realces espectrais, essas imperfeies seriam tambm realadas.
A ordem da correo da imagem depende dos objetivos do trabalho ou da pesquisa
que o intrprete props fazer, podendo iniciar pela correo radiomtrica, atmosfrica ou
geomtrica, ou todas serem realizadas. Por isso, os itens a seguir no devem ser vistos como
uma sugesto de ordem de pr-processamento.
84
6.2.1
Eliminao de Rudos
As imagens podem conter erros aleatrios de pixels ou erros coerentes de linhas de
pixels que, normalmente, se mostram como pixels ou linhas com valores saturados (claros),
ou sem sinal (escuros). reconhecido como um erro do valor digital do pixel. So
denominados de rudos e, tipicamente, esses rudos esprios e imprevisveis so decorrentes
de erros instrumentais. Nem sempre essas formas de rudos so percebidas pelo analista, e por
isso devem ser corrigidas, antecipadamente, nos laboratrios de produo de imagem, antes
de ser distribudas para o usurio. Quando isso no acontece cabe ao usurio processar a
eliminao do rudo usando as opes de algoritmos que os software de processamento de
imagem oferecem. Os rudos, normalmente, se apresentam em trs formas: como linhas
ruidosas, pixels ruidosos ou conjunto sistemtico de linhas ruidosas, que se denomina de
striping.
Linhas ruidosas consistem na m qualidade de pixels ao longo de uma linha ou
mesmo da perda total de informao ao longo de toda uma linha ou de algumas linhas, devido
a problemas diversos, como o de saturao do detector na medida do sinal, falha na aquisio
dos dados ou erro na transmisso ou registro de dados em Terra. um tipo de rudo aleatrio,
isso , no tem um padro definido. A linha ruidosa reconhecida na imagem pela aparncia
de uma linha escura, sinal perdido, ou clara, sinal saturado, como mostra a Figura 6.2. Filtros
de mediana poderiam ser usados para remover esse tipo de rudo, mas h o inconveniente de
eles alterarem muitos outros pixels da imagem.
O mtodo mais usado para corrigir ou recompor linhas de pixels ruidosos substituir
a linha ruim pelo valor mdio dos pixels correspondentes das linhas anterior e posterior. Se
aceita isso porque na natureza os alvos possuem uma alta correlao espacial, portanto com
alta probabilidade de repetio de suas propriedades espaciais e espectrais, por grandes
extenses de reas no sentido longitudinal e transversal das linhas.
Pixels ruidosos isolados podem ser substitudos pelas mdias dos vizinhos mais
prximos, desde que haja segurana que os pixels vizinhos sejam pixels bons. O
procedimento de correo segue a mesma suposio para corrigir as linhas ruidosas.
Em ambos os casos, deve-se calcular as mdias das linhas superior e inferior, ou as
mdias dos pixels vizinhos em torno do pixel ruidoso individual. O algoritmo deve ser capaz
de, antes de efetuar a correo, testar realmente se existe rudo presente na imagem. O
esquema abaixo demonstra esse procedimento para a correo de um pixel ruidoso. Para se
fazer o teste, verifica- se as diferena das mdias dos pixels vizinhos, comparando-as com o
valor do pixel ruidoso.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
85
ND1
ND2
ND3
ND4
ND
ND6
ND7
ND8
ND9
O striping consiste num tipo de rudo coerente, cujo efeito o aparecimento de faixas
horizontais regularmente espaadas nas imagens, dando a aparncia de uma persiana que
mostra abruptas diferenas de nveis de cinza, originadas por diferenas das respostas do
conjunto de detectores de uma banda. Por exemplo, as bandas do visvel e do infravermelho
refletido do sensor ETM do satlite Landsat 7 so constitudas, cada uma, de dezesseis
detectores rigorosamente iguais que varrem simultaneamente dezesseis linhas no terreno.
Caso um ou alguns desses dezesseis detectores, por algum motivo descalibra-se, as suas
respostas em termos de valores de radincia sero notavelmente diferentes para aquelas
linhas, em relao s outras linhas imageadas pelos outros detectores. A Figura 6.3 mostra o
efeito desse tipo de rudo. Para a correo de striping assumido que os detectores de uma
banda produzam sinais estatisticamente similares, ou seja, que no mudem significativamente
a sua mdia e desvio padro dentro de um espao equivalente s linhas imageadas pelo
conjunto de detectores. Um dos detectores escolhido como referncia e a mdia () e o
desvio-padro () so calculados. As mdias e os desvios-padres de cada um dos outros
detectores so linearmente ajustados aos valores do detector de referncia. Por ser uma
distoro severa, normalmente, o striping corrigido nos laboratrios de produo de
imagens. A transformao para o detector i, segundo Showengerdt (1997), tem a formulao
abaixo, que aplicada a todos os pixels daquele detector.
eq. 6.1
Fig. 6.3 Imagem com a presena de faixas de linhas ruidosas conhecidas como striping, causadas pela
descalibrao dos detectores de uma banda.
86
6.2.2
Correo Atmosfrica
Mais comprometedor do que os rudos aleatrios ou coerentes, so as degradaes que
alteram radiometricamente a imagem por completo. A fonte de erro dessa degradao ou
distoro radiomtrica a atmosfera, cuja intensidade de efeitos dependente do
comprimento de onda, da data de imageamento e da trajetria da radiao. A atmosfera afeta
a radincia medida em qualquer ponto da imagem, de duas maneiras aparentemente
contraditrias. Primeiro, ela atua como um refletor, adicionando uma radincia extra ao sinal
que detectado pelo sensor. Segundo, ela atua com um absorvedor, atenuando a intensidade
de energia que ilumina o alvo na superfcie. Quando a atenuao acima de um valor, a
transparncia da atmosfera torna-se opaca em determinados comprimentos de onda,
impossibilitando a obteno de imagens. Portanto, quando temos uma imagem, nela devemos
apenas verificar a degradao que pode ter sido causada pelo espalhamento atmosfrico,
avaliando quanto de radiao foi adicionada ao pixel e que sabemos no ser proveniente do
alvo. Na maioria das vezes, os efeitos do espalhamento atmosfrico so sempre o de
diminuir o contraste entre os alvos presentes na imagem. Nesse caso, o valor do sinal
detectado pelo sensor pode ser expresso como a equao 6.2.
onde,
eq. 6.2
87
b
a
c
d
Pixel do alvo
imageado
Pixel do
alvo vizinho
Fig. 6.4 Modos de espalhamento da radiao pela atmosfera, contribuindo com o aumento da reflectncia do
alvo que chega ao sensor.
Torna-se bvio que para uma interpretao confivel das imagens de satlite
necessrio remover os efeitos que a atmosfera introduz. Uma rigorosa soluo desse
problema no possvel sem conhecer com exatido os parmetros que caracterizam o estado
atmosfrico da rea, principalmente, quando o intrprete precisa identificar as naturezas de
composio dos constituintes dos materiais, por meio da anlise de suas reflectncias. Esses
parmetros atmosfricos precisam ser conhecidos no momento em que o sensor adquiriu a
imagem. O ideal seria dispor de frequentes medies locais com estaes meteorolgicas ou
com equipamentos de radiossondagem, para no mnimo, estimar se as condies atmosfricas
so muito claras, moderadas, hazy ou muito hazy. Como obter esses dados um problema
para a maioria das reas, foram desenvolvidas tcnicas de processamento opcionais de
correo atmosfrica, com resultados satisfatrios, estimadas a partir dos prprios dados das
imagens multibandas. Esses mtodos se aplicam s imagens multiespectrais com bandas de
ampla largura espectral, como as imagens do CBERS, Landsat ou SPOT.
6.2.2.1
Subtrao do escuro (Dark Subtraction)
Dentre as vrias tcnicas propostas, a correo atmosfrica pelo uso do limite inferior
dos valores digitais do histograma de cada banda, tem sido considerada a mais aceita.
assumido que cada banda da imagem deveria conter alguns pixels com valores prximos ou
iguais a zero, cujas origens mais comuns seriam as reas de sombras de relevo. Mas, devido
aos efeitos do espalhamento atmosfrico adicionado um valor de brilho a todos os pontos da
imagem, e as reas sombreadas deixam de exibir pixels com valores zero ou bem prximos
de zero. Consequentemente, se os histogramas de cada banda fossem analisados, os pixels
com valores digitais mais baixos no seriam zero, como mostra a Figura 6.5. Os histogramas
aparecem deslocados da origem, sendo a quantidade de deslocamento proporcional ao inverso
do comprimento de onda elevado quarta potncia, conforme prev o espalhamento Rayleigh
de uma atmosfera com espalhamento molecular.
Na Figura 6.5 visto que o espalhamento aditivo decresce dos menores para os
maiores comprimentos de onda. Identificado o valor adicionado aos histogramas de cada
banda individual, esse valor deve ser subtrado da banda, porque o espalhamento causa s
imagens uma aparncia desfocada ou de nvoa, devido perda de contraste da imagem. A
Introduo ao Processamento de Imagens de Sensoriameto Remoto
88
m)
28
m)
11
Fig. 6.5 Histogramas das bandas do sensor ETM com a indicao do valor digital que mede a quantidade de
espalhamento atmosfrico adicionada ao sinal (Adaptado de Richards e Jia, 2006).
6.2.3
Correo das Distores Geomtricas
A correo das distores geomtricas trata, prioritariamente, da remoo de erros
sistemticos presentes em todos os tipos de imagens de sensoriamento remoto. Isso
Introduo ao Processamento de Imagens de Sensoriameto Remoto
89
6.2.3.1
Correo geomtrica
Para avaliar porque as distores geomtricas ocorrem, necessrio, primeiramente,
imaginar que uma imagem formada de linhas sequenciais de pixels. Uma imagem registra N
linhas de M pixels, dispondo as linhas sucessivamente, uma abaixo da outra. Como
normalmente o IFOV (instantaneous field of view) que determina a rea de resoluo no
terreno (resoluo espacial) quadrado, por exemplo, 20 x 20 m, a formatao da imagem o
mesmo que arranjar os pixels em uma grade, tal como mostrado na Figura 6.6. Os pontos de
interseces da grade so as posies dos pixels e o espaamento entre os pontos da grade
igual ao IFOV do sensor.
Posio do
pixel
pixel
IFOV
M
Erro RMS
90
pixel
Movimento do
satlite
Rotao da Terra
Fig. 6.7 Deslocamento das linhas de imageamento devido ao movimento de rotao da Terra no sentido oeste
leste.
91
arfagem
velocidade
inclinao
inclinao
rolamento
arfagem
rolamento
direo de velocidade
Fig. 6.8 Efeitos das distores geomtricas causadas pelo movimento da plataforma.
92
pixel a nadir. Quando os pixels so arranjados para compor a grade de pixel da imagem
digital, como visto na Figura 6.6, eles so transcritos com o mesmo tamanho, enquanto a rea
equivalente do terreno no , mas isso no to relevante porque o incremento no tamanho
do pixel pequeno.
Relevante, de fato, o deslocamento que os pixels sofrem em funo dessa geometria
de imageamento. Na Figura 6.9 o arco centrado no sensor, que passa pelo ponto N posiciona
S a um ngulo de visada normal superfcie e mesma altura h que o ponto N. Nesse caso,
os pixels em N e em S medidos na visada inclinada, seriam do mesmo tamanho, sem qualquer
distoro. Mas como a imagem medida no terreno, o ponto S a projeo inclinada na
posio T. Se projetar S verticalmente ao terreno poder-se-, ento, medir a sua distncia a T.
Essa medida configura o deslocamento que os pixels progressivamente sofrem ao longo da
linha de imageamento. Conforme demonstrado por Richards e Jia (2006), para se medir o
deslocamento, basta calcular o valor do arco SN da Figura 6.9, S sendo a posio projetada na
qual o pixel T no terreno mostraria ter-se deslocado. SN/TN = /tan o grau de distoro
transversal linha. No caso do satlite Landsat, para (/tan)max = 0,99 os pixels nas
extremidades da linha, isso , a 92,5 km distantes a leste ou oeste da posio nadir, estaro
deslocados cerca de 314 metros da posio real no terreno. Essa uma distoro geomtrica
significante.
cos
hsec
cos = h
cos
1
p
cos = h
p
T
(p)
N
p
p = h sec2
Fig. 6.9 Distoro geomtrica da imagem devido visada cnica, causando deslocamento e aumento da rea do
pixel.
93
Fig. 6.10 Efeito de distoro da imagem por compresso da linha de varredura devido taxa angular de
varredura constante. (Adaptado de Richards e Jia (2006).
6.2.3.2
Georreferenciamento
Apesar do bom desempenho dos mtodos de correo geomtrica de sistema, as
imagens corrigidas ainda apresentam erros de posicionamento, porque os dados recebidos
para a correo de sistema tm uma margem de impreciso, e mesmo porque, so feitas
aproximaes na integrao dos dados de atitude do satlite. O processo de
georreferenciamento das imagens elimina o erro de posicionamento remanescente. Essa a
etapa final do processamento de correo das distores geomtricas da imagem, e deve ser
executada pelo usurio.
Georreferenciar uma imagem tornar suas coordenadas conhecidas num dado sistema
de referncia, processo que se inicia com a obteno de coordenadas em um sistema de
projeo (coordenadas de mapa E-W ou latitude e longitude) e as equivalentes coordenadas
espaciais de pontos da imagem a ser corrigida. O georreferenciamento tem desta forma a
finalidade de inserir nas imagens um sistema de projeo de coordenadas. Por isso, nada mais
do que um processo de transformao geomtrica da imagem, e no um processo de
correo geomtrica. Em processamento de imagens, o georreferenciamento executado
simultaneamente, em uma nica operao em todas as bandas. Por isso, as imagens devem
estar co-registradas. Registro o processo que envolve a superposio de uma mesma cena
que aparece em duas ou mais imagens (imagens de bandas diferentes ou imagens de datas
diferentes), tal que os pontos correspondentes nessas imagens coincidam espacialmente.
O problema consiste em associar dois sistemas de coordenadas (imagem-mapa),
atravs de uma transformao geomtrica. Portanto, o georreferenciamento no usa
informaes inerentes aquisio da imagem como se viu anteriormente. Quando o
georreferenciamento concludo, a imagem passa a possuir coordenadas definidas por um
sistema de projeo geogrfica. Todos os pixels podero, ento, serem lidos por coordenadas
geogrficas, tal como se localiza um objeto ou uma feio numa carta topogrfica. O
georreferenciamento uma operao sempre necessria para se fazer a integrao da imagem
a uma base de dados espaciais num sistema de informao geogrfica.
O modelo mais comum de georreferenciamento de imagens consiste em estabelecer
relaes matemticas entre as posies dos pixels na imagem e as correspondentes
coordenadas desses pixels no terreno, via mapas geometricamente corretos (cartas
topogrficas). A correo processada igualmente para todas as bandas, porque assumido
que as bandas de um sensor so perfeitamente co-registradas em coordenadas de linhas e
colunas. O processo de correo realizado em duas etapas: (i) a primeira etapa consiste em
Introduo ao Processamento de Imagens de Sensoriameto Remoto
94
eq. 6.3b
imagem
mapa
Fig. 6.11 Sistemas de coordenadas mapa-imagem para localizao dos pontos de controle para o
georreferenciamento da imagem.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
95
Para que esse sistema de equaes possa ser montado preciso conhecer os valores
dos coeficientes ai e bi. Esses coeficientes so estimados identificando-se as coordenadas de
feies no mapa de referncia que tambm podem ser identificadas nas imagens, ou viceversa. So os chamados pontos de controle no terreno (ground control points). As
coordenadas de imagem (linha, coluna) so obtidas quando o usurio clica sobre a feio na
imagem, e anota, via software, os valores correspondentes das coordenadas de referncia
sacadas de cartas topogrficas. Os pontos de controle devem ser feies discretas, tais como
cruzamento de estrada, confluncias de rios, intersees de linhas ou limites construdos pelo
homem. Uma vez determinados os n pontos de controle e selecionada a transformao
polinomial, um sistema de 2n equaes montado para resolver 6, 12, ou 20 parmetros,
dependendo do polinmio ser de 1o, 2o ou 3o grau. Segundo Andrade (2000), os coeficientes
ai e bi, em uma equao do primeiro grau, ou transformao afim no plano, modelam duas
translaes, duas rotaes e dois fatores de escala, totalizando seis parmetros.
A escolha da ordem da funo polinomial depende da intensidade da distoro da
imagem. Normalmente, transformaes de 1a e 2a ordem so usadas nas imagens de
sensoriamento remoto de pequena resoluo espacial, visto que as suas distores
geomtricas no so to relevantes para os trabalhos em escalas regionais que essas imagens
possibilitam. J as imagens de alta resoluo espacial requerem ordens polinomiais mais
altas.
exigido um nmero mnimo de pontos de controle, conforme seja a ordem
polinomial, mas na prtica aumentar o nmero de pontos de controle, aumenta a confiana no
resultado sem a necessidade de aumentar o grau do polinmio. Deve-se tambm ter em mente
que a distribuio dos pontos de controle muito importante, desde que as transformaes
polinomiais tendem a se comportar, adequadamente, apenas na regio onde se encontram os
pontos de controle. O ideal so os pontos recobrirem todos os cantos e a rea central da
imagem.
Os coeficientes computados a partir dos pontos de controle so armazenados como
uma matriz de transformao. O tamanho da matriz depende da ordem de transformao. A
finalidade da transformao resolver as equaes polinomiais para as quais existe o menor
erro possvel, quando so elas usadas para transformar as coordenadas de referncia dos
pontos de controle, em coordenadas geogrficas da imagem. O mtodo da regresso dos
mnimos quadrados usado para calcular a matriz de transformao, a partir dos pontos de
controle. Cada ponto de controle influencia os coeficientes, mesmo que no exista uma
coincidncia exata de cada ponto de controle com os coeficientes que representam o
polinmio.
6.2.3.3
Avaliao dos erros da transformao polinomial
Nem sempre possvel derivar coeficientes que produzem erros zero. Isto porque,
raramente, o usurio ao clicar com o mouse sobre a imagem para inserir um ponto de controle
consegue uma perfeita preciso da localizao do ponto, porque muitas das feies no so
visualmente ntidas. E porque, tambm, nem sempre se consegue uma boa distribuio de
pontos de controle que recubra toda a rea da imagem. Essas limitaes introduzem erros nos
coeficientes para a transformao polinomial, que levam a uma impreciso no
georreferenciamento. Essa impreciso pode ser representada, se imaginarmos sobrepor a
grade de pixel da imagem grade de pixel do mapa de referncia. O que ocorreria algo
parecido com a Figura 6.12.
96
T
Transformao
espacial
Fig. 6.12 Erro na sobreposio da grade da imagem grade do mapa devido impreciso dos pontos de
controle.
coordenadas de referncia
(mapa)
PC
Curva do polinmio
A frmula para se calcular o erro RMS dos pontos de controle mostrada abaixo.
eq.6.5
onde, xi e yi so coordenadas retransformadas
xr e yr so coordenadas de referncia
Para se calcular o erro RMS mede-se o erro na direo X e na direo Y, para cada
ponto de controle (PC), como mostra a Figura 6.14.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
97
PC fonte
Residual X
Erro RMS
Residual Y
PC sada
Fig. 6.14 Representao geomtrica da medida do erro RMS de um ponto de controle.
MAPA
X
MAPA
Y
1
205725
8252491,25
2
210650
8249958,75
3
218050
8249100,00
4
209500
8244975,00
5
207975
8246950,00
6
211750
8252959,00
7
207000
8255400,00
8
211750
8255200,00
9
215475
8249700,00
Erro RMS Total = 0,876
IMAGEM
X
IMAGEM
Y
PREDIO
X
PREDIO
Y
ERRO X
ERRO Y
4718,25
4880,43
5126,60
4841,29
4791,00
4918,50
4759,00
4919,17
5040,83
3090,75
3177,00
3207,00
3342,14
3277,00
3078,00
2995,83
3002,17
3184,33
4717,053
4880,726
5126,271
4841,44
4791,302
4918,317
4759,223
4919,076
5041,054
3091,732
3176,720
3206,383
3342,333
3276,412
3077,387
2995,159
3002,546
5041,054
1,196
0,296
-0,328
0,054
0,302
-0,182
0,923
-0,093
0,244
0,982
-0,279
-0,617
0,193
-0,587
-0,612
-0,670
0.376
1,215
RMS
1.548
0,407
0,699
0,201
0,661
0,639
1,141
0,387
1,296
Na maioria dos casos um perfeito ajuste para todos os pontos de controle requer uma
transformao de alta ordem, mas que se mostra muitas vezes, desnecessria. Ao invs de
aumentar a ordem, tem-se a opo de tolerar certa quantidade de erro. Portanto, quase
sempre, ao se georreferenciar uma imagem, existir uma pequena diferena entre as
coordenadas da imagem retransformada e as coordenadas de referncia, conhecido como erro
interno. O erro interno o erro residual, aquele que no se consegue eliminar totalmente,
quando se tenta sobrepor uma imagem a um mapa.
O erro RMS, para cada ponto, serve para avaliar cada ponto de controle que o usurio
escolheu. Esse calculado pela frmula da distncia.
eq. 6.6
onde,
98
E o erro RMS total o somatrio dos erros residuais de todos os pontos de controle.
eq. 6.7
3a ordem
1a ordem
2a ordem
Figura 6.15 Escolha da ordem polinomial para melhor ajuste. (Adaptado de Richards e Jia, 2006)
Uma transformao de primeira ordem uma transformao linear, que pode mudar a
localizao em x e/ou y, ou a escala da imagem em x e/ou y. Transformaes de 2a ordem ou
ordens maiores so transformaes no lineares, usadas para converter Lat/Long para uma
Introduo ao Processamento de Imagens de Sensoriameto Remoto
99
projeo plana ou em imagens cobrindo uma rea grande para compensar a curvatura da
Terra. Transformaes de 3a ordem devem ser usadas em imagens com severas distores,
como as fotos areas e imagens de alta resoluo espaciais tomadas off nadir. O processo de
corrigir distores no lineares tambm conhecido como rubber sheeting.
6.2.3.4
Reamostragem
Concludo essa primeira etapa do georreferenciamento, o prximo passo no processo
encontrar pontos na imagem, correspondentes para cada localizao na grade de pixel
previamente definida sobre o mapa. Isso feito automaticamente sem interferncia do
usurio. O espaamento da grade deve ser escolhido de acordo com o tamanho do pixel da
imagem. Na suposio de que os pontos locados na imagem correspondem exatamente aos
centros de pixels, ento esses pixels com seus valores de brilho so simplesmente transferidos
da imagem original para a apropriada localizao na grade, para construir a imagem
corrigida. o que mostra a Figura 6.16.
mapa
imagem
Fig. 6.16 Condio na qual os pixels alocados na imagem correspondem exatamente aos centros de pixel da
grade.
100
menos, os quatro pixels vizinhos da imagem retificada (colunas 427 e 428 e linhas 288 e
289). O problema da reamostragem se resume em determinar qual destes quatro pixels
vizinhos dever assumir o valor de brilho do pixel em destaque, na imagem original.
428
429
430
431
428
429
288
288
289
291
433
427
287
290
432
289
290
291
292
Fig. 6.17 Reamostragem do valor de brilho da imagem corrigida a partir do brilho da imagem original.
(Fonte: Brito e Coelho, 2002).
No processo de reamostragem dos pixels para determinar qual dos pixels vizinhos
assumir o valor de brilho, vrios mtodos de interpolao foram desenvolvidos: interpolao
vizinho mais prximo; interpolao bilinear; interpolao por convoluo cbica.
A interpolao com reamostragem vizinho mais prximo, tambm conhecida como
interpolao de ordem zero, apenas transfere para a imagem reamostrada o valor de brilho do
pixel da imagem original que estiver mais prximo. No exemplo da Figura 6.17, este pixel
ser o da coluna 427, linha 289. De acordo com Schowengerdt (1997) este mtodo introduz
descontinuidades geomtricas (erros) na imagem reamostrada da ordem de 0,5 pixel, que
irrelevante para a visualizao da imagem. Sua principal vantagem a rapidez de
processamento e de no requerer nenhum clculo para derivar o pixel de sada. Alm disso,
esta reamostragem no altera os valores radiomtricos da imagem original.
A interpolao com reamostragem bilinear (primeira ordem) toma por base os valores de
brilho dos quatro vizinhos mais prximos ao centro do novo pixel (imagem corrigida). Duas
interpolaes lineares so executadas ao longo das linhas para encontrar o valor a ser
interpolado. Utilizando uma janela de dimenso 2 x 2 calculada a mdia ponderada das
distncias dos centros dos quatro pixels ao centro do pixel de sada, para determinar a
intensidade do valor de brilho do pixel de sada. O efeito uma suavizao da superfcie,
acompanhada de uma alterao dos valores de brilho da imagem original, o que pode ser
problemtico para subsequentes anlises numricas. Sua vantagem em relao ao mtodo
vizinho mais prximo a melhor preciso geomtrica e o desaparecimento de
descontinuidades, segundo Novo (1989).
A interpolao por convoluo cbica utiliza os dezesseis pixels ao redor. Segundo
Andrade (1998) a interpolao realizada ajustando polinmios cbicos a cada coluna, para
depois interpolar um novo polinmio cbico a estes resultados. Incorre em menor erro de
interpolao. A reamostragem cbica produz um aumento de brilho nas reas com bordas
Introduo ao Processamento de Imagens de Sensoriameto Remoto
101
bruscas, o que pode ser interessante para fins de fotointerpretao da imagem. Os dados so
alterados mais drasticamente do que pelos outros mtodos, podendo no ser recomendado se
a imagem for usada para classificao, ou para anlises numricas que possam depender da
preciso dos valores radiomtricos originais. Dos trs mtodos o mais preciso para gerar
uma imagem geometricamente corrigida quando o trabalho envolver o uso de imagens de
diferentes resolues espaciais.
A Figura 6.18 mostra o resultado do georreferenciamento de uma imagem, usando um
polinmio de ordem 1 e reamostragem por vizinho mais prximo, com oito pontos de
controle. Podemos verificar se a correo da imagem foi ou no satisfatria, sobrepondo
sobre ela um plano de informao vetorial da rede de drenagem. Uma vez que a imagem est
georreferenciada, podemos inserir sobre ela uma grade de coordenadas, processo que feito
automaticamente aps finalizada a sesso de georreferenciamento.
(a)
(b)
Fig. 6.18 Em (a) imagem original e em (b) o resultado do georreferenciamento, mostrando que sobreposio da
rede de drenagem extrada da carta topogrfica mostra bom ajuste com a imagem georreferenciada.
102
7.1
Introduo
Na interpretao o intrprete se utiliza de regras de anlises baseadas nas propriedades
texturais e espectrais das imagens dos objetos, para determinar quais so as suas classes, tipos
ou naturezas, a partir de um processo dedutivo do conhecimento cientfico. O sucesso dessa
operao depende, fundamentalmente, de como os materiais - rocha, solo, vegetao, gua, e
alvos urbanos evidenciam os contrastes destas propriedades, nas diferentes bandas espectrais
de um sensor. Nem sempre os contrastes entre os objetos so totalmente percebidos pelo
intrprete, porque com frequncia, as variaes de cinza dos pixels das imagens so restritas a
um pequena diferena digital. Isso pode ser constatado quando uma imagem original, que no
tenha sido modificada por qualquer forma de processamento, exposta na tela do
computador. Visualmente, os valores dos nveis de cinza sero muito prximos entre si, e os
detalhes texturais e espectrais da imagem no so facilmente identificados, como mostram as
imagens da Figura 7.1.
Fig. 7.1 Da esquerda para a direita imagens do sensor ETM-Landsat7 das bandas 1(visvel), 4 (infravermelho
prximo) e 7 (infravermelho de ondas curtas) exibindo baixos contrastes tonal e textural do relevo.
103
104
7.2
Representao Histogrmica da Imagem Digital
Freqncia ou nmero
128
Fig. 7.2 Histograma da imagem de uma banda com os valores de brilho ou nveis de cinza no eixo X definidos
pela resoluo radiomtrica do sensor e no eixo Y o nmero de pixels por classe de brilho.
105
relatrios de estatstica dos dados das imagens. A forma do histograma informa como os
dados esto distribudos em torno da mdia ou da moda, ou se preferir, onde est a
concentrao dos dados. Em muitos casos de imagens de sensoriamento remoto, apenas o
conhecimento visual da forma do histograma de uma banda, j fornece uma boa informao
sobre o comportamento espectral da cena.
Os exemplos na Figura 7.3 mostram que esses trs parmetros classificam os
padres de histogramas das bandas nos tipos: unimodal, bimodal, simtrico e assimtrico, e
se abertos ou fechados. No caso a da Figura 7.3, o histograma tem uma forma simtrica com
mdia baixa de valores de nveis de cinza e com distribuio fechada, ou seja, baixa
varincia, a imagem tendo classes de alvos com baixa reflectncia e baixo contraste, com
aparncia visual escura. No caso b a mdia alta, isso , visualmente, a imagem clara, com
uma varincia moderada, portanto, com um moderado contraste espectral dos alvos. O caso c
de uma imagem com uma distribuio mais equilibrada de tons de cinza escuros e claros em
relao mdia centrada prxima a 128, e a maior abertura de histograma indica uma
varincia mais alta, isso , a imagem tem um contraste mais alto e, portanto, com maior nvel
de informao. No caso d, o histograma tem uma forma bimodal, sugerindo no mnimo a
presena de dois conjuntos de alvos com distintos valores de reflectncia. E no caso e, a
forma assimtrica do histograma indica que a parte mais esquerda da curva histogrmica
representa alvos de baixo contraste espectral e com maior concentrao de distribuio dos
dados, enquanto a parte mais direita tem um maior contraste espectral dos objetos e uma
maior distribuio.
(a)
(b)
106
(c)
(d)
(e)
Fig. 7.3 Histogramas de imagens exemplificando variaes de tendncia central da distribuio dos dados,
variabilidade e forma.
107
7.3
Expanso linear por saturao
Os sensores so instrumentos concebidos para registrar em qualquer faixa espectral
uma ampla variao de intensidade de radincia refletida, emitida ou retroespalhada.
Acontece que na natureza, frequentemente, a maioria dos conjuntos de alvos distribudos em
uma rea no apresenta altos contrastes de reflectncia. Na prtica, isso mostra que quando a
imagem original exposta no monitor de vdeo, o analista tem dificuldades para discriminar
visualmente as classes de nveis de cinza. Contribui tambm para isso, a baixa capacidade de
percepo visual do olho humano para discriminar tons de cinza. Como foi visto nos
exemplos da Figura 7.3, apenas uma pequena proporo do intervalo mximo de valores de
brilho de uma imagem (nvel de quantizao) ocupada. Sensores como a cmera CCD do
CBERS ou o sensor multiespectral ETM do Landsat possuem um nvel de quantizao de 256
valores digitais para representar os valores de brilho ou radincia, enquanto observa-se nos
histogramas das imagens de suas mltiplas bandas que o intervalo mdio das variaes de
nveis de brilho ocupa ao redor de 60 valores. A necessidade de se ter um intervalo digital
grande para que os alvos possam ser detectados sem levar saturao dos detectores. E
tendo-se um amplo intervalo de valores digitais, como de 0 a 255, ou ainda maior, h uma
boa margem de espao para expandir o histograma, aumentando-se o contraste espectral dos
alvos.
A maneira de aumentar esse contraste reescalonando a amplitude de cada pixel
atravs de uma regra bsica de expanso de histograma. A imagem modificada ou realada
assumida de ser restrita ao mesmo nmero de pixel s da imagem original, apenas expandindo
seus valores de brilho para o intervalo total de quantizao da imagem. Por isso, o que se
realiza uma saturao em preto e em branco, de um modo que o nvel de brilho de sada o
nvel que mais se aproxima do exato mapeamento de um nvel de brilho de entrada. Esse
efeito resulta numa escala de nveis de brilho de sada muito mais diferenciados. Fica claro
que ao se efetuar a expanso linear na imagem, a mesma intensidade de expanso aplicada
igualmente para os pixels que tenham o mesmo valor de brilho, o que significa ser impossvel
aplicar numa imagem diferentes transformaes histogrmicas para as reas com os mesmos
valores de brilho. Se acontecer do realce produzir valores de brilho fora do intervalo definido
pela funo de transformao, esses valores sero saturados ao nvel mximo ou ao nvel
mnimo permitido, e por isso dito ser realce ou expanso linear por saturao.
A funo de mapeamento linear por saturao, equao 7.1, uma funo de 1 grau
que faz destinar novos valores de brilho (y) para cada pixel da imagem original (fx). Na
funo matemtica de primeiro grau o coeficiente a determina a inclinao da reta e exerce,
efetivamente, o efeito de ampliao do histograma original, enquanto o coeficiente b define o
offset ou deslocamento do histograma origem. Para a>1 quando b=0 tem-se somente uma
ampliao de contraste na imagem de sada; quando b>0 acrescenta-se ampliao de
contraste um deslocamento dos nveis de cinza, a fim de centralizar o histograma prximo
mdia de 128. A Figura 7.4 mostra que o valor de brilho de sada (Vs) pela transformao
linear calculado por simples relaes trigonomtricas, a partir dos valores do intervalo de
brilho da imagem de entrada.
A equao linear dada pela frmula:
108
eq. 7.1
intervalo de brilho de
da imagem de sada
255
b
0
0
255
40
185
intervalo de brilho da
imagem de entrada
Fig.7.4 Representao trigonomtrica da expanso linear de contraste por saturao dos valores de brilho.
importante considerar que o realce linear deve ser aplicado nas imagens que exibem
histogramas com formas simtricas e unimodais. Para aplicar o realce linear o programa
adquire o histograma de cada banda e determina os valores inferiores e superiores dos nveis
de cinza ou brilho, que so fixados como valores de corte. Como o processo interativo, o
analista pode, ao seu critrio, redefinir os valores de corte, a fim de controlar o realce
desejado. A funo de transformao aplicada a cada banda, fazendo com que,
automaticamente, o valor de corte mnimo seja fixado ao valor de brilho zero e o valor de
corte mximo ao valor de brilho 255, e qualquer valor dentro do intervalo , linearmente,
reescalonado entre 0 e 255. Portanto, os pixels vizinhos aos valores min-max so mapeadas
para preto e branco, respectivamente, a tcnica consistindo desta forma num realce de
contraste com saturao. Esse um bom procedimento para manter a base de dados
normalizada escala total do intervalo dinmico de brilho. Usualmente, o analista ao
observar o histograma determina livremente qual o valor mnimo e mximo do dado
original, pois pode ele decidir que abaixo ou acima de certo valor digital, no h informao
que lhe interesse.
Como exemplo prtico a Figura 7.5 corresponde ao histograma de uma suposta banda,
com os valores mnimos e mximos dos pixels da imagem de entrada fixados,
respectivamente, em 5 e 25. O problema pode ser assim formulado:
valores brilho < 5 fixados a 0 (b=0)
Introduo ao Processamento de Imagens de Sensoriameto Remoto
109
Imagem de entrada
Nmero pixel
E
5
8
9
12
15
22
25
ND
0
38
64
89
127
216
255
38 64 89 127 216
Imagem de sada
255
5 8 10 12 15 22 25
Transformao linear
Nmero de pixels
0 5
25
255
Fig. 7.5 Exemplo numrico e grfico da ampliao dos valores de brilho de uma imagem pelo mtodo de
expanso linear.
110
A grande vantagem da funo linear, como se observa nas imagens da Figura 7.6, a
manuteno na imagem realada das relaes originais de reflectncia dos alvos. No h
alterao radiomtrica da imagem. Por isso, a opo por ampliao linear a mais preferida
das opes para se aumentar o contraste espectral das imagens da maioria dos sensores
multiespectrais pticos conhecidos. E, principalmente, quando na interpretao h interesse
em estabelecer relaes de anlises comparativas da imagem com a reflectncia dos alvos
medida em campo ou laboratrio. No somente geologia se deve dar preferncia a esse tipo
de contraste.
imagem original
imagem realada
Fig. 7.6 Exemplo de realce de contraste por expanso linear histogrmica de imagem ETM da banda 7 e
respectivos histogramas da imagem original e modificada.
7.4
Expanso linear por partes
Como acabamos de ver, a tcnica linear por saturao de contraste deve ser aplicada
quando a imagem exibe um histograma com forma unimodal. Acontece algumas vezes que
dependendo das caractersticas espectrais dos alvos presentes em uma rea, o histograma
pode se mostrar multimodal. Nesse caso, um procedimento similar de ampliao linear de
contraste deve ser adotado, porm, separadamente, para cada concentrao de nveis de brilho
em torno de cada componente modal. Isso compreende em fazer um realce de contraste linear
por partes. Considere os dois exemplos da Figura 7.7. No 1 caso, Figura 7.7a, tem-se um
Introduo ao Processamento de Imagens de Sensoriameto Remoto
111
histograma que exibe dois componentes modais, com a 1 moda indicando uma grande
concentrao de pixels com nveis de brilho escuros, e a 2 moda com menor nmero de
pixels com valores de brilho mais claros. A maneira mais correta de realar a imagem
representada por esse histograma seria dar maior expanso rea de maior moda, regio com
nveis de cinzas mais escuros, e uma expanso menor da rea com moda menor que a dos
nveis de cinzas mais claros. O procedimento para efetuar essa operao mostrado no
grfico situado abaixo do histograma da Figura 7.7a, que mostra que o intervalo digital
correspondente moda da regio escura, expande-se para um maior intervalo digital na
imagem de sada. O 2o caso, Figura 7.7b, a maior expanso seria para a regio de feies mais
claras, que tem a maior moda. o inverso ao do 1 caso, como mostra o procedimento
exposto no grfico abaixo do histograma.
0
a
b
255
Imagem de sada
Imagem de sada
255
0
0
255
255
moda da regio clara
Fig. 7.7 Ampliao linear por partes com dois pontos de quebras. Nos dois exemplos a maior expanso linear de
brilho efetuada na regio de moda maior.
Uma representao real dessa situao apresentada na Figura 7.8 de uma rea da
cordilheira andina, com boa exposio de rochas. As reas mais escuras so afloramentos de
macios rochosos e as reas intermontanas, com tons de cinza medianos, so
predominantemente coberturas inconsolidadas de sedimentos arenosos. No canto superior
esquerdo da imagem h um depsito de sal (salar). Duas modas se destacam no histograma da
imagem original e a ampliao linear por partes parece ser a opo correta. A opo neste
exemplo foi para um forte aumento de contraste das reas escuras, ampliando o intervalo
digital da primeira moda (ND 22 a 98) para 0 a 215, e pouca expanso sendo efetuada nos
alvos contidos da segunda moda, que tm desta forma, o contraste reduzido.
112
7.5
Expanso por Equalizao
Quando o histograma da imagem razoavelmente assimtrico, impossvel,
simultaneamente, usando uma simples funo linear, controlar o realce dos nveis de cinza
medianos com maior populao de pixels, e a quantidade de saturao nos extremos do
histograma com menores populaes. Para esse tipo de histograma ser necessrio usar uma
transformao no linear para executar uma redistribuio dos valores de brilho, tal que os
incrementos de ampliao do brilho da imagem sejam desigualmente distribudos entre 0 a
255. Realces no lineares distorcem a radiometria da imagem e, portanto, so teis apenas
para interpretao visual.
imagem original
Fig. 7.8 Ampliao linear por parte aplicada imagem com duas modas distintas, como forma de expandir
preferencialmente o agrupamento de pixels em torno da primeira moda.
113
eq. 7.2
114
outra. Nesse caso, para se ter um mosaico com aparncia de brilho mais homognea,
preciso realizar uma transformao nas imagens a fim de resolver as variaes de brilho do
mosaico. Essa tarefa se resume em equalizar os brilhos das imagens, por um processo igual
ao apresentado, com a diferena de que o usurio dever decidir pela escolha de uma imagem
de referncia, em relao qual as outras imagens sero equalizadas. Todos os software de
processamento executam essa operao de uma forma bastante automatizada, sem que o
usurio tenha a necessidade de analisar os histogramas.
A funo equalizao tem uma restrio. No deve ser aplicada em imagens que
tenham uma rea extensa e homognea de brilho constante, como um grande corpo dgua.
Isso porque a equalizao tem como princpio criar um histograma uniforme na altura das
barras, agrupando barras menores, e uma grande barra de uma nica classe de alvo, interfere
no histograma acumulativo, tendo como consequncia a perda de contraste, o oposto
pretendido.
11
10
9
8
7
6
5
4
3
2
1
N = 75
L = 16
70
60
50
40
30
20
10
0 1 2
3 4
(a)
8 9 10 11 12 13 14 15
11
10
9
8
7
6
5
4
3
2
1
0
1 2
3 4
5 6
7 8 9 10
11 12 13 14 15
(b)
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
(c)
Fig. 7.9 Do topo para baixo, histogramas de uma imagem original imaginria, dos valores acumulativos e da
imagem realada por expanso por equalizao.
Tabela 7.1 Dados do processo acumulativo de pixels para clculo da equalizao do histograma
(i)
Brilho
de entrada
(ii)
Pixels
por classe
0
1
2
3
4
1
1
2
4
5
(iii)
Nmero
pixel
acumulativo
1
2
4
8
13
(iv)
Novo valor
de escala
0,2
0,4
0,8
1.6
2,6
(v)
Aproximao
do valor de
brilho
0
0
1
2
3
(vi)
Nmero pixel
da imagem
realada
2
2
4
5
7
115
5
6
7
8
9
10
11
12
13
14
15
7
9
10
11
8
6
4
3
2
1
0
20
29
39
50
58
64
68
71
74
75
75
4,0
5,8
7,8
10.0
11,6
12,8
13,6
14,2
14,8
15,0
15,0
4
6
8
10
12
13
14
14
15
15
15
0
9
0
10
0
11
0
8
6
7
3
imagem original
imagem equalizada
Fig. 7.10 Exemplo de realce de contraste de imagem por equalizao e os histogramas equivalentes das imagens
original e modificada.
116
7.6
Expanso Gaussiana
A proposta de expanso de histograma baseada em suposies gaussianas
fundamenta-se nas formas dos histogramas que frequentemente so observadas nas imagens
das diferentes bandas espectrais de sensoriamento remoto. H uma tendncia dos histogramas
de muitas das bandas de um sensor apresentarem formas parecidas de uma distribuio
normal gaussiana ou log normal. Portanto, seria lgico imaginar que para algumas finalidades
se poderia ajustar o mais prximo possvel o histograma de uma imagem a uma forma prdefinida de um histograma com forma gaussinica. Tal qual o processo de equalizao, que
tambm fora o ajuste do histograma da imagem original a uma forma histogrmica prdefinida, o processo passa por um estgio de usar o histograma acumulativo da imagem
original para se obter novos valores de distribuio de pixel da imagem de sada. para isso,
exigidos dois parmetros para realizar um processamento estatstico de segunda ordem: a
mdia e a varincia. Segundo Schowengerdt (1977), ambos os parmetros fornecem ao
algoritmo meios convenientes para explicitamente controlar a mdia dos resultados, ao
mesmo tempo em que varia o contraste controlando o desvio padro. Aumentando o desvio
padro conseguido um aumento da distribuio dos dados com aumento de contraste. A
modificao gaussiana um processo de normalizao particularmente til para igualar as
imagens, em termos de mdia e desvio padro, o que ajuda a obter composies coloridas,
com bom equilbrio de cores.
A funo de densidade de probabilidade normal e sua forma analtica so mostradas
na Figura 7.11. Os dois parmetros que definem a distribuio so a mdia e o desvio
padro (equao 7.3). A rea total sob a curva unitria e a rea dentro + 2 - 2 centrado
na mdia de 0,95, e a rea de +1 e -1 de 0,68.
eq. 7.3
frequncia (probabilidade)
fx
-1
-2
1
2
117
imagem original
7.7
Funo raiz quadrada
Quando algumas imagens apresentam uma distribuio dos dados marcadamente
concentrada na poro de valores de brilho mais escuros do que nas pores mais claras,
gerando um histograma de forma fortemente assimtrica para a esquerda, desejvel forar
uma maior intensidade de contraste, preferencialmente desta poro mais escura da imagem,
e bem pouco da poro mais clara. A funo de transformao no linear adequada a esse
tipo de histograma a raiz quadrada, que tem a seguinte formulao matemtica:
eq. 7.4
118
onde, g(l,p) o valor original do pixel e G um fator de ajuste, a fim de manter os valores de
brilho resultantes dentro do intervalo vlido de quantizao da imagem. Isso pode ser
observado na Figura 7.13 pela inclinao da curva de transformao, que mais acentuada no
incio do histograma, resultando maior separao das barras nesta regio, com reduo do
nmero de barras na parte final, que pouco realada. Observe nas imagens correspondentes
aos histogramas, que as reas mais escuras na imagem original modificaram-se para valores
de cinzas mais claros, visualmente mais discernveis, aumentando a interpretabilidade da
imagem.
Imagem original
Imagem realada
Fig. 7.13 Realce de contraste de imagem por meio de expanso histogrmica funo raiz quadrada de imagens
com reas de baixos valores de brilho.
eq. 7.5
Nesse caso se propicia um realce maior nas reas de intensidade mdia e clara da
imagem. A inclinao da curva de transformao ser mais acentuada no final do que no
incio do histograma, como mostra a Figura 7.14.
119
(a)
(b)
Fig. 7.15 Representaes a) da funo logaritmo e b) da funo exponencial, com inclinaes acentuadas das
curvas.
120
8.1
Cor
Na interpretao de imagens de sensoriamento remoto, a extrao de informaes
visando identificao e discriminao dos objetos, depende, primordialmente, da forma de
apresentao visual da imagem na tela do monitor. Uma das formas mais comum e eficiente
por meio de imagens coloridas, pela simples razo de que a viso humana colorida.
O termo cor usado para referir-se a um aspecto da experincia visual de percepo.
Para descrev-la usamos vrios atributos, como a cor dominante, o brilho, ou se ela clara,
escura ou acinzentada. H tambm fatores fsicos que podem ser considerados e que afetam
esses atributos, como a iluminao da cena, a natureza da superfcie e at a atitude do
observador. Isso torna muito difcil obter medidas quantitativas precisas da magnitude de
percepo da cor. Matematicamente, para dimensionar uma cor seria preciso numerar os
vetores que so necessrios para caracterizar diretamente a percepo de cor. Essa
formulao matemtica tem que estar de acordo com as teorias que tentam explicar como o
olho humano enxerga as cores, as quais usam de conceitos pticos fsicos e psicofsicos, para
explicar a resposta interna aos estmulos externos de cores.
Experimentos realizados a partir de misturas de cores mostraram que a combinao
de trs independentes estmulos de diferentes composies espectrais necessria para
produzir a percepo visual de todas as cores. Isto facilmente conseguido por meio da
mistura espacial de trs focos de luzes bsicas, azul, verde e vermelha, com variaes
independentes de ajustes de suas intensidades. possvel representar graficamente,
numericamente, ou em notao vetorial, essa mistura aditiva das trs cores bsicas, como
mostrado na Figura 8.1. Nesta figura, o espao piramidal definido pelos vetores
divergentes. Uma seo transversal deste espao define um plano triangular, onde
quantidades proporcionais da energia de cada cor primria podem ser representadas ao longo
dos lados do tringulo. Um grfico desta espcie chamado de tringulo de cor. No tringulo
de cor a natureza de qualquer estmulo de cor, resultante da proporo de misturas das cores
primrias, pode ser representada com um ponto dentro do tringulo. Nessa forma geomtrica
qualquer cor pode ser expressa por coordenadas, chamadas de coordenadas de
tricromacidade. Em 1931 a Commission Internationale de l'Eclairage (CIE) adotou um
sistema de especificaes triestmulo como o padro internacional para colorimetria. Foram
estabelecidos os valores de comprimentos de onda 435,8 nm, 546,1 nm e 700 nm para
representarem espectralmente as trs cores bsicas, azul, verde e vermelha, respectivamente.
Foi com base nessa teoria triestmulo que se modelou a percepo visual de cores e
se criaram as formulaes computacionais, para usar a cor como forma de exposio de
imagens multiespectrais de sensoriamento remoto e, atravs de tcnicas de processamento,
realar a extrao da informao da imagem.
Como ser visto neste captulo, atravs dos algoritmos de processamento de cores,
usualmente utilizados em processamento de imagens, que o espao de coordenadas
configurado para representar computacionalmente as cores, pode ser obtido por vetores que
compem os trs eixos ortogonais de um cubo de cores tricromticas RGB, ou como outra
Introduo ao Processamento de Imagens de Sensoriameto Remoto
121
opo, usar o espao hexacone para representar a cor por atributos do brilho, matiz e
saturao da cor (IHS). Isso significa a aceitao de dois modelos para explicar o que a cor:
modelo RGB e modelo IHS. A representao desses dois modelos, respectivamente, nos
espaos do cubo e do hexacone, foi a forma encontrada para uma simplificao
computacional confivel e ajustada aos instrumentos de reproduo da cor, os monitores.
P3
P2
P2
P1
Pa
P1
(a)
(b)
P3
P
Fig. 8.1 a) As quantidades de energia de cada uma das trs luzes bsicas (P 1, P2, P3) so ilustradas como vetores
e qualquer combinao dessas quantidades define um plano triangular. b) A projeo do plano triangular
fornece o diagrama de vetores no qual as quantidades relativas das cores bsicas podem ser expressas com
posies de coordenadas. (Fonte: Bartleson, 1995).
122
8.2
Fatiamento de histograma
O procedimento mais simples para associar cor a uma imagem por meio do
fatiamento dos valores de brilho, processo que alguns pesquisadores consideram ser uma
forma de realce de contraste, muito embora, de fato no realizada uma operao matemtica
ou estatstica de transformao da imagem.
O fatiamento dos valores de brilho de uma imagem (density slice) consiste num
processo de dividir o intervalo digital mnimo-mximo de uma banda selecionada, em
subintervalos digitais especificados pelo analista. Os pixels que estiverem dentro de um
intervalo digital so convertidos para um nico valor e visualmente mapeados a uma cor
escolhida. Se o analista decidir dividir o histograma em dez fatias, a imagem de sada ter dez
variaes de cores, selecionadas de uma paleta de cores. As cores dessa banda so
denominadas de pseudocores, apenas para diferenciar esta imagem colorida de uma
composio colorida padro RGB. uma forma simples de dar cor a uma imagem de tons de
cinza. Porm, ao se agrupar pixels em um intervalo de brilho, o nmero total de valores
discretos de brilho reduzido, e alguns detalhes da imagem so perdidos.
O valor dessa tcnica transformar sutis variaes de nveis de cinza que no foram
visualmente percebidas pelo analista, e que poderiam estar representando pequenas
diferenas de um alvo aparentemente homogneo. O resultado bastante parecido com uma
classificao do tipo paraleleppedo, assunto este a ser visto bem mais adiante. A Figura 8.2
mostra a aplicao de fatiamento para um depsito salar nos Andes argentino, com
exposies de sais de brax e halita, em propores variadas. Dificilmente, dois intrpretes
chegariam a um mesmo resultado de mapeamento visual das variaes dos nveis de cinza
que esta imagem apresenta. Bons resultados tambm seriam obtidos para o mapeamento de
plumas de disperso de sedimentos em corpos dgua, propiciando mapeamentos mais
detalhados do que por um processo visual.
Fig. 8.2 Banda do infravermelho prximo de um salar andino e pseudocores obtidas pelo fatiamento dos nveis
de cinza da imagem.
8.3
Espao de cor RGB
O sistema de cor RGB o mais usado entre os modelos de cores, especialmente para
imagens de 8 bits. De acordo com a teoria de mistura de cores, a luz visvel, quando passa
Introduo ao Processamento de Imagens de Sensoriameto Remoto
123
atravs da pupila focada na retina pelas lentes oculares. Na retina h um grande nmero de
clulas fotoreceptoras, altamente especializadas, conhecidas como cones e bastonetes, e que
esto conectados por uma rede de fibras nervosas ao nervo ptico, ao longo das quais a
energia luminosa detectada pelo olho vai ao crebro, formando a imagem visual. H cerca de
5 milhes de cones e 120 milhes de bastonetes. Os bastonetes respondem luz de baixos
nveis de iluminao (Intensidade) adaptando-se subobscuridade. Os cones realizam a
distino de matiz (Hue) e a percepo de pureza (Saturao). A cor, ou mais
apropriadamente hue, imagina-se ser associada com a viso diurna dos cones, porque h trs
tipos de cones, cada um sendo responsvel pela criao de cada uma das trs cores primrias,
azul, verde e vermelho. Por isso, chamada de teoria triestmulo da viso humana da cor. O
mais interessante dessa teoria triestmulo, alm de sua simplicidade, porque ela d a idia
de que as cores podem ser formadas pela soma de vermelho, azul e verde em vrias
combinaes de intensidades. Dessa forma, se imaginarmos que cada cor possui uma
intensidade bem definida, ao se tomar uma frao da intensidade da cor e som-la outra,
cria-se uma nova cor (C), que pode ser expressa por meio da conhecida equao de adio de
cores.
C = x1B + x2G + x3R
eq. 8.1
124
Imagem
conversor
Banda 1
Canal R
D/A
Banda 5
Canal G
D/A
Banda 6
D/A
Canal B
Fig. 8.3 Converso de uma imagem digital para analgica no processo de formao de uma composio colorida
padro RGB.
Fig. 8.4 Combinao aditiva das cores RGB, gerando as cores secundrias ciano, magenta e amarelo.
125
valores dos pixels das trs bandas combinadas. Suponha uma imagem com os seguintes
valores: na banda 1 o pixel tem um valor digital 255 e foi, opcionalmente, endereado ao
canal de vdeo R do monitor; na imagem da banda 2 o pixel tem tambm valor 255 e foi
endereado ao canal G; e na banda 3 pixel tem valor 0 e foi endereado ao canal B. Os
valores digitais 255 acendero na tela do computador altos valores de brilho de cor vermelha
e verde para as bandas 1 e 2, respectivamente, enquanto o valor digital mnimo 0 no
acender nenhuma intensidade de azul no monitor. A soma das intensidades de brilho das
cores, R intenso + G intenso + B nulo, resulta em um pixel na tela de cor amarela (Y). A
Tabela 8.1 contm alguns exemplos de cores resultantes das combinaes dos valores digitais
com as cores bsicas RGB.
Tabela 8.1- Notaes de cores RGB correspondentes aos valores digitais de trs bandas.
192, 80, 77
84, 141, 212
0, 255, 0
255, 0, 255
102, 204, 255
215, 246, 20
255, 0, 102
128, 128, 128
11, 131, 62
126
red
(255,0,0)
amarelo
magenta
branco
preto
green
(0,255,0)
blue
(0,0,255)
Fig. 8.5 Representao do espao de cubo de cores RGB para construo de imagens coloridas.
n Pr =
com 6 bandas
n!
(n r) !
nPr=
6!
= 120 combinaes possveis
( 6 3) !
Para resolver o problema, o intrprete deve fazer a seleo de trs bandas que
possuam o mximo da informao desejada. Com imagens de um sensor ptico, um prtico
recurso para isso plotar em um grfico os padres de reflectncias dos alvos que se deseja
discriminar na imagem, e nele indicar as posies das bandas. As melhores bandas so
aquelas situadas nas regies de maior diferena de reflectncia entre os alvos, como
exemplifica a Figura 8.6, com as bandas do sensor ETM. Nesse exemplo, a melhor
composio colorida seria com as bandas 4, 5, e 7. Pelo fato de os comprimentos de onda
destas bandas no serem do visvel, a composio colorida por elas formada chamada de
falsa cor. Para se ter uma composio colorida que se aproxime da viso humana, deve ser
usado um tripleto de bandas com comprimentos de onda situados exclusivamente no visvel.
No exemplo mostrado na Figura 8.6, essa composio seria com as bandas 1, 2 e 3.
127
Vegetao
Rocha hidrotermalizada
Rocha oxidada
Rocha carbontica
Fig. 8.6 Espectros de reflectncia de quatro materiais e as posies das bandas do sensor ETM como meio
prtico para selecionar trs bandas que melhor possam identificar esses materiais.
Uma vez selecionado o tripleto de bandas h um aspecto interessante que deve ser
considerado na escolha de atribuir as cores s bandas. Experimentos mostram que o nmero
de bastonetes sensveis ao azul muito menor do que para as cores vermelha e verde, e por
isso, a sensitividade da viso humana s cores azuis mais baixa do que s cores verde e
vermelha, como mostra a Figura 8.7. Em funo disso, aconselhvel que ao se montar uma
composio colorida deve-se associar a cor verde ou a cor vermelha banda de maior
varincia, portanto, de maior contraste, destinando a cor azul banda de menor varincia.
Pode-se constatar isso nas composies coloridas exibidas na Figura 8.8. So imagens obtidas
pela combinao das bandas 3, 4 e 5 do sensor ETM do satlite Landsat 7. Dessas trs
bandas, a banda 5 a que apresenta a maior varincia. Observe, quando a ela destinada a
cor verde ou vermelha, a composio aparenta maior impacto visual do que quando se
associa a ela a cor azul, muito embora todas as trs composies contenham o mesmo nvel
de informao.
100%
sensitividade
80
60
40
20
0
400
500
600
700 nm
comprimento de onda
Fig. 8.7 Diferenas de sensitividade do olho humano s cores azul, verde e vermelha
128
RGB 543
RGB 453
RGB 345
Fig. 8.8 Impacto das cores na composio colorida obtida com a associao das cores verde ou vermelha de
maior percepo do olho humano, banda de maior varincia (banda 5).
8.4
Espao de cor IHS
No espao de cores RGB os eixos do cubo representam a quantizao da radincia
referente aos comprimentos de onda de um tripleto de bandas, resultando em imagens
coloridas, que satisfazem a maioria das necessidades do intrprete. Contudo, ao se descrever
a cor de um objeto, frequentemente nos referimos, por exemplo, se aquela cor vermelha
brilhante, clara ou escura, ou mesmo se uma cor pura. Essa uma forma de se descrever a
cor por meio da percepo fisiolgica humana, atravs de trs atributos: intensidade, hue e
saturao, que so grandezas quantitativamente especificveis e independentes, sob o ponto
de vista de percepo visual. Diz-se, ento, que Intensidade (I), Hue (H) e Saturao(S) so
atributos da cor, fortemente, percebidos pela viso. Dependendo dos valores dos dados das
bandas, esses atributos possuiro valores bem diferentes de imagem para imagem.
O problema das imagens coloridas RGB que os ajustes das cores que so feitos nos
monitores, atravs de manipulaes de ganho e brilho aplicados a cada cor bsica alteram,
simultaneamente, os valores de intensidade, matiz e saturao, prejudicando, assim, o
processo de anlise visual dos objetos presentes na imagem (Dutra e Meneses, 1986, 1987).
No espao IHS possvel manipular cada componente separadamente, obtendo dessa forma,
maior controle sobre o realce de cor, atravs de deslocamento e operaes lineares e no
lineares sobre os componentes I, H e S.
O sistema IHS no uma teoria de cor, mas outra forma de igualmente modelar uma
representao espacial desses trs atributos, para a mesma cor obtida pelo espao de cubo de
cor. Ou seja, uma transformao numrica do espao de cor RGB para o espao IHS.
Define-se intensidade (I) como a quantidade de brilho de uma cena, o que uma medida do
albedo refletido das partes iluminadas e sombreadas de todos os alvos presentes na imagem.
o equivalente a ver uma cena colorida, com uma viso em preto e branco. Assim, a
intensidade independente dos atributos saturao e hue, que so apropriadamente, os
atributos da cor. Saturao (S) o grau de diluio de uma cor pura por luz branca, e por isso
tambm chamada de pureza da cor. E hue (H) ou matiz define a cor espectral dominante.
Na transformao IHS a imagem hue derivada de trs bandas livre de sombra, porque os
valores dos pixels na imagem hue so independentes de iluminao e esto apenas
relacionados s assinaturas de reflectncia das trs bandas.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
129
Para se usar IHS como uma opo de processamento de cor deve-se seguir os passos
indicados na Figura 8.9. Com trs bandas selecionadas executa-se a transformao do espao
cbico RGB para o espao IHS, obtendo-se separadamente os componentes de intensidade
(I), hue (H) e saturao (S). Nesse processo no h um deslocamento numrico da cor, uma
caracterstica que no geralmente verdadeira, quando os componentes R, G, e B no cubo de
cor so contrastados por um realce tipo linear. Mudanas de contrastes em H ou S devem ser
feitas por transformaes apropriadas, como forma de se ter maior controle sobre os realces
das cores da imagem. Com a aplicao da transformao IHS inversa volta-se ao espao de
cores RGB, para que se possa observar a imagem nos monitores coloridos. Alm disso,
possvel aplicar filtros passa-altas nessas composies de maneira a ressaltar os detalhes
espaciais.
bandas
Transformao
IHS
Filtragem
passa-alta
Transformao inversa
Retorno ao espao de cor RGB
Fig. 8.9 Etapas do processo de transformao do espao de cores RGB para o espao IHS.
130
Componente I
Imagem IHS
Componente H
Componente S
Imagem RGB
Fig. 8.10 Histogramas e as correspondentes imagens componentes IHS das bandas ETM 3,4,5 e abaixo a
imagem colorida IHS ao lado da imagem colorida RGB.
131
amarelo
a
1,0 branco
ciano
S
Blue (240o)
p
p
Red (0 )
ciano
magenta
Blue
Red
magenta
0,0 preto
Fig. 8.11 Modelo de representao dos atributos IHS da cor por meio da geometria do hexacone. (Adaptado de
Schowengert, 2007).
132
Aps essa primeira transformao, os valores de matiz (H), saturao (S) e intensidade (I =
V) so obtidos por:
eq. 8.2
eq. 8.3
eq. 8.4
onde, 0 S, V 1 e 0 H 2
A transformao inversa para o espao RGB, para que a imagem possa ser visualizada
nos monitores coloridos que so de padro RGB, dada por:
eq. 8.5
eq. 8.6
eq. 8.7
Outras variaes de transformaes existem, tais como, HLS (hue, ligtness, saturao)
ou HSV (hue, satutao, value). No modelo HLS o espao de cor definido por um hexacone
duplo (Figura 8.12). Nesse modelo, diferentemente do que ocorre no HSV, os valores de L e
S nos quais se obtm o mais forte nvel de luminosidade e saturao so em L=0,5 e S=1,
enquanto que no HSV, para se ter o mesmo efeito, teramos V=1 e S=1 (Foley et al., 1990).
Fig. 8.12 Modelo de cor HSL por meio da geometria do hexacone duplo. (Adaptado de Foley et al., 1991).
133
8.5
Fuso de Imagens
A alternativa para descrever as cores de uma imagem decompondo-as nos
componentes de Intensidade (I), Hue (matiz) e Saturao (S), estende-se alm do seu uso para
a obteno de composies coloridas. Na realidade, a transformao IHS foi concebida como
uma poderosa tcnica para ser usada como um meio de combinar imagens de diferentes
sensores, com diferentes resolues espaciais. Essa tcnica ficou conhecida como fuso de
imagens e seu principal objetivo aumentar a resoluo espacial das imagens multiespectrais
de baixa resoluo espacial, utilizando-se de uma imagem de alta resoluo espacial, tal
como a banda pancromtica que atualmente diversos sensores possuem, ou ento usando uma
imagem de radar.
A representao no espao de cores IHS apresenta algumas propriedades, entre as
quais se destaca o ordenamento das resolues espaciais dos componentes I, H e S, na forma
como o olho humano capaz de perceb-las. A componente I percebida por mxima
resoluo, seguida de H e S, devido ao fato de que a retina do olho humano compe-se de
maior nmero de bastonetes (responsveis pela percepo de luminosidade ou brilho I) do
que de cones (responsveis pela percepo do matiz H). Para exemplificar isso imagine uma
foto area tomada com um filme preto e branco do visvel de uma rea do terreno, portanto,
colorida. As cores mais vivas da paisagem corresponderiam na foto preto e branco aos tons
de cinza claros e as cores escuras corresponderiam aos tons de cinza escuros. A foto area em
preto e branco seria, portanto, uma representao da intensidade I. Para compensar a falta dos
outros dois atributos da cor, elas tm com principal caracterstica a alta resoluo espacial, de
1 m ou mais, que possibilita a identificao dos objetos pela anlise de suas formas e no
pelas propriedades de matiz e saturao. Elas possuem assim, uma baixa resoluo espectral,
mas uma alta resoluo espacial. Ento, o ideal seria ter um sensor que pudesse registrar com
a mxima eficincia os trs componentes das cores com alta resoluo espacial. Mas o que
vemos uma maioria de sistemas sensores orbitais com um mdulo multiespectral com baixa
resoluo espacial, adicionado com uma banda de ampla largura espectral, tal como das fotos
areas e com uma alta resoluo espacial. Essa banda tem sido denominada de banda
pancromtica. Utilizando a tcnica IHS podemos processar conjuntamente as imagens
multiespectrais e a banda pancromtica, combinando as suas resolues e obtendo como
resultado uma imagem com alta resoluo espectral e espacial.
O processo de fuso de imagens feito em dois passos. O primeiro passo segue o
mesmo processo para a construo de uma composio colorida no espao IHS. O analista
deve selecionar trs bandas do mdulo multiespectral que contenham as melhores
informaes espectrais de seu interesse, e realizar a transformao para o espao IHS. Os
componentes H e S que guardam a informao espectral das cores so preservados e o
componente I descartado e substitudo pela imagem pancromtica de alta resoluo
espacial. O segundo passo consiste em reamostrar os componentes H e S para a resoluo
espacial da banda pancromtica, sintetizando uma imagem colorida com resoluo espacial
Introduo ao Processamento de Imagens de Sensoriameto Remoto
134
eq. 8.8
135
Componentes porque ele usa a funo de resposta do sensor para estimar como a banda
pancromtica deve aparecer.
CN Spectral (normalizao espectral de cores)
A tcnica de fuso CN Spectral (color normalization) uma extenso do algoritmo
Brovey, mas sem restrio ao nmero de bandas e resoluo radiomtrica da imagem
sinttica de sada. Entretanto, h uma nica restrio para a execuo dessa fuso: o intervalo
espectral das bandas de entrada deve ser o mesmo da banda de alta resoluo espacial. O
processo de fuso comea com o agrupamento das bandas de entrada em segmentos
espectrais cujos intervalos espectrais so definidos pelo valor central do comprimento de
onda de cada banda, o que obtido do arquivo cabealho (txt.) da imagem. Em seguida
realizada uma operao aritmtica semelhante da fuso Brovey. Cada banda de entrada
multiplicada pela banda de alta resoluo espacial e normalizada pela diviso da soma de
bandas multiespectrias, na forma da equao 8.9.
eq. 8.9
Podemos considerar que o mtodo de fuso mais eficiente aquele que preserva as
cores da imagem original e que consegue transferir a informao espacial de alta frequncia
da imagem de alta resoluo espacial.
Exemplos desses mtodos so apresentados na Figura 8.13. As imagens so do sensor
ETM do Landsat 7, com seis bandas no mdulo multiespectral (0,45 m 2,35 m) de
resoluo espacial de 30 metros e uma banda pancromtica (0,55 m - 0,95 m) com
resoluo espacial de 15 metros.
Mdulo pancromtico
Resoluo espacial 15 m
Mdulo multiespectral
Resoluo espacial 30 m
136
CN
IHS
PC
GS
Fig. 8.13 Resultados da fuso da imagem multiespectral ETM de resoluo de 30m com a imagem pancromtica
de resoluo de 15m, pelos mtodos no modelo algbrico (CN) e no domnio espectral (IHS), Principal
Componente (PC) e Gram-Schmidt (GS).
137
ARITMTICA DE BANDAS
+
-
/
Fig. 9.1 Operaes aritmticas so executadas pixel a pixel entre duas bandas.
138
9.2
Soma
Com um par de imagens ou n imagens, a operao soma definida como uma soma
normalizada de diferentes bandas espectrais ou de vrias imagens semelhantes tiradas em
datas distintas. Pode tambm ser aplicada para somar uma banda de um sensor com imagens
processadas de outro sensor. A expresso genrica para a soma :
eq. 9.1
De onde se pode perceber que a nova imagem (gsoma) uma mdia aritmtica dos
pixels de todas as bandas somadas (gi). Como so somados pixels bons com pixels ruidosos, a
soma tende a minimizar os rudos que podem estar presentes nas imagens originais. Deve-se
dividir a soma pelo nmero de bandas somadas, porque sempre o resultado ultrapassa a faixa
de valores digitais da imagem. Por exemplo, a soma entre os pixels de duas imagens de 8 bits
(faixa 0 a 255) poder ficar entre 0 a 510, o que obviamente excede a capacidade de memria
da imagem. Se simplesmente dividir o resultado por dois, a nova imagem reescalonada para
o intervalo 0 255.
A soma utilizada para realar similaridades entre imagens de diferentes bandas ou
datas, resultando no realce de alvos com respostas espectrais diferentes daquelas presentes
nas imagens originais. Segundo Florenzano et al. (2002) a adio de imagens pode tambm
ser aplicada para a obteno de uma banda pancromtica a partir, por exemplo, da adio das
imagens de bandas da regio do visvel (ex. bandas 1+2+3 ETM). Outra aplicao sugerida
por Crsta (1993) somar uma imagem original sua verso submetida a um filtro de
convoluo de realce direcional, o que permite combinar a informao tonal da imagem
original com a informao textural da imagem filtrada, obtendo-se um resultado de melhor
qualidade visual para fins de interpretao. Um exemplo numrico da soma mostrado na
Figura 9.2.
O exemplo mostrado na Figura 9.3 a soma das trs bandas do visvel do sensor
ETM, simulando o exemplo proposto por Florenzano et al. (2002) para se criar uma imagem
pancromtica. Nos software que permitem este processamento, a expresso computacional
do tipo:
eq. 9.2
onde, float usado para evitar erros de byte overflow durante os clculos.
139
120 120 80 50 50
120 120 80 50 50
120 160 160 160 50
160 160 160 160 50
g1
90
90
90
90
g2
g3
Fig. 9.2 Soma de duas bandas com similaridades, resultando numa imagem realada que a mdia aritmtica.
Banda 1 (450-552nm)
Banda 2 (552-600nm)
B1 + B2 + B3
Banda 3 (630-690nm)
Fig. 9.3 Operao aritmtica de soma de trs bandas do visvel para simular a criao de uma imagem
pancromtica.
140
9.3
Multiplicao
A multiplicao talvez a menos usada das operaes. Em sensoriamento remoto
pode-se ver alguma utilidade prtica da multiplicao, quando se multiplica uma banda por
outra. Uma das principais dificuldades com a multiplicao a faixa extrema de valores que
pode ser gerada. Uma imagem com 8 bits produzir valores de 0 a mais de 65000. Isso um
produto de 16 bits, condizentes com imagens de altssima resoluo, muito usadas na rea
industrial para controle de qualidade de produtos. Para as imagens de sensoriamento remoto,
o produto da multiplicao automaticamente reescalonado para o intervalo 0 a 255, o que
acarreta uma perda significativa de dados. A expresso abaixo normalmente usada na
multiplicao de duas bandas, e tem a finalidade de realar os dados que so semelhantes em
ambas.
eq. 9.3
Fig. 9.4 Imagens Landsat 5 TM da regio da serra do Tepequm (Roraima). Em a) composio 542/RGB e em
b) composio da multiplicao 4x5(R) 4x2(G) 4x7(B). (Copiado de Florenzano et al. 2002).
141
9.4
Subtrao
A subtrao de bandas uma operao de grande recurso prtico para detectar
mudanas temporais dos alvos presentes em uma rea, aplicao conhecida como change
detection. Tem amplo uso na deteco de impactos ambientais e na avaliao de
desmatamentos florestais. So necessrias duas imagens de datas diferentes da mesma banda,
o que mais fcil de realizar com imagens do mesmo sensor, do que com sensores diferentes.
Deve-se tambm dar preferncia para imagens tomadas com iguais ngulos de iluminao
(inclinao e azimutal solar), pois se sabe que as reas contendo alvos com forte controle de
organizao estrutural mostram reflectncia dependente da geometria de iluminao.
Nesse tipo de aplicao com frequncia ocorre das imagens tomadas em datas
diferentes apresentarem histogramas com mdias e desvio padro no coincidentes,
caracterizando uma mudana de radincia global da cena. ento preciso, antes de efetuar a
subtrao, equalizar a radincia das duas imagens para evitar a deteco de mudanas no
reais.
A subtrao entre os pixels das imagens pode resultar numa diferena mxima
negativa de 255 e numa diferena mxima positiva de +255, contando que sempre haver
nas imagens alguns pixels com valores digitais mnimos zero e mximos 255. Para
compensar os valores negativos de pixels, porque no existe radincia de energia negativa, ao
resultado da subtrao so adicionados 255 e assim o intervalo digital deslocado para 0 a
511. A seguir divide-se este intervalo por dois para ter a imagem reescalonada entre 0 255.
O esquema abaixo exemplifica a operao de subtrao de imagens.
eq. 9.4
Sem mudana
128
Direo e grau de mudana
aumenta mudana
aumenta mudana
255
142
imagem diferena
Fig. 9.5 Deteco de mudanas por meio de subtrao de imagens tomadas em diferentes datas. Na imagem
diferena os tons de cinza mais escuros indicam as reas que sofreram maiores mudanas.
9.5
Diviso de Bandas
No processo de extrao de informaes de imagens de sensores multiespectrais, em
muitas situaes h o interesse especfico de se discriminar na cena sutis variaes de
reflectncia de alvos especficos, como um tipo de litologia, solo, ou tipos de vegetao.
Nesse caso, deve-se buscar por meios que possam destacar exclusivamente as propriedades
daquele tipo de alvo, em detrimentos a todos os outros presentes na cena, sem interesse. A
diviso ou razo de bandas a operao aritmtica usada para esse fim e, por isso, se tornou
em uma das mais teis e abrangentes tcnicas de transformao de imagem. Ela se baseia em
parmetros dos aspectos fsicos do sensor e no comportamento da reflectncia dos alvos,
como veremos logo adiante. Matematicamente, a diviso de bandas na sua forma mais
simples do tipo,
eq. 9.5
Como mostra a equao 9.5, a diviso de imagens consiste na diviso do pixel de uma
banda pelo pixel de posio correspondente de outra banda, tal como representado na Figura
9.6. Como os valores da diviso resultam em nmeros pequenos e fracionrios, para fins de
exposio da imagem no monitor de vdeo eles devem ser multiplicados por um valor escalar
(a) para recoloc-los ou expandi-los para o intervalo 0 a 255 de uma imagem de 8 bits. Uma
constante (b) somada aos valores reescalonados para apenas obter um deslocamento (off
set) do histograma para uma posio mais central entre 0 a 255, a fim de possibilitar um
equilbrio no realce da imagem. Nesse tipo de algoritmo os valores de a e b so auto
calculados.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
143
banda NIR
banda VIS
40
50
A diviso trabalha no realce das assinaturas espectrais dos alvos e, para isso,
necessrio que o intrprete selecione corretamente as bandas do sensor. A seleo das bandas
decidida com base no conhecimento que o intrprete tem acerca do padro de reflectncia
do alvo de interesse. Da decorre ser uma tcnica controlada pelo intrprete, com resultados
que se tm mostrado importantes para o mapeamento litolgico, de solos ou de vegetao.
Por princpio, para se realar uma determinada litologia ou um tipo de solo especfico
por diviso de bandas, as reas destes alvos precisam expor na imagem padres homogneos
e bem definidos de reflectncia. Porm, em reas de relevos no planos, os sombreamentos
alteram os valores de reflectncia dos alvos, e o pressuposto de um padro de reflectncia
diagnstico daquele alvo perdido. Nesse caso, a recuperao da reflectncia do alvo
sombreado, implica na supresso da sombra. H dessa forma, um compromisso mtuo entre a
possibilidade de se realar alvos especficos e a supresso de sombras em imagens
multiespectrais. A situao demonstrada na Figura 9.7, para uma hipottica forma de
relevo. Nesta figura vemos pela geometria de iluminao do relevo, que o ngulo T formado
pela direo do raio solar incidente com a normal superfcie, diferente entre a face frontal
da encosta que fortemente iluminada, e a face oposta da encosta que sombreada. Isto tem
uma implicao matemtica. Como o valor do coseno do ngulo T parte da equao que
mede os valores quantitativos da reflectncia de uma superfcie (eq. 9.6 a 9.8), mesmo que as
duas encostas fossem constitudas da mesma litologia, a reflectncia da face oposta seria
diferente da face frontal devido ao sombreamento, e no poderia ser interpretada como uma
variao da reflectncia do alvo.
Normal superfcie
Normal
superfcie
1 2
2
Raio solar de
iluminao
Fig. 9.7 Influncia da variao do ngulo solar de iluminao () na reflectncia da superfcie do terreno em
virtude das inclinaes das vertentes frontal e oposta.
144
eq. 9.6
onde,
EO = irradincia solar
RO = funo da resposta espectral do sensor
TO = transmitncia da atmosfera na trajetria descendente
TzO = transmitncia da atmosfera na direo znite refletida da superfcie
UO = reflectncia da superfcie
U = reflectncia da atmosfera, indicando a dependncia da elevao solar
E = irradincia solar
G = fator instrumental
T = transmitncia atmosfera
= reflectncia da superfcie
= ngulos de iluminao solar do terreno
N = radincia aditiva da atmosfera
eq. 9.8
Dos parmetros envolvidos na diviso, o nico termo que possui o mesmo valor nas
duas bandas o ngulo T de iluminao solar. A diviso anula o termo T e desta forma a
reflectncia das duas faces deixa de ter a influncia das variaes de iluminaes. O efeito na
imagem a eliminao (na realidade uma reduo) das variaes de relevo, deixando a
superfcie topogrfica plana, sem sombreamento. Sem o efeito de sombreamento a
reflectncia da superfcie do alvo torna-se uniforme e configura representar sua assinatura
espectral. Segundo Drury (1987), o efeito do sombreamento no completamente eliminado
por duas razes. Primeiro, os terrenos naturais no so uma superfcie Lambertiana, ou seja,
as reflectncias das superfcies variam em funo do ngulo entre as superfcies e a
iluminao incidente e tambm em funo das formas das estruturas, tal como o dossel de
uma vegetao. Segundo, os efeitos atmosfricos modificam os valores de razes de
diferentes encostas, de uma maneira imprevisvel. Devido a isso, aconselhvel corrigir a
atmosfera, transformando a imagem digital para imagem de reflectncia antes de se realizar a
diviso.
Suprimido o sombreamento quando a diviso de bandas executada,
automaticamente, o realce do alvo desejado se apresenta, razo pela qual a diviso de bandas
uma tcnica de realce de imagens de grande poder. Um exemplo prtico da aplicao da
diviso de bandas para realar alvos de interesse do interprete ilustrado pela Figura 9.8.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
145
Imagine quatro diferentes tipos de alvos que tenham padres de reflectncia como no
esquema desta figura. Esses alvos, quando vistos na banda 1 ou na banda 2 no mostram
diferenas significativas de reflectncia entre si, exceo do alvo D. Sendo assim, os alvos
A, B e C dificilmente podem ser discriminados entre si, seja na banda 1 ou na banda 2, como
mostram na Tabela 9.1 os valores digitais dos pixels equivalentes aos valores de reflectncia
dos alvos A, B C e D, valores estes muito prximos entre si. Mas, com base na equao 9.5,
quando a banda 2 dividida pela banda 1, os valores digitais da imagem de sada se
transformam numa significativa diferena digital, e os quatro alvos passam a ser facilmente
discriminados.
banda 1
banda 2
Reflectncia medida na
imagem
A
B
C
Comprimento de onda
Fig. 9.8 Gradiente de diferena de reflectncia dos alvos como condio imposta para a diviso da banda 2 pela
banda 1.
Tabela 9.1 Valores digitais dos pixels referentes aos alvos da Figura 9.8
bandas
1
alvos
A
B
C
D
8
6
5
13
2
43
40
38
24
2/1
5,4
6,6
7,6
1,8
a=15
b=7
88
106
121
34
Para se chegar aos valores finais da Tabela 9.1 h uma condio estabelecida, e que
a regra bsica para se obter o realce de alvos pela operao de diviso de bandas. Essa regra
tem como princpio que o alvo deve ter uma boa diferena de reflectncia entre as duas
bandas, que na Figura 9.8 avaliada pela reta que mede o declive entre os valores de
reflectncia da banda 2 com a banda 1. Observe que os quatros alvos obedecem a esta regra.
E quanto maior for a diferena, maior o resultado da razo e maior realce o alvo apresentar
na imagem de sada. Ou seja, a razo diretamente proporcional razo de reflectncias das
duas bandas. Na prtica, para encontrarmos as bandas que satisfaam essa condio, o
intrprete deve primeiro identificar qual banda do sensor situa-se na regio da feio
espectral de maior absoro, e a seguir a banda situada no comprimento de onda em que o
alvo apresente a mais alta reflectncia. Assim, encontrar as duas bandas com a maior
declividade entre os valores de reflectncia. Embora a diviso seja definida em termos de
reflectncias dos alvos, ela largamente aplicada em imagens com valores de nmeros
digitais no calibrados.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
146
bastante vantajoso o uso das imagens razo, para se obter composies coloridas a
partir da combinao de trs distintas imagens razo monocromticas. Essas composies
tm a vantagem de combinar informaes destacadas de vrias bandas, facilitando a
interpretao das sutis variaes espectrais dos alvos, alm de ser uma forma de reduzir a
dimenso de dados para anlise. Trs razes envolvem seis bandas.
9.5.1
ndice de Vegetao
O mais conhecido e didtico exemplo que claramente ilustra os princpios da diviso
de bandas que foram apresentados, a criao de ndices, sendo o ndice mais conhecido a
diviso de bandas visando o realce das variaes de densidade da cobertura vegetal, ao qual
se denomina de ndice de vegetao. Na Figura 9.9 est plotada a curva de reflectncia da
vegetao para demonstrar na prtica como um ndice deve ser criado. Os dois outros
espectros de reflectncia so de dois alvos sem cobertura vegetal, gua e rocha quartztica,
colocados na figura para demonstrar as diferenas da diviso, comparativamente com a da
vegetao. Na vegetao, a principal banda de absoro est centrada em 650 nm, regio
visvel da luz vermelha, e que nas imagens do sensor ETM do Landsat equivale banda 3,
situada em 630 nm a 690 nm. E a regio de maior reflectncia no infravermelho prximo,
onde se situa a banda 4, nos comprimentos de onda de 760 nm a 900 nm. Fazendo a diviso
da banda 4 pela banda 3 os pixels situados nas reas com vegetao resultaro em valores
bem maiores do que 1. Entretanto, os pixels da gua e da rocha quartztica resultaro em
valores prximos a 1, porque para ambos no h praticamente nenhuma diferena de
declividade de suas reflectncias entre as duas bandas. Essa outra regra das imagens razo,
que sempre mostra que alvos com diferentes radincias absolutas, mas com similares
declividades de curvas espectrais de reflectncia, aparecero com valores de pixels
aproximadamente iguais e baixos. Aplicando-se o escalonamento, os pixels da vegetao se
transformam para altos valores digitais, aparecendo nas imagens em tons muito claros, e os
outros dois alvos se transformam em valores digitais comparativamente bem mais baixos do
que os da vegetao, e surgem na imagem como alvos escuros, indicando serem reas sem
vegetao. Com isso foi criado um ndice para destacar as reas de vegetao das reas sem
cobertura de vegetao.
60
Bandas
Reflectncia %
40
quartzito puro
20
vegetao
gua
0,5
1,0
1,5
2,0
2,5m
Fig. 9.9 A reflectncia dos alvos mostra alto gradiente de reflectncia entre as bandas 4 e 3 para a vegetao e
gradientes quase nulos para a gua e o quartzito puro.
147
eq. 9.9
eq. 9.10
148
gua
solo
exposto
vegeta
o
Tabela 9.2 Valores de razo dos ndices RVI e NDVI de dados amostrados de uma matriz 3x3 em imagem
ETM-Landsat transformada para reflectncia.
Banda 4
95
106
84
76
74
77
85
114
80
Banda 3
8
9
8
8
6
8
10
11
11
11,8
10,5
12,3
4 /3
11,7
9,5
7,0
8,5
10,4
10,0
0,84
0,78
0,85
4-3/4+3
0,84
0,81
0,75
0,79
0,82
0,82
56
62
58
28
30
29
2,07
2,06
2,0
0,34
0,35
0,33
61
63
60
28
31
28
2,18
2,03
2,14
0,37
0,34
0,36
57
69
57
28
29
28
2,03
2,38
2,03
0,34
0,41
0,34
4
4
3
3
2
2
3
3
3
6
5
3
6
5
3
2
4
4
0,6
0,8
1,0
0,5
0,4
0,66
0,6
0,75
1,0
-0,2
-0,11
-0,16
-0,33
-0,42
-0,2
-0,25
-0.14
-014
solo exposto
vegetao
gua
Fig. 9.10 Imagem e espectros de reflectncia das bandas do sensor ETM para os alvos amostrados na Tabela 9.2.
149
Imagem SPOT
NDVI
RVI
Fig. 9.11 ndice de vegetao obtido pela diviso das bandas do infravermelho prximo com a banda do
vermelho da imagem SPOT.
Apesar de grande aceitao do NDVI, Huete e Jackson (1987) constataram que esse
ndice no confirma ser um bom indicador de biomassa de vegetao se o terreno tiver uma
pobre cobertura de vegetao, como em reas semi-ridas, ou ridas. Propuseram um novo
ndice, Soil_Adjusted Vegetation Index (SAVI) que tem um melhor desempenho para as reas
com baixa cobertura vegetal, ou seja, com a presena natural de exposies de solos, e que se
mostra sensvel variao dos tipos de solos. Sua formulao a seguinte:
eq. 9.11
9.5.2
ndice de gua
Seguindo os mesmos preceitos estipulados para o ndice de vegetao, tambm
possvel, com base na curva de reflectncia da gua, criar um ndice de diferena normalizada
da gua (NDWI). Esse ndice requer o uso de uma banda situada na regio do comprimento
de onda prxima da cor verde ( 490 580 nm) e de uma banda situada no comprimento de
onda do infravermelho prximo ( 760 1000 nm), conforme a equao 9.12.
150
eq. 9.12
400 nm
550 nmn
700nm
1000 nm
Fig. 9.12 Variao da reflectncia da gua devido s diferenas de concentraes de partculas slidas em
suspenso (Fonte: Novo, 2008).
(a)
(b)
151
9.5.3
ndices Minerais
Nas aplicaes geolgicas o uso da tcnica diviso de bandas tambm pode se
constituir numa excelente opo para a prospeco de alvos geolgicos com interesses de
pesquisa mineral. Devido ao fato de os minerais e as rochas serem os materiais que
apresentam a maior diversidade de bandas de absoro por causa de sua enorme variedade
composicional, teoricamente, seria possvel criar ndices para vrios tipos de rochas ou de
minerais, tal como o ndice de vegetao. Entretanto, para isso o sensor precisaria satisfazer
pelo menos dois requisitos. Primeiro, possuir bandas espectrais posicionadas em torno das
principais feies de absoro que caracterizam a composio dos materiais geolgicos, o
que implicaria em um sensor com muitas bandas espectrais. Infelizmente os atuais sensores
multiespectrais em operao, alm de terem poucas bandas que no esto situadas nos
comprimentos de onda favorveis geologia, restringem, atualmente, o uso de razo de
bandas para fins geolgicos. Segundo, como as feies de absoro de rochas ou minerais
normalmente tem uma largura muito estreita, as bandas desse sensor precisariam ter larguras
espectrais em torno de 10 a 30 nm, o que bem mais estreito que a largura das bandas dos
atuais sensores. O sensor multiespectral ETM do Landsat serve para ilustrar este problema. A
banda sete, no infravermelho de ondas curtas (2,08 2,35 m), foi includa para ser uma
banda geolgica para a identificao de reas com alterao hidrotermal, porque esses
minerais tipicamente apresentam as suas feies de absoro na regio espectral do
infravermelho de ondas curtas. Porm, os resultados no se mostraram muito eficientes para
esse propsito porque a largura da banda 7 muito ampla, com 270 nm, e tambm porque
nesse intervalo espectral que os argilos minerais de intemperismo possuem bandas de
absoro de 10 a 30 nm de largura, e isso torna difcil o uso dessa banda para identificar com
segurana se h ou no em uma rea a presena de alterao hidrotermal.
Atualmente, as seis bandas que o sensor ASTER possui em torno da regio espectral
da banda 7 do Landsat a melhor opo geolgica. Razes de bandas para identificao de
halos de alterao hidrotermal podem ser feitas com a banda 4 deste sensor (1,7 1,8 nm),
tipicamente onde os materiais geolgicos no alterados exibem altas reflectncias, e com uma
das cinco bandas existentes para a identificao de minerais de alterao hidrotermal: bandas
5 (2,145 2,185 m), 6 (2,185 2,225 m), 7 (2,235 2,285 m), 8 (2,295 2,3659 m) e 9
(2,360 2,430 m). Na Figura 9.13 so apresentados os espectros de reflectncia de alguns
minerais de hidrotermalismo.
Fig. 9.13 Exemplos de espectros de minerais de alterao hidrotermal que tm intensas bandas de absoro
posicionadas na regio espectral do infravermelho.
152
Bandas ou razes
Ferro
2/1
5/3+1/2
4/5
4/2
Rowan; CSIRO
Rowan
Bierwith
Volesky
5/4
CSIRO
4/3
Carbonatos/Minerais Mficos
Carbonato/ clorita/
(7+9)/8
epidoto
Epidoto/ clorita/
(6+9)/(7+8)
anfiblio
Anfiblio/ MgOH
(6+9)/8
Anfiblio
6/8
Dolomita
(6+8)/7
Carbonato
13/14
Referncias
CSIRO
Rowan
CSIRO
Hewson
Bierwith
Rowan; USGS
Bierwith,
Nimoyima, CSIRO
Silicatos
Sericita/ muscovita/
illita/ esmectita
Alunita/ caolinita/
pirofilita
Fengita
Muscovita
Caolinita
Argila
Alterao
Rocha hospedeira
Rochas ricas em
quartzo
Silica
Minerais de baixo grau
(garnierita,
clinopiroxnio, epidoto
e clorita)
SiO2
SiO2
Rochas silicticas
Slica
Slica
Slica
Vegetao
NDVI
(5+7)/6
Rowan (USGS);
Hewson (CSIRO)
(4+6)/5
Rowan (USGS)
5/6
7/6
7/5
(5x7)/62
4/5
5/6
Slica
Hewson
Hewson
Hewson
Bierwith
Volesky
Volesky
14/12
Rowan
(11x11)/(10x12)
Bierwith
12/13
Bierwith, CSIRO
13/12
12/13
(11x11)/(10x12)
11/10
11/12
13/10
Outras
3/2
(3-2)/(3+2)
Palomera
Nimoyima
Nimoyima
CSIRO
CSIRO
CSIRO
153
10
Banda azul
Banda vermelha
Banda infravermelho
Fig.10.1 A similaridade entre as trs bandas indica a quantidade de correlao espectral dos dados.
154
10.2
Transformao por Principais Componentes
A natureza do formato das imagens multiespectrais possibilita representar os valores
de brilho dos pixels por suas posies dentro de um espao vetorial, com quantos eixos ou
Introduo ao Processamento de Imagens de Sensoriameto Remoto
155
dimenses forem as bandas espectrais. Isso foi visto na representao de cor das composies
coloridas, por meio do espao cbico das trs cores RGB, e que consistia, simplesmente,
plotar os valores de brilho dos pixels de cada uma das trs bandas, em um sistema ortogonal
de coordenadas, no espao tridimensional. O mesmo pode ser realizado para o espao ndimensional, com qualquer nmero de bandas que um sensor possua. No contexto da
transformao por principais componentes, o objetivo da representao do espao vetorial ndimensional determinar o nvel de correlao que pode haver entre n bandas e calcular o
grau de informao ou varincia que os dados apresentam, a fim de determinar os
coeficientes que transformam as imagens em novos componentes. Para facilitar o
entendimento matemtico e geomtrico, a discusso que segue se limitar ao espao de duas
dimenses, pelo fato de que dimenses maiores s podem ser algebricamente representadas.
Considere um espao de duas variveis x e y com um grande nmero de pixels
plotados neste espao, como na Figura 10.2a. Cada pixel pode ser descrito por seu vetor x,
enquanto, o vetor mdia m define a mdia das posies dos pixels neste espao. Se os valores
dos pixels so bastante correlacionveis, medidas simultneas de x e y traam uma linha reta
definida pelo eixo AB na Figura 10.2b. Se x e y no so perfeitamente correlacionveis, os
pixels so delimitados pelo espao de uma elipse, com seus dois eixos com dimenses,
significativamente, diferentes (Figura 10.2c). Haver uma direo predominante (AB) de
variabilidade que tem um eixo maior em relao a um segundo pequeno eixo traado
ortogonalmente (CD), que mostra ter baixa variabilidade. Se este eixo CD contm uma
pequena proporo do total da variabilidade dos dados, ele pode ser ignorado sem acarretar
muita perda da informao. Isso significa uma diminuio na dimenso dos dados de dois
para um. Dessa maneira, ao se representar a distribuio dos pixels na forma de uma elipse,
percebe-se que os eixos AB e CD revelam, mais apropriadamente, a estrutura interna que est
presente nos dados das imagens, do que os eixos x e y separados. Para confirmar essa
afirmativa, observe na Figura 10.2a, que as varincias das variveis x e y, que so medidas
pelo espalhamento dos pontos na direo paralela aos eixos x e y, so aproximadamente
iguais.
xn
B
C
x2
+
m
D
x1
x
a
A
b
A
c
Fig. 10.2 Espao bidimensional da representao dos dados mostrando: a) o vetor xi dos pixels e o vetor mdia
m; b) a alta correlao dos dados com a variabilidade em um nico eixo AB; c) a correlao positiva com os
eixos AB e CD medindo a variabilidade dos dados.
Segundo Mather (1987), o exemplo da Figura 10.2 mostra que h uma distino
importante a ser vista entre o nmero de variveis (bandas) e a dimensionalidade do conjunto
de dados. Na Figura 10.2b, o nmero de variveis dois, mas a dimensionalidade um. Na
Figura 10.2c, a dimensionalidade dos dados efetivamente um, embora o nmero de
variveis observadas seja de fato dois. O uso de um nico eixo AB substitui os eixos
separados x e y, com a vantagem de reduzir a dimensionalidade dos dados e, adicionalmente,
Introduo ao Processamento de Imagens de Sensoriameto Remoto
156
a informao transmitida pelo eixo AB maior do que a informao transmitida pelos dois
eixos separados. Normalmente, imagens multiespectrais tm uma dimensionalidade que
menor do que o nmero de bandas espectrais. A transformao por principais componentes
atua neste sentido, de reduzir o conjunto de dados, preservando a informao existente e, com
isso, minimizar o esforo de anlise de um grande nmero de variveis, no caso de
sensoriamento remoto, de um grande nmero de bandas.
A forma da elipse, como meio para descrever o espalhamento dos pixels no espao ndimensional, definida pela matriz de covarincia calculada para as n bandas espectrais. Por
definio, matriz de covarincia uma matriz simtrica, que mede como duas ou n variveis
variam conjuntamente, e seus valores so sempre positivos. A covarincia por vezes
chamada de medida de dependncia linear entre duas ou n variveis aleatrias. Calculando-se
o vetor mdia e a matriz de covarincia, determinam-se a localizao e a forma do
espalhamento dos pontos no espao n-dimensional e se conhece os valores numricos da
correlao existente entre o conjunto de bandas analisadas.
A matriz de covarincia um dos mais importantes recursos matemticos usados no
processamento de imagens multiespectrais e os valores da matriz enfatizam propriedades do
conjunto das bandas analisadas. Mas, h uma controvrsia em se usar a matriz de covarincia
ao invs da matriz de coeficientes de correlao para transformaes de bandas. Se a matriz
de covarincia for usada para definir a forma da elipse que encerra os pontos numa direo
particular, as medidas de cada varivel devem ser comparveis. E isso no o que de fato
acontece quando se compara os valores digitais entre bandas diferentes. Um nmero digital
de valor 52 numa dada banda representa um valor de radincia que no , fisicamente, o
mesmo valor de radincia para o nmero 52 em outra banda. Simplesmente, porque os
detectores de cada banda possuem valores especficos de ganhos e offset para efeitos de
calibrao. Sendo assim, so variveis no totalmente comparveis. Pode-se verificar isso na
Figura 10.3, que um extrato de pixels de duas bandas em diferentes comprimentos de onda,
da mesma rea. Na imagem esquerda o pixel situado na coluna 1, linha 2, tem ND=52. Esse
mesmo valor digital encontrado na imagem direita na posio coluna 1, linha 4. Observe a
diferena dos tons de cinza nas duas imagens para o mesmo valor digital 52. Nessa situao
que a matriz de coeficientes de correlao melhor para medir o grau de correlao entre
bandas espectrais. Os coeficientes de correlao so, simplesmente, a covarincia medida
para variveis padronizadas (Mather, 1987), e so encontrados na matriz, nos elementos fora
da diagonal.
banda 1
banda 2
Fig. 10.3 Imagens de duas diferentes bandas contendo pixels de igual valor digital, mas que exibem valores de
brilho diferentes. O pixel com contorno tracejado tem valor 52 nas duas bandas.
Como vem sendo destacado, a experincia nos mostra que qualquer sensor
multiespectral possui algumas bandas com alta correlao, de modo que os eixos de suas
Introduo ao Processamento de Imagens de Sensoriameto Remoto
157
ND2
PC2
PC1
ND1
Fig. 10.4 Rotao espectral dos eixos originais com alta correlao, para novos eixos PC descorrelacionados.
158
Banda 1
1,0
0,918
0,935
-0,430
0,876
0,881
Banda 2
Banda 3
Banda 4
Banda 5
Banda 7
1,0
0,953
-0,558
0,861
0,851
1,0
-0,418
0,893
0,906
1,0
0,457
0,332
1,0
0,965
1,0
Banda 1
20,408
15,747
32,681
17,661
78,381
37,743
Banda 2
Banda 3
Banda 4
Banda 5
Banda 7
14,411
27,963
19,231
64,667
30,633
59,751
29,357
136,773
66,452
82,474
82,191
28,639
392,147
181,325
90,045
159
Tabela 10.3 Matriz de autovalores (eigenvalues) calculados pela transformao dos coeficientes de
correlao.
Componentes
PC1
PC2
PC3
PC4
PC5
PC6
PC1
PC2
PC3
PC4
PC5
PC6
572,816
0
0
0
0
0
65,961
0
0
0
0
14,670
0
0
0
3,174
0
0
1,916
0
0,699
PC1
86,891
PC2
10,005
PC3
2,225
PC4
0,481
PC5
0,291
PC6
1,107
% varincia
acumulada
86,891
96,896
99,121
99,602
99,893
100
Observe que os trs primeiros componentes somam 99,121%, o que se pode dizer
que praticamente a varincia total do conjunto das seis bandas originais. O restante da
varincia, que menor que 1%, seria muito pouco significativo em termos de contedo de
informao. Normalmente, considera-se que a partir do quarto componente as imagens
contm apenas rudos e podem ser desprezadas. Em outras palavras, separa-se a varincia no
aleatria (contedo de informao), da varincia aleatria (rudo), enquanto,
simultaneamente, qualquer redundncia entre as bandas eliminada. Como resultado prtico
os trs primeiros componentes, que contm 99,121% da varincia total original, podem ser
combinados em uma nica composio colorida RGB. Por essa razo, a transformao por
principais componentes uma forma de reduzir a dimenso dos dados originais, diminuindo a
obrigao de se analisar um grande nmero de variveis. Mas, antes que esse processo possa
ser concludo, uma segunda operao processada. Associados cada autovalor existe um
conjunto de coordenadas que define as direes dos eixos dos principais componentes. So
chamados de autovetores (eigenvectors). A Tabela 10.5 apresenta os autovetores computados.
Tabela 10.5 Matriz de autovetores derivados da matriz de coeficientes de correlao.
Componentes
PC1
PC2
PC3
PC4
PC5
PC6
Banda 1
0,171
-0,012
0,377
0,135
0,892
0,121
Banda 2
0,143
0,061
0,359
0,072
-0,064
-0,915
Banda 3
0,299
-0,045
0,736
0,167
-0,445
0,376
Banda 4
0,190
0,967
-0,023
-0,150
-0,001
0,073
Banda 5
0,823
-0,116
-0,429
0,351
-0,028
-0,018
Banda 7
0,384
-0,213
0,056
-0,896
0,035
-0,005
160
161
PC1
PC2
PC3
PC4
PC5
PC6
Fig. 10.5 Imagens principais componentes das seis bandas TM com os trs primeiros componentes acumulando
99,126% da varincia total das imagens originais.
162
1 2
Fig. 10.6: Espectro da muscovita sobreposto ao intervalo das bandas 1, 2, 3, 4, 5 e 7 do sensor ETM+.
B1
PC1 0,199966
PC2 -0,191043
PC3 -0,875854
PC4 -0,395470
B4
0,250449
0,887538
-0,264005
0,282583
B5
0,780750
0,050195
0,387476
-0,487619
B7
0,536394
-0,416244
-0,114209
0,725244
163
541/RGB
PC4
Fig. 10.7 Na imagem esquerda composio colorida da rea do granito Pedra Branca e na imagem direita
exemplo da aplicao da tcnica Crsta (Feature Oriented Principal Component) com as bandas 1, 4, 5, 7 ETM,
destacando a rea de graissen no granito Serra Branca (GO).
10.3
Descorrelao de bandas
Outra tcnica que tambm zera a correlao entre as bandas de um sensor, com
princpios semelhantes tcnica principais componentes, muito usada para a obteno de
composies coloridas a partir da seleo de um conjunto de apenas trs bandas. Essa tcnica,
denominada de descorrelao de bandas, objetiva aumentar o contraste das cores, tendo em
vista que as composies coloridas obtidas com as bandas originais modificadas por tcnicas
de ajustes histogrmicos, somente exibem um alto contraste de cores se possurem baixas
correlaes espectrais. Quando so altamente correlacionadas, produz-se uma imagem na
qual algumas cores altamente saturadas no aparecem. Cores saturadas primrias ou
secundrias so cores com alto brilho e com alto contraste. A ausncia de cores saturadas na
imagem comprova que as modificaes de contraste por ampliaes histogrmicas falham no
sentido de no promover uma redistribuio equilibrada das cores, entre bandas que tenham
alto grau de correlao. Graficamente, esse efeito pode ser mostrado no espao cbico de
cores RGB (Figura 10.8a), onde a representao histogrmica tridimensional de trs bandas
uma distribuio de forma elptica, alongada segundo o eixo acromtico. O tamanho da elipse
dimensionado pelos seus trs eixos, ao longo dos quais so representados os espalhamentos
dos pixels de cada uma das trs bandas originais. O eixo maior da elipse e a sua direo
representam a variao de intensidade de brilho dentro da imagem, a qual a maior fonte de
correlao interbanda. Depois de ser aplicada uma modificao de contraste, individualmente
a cada uma das trs bandas, a elipse torna-se mais alongada e ocupa uma poro maior do
espao cbico de cores (Figura 10.8b). Mas, ainda mantida a mesma proporo bsica dos
eixos da elipse, indicando que a correlao entre as bandas realadas permanece. A
consequncia da manuteno dessa correlao que grande parte do espao volumtrico
tridimensional do espao de cores do cubo no utilizado.
164
Eixo acromtico
Regio no utilizada
Fig. 10.8. (a) No espao de cores RGB trs bandas geram um histograma em trs dimenses que assume a forma
de uma elipse alongada. (b) Um realce linear amplia a elipse mas, a correlao existente entre as bandas
permanece.
Para ocupar todo o espao de cores do cubo e, assim, se ter uma contribuio total ou
saturada de todas as cores representadas pelos trs eixos RGB do cubo, a elipse deveria
tornar-se uma esfera. Por definio, estatisticamente, a esfera ou o crculo representa o espao
da distribuio entre variveis no correlacionadas, ou seja, correlao zero, como pode ser
visto na Figura 10.9. Para obter isso, necessrio realizar uma transformao das bandas
originais, na qual cada um dos valores da imagem de sada, ou novos componentes, depende
dos valores conjuntos dos trs componentes de entrada e no dos valores individuais de cada
banda, como ocorre com a ampliao de contraste por manipulao histogrmica. Esse tipo
de transformao tem o pressuposto de obter uma distribuio esfericamente simtrica, que
resulta em trs novas imagens descorrelacionadas. Recordando o que se viu na sesso
anterior, tal transformao baseia-se no uso da transformao por principais componentes.
Varivel y
Varivel
Fig. 10.9 O crculo representa o espao de uma distribuio entre duas variveis no correlacionadas.
165
Segue um realce individual dos componentes por uma equalizao de varincia, a qual
assegura que os dados de cada componente tenham a mesma varincia e que ocupem em cada
eixo o volume mximo esfrico no espao de cores. O modelo de transformao
desenvolvido por Soha e Scharwtz (1978), tem a formulao segundo a equao 10.1. Nesta
equao, x so os vetores de valores de brilho da imagem original e y o correspondente
vetor de intensidade depois da transformao por principais componentes.
eq. 10.1
Banda Y
DEC2
DEC1
Banda X
Fig. 10.10. Transformao da distribuio elptica dos dados originais com correlao positiva para uma
distribuio circular com correlao zero.
166
543/RGB
543/DEC
Fig. 10.11 Comparao do realce das cores de uma composio colorida com contraste linear, com a
composio por descorrelao de bandas.
167
FILTRAGEM
Paulo Roberto Meneses
Antonio Nuno de Castro Santa Rosa
11
11.1
Introduo
Nos captulos anteriores abordarmos sobre as tcnicas de processamento que visam
realar as imagens a partir de procedimentos que transformam os dados em funo do valor
individual de cada pixel, sendo por isso consideradas como tcnicas de transformaes
radiomtricas no domnio espectral da imagem. Outra alternativa de transformao enfatizar
ou reduzir as informaes contidas numa imagem por meio de operaes que envolvam os
pixels de uma vizinhana, portanto, considerando um certo espao geomtrico da imagem.
So as tcnicas que atuam no domnio espacial da imagem.
Em qualquer imagem sempre observado uma forte interdependncia da vizinhana
espacial dos valores dos pixels, porque os alvos na natureza tendem a mostrar uma
homogeneidade dentro de certos espaos. Essa interdependncia pode ser utilizada para
realar de forma seletiva detalhes geomtricos da imagem, como as bruscas mudanas ou
bordas entre reas aparentemente homogneas, que na realidade se configuram como limites.
Mas tambm observamos nas imagens a presena de feies que marcam, por assim dizer, o
rompimento desta interdependncia, e que no parecem estar associadas a limites ou bordas
de reas, e que neste caso so identificadas como rudos. As tcnicas de processamento que
atuam no sentido de realar as bordas ou limites e de reduzir a presena dos rudos, so
denominadas de filtragens. Os filtros so os mtodos de transformao da imagem no
domnio espacial.
Transformar o valor de um pixel significa determinar um novo valor para o mesmo.
Veremos neste captulo as configuraes de vrios tipos de filtros no domnio do espao ou
do tempo, mas introduziremos tambm o conceito da filtragem no domnio da frequncia,
conhecida como Transformada de Fourier. A necessidade de se transformar o valor de um
pixel de uma imagem o fato de ter seu valor contaminado por diversos tipos de rudos, ou
seja, o valor do pixel constitudo de parcelas que chamamos de sinal e de rudo. O sinal a
parcela do valor do pixel que queremos determinar e realar e o rudo a parcela que queremos
minimizar, uma vez que o rudo no pode ser completamente eliminado do valor do pixel,
pelo simples fato de desconhecermos seu percentual no valor do pixel.
Por ora vamos discutir a filtragem no domnio espacial, deixando para o final a
discusso da filtragem no domnio da frequncia, onde o operador, transformada de Fourier,
usa o contedo do espao global da imagem. A transformao no domnio do espao se
caracteriza por definir operaes de filtragem a partir da informao local da imagem, dentro
de um pequeno espao em torno de um pixel.
Para filtrar uma imagem importante conhecer a natureza do filtro que deve servir ao
resultado que se deseja obter do processo de filtragem da imagem. A natureza de um filtro
determinada pela sua configurao que, de maneira geral, so classificados nos seguintes
tipos:
Filtro passa-baixa: filtro que ressalta as estruturas maiores na imagem;
Introduo ao Processamento de Imagens de Sensoriameto Remoto
168
A filtragem no domnio espacial uma transformao que realizada pixel a pixel, tal
como feito com as tcnicas de transformaes no domnio espectral (domnio da cor), com a
diferena, como mencionado a pouco, de que a transformao do pixel dependente dos
valores de brilho dos pixels vizinhos e, portanto, da distribuio espacial local. Como
brevemente comentado, essa dependncia da vizinhana dos pixels uma condio natural
existente nas diferentes classes de alvos que podem ser identificadas numa imagem. Por
exemplo, uma mata, um corpo de gua ou uma parcela de solo agricultado compem reas
que englobam muitos pixels em cada classe, e cada uma com valores de reflectncia muito
prximos, que somente mudam significativamente seus valores quando h a passagem para
outra classe de alvo. Sob esse ponto de vista a imagem pode ser considerada como uma
distribuio de padres de valores de pixels que se repetem com uma determinada taxa. Essa
taxa de repetio de pixels pode ocorrer em qualquer direo e representa as variaes
espaciais de brilho ou de nveis de cinza da imagem. Podemos ver isso na Figura 11.1 onde
mostrado o perfil de variao de brilho dos pixels medidos ao longo de uma linha na imagem,
que atravessa reas urbanas, lagos e reflorestamento. Note no perfil da figura direita que h
regies com alta variao de brilho (reas urbanas), e outras regies, semelhantes como a
marcada pela linha azul vertical, com baixa variao de brilho (lago e reflorestamento).
Fig. 11.1 direita perfil mostrando a variao da intensidade de brilho ao longo de uma linha de pixels
amostrada da imagem esquerda (linha vermelha).
Esse conceito de variao espacial aplicado aos mtodos de filtragem espacial, que
v a imagem como sendo formada de componentes espaciais a diferentes escalas. Quando
falamos em taxa de repetio de valores em uma imagem, estatisticamente estamos falando
de moda, o que bem entendido pela variao de brilho com mesma intensidade em locais
espacialmente diferentes. Mas tambm, quando falamos em taxa, intuitivamente no
deixamos de pensar em frequncia. Por isso, taxa de variao espacial de brilho e frequncia
espacial so muitas vezes empregadas como sinnimos. Lillesand e Kiefer (1994) referem-se
"frequncia" no domnio espacial como sendo a rugosidade das variaes tonais que
ocorrem em uma imagem. reas com alta frequncia espacial so tonalmente rugosas e
mostram as partes da imagem em que ocorrem rpidas mudanas dos valores de brilho, como
se v na Figura 11.1 das reas urbanas. Elas expressam os detalhes da imagem numa escala
local. As partes da imagem com baixa frequncia espacial mostram pouca variao tonal na
extenso de muitos pixels e, portanto, na escala de grandes reas. Elas expressam, mais
Introduo ao Processamento de Imagens de Sensoriameto Remoto
169
PB = passa-baixa
PA = passa-alta
eq. 11.3
onde,
f = a imagem de entrada
w = funo de resposta da janela, ambas com tamanho Nx,, Ny
A maioria dos filtros programada dentro de uma janela mvel. Dois procedimentos
so realizados para filtrar a imagem:
(i) Primeiro define-se uma mscara de arranjo de uma pequena matriz que contm
coeficientes ou pesos. A matriz de pesos denominada de kernel de convoluo e,
normalmente, se usa tamanhos com nmeros mpares de pixels, para que seja mantida
uma simetria em relao ao pixel central.
(ii) A mscara movida sobre a imagem, linha por linha, coluna por coluna, e os valores
dos pixels da rea da imagem sob o filtro so multiplicados pelos correspondentes
pesos dos pixels do filtro. A mdia da soma deste produto ser o novo valor de brilho
do pixel situado na posio central da rea da imagem sob o filtro. Este valor salvo
e o processo continua.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
170
Fig. 11.2- Movimento da mscara de tamanho 3 x 3 para filtrar a imagem. O pixel cinza o pixel central que
ter o seu valor modificado conforme sejam os pesos dos pixels do filtro.
Tipo
Passa alta
Domnio do Espao
(operador de convoluo)
Passa baixa
de mdia
de mediana
Supresso de rudo
Direcional
linear
Primeira derivada
gradientes de:
Roberts
Sobel
Prewit
Domnio do Espao
(operador no convoluo)
Domnio da Frequncia
Aplicao
Realce da imagem
Laplaciano
Morfolgicos
Texturais
Adaptativos
Fourier
171
11.2
Filtro Passa-Alta
Os filtros passa-alta tendem a realar os detalhes da imagem, o que implica em realar
os componentes de alta frequncia espacial. Para isso, o filtro remove os componentes de
baixa frequncia de uma imagem enquanto retm os de alta frequncia (variaes locais). Isso
pode realar bordas entre diferentes reas, como tambm aguar as variaes de brilho da
imagem. Utiliza-se um kernel com alto valor central e com valores negativos circundantes.
Filtros passa-alta somente podem ter dimenses impares (3 x 3, 5 x 5, e maiores). Quanto
maior for o tamanho da janela ou da mscara mais se enfatizam as altas freqncias espaciais,
ou seja, os detalhes geomtricos da imagem. s vezes, filtros maiores que 100 x 100 pixels
so usados para seletivamente eliminar alguns tipos de baixa frequncia, como
sombreamentos.
Na Figura 11.3 so mostrados duas mscaras de tamanhos 3 x 3 e 5 x 5. A soma dos
pesos igual a zero, o que remove a mdia local e produz uma imagem a qual mede o desvio
do sinal de entrada em relao mdia local. Quando a mscara aplicada em regies
homogneas de uma imagem o resultado ser zero ou um valor digital muito baixo, enquanto
que nas regies no homogneas o resultado um realamento, o que consistente com o
princpio da filtragem passa-alta. A aplicao de um filtro passa-alta com esses valores de
peso pode resultar em nmeros digitais negativos. Isso automaticamente corrigido pelos
algoritmos, que aplicam aps a convoluo uma normalizao dos valores digitais para o
intervalo de quantizao da imagem.
1/9
-1
-1
-1
-1
+8
-1
-1
-1
-1
1/25
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
+25
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
Fig. 11.3 Configurao de mscara de filtro passa-alta cujos pesos tm valores uniformes.
172
imagem original
imagem filtrada
Fig. 11.4 Efeito de borda por um filtro passa-alta com dimenso de 3 x 3 em imagem do visvel e o detalhe dos
valores dos pixels da imagem original e da imagem filtrada da pequena rea indicada pela seta branca na
imagem esquerda.
K=1
K=2
K=3
173
imagem original
imagem filtrada
Fig. 11.5 Resultado da aplicao de um filtro passa-alta com fator de amplificao K=2 que reala os detalhes
da imagem e preserva as baixas freqncias, a fim de se ter uma imagem possvel de interpretao visual
temtica.
11.3
Filtro Passa-Baixa
Os filtros passa-baixa preservam os componentes de baixa frequncia da imagem
custa de reduzir os de alta frequncia. So filtros de suavizao porque atenuam as regies de
bordas e detalhes finos da imagem, como rudos, que correspondem aos componentes de alta
freqncia. Dentre as tcnicas mais conhecidas de suavizao esto os filtros de mdia e da
mediana.
11.3.1
Filtro Passa-Baixa de Mdia
Os filtros passa-baixa de mdia devem conter os mesmos pesos, com valores positivos
1 para cada elemento kernel. Multiplicando-se os pesos da mscara pelos pixels da imagem e
dividindo o resultado pelo total do nmero dos pixels da mscara, o valor do pixel central da
imagem substitudo pela mdia dos valores dos pixels vizinhos sob a janela. Por isso um
filtro de mdia. O efeito de se usar um filtro passa-baixa de mdia reduzir a variabilidade
dos nveis de cinza da imagem e suavizar o seu contraste. Os pixels de valores maiores que os
seus vizinhos so reduzidos, de modo que os detalhes locais so perdidos. O produto uma
imagem de aparncia um pouco desfocada. Matematicamente, o filtro passa-baixa de mdia
escrito na forma:
eq. 11.5
Pela razo dos filtros passa-baixa reduzirem as altas frequncias de brilho de uma
imagem, eles so usados para remover rudos, e consequentemente, uniformizam os valores
Introduo ao Processamento de Imagens de Sensoriameto Remoto
174
1/9
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
1/25 +1 +1 +1 +1 +1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
imagem original
imagem filtrada
175
Fig. 11.8 Efeito de atenuao de rudo speckle em imagens de radar, com o uso de filtro de mediana.
11.4
Filtros de Bordas Direcionais
Alm do simples realce dos componentes de altas e baixas frequncias, um clssico
problema em processamento de imagem a deteco de repentinas mudanas nos valores de
brilho de um pixel para outro, sem que isso seja um rudo. Esse tipo de mudana indica um
limite, isto , uma borda entre dois objetos espectralmente distintos. Uma borda ,
simplesmente, uma fronteira entre duas regies com relativa diferena de nveis de cinza.
Numa imagem as bordas podem ter variadas direes, e a possibilidade de detectar essas
direes e real-las na imagem pode ser algo muito desejado. Esse tipo de filtragem indica a
direo preferencial em que ser realado os limites das bordas. Exemplos notveis de bordas
ocorrem em muitas das feies construdas pelo homem, e na geologia os lineamentos
estruturais, que normalmente ocorrem em vrias direes, so exemplos de feies naturais.
H diversas configuraes bastante simples de filtros direcionais que possibilitam
realar direes horizontal, vertical, diagonal ou isotrpica. Produzem imagens cujos valores
digitais dos pixels so proporcionais s diferenas entre os nmeros digitais de pixels
vizinhos, em uma dada direo. As bordas que forem evidenciadas podem, ou ser adicionadas
de volta imagem original para aumentar o contraste nas vizinhanas da borda, ou usar pixels
saturados pretos ou claros sobre elas, para real-las.
Os dois tipos de filtros de deteco de bordas mais utilizados so os filtros lineares de
deteco de borda e os que calculam a primeira derivada espacial, os quais so apresentados a
seguir.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
176
11.4.1 Linear
, tipicamente, uma forma de filtro passa-alta, combinado com uma limiarizao de
valores de brilho. Exemplos de mscaras dos filtros lineares de borda, sugeridos por Richard
e Jia (2006), so apresentados na Tabela 11.3.
Tabela 11.4 Mscaras de filtros lineares de borda (Fonte: Richard e Jia, 2006)
Vertical
Horizontal
Diagonal
Diagonal
Note que a soma dos elementos kernel do filtro zero. O resultado que as reas com
valores de pixels homogneos so zeradas na imagem de sada, enquanto as reas com pixels
de brilho variado so apresentadas como bordas brilhantes. O resultado da aplicao do filtro
direcional linear na direo horizontal mostrado na Figura 11.9, em uma rea com forte
presena de lineamentos geolgicos. Visualmente, o efeito na imagem filtrada um forte
realce, destacando o relevo associado aos lineamentos na direo horizontal. Na imagem
filtrada se v que as reas onde foram detectadas as direes horizontais, so mais claras,
enquanto as reas ausentes de direo horizontal mostram tons de cinza escuros. Isso pode ser
considerado como uma forma muito prtica de se identificar numa rea os domnios
estruturais existentes.
imagem original
imagem filtrada
Fig. 11.9 Realce de lineamentos geolgicos com o uso de filtro linear direcional, na direo horizontal.
11.4.2
Primeira Derivada
Os filtros de borda que usam o conceito matemtico da primeira derivada tambm,
seletivamente, realam os componentes de direes especficas que a imagem possa ter,
Introduo ao Processamento de Imagens de Sensoriameto Remoto
177
calculando o gradiente direcional dos pixels. A derivada de uma funo contnua a taxa de
mudana da funo em um determinado ponto. Sendo a imagem uma funo de valores de
brilho, a taxa de mudana de brilho dos pixels num espao a primeira derivada. Para um
pixel de coordenada x e y, as derivadas em x e y so as medidas de quo rapidamente os
valores de brilho mudam na direo x e na direo y. Combinando os resultados por meio de
um clculo de vetor a cada pixel, a magnitude do gradiente local da imagem obtida para
qualquer direo, como demonstrado por Schowengerdt (1997) na Figura 11.10.
y
Fig.11.10- Geometria de vetor para clculo da imagem gradiente (fonte: Schowengerdt, 2007).
;
eq. 11.6
eq. 11.7
eq. 11.8
Todos esses valores so calculados para cada pixel da imagem. Nas reas da imagem
que so homogneas as derivadas na direo x e y e a derivada total so pequenas, enquanto
nas reas em que ocorrem abruptas mudanas de brilho, as derivadas so altas. Neste sentido,
a primeira derivada, ou gradiente da imagem, detecta as regies de alta freqncia da
imagem.
Devido ao clculo do vetor magnitude, os filtros de derivada so no lineares. Com
base nessa formulao, as configuraes de filtros de derivada se fazem pelo produto escalar
da magnitude do vetor gradiente do pixel da imagem com os pesos particulares dos vetores.
Os filtros mais utilizados so conhecidos como gradientes Roberts, Sobel e Prewit, os quais
so mostrados na Tabela 11.4.
178
Filtro
Componente
horizontal
Roberts
Sobel
Prewitt
Componente
vertical
11.5
Operadores Laplaciano
So filtros que utilizam a segunda derivada para realar bordas, sem considerar a
direo. Comportam-se como um filtro passa-alta. Geralmente utilizam um alto valor central
positivo na mscara, cercado por valores negativos nas direes vertical e horizontal.
O uso da segunda derivada para mximos e mnimos possibilita calcular que o valor
zero nas reas onde o gradiente (primeira derivada) constante, e valores positivos e
negativos onde encontrar o topo e a base do declive nos valores de brilho da imagem.
A Figura 11.2 exibe a mscara discreta de ordem 3 de um filtro Laplaciano e o
resultado de sua aplicao. O somatrio dos elementos da mscara nulo. Todos os filtros
laplacianos devem ter kernel de tamanho mpar.
179
imagem original
Filtro Sobel
Filtro Roberts
imagem original
imagem filtrada
180
11.6
Filtros Morfolgicos
Os filtros morfolgicos atuam nas propriedades geomtricas utilizando dois conceitos
bsicos: fechamento e abertura. Podemos combinar essas duas propriedades com as
sequncias: abertura seguida de fechamento, que se denomina dilatao e, fechamento
seguido de abertura, que se denomina eroso. Esses filtros podem possuir algoritmos para
imagens binrias e em tons de cinza. No processamento a forma da mscara chamada de
elemento estruturante, e a operao dos componentes kernel morfolgicos sobre a imagem
completamente diferente da operao de convoluo. As formas da mscara podem ser
quadradas, retangulares, diagonais, ou qualquer forma desejada. A escolha da forma
importante porque dela depende a mudana induzida na imagem.
O filtro morfolgico de eroso provoca efeitos de eroso (reduo) das partes claras
da imagem, gerando imagens mais escuras. O filtro morfolgico de dilatao age de forma
contrria, provoca efeitos de expanso das partes claras da imagem. Eles possuem aplicaes
na remoo do rudo e na segmentao da imagem para classificao. Alguns exemplos de
kernel estruturantes so mostrados na Tabela 11.5. Os valores dos elementos estruturantes so
sempre zero ou 1.
Tabela 11.5 Exemplos de mscaras de filtros morfolgicos
As Figuras 11.13 e 11.14 ilustram os procedimentos para filtrar uma imagem com os
filtros morfolgicos (Leite, 2010). O procedimento apresentado utiliza a primeira forma de
mscara da Tabela 11.5, e o mesmo procedimento se repete para qualquer uma das outras
formas. Na dilatao (Figura 11.13), o filtro quando se move sobre a imagem realiza uma
unio de todos os pontos da imagem quando o elemento estruturante Bx intercepta X.
Bx
=X
Fig. 11.13 Processo de filtragem da imagem X com o filtro dilatao.
181
Com o filtro eroso (Figura 11.14) o processo de eroso ocorre para o conjunto de X,
quando Bx est totalmente includo em X.
Bx
=X
Fig. 11.14 Processo de filtragem da imagem X com o filtro eroso
imagem original
Filtro eroso
Filtro dilatao
11.7
Filtro de Textura
No contexto de imagens espectrais de sensoriamento remoto, textura uma
propriedade importante na percepo de regies e de superfcies, contendo informaes sobre
Introduo ao Processamento de Imagens de Sensoriameto Remoto
182
183
janela base
4
3
6
3
5
4
5
6
3
janela
deslocamento
3
5
4
5
6
3
tons de cinza
3
6
3
6
4
5
6
0
2
0
1
0
0
0
1
2
0
0
0
1
0
2
0
Matriz de
co-ocorrncia
Fig. 11.16 Valores tabulados da matriz de co-ocorrncia a partir dos valores dos pixels da janela base com a
janela de deslocamento de distncia igual a 1 na direo horizontal (Fonte: ENVI, 2006).
Para executar uma operao de filtragem textural deve-se primeiro escolher uma
banda e selecionar a regio de interesse. , ento, calculada a matriz de co-ocorrncia da
regio selecionada, computando-se uma, ou simultaneamente, vrias medidas estatsticas para
serem usadas como medidas de textura (entropia, contraste, homogeneidade, mdia...). Os
software de processamentos oferecem vrias opes de medidas para caracterizar a textura da
imagem.
Uma vez calculados os valores da matriz de co-ocorrncia para as medidas estatsticas
selecionadas, elas podem ser comparadas por valores numricos representados em grficos,
para se verificar como cada medida distingue as texturas de diferentes classes de alvos. Um
exemplo prtico mostrado na Figura 11.17, a partir de trs segmentos de reas extrados de
uma imagem na banda do visvel e que se sabe possurem padres texturais distintos. Os
valores estatsticos so mostrados para contraste e dissimilaridade, apenas para ilustrar o
processo.
vegetao cerrado
relevo
dissimilaridade
60
50
contraste
rea agrcola
40
30
20
6
5
4
3
2
10
5
10
15
20
d (distncia entre pares de pixels)
5
10
15
20
d (distncia entre pares de pixels)
Fig. 11.17 Valores das feies texturais de contraste e dissimilaridade obtidos da matriz de co-occorrncia para
as classes de vegetao, relevo e reas de cultivo, dos segmentos de imagens mostrados acima dos grficos.
184
11.8
Filtragem no Domnio da Frequncia
intensidad
Nas sees anteriores vimos que no domnio do espao uma imagem pode ser
decomposta em seus componentes de alta e baixa frequncia. Acontece que uma imagem no
s composta de altas e baixas frequncias. Se plotarmos em um grfico as variaes das
frequncias de brilhos que uma imagem pode conter, obteremos uma curva complexa do tipo
mostrado na Figura 11.18. Essa curva complexa (no peridica) pode ser decomposta em
vrios componentes de seno e coseno, que nos d uma idia da distribuio espacial de
frequncia da imagem (Crsta, 1999). Para decompor a imagem em seus componentes de
seno e coseno, como visto nesta figura, usa-se a Transformada de Fourier. No domnio de
Fourier cada ponto da imagem representa uma frequncia nica que est contida no domnio
espacial da imagem.
intensidade
Fig. 11.18 Decomposio das freqncias da imagem em seus componentes senos e cosenos (Adaptado de
Crsta, 1999).
A Transformada de Fourier outra opo para filtrar a imagem, mas seu uso estendese s vrias aplicaes para reconstruo e compresso de imagens, tomografia e deteco de
vozes. Matematicamente, seu entendimento bem mais complexo do que filtrar uma imagem
no domnio do espao, mas a transformada Fourier torna mais fcil processar ou examinar
certas frequncias que influenciam na estrutura geomtrica da imagem. Como exemplo, a
presena de rudos peridicos que frequentemente so encontrados em quase todos os tipos
de imagens de sensoriamento multiespectral (Penteado, et al. 1998).
Para o processamento de imagem digital, a qual uma funo bidimensional discreta,
se utiliza da Transformada de Fourier Discreta, que uma verso da transformada Fourier. A
transformada discreta no contm todas as frequncias da imagem, mas apenas um conjunto
de frequncia que suficiente para descrever o domnio espacial da imagem, completamente.
Como est demonstrado na Figura 11.19, o processo de filtragem no domnio da
frequncia um processo de dois passos. Primeiro, para que os dados do domnio espacial
sejam analisados no domnio da frequncia necessitamos utilizar a Transformada de Fourier
Introduo ao Processamento de Imagens de Sensoriameto Remoto
185
T-1 F(w)
Fig. 11.19 As imagens ilustram o processo de filtragem da imagem no domnio da freqncia pela transformada
de Fourier e o resultado final da imagem filtrada.
11.8.1
Amostragem
Existe uma relao que descreve o compromisso entre o domnio do espao (tempo) e
o domnio da frequncia, que chamada relao de Nyquist (equao 11.9). Essa relao
deve ser respeitada em funo de ocorrerem efeitos denominados de aliasing.
Eq. 11.9
onde, dt o intervalo de amostragem no tempo e f uma frequncia no intervalo de amostragem na frequncia.
186
Esse limite de amostragem permite que a relao de tempo e espao possa ser
realizada sem perda de informao do sinal original. Vamos realizar um exemplo com a
imagem original que estamos utilizando de tamanho de 400 x 400 pixels amostrados para
1200 x 1200 pixels. Calculando a Transformada de Fourier das duas imagens temos os
resultados na Figura 11.20.
Fig. 11.20 Espectros da transformada direta de Fourier da imagem amostrada de 400 pixels para 1200 pixels.
H (W)
F (W)
187
imagem original
imagem filtrada
Fig. 11.21 Transformada Fourier Discreta com uso do filtro passa-alta circular.
Filtro Passa-Baixa Circular. Corta as frequncias internas ao circulo (regio clara) e deixa
passar as frequncias externas ao circulo (regio cinza). Nesse caso, utiliza-se esse filtro para
obter as feies de regionais na imagem (passa-baixa) (Figura 11.22).
H (W)
imagem original
F (W)
imagem filtrada
Fig. 11.22 Transformada Fourier Discreta com uso do filtro passa-baixa circular.
188
deixa passar as frequncias na regio entre os crculos e corta as demais frequncias. Utilizase esse filtro para obter as feies de detalhes limitados (Figura 11.23).
H (W)
imagem original
F (W)
imagem filtrada
Fig. 11.23 Transformada Fourier Discreta com uso do filtro banda-passante circular interno.
Filtro Banda-Passante Circular Externo. Corta as frequncias entre os dois crculos (regio
com traos azuis) e deixa passar as demais frequncias. Pode-se concluir que as frequncias
entre os crculos so de frequncias baixas e muito altas. Quando utilizamos esse filtro para
obtermos as feies de maiores detalhes e regionais (Figura 11.24).
H (W)
F (W)
189
imagem original
imagem filtrada
Fig. 11.24 Transformada Fourier Discreta com uso do filtro banda-passante circular externo.
190
REFERNCIAS BIBLIOGRFICAS
Balzerek, H. Applicability of IKONOS Satellite scenes monitoring, classification and
evaluation of urbanisation processes in Africa. Case Study of Gombe/Nigria. Disponvel em:
<http://www.rzuser.uni-heidelberg.de/~bu1/sfb/d1/regensb/balzerek.htm > Acesso em: 20
abr. 2002.
Bartleson, C.J. Colorimetry. Editor Macbeth Color and Photometry Divison Kollmorgem
Corporation. Section 16, p.880-922. 1995.
Bias, E. S. Vantagens e limitaes das imagens de alta resoluo como suporte ao
planejamento urbano: o exemplo de Sobradinho-DF. Tese (Doutorado). Instituto de
Geocincias e Cincias Exatas, UNESP, Rio Claro, SP, 2002. 280p.
Bias, E. S.; Baptista, G. M. M. Utilizao de imagens de alta resoluo espacial na anlise do
verde urbano como ferramenta ao planejamento. In: CONGRESSO INTERNACIONAL
SOBRE PLANEJAMENTO E GESTO AMBIENTAL EM CENTROS URBANOS, 4.
Florianpolis, 2002. ECOURBS 2002. CENTROSUL. p.52 - 53.
Bias, E. S.; Baptista, G. M. M.; Lombardo, M.A. Anlise do fenmeno de ilhas de calor
urbanas por meio da combinao de dados LANDSAT e IKONOS. In: SIMPSIO
BRASILEIRO DE SENSORIAMENTO REMOTO, XI. Belo Horizonte, 2003. Anais XI
SBSR. UFG: 2003. p.1741 1748.
Brites, R.S.; Soares, V.P.; Ribeiro, C.A.A.S. Comparao de desempenho entre trs ndices
de exatido aplicados a classificaes de imagens orbitais. In: SIMPSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 8, 1996, Salvador, BA. Anais... So Jos dos Campos:
INPE, 1996. p.813-821.
Cmara G; Souza R.C.M.; Freitas U.M.; Garrido J. SPRING: Integrating remote sensing and
GIS by object-oriented data modelling. Computers & Graphics, 20: (3) 395-403, 1996.
Ceccato, V.A. Proposta metodolgica para avaliao da qualidade de vida urbana a partir de
dados convencionais e de sensoriamento remoto, sistema de informaes geogrficas e banco
de dados relacional. 1994. Dissertao (Mestrado em Sensoriamento Remoto) - INPE, So
Jos dos Campos, 1994.
Chavez, P.S. Jr. An improve dark-subtraction technique for atmospheric scattering correction
of multispectral data. Remote Sensing of Environment, 24:459-479, 1988.
Congalton, R.G. A review of assessing the accuracy of classifications of remotely sensed
data. Remote Sensing of Environment, 37(1): 35-46, 1991.
Correia, J. D. Atualizao cartogrfica na escala 1:50.000 utilizando imagens SPOT. 1997.
Dissertao (Mestrado em Engenharia Cartogrfica) Instituto Militar de Engenharia, Rio de
Janeiro, 1997.
Corte, A.P.D.; Dlugosz, F.L.; Centeno, J.A.S. Testes de limiares para a segmentao de
imagens SPOT-5 visando a deteco de plantios florestais. Revista Acadmica Cincias
Agrrias e Ambientais, v.6, (2) 249-257, 2008.
Introduo ao Processamento de Imagens de Sensoriameto Remoto
258
259
Gao, J. Digital analysis of remotely sensed imagery. New York, NY, USA: McGraw-Hill
Professional Publishing, 2009. 439 p.
Gonalves, R.M; Cortes, J.B.R.; Schimidt M.A.R.; Schimalski, M.B. Classificao
hierrquica e fuzzy de imagens de alta resoluo. IN: SIMPSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 13, 2007, Florianpolis. Anais (cd-rom). So Jos dos
Campos, SP: INPE, p.547 - 554.
Gonalves, L.; Fonseca, A.M.; Caetano, M.: Explorao de imagens de alta resoluo do
Satlite IKONOS. Disponvel em papers/esig41.pdf. Acesso em: 10 abr. 2002.
Gonzalez, R. C., Woods, R.E. Digital Image Processing. Second Edition. Upper Saddle River
NJ: Prentice Hall, 2002.
Haralick, R.M.; Shanmugam, K.S; Dinstein, I. Textural features for image classification.In:
IEEE Transactions on Systems, Man, and Cybernetics, SMC-3, 610-622, 1973.
Hamburger, D.S. Utilizao de informaes derivadas de caractersticas texturais de imagens
orbitais na definio de classes de uso do solo urbano. 1993. 122 f. Dissertao (Mestrado em
Sensoriamento Remoto) - INPE, So Jos dos Campos, 1993.
http://fisica.ufpr.br/grimm/aposmeteo/cap2/Image119.jpg acesso em 30 de setembro de
Huet, A.R. A soil-adjusted vegetation ndex (SAVI). Remote Sensing of Environment, 25:
295-309, 1988.
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE) - Manuais: tutorial de
geoprocessamento SPRING. 2008.
Ishikawa, M. I; Da Silva, E. Determinao da escala mxima de uso de imagem IKONOSGEO para aplicao em reas urbanas: estudo de caso Araoiba da Serra-SP. Sociedade &
Natureza, 17 (32) 77-85, 2005.
Jacob, E.; Franois, P.; Schmugge, T.; Vermote E.; French, A.; Oawa, K.. Comparasion of
land surface emissivity and radiometric temperature derived from MODIS and ASTER.
Remote Sensing of Environment, 90:137-152, 2004.
Jensen, J.R. Introductory Digital Image Processing: A Remote Sensing Perspective. Upper
Saddle River: Pearson Prentice Hall, Third Edition, 2004.
Jensen, J.R. Sensoriamento Remoto do Ambiente: Uma Perspectiva em Recursos Terrestres.
Traduo portugus 2 Ed. Parentese Editora. So Jos dos Campos SP, 2009. 598p.
Kasser, M., Y, Egels. Digital Photogrammetry. Taylor & Francis, London and New York,
2002.
Kury, E. B. & Vieira, C. A. O. Classificao automtica de imagens de alta resoluo. In
UFVGEO (2001). Acessado em: 18 jan. 2011.
260
Landis, J.R.; Koch, G.G. The measurement of observer agreement for categorical data.
Biometrics, 33(1):159-174, 1977.
Leite, N.J. Introduo ao processamento e anlise de imagens. IC-UNICAMP 2010.
htpp/www.ic.unicamp.br/~afalcao/sensremoto/processamento.ppt Acesso em Julho 2011.
Lillesand, M.T. & Kiefer, F.W. Remote Sensing and Image Interpretation. John Wiley &
Sons, Inc. 3a ed. 1994.
Lillesand, T. M.; Kiefer, R.W.; Chipman, J.W Remote Sensing and Image Interpretation.
NY.: John Wiley & Sons Inc., 5 ed., 2004.
Lillesand, T.M.; Kiefer, R.W.; Chipman, J.W. Remote Sensing and Image Interpretation.
Hoboken: John Wiley & Sons Inc., 6 ed., 2008.
Ma, Z.; Redmond, R.L.. Tau coefficients for accuracy assessment of classification of remote
sensing data. Photogrammetric Engineering and Remote Sensing, 61(4):453-439, 1995.
Mather, P.M. Computer Processing of Remotely Sensed Images: an Introduction. St
Edmundsburi Press Ltd, 1987.
Meneses, P.R.; Madeira Netto, J.S. Sensoriamento Remoto: Reflectncia dos Alvos Naturais
(org.). Braslia: Editoras UnB- Embrapa Cerrados. 2001. 262p.
Moran, M.S.; Peters-Lidard, C.D.; Watts, J.M.; McElroy, S. Estimating soil moisture at the
watershed scale with satellite-based radar and land surface models. Canadian Journal of
Remote Sensing, 30(5):805-826, 2004.
Moreira, A .M. Fundamentos do Sensoriamento Remoto e Metodologias de Aplicao. Ed
Editora UFV, 2a Ed., Viosa MG, 2003.
Nascimento, J.P.R.; Madeira, H.M.F.; Pedrini, H. Classificao de imagens usando
descritores estatsticos de textura . In: SIMPSIO BRASILEIRO DE SENSORIAMENTO
REMOTO, 11, 2009, Belo Horizonte, MG. Anais (CDROM)...So Jos dos Campos, SP:
INPE, 2003.
Neubert, M.; Herold, H.; Meinel, G. Evaluation of remote sensing image segmentation
quality further results and concepts. 2006.
http://www2.ioer.de/recherche/pdf/2006_neubert_obia.pdf. Acesso em 20/04/2011.
Niero, M.; Foresti, C. Uso do solo urbano da rea metropolitana de So Paulo atravs da
anlise automtica de dados LANDSAT. So Jos dos Campos: INPE, 1983. 34 p.
Novo, E.M.L. M. Comportamento espectral da gua. In: Paulo Roberto Meneses, Jos da
Silva Madeira Netto. (org.) Sensoriamento Remoto: Reflectncia dos Alvos Naturais. Editora UNB, EMBRAPA Cerrados, Brasilia, 2001.
Novo, E.M.L.M. Sensoriamento Remoto: Princpios e Aplicaes.. Ed. Edgard Blucher Ltda,
3a Edio, So Paulo, 2008. 363 p.
261
Oliveira, M.L.N.; Foresti, C.; Niero, M.; Parreiras, E.M.M.F. Estudo da evoluo urbana de
Braslia atravs do uso de dados LANDSAT. So Jos dos Campos: INPE, 1984. 26 p.
Paradella, W.R.; Santos, A.R.; Veneziani, P.; Cunha, E.S.P. Radares imageadores nas
Geocincias: estado da arte e perspectivas. Revista Brasileira de Cartografia, 57(01): 56-62,
2005.
Penteado, A.H.D.G.; Crsta, A.P.; Souza Filho, C.R. Filtragem de rudos peridicos por
transformadas de Fourier e realce por decorrelao em imagens termais do sensor Geoscan
Amss Mk-li no greenstone belt do rio Itapicuru, Ba. In SIMPSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 9, 1998. Anais (CDROM)...So Jos dos Campos, SP:
INPE, 1998.
Polidorio, A. M.; Franco, C.; Imai N. N.; Tommaselli, A. M. G.; Galo, M. T. Correo
radiomtrica de imagens multiespectrais CBERS e Landsat ETM usando atributos de
reflectncia e de cor. In: SIMPSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12,
2005, Goinia, GO. Anais. So Jos dos Campos, SP: INPE, 2005.
Ramos, O. T. H. Anlise Comparativa entre os principais formatos de armazenamento de
imagens. Dissertao de Mestrado - Universidade Presbiteriana Mackenzie. So Paulo. 2000.
Reed, T.E.; Dubuf, J.M.H. A review of recent texture segmentation and feature extraction
techniques. CVGIP: Image Understanding, v.57, n.3, p.355-372, 1993.
Richards, J. A.; Jia X. Remote Sensing Digital Image Analysis. An Introduction. 4a ed.,
Springer 2006.
Schowengerdt, R. A. Remote Sensing Models and Methods for Image Processing. 3a ed.,
Elsevier, 2007.
Sabino, N.O.; Ushizima. D.M.; Costa, L.F.; Rizzati, E.G.; Zago, M. A. A texture aprouch to
Leukocyte recognition. In: Real-Time Imaging, Volume 10. Elsevier, 2004, Disponvel online
25 setembro de 2004.
Sabins F. F. Jr. Remote Sensing Principles and Interpretation. NY: Freeman, 1997.
Sano, E.E.; Rosa, R.; Brito, J.L.S.; Ferreira, L.G. Land cover mapping of the tropical savanna
region in Brazil. Environmental Monitoring and Assessment, 166:113-124, 2010.
Santos, A.R.; Peluzio, T.M.O; Saito, N.S. SPRING 5.1.2 passo a passo aplicaes prticas.
Alegre, ES: Grfica F&M, 2010. 153p. Disponvel em:
http://www.mundogeomatica.com.br/spring5x.htm , acesso em 23/05/2011.
Souto, R.P. Segmentao de imagem multiespectral utilizando-se o atributo matiz. So Jos
dos Campos: INPE, 2000. Disponvel em www.obt.inpe.br/pgsere/Souto-R-P2000/publicacao.pdf. Acesso em: 21 jan. 2011.
Tavares Jnior, J. B.; Ouverney, M. l. M.; Uberti, M. S.; Antunes, M. A. H.: Avaliao de
imagens Ikonos II e Quickbird para obteno de bases cartogrficas para o cadastro tcnico
262
263
Fase da onda, 60
Feies de absoro, 20, 46
Frequncia, 5
FLAASH, 223
Filtros
banda-passante, 169
natureza, 168
peso, 172, 178
classes, 171
mediana, 175
bordas, 176, 177
lineares, 177
primeira derivada, 179
segunda derivada, 179
gradiente, 184
morfolgico, 178 179
Floating point, 79
Fluxo radiante, 21
Fluxo de processamento, 82
Fonte artificial, 57
Fontes de distores geomtricas, 91, 93
Formato nativo, 80
Forshortening, 67, 68
Fton, 8, 47
FOV, 25
Funo polinomial, 96
G
Georreferenciamento, 94
GeoEye, 242, 251
Grade de pixels, 91
H
Hexacone, 122, 132
Hue, 124, 130
I
IFOV, 25, 26
IHS, 134, 137
IKONOS II, 250
Imageador, conceito, 35
Imagem digital, 77
Imageadores multiespectrais, 34
INPE, 1
Interao macroscpica, 5, 6
Interao microscpica, 9
Interferncia: construtiva e destrutiva, 69
Interpolao, 95, 101
Intervalos espectrais, 20
Irradincia, 22
J
JPEG, 80
K
Kernel, 176
k-mdia, 197
L
Layover, 67, 67
Lei de Planck, 12
Lei de Stephan-Boltzman, 54
Lei de Wien, 50
Linha ruidosa, 85
Lbulo, radar, 67
Looks, 64
LUT, 110
Luz coerente, 69
M
Mapeamento do uso da terra, 239
Moda, 169
Mscara, 170
Matriz
co-ocorrncia, 183
de dados, 77
Mecanismos de interao, 41
Medidas de textura, 184
Misso GT-4, 2
Modelo corpuscular, 8
Modelo ondulatrio, 4
Modelo quntico, 43
N
Near range, 63
Nveis de energia, 8, 9
Nyquist, 186, 2563
O
rbita heliossncrona, 32
Ordem de transformao, 96,99
Ortorretificao, 2242
P
Passa-baixa, 174
Passa-alta, 172
Pixels ruidodos, 85
PNG, 80
Polarizao cruzada, 61
Polarizao plano-paralela, 61
265
Polinmios, 95
Pontos de controle, 95, 96
Pr-processamento, 84
Pseudocores, 123
Q
Quantizao, 30
QuickBird, 250
U
Unimodal, 110
R
Radiao eletromagntica
onda, 4
energia, 8
Radiao termal, 49, 52
Radiador seletivo, 54
Radincia, 21
Radincia aditiva, 16, 145
RAR, 58
Razo de contraste, 17
Reamostragem, interpolao, 102
Reflectncia, 24
Reflectncia, especular, difusora, 6
Registro, 99
Resolues
espacial, 25
espectral, 27
radiomtrica, 30
temporal, 32
RMS, 97
Rudo coerente, 86
Rudos esprios, 82, 85
V
Varredura mecnica, 36
Varredura eletrnica, 38
Varincia, 105
Vizinho mais prximo, 101
W
WorldView 2, 252
Wien, lei, 50
S
SAR, 58
Saturao, 108
Sensor fotogrfico, 34
Sensoriamento remoto, definies, 3
Sinal eltrico, 35
Speckle, 69, 176
Striping, 86
Superfcies lisa, rugosa, 6
T
Taxa, 178
Tempertura
Aparente, 54
Cintica, 54
TIFF, 80
TIROS-1, 1
Transformao afim no plano, 96
Introduo ao Processamento de Imagens de Sensoriameto Remoto
266
CAPTULO 3
Morfologia Matemtica
Contriburam:
49
50
51
Combinao de Conjuntos
Sejam dois conjuntos X e Y:
UNIO
A unio de dois conjuntos X e Y o conjunto de elementos que
pertencem ou X ou Y ou ambos:
X Y = { x | (x X) ou (x Y)}
Exemplo:
Considere dois conjuntos A = { 1, 3 , 5} e B = {4 , 5 , 6}
ento
A B = {1, 3 , 4 , 5 , 6}
INTERSEO
A interseo de dois conjuntos X e Y o conjunto de elementos pertencentes a ambos X e Y:
X Y = { x | (c X) e (x Y)}
Exemplo:
Considere dois conjuntos A = { 1, 3 , 5} e B = {4 , 5 , 6} ento
A B = {5}
DIFERENA
A diferena entre os conjuntos X e Y o conjunto de elementos que
pertencem a X mas no pertencem a Y:
52
X Y = { x | (x A) e (x B)}
Exemplo:
Considere dois conjuntos A = { 1, 3 , 5} e B = {4 , 5 , 6} ento
A - B = {1 , 3}
B - A = {4 , 6}
COMPLEMENTO
O complemento do conjunto X o conjunto dos elementos no pertencentes ao conjunto X. Se nos pensarmos em imagem este poderia corresponder aos pixels brancos na figura ou na linguagem da teoria dos
conjuntos:
Ac ou X = {x | x X}
Exemplo:
Seja o conjunto V = { 1 , 2 , 3 , 4 , 5} e A = {1 , 3 , 5} ento
A = {2 , 4} e o complemento de A em relao a V.
DISJUNO
So disjuntos quando no existem elementos comuns entre eles.
X Y = 0 ento X e Y so disjunto.
Exemplo:
Seja o conjunto A = { 1 , 4 , 5} e B = {2 , 6} ento
A e B so disjuntos.
TRANSLAO
A translao do conjunto X pelo ponto x definida, em notao de
conjuntos, como:
X = { y | y = a + x, x X}
Exemplo:
53
Seja o conjunto X = {1 , 2}
ento todos os pixels da imagem sero movidos uma coluna para a
direita e duas linhas para baixo conforme exemplificado abaixo com
uma imagem:
Figura 3.1.
Translao
REFLEXO
A reflexo do conjunto X definida como:
X = { y | y = -x, x X}
Figura 3.2.
Original
Refletida
54
Dilatao Binria ()
A dilatao, tambm as vezes chamada de dilao, uma transformao
morfolgica que combina dois conjuntos usando adio vetorial. Seu
smbolo . Como o nome diz, o resultado ser uma imagem
engordada.
A dilatao de um conjunto A pelo conjunto B e definida por:
AB={c|c=a+b,aA,bB}
Onde A representa a imagem sendo operada e B um segundo conjunto
onde chamado elemento estrutural e sua composio define a natureza
especifica da dilatao, sendo assim a dilatao expande uma imagem.
Ela pode ser representada pela unio A B = B.
Seja o conjunto A = { (0,1) , (1,1) , (2,1) , (2,2) , (3,0)} e B = {(0,0) ,
(0,1)} ento o resultante da dilatao e :
A B = {A + {(x1 B)} A + {(x2 B)}
A B = { (0,1) , (1,1) , (2,1) , (3,0) , (0,2) , (1,2) , (2,2) , (2,3) , (3,1)}
Figura 3.3.
Exemplo: A B
B = {(0,0) , (0,1)} =
A B = { (0,1) , (1,1) , (2,1) , (3,0) , (0,2) , (1,2) , (2,2) , (2,3) , (3,1)} =
logo:
A B = [A+ {(0,0)}] [A + {(1,0)}] resulta em:
A B = {(1,1),(1,2),(2,1),(2,2),(3,1),(3,2)}
55
A + {(0,0)} = {(1,1),(1,2),(2,1),(2,2)} =
(1,1) + (0,0) = (1,1)
(1,2) + (0,0) = (1,2)
(2,1) + (0,0) = (2,1)
(2,2) + (0,0) = (2,2)
A + {(1,0)} = {(2,1),(2,2),(3,1),(3,2)} =
(1,1) + (1,0) = (2,1)
(1,2) + (1,0) = (2,2)
(2,1) + (1,0) = (3,1)
(2,2) + (1,0) = (3,2)
A B = {(1,1),(1,2),(2,1),(2,2),(3,1),(3,2)} =
Eroso Binria ()
A eroso basicamente encolhe uma imagem e pode ser vista como uma
transformao morfolgica que combina dois conjuntos usando vetores
de subtrao. Ela expressa como a interseo de A e B. Assim e
definido A B = B A.
A eroso da imagem A pelo elemento estrutural B pode ser definida
como:
A B = ( x | x + b A para todo b B)
56
Figura 3.5.
Exemplo 1:
A=
B=
AB=
A=
B=
AB=
Exemplo 2:
A={(1,1),(1,2),(2,1),(2,2)}
B={((-1,0),(0,-1),(0,1),(1,0)}
A B = [A+ {(-1,0)}] [A+ {(0,-1)}] [A+ {(0,1)}] [A+ {(1,0)}]
A+ {(-1,0)} = {(0,1),(0,2),(1,1),(1,2)}
A+ {(0,-1)} = {(1,0),(1,1),(2,0),(2,1)}
A+ {(0,1)} = {(1,2),(1,3),(2,2),(2,3)}
A+ {(1,0)} = {(2,1),(2,2),(3,1),(3,2)}
A B = {(0,1),(0,2),(1,0),(1,1),(1,2),(1,3),(2,0),(2,1),(2,2),(2,3),(3,1),(3,2)}
ou
A B = { c | B A } definio de Matheron (1967).
Assim define-se que a eroso e o conjunto de todos os pixels, e o
elemento estruturante B e transladado pelo c corresponde a um conjunto
de pixel em A.
Podemos visualizar a eroso atravs do exemplo dado a seguir. Assim
verifica-se que cada elemento de B e um elemento de A ou seja B esta
contido em A.
A Figura 3.7. mostra mais alguns exemplos de eroso binria.
57
Figura 3.6.
A=
AB=
B=
58
Figura 3.7.
Exemplo 1:
A=
B=
AB=
A={(1,1),(3,3),(3,4),(4,3),(4,4)}
B={(0,0),(0,1),(1,0),(1,1)}
B(1,1) = {(1,1),(1,2),(2,1),(2,2)}
B(3,3) = {(3,3),(3,4),(4,3),(4,4)}
B(3,4) = {(3,4),(3,5),(4,4),(4,5)}
B(4,3) = {(4,3),(4,4),(5,3),(5,4)}
B(4,4) = {(4,4),(4,5),(5,4),(5,5)}
A B = { (3,3) | B(3,3) A}
Exemplo 2:
A=
B=
AB=
A={(3,3),(3,4),(4,3),(4,4)}
B={(-1,0),(0,-1),(0,1),(1,0)}
B(3,3) = {(2,3),(3,2),(3,4),(4,3)}
B(3,4) = {(2,4),(3,3),(3,5),(4,4)}
B(4,3) = {(3,3),(4,2),(4,4),(5,3)}
B(4,4) = {(3,4),(4,3),(4,5),(5,4)}
AB=
Exemplo 3:
59
(A E)
A = (A E) - A
60
(A E)
A = {A - (A E)}
Dilatao Condicional ( | I )
Condicional de Dilatao essencialmente envolve a dilatao de uma
imagem seguida por uma interseo com alguma outra condio da
imagem. Em outras palavras novos pixels so adicionados ao original.
Deste modo a imagem viria a ser uma mascara sobre a dilatao. Isto e
escrito como:
A | I B = ( A B) I
Aqui isto e um exemplo de como podemos usar condicional de dilatao.
Suponha que antes de aplicar certo operador morfolgico para achar um
ponto especifico na imagem nos queremos achar o componente conectado
original dentro deste ponto. Na essncia , nos queremos crescer este ponto
fora para encher o componente conectado original. Um obvio modo iria
ser para combinar o componente conectado rotulando com operador
morfolgico, entretanto voc pode fazer isto com o condicional de
dilatao.
61
A | I B = ( A B) I
Figura 3.10.
( A B)
A | I B = ( A B) I
Gradiente Morfolgico
Esta operao e composta de trs outras operaes bsicas da morfologia: a dilao, eroso e a subtrao e definida da seguinte forma:
X = ( A B) (A B)
onde:
A a imagem original e
B o elemento estruturante
Uma importante aplicao do gradiente e para achar a fronteira.
Figura 3.11.
( A B)
(A B)
X = ( A B) (A B)
Abertura (Opening )
A abertura em geral suaviza o contorno de uma imagem, quebra
estreitos e elimina proeminncias delgadas, a operao de abertura e
usada tambm para remover rudos da imagem. A abertura de um
conjunto A por elemento estruturante B e denotado A B e definida
como:
A B = (A B) B
62
Figura 3.12.
B=
A=
AB=
(A B) B =
Fechamento (Closing)
O fechamento funde pequenos quebras e alargas golfos estreitos elimina
pequenos orifcios, se uma abertura cria pequenos vazios na imagem, um
fechamento ir preencher ou fechar os vazios, estas operaes podem
remover muitos dos pixels brancos com rudos, ou seja basicamente ele e
igual a abertura s que primeiramente e feita a dilatao e aps e feita a
eroso assim ela se define como:
A B = (A B) B
Em outras palavras o fechamento trabalha de um modo oposto ao mtodo
abertura, onde ela remove todos os pixels onde o ajuste do elemento
estruturante no esta dentro da imagem (primeiro pano), fechamento
63
B=
A=
AB=
(A B) B =
Exemplo 2:
64
Uma eroso pode ser implementada usando uma dilatao e vice versa,
abertura pode ser implementada usando um fechamento e vice-versa.
Idempotncia entre Abertura e Fechamento
Uma importante propriedade de operadores abertura e fechamento que
eles so idempondente, ou seja se voc aplicar mas de uma vez, nada
muda antes da primeira aplicao, ou seja:
ABB=AB
ABB =AB
Dois elementos estruturantes para utilizao com hit & miss para encontrar
a borda superior direita de um objeto.
J elemento estruturante
K elemento estruturante
65
AJ
A K
A (J , K) =
Exemplo 2:
66
Figura 3.16.
(J , K) = A (A (J , K) )
Thickening
A (J , K)
(J , K) = A (A (J , K) )
(J , K) = A - (A (J , K) )
Thining
A (J , K)
(J , K) = A - (A (J , K) )
67
Esqueletonizao
Uma abordagem importante para representar a forma estrutural de uma
regio plana e reduzi-la a um grafo. Este reduo pode ser implementada obtendo a esqueletonizao da regio atravs de um algoritmo.
Existem vrios algoritmos para essas transformaes um dele e o MAT
(Medial Axis Transformation) proposto por Blum e definada como " A
MAT de uma regra R com fronteira B e obtida da seguinte forma: Para
cada ponto p em R, encontra-se seu vizinho mais prximo em B. Se p
tem mais de um vizinho a mesma distancia mnima, diz-se que p
pertence ao eixo mdio de R.".
Outra forma de obter a esqueletonizao e atravs de tcnicas morfolgicas. Atravs de eroso e aberturas ou seja imagine a regio A atravs
desta tcnica obtm S(A) que e a esqueletonizao de A. Isto e definida
como:
S (A) = S K (A)
Com
S K (A) = {(A kB) [A kB) B]}
Onde B e um elemento estruturante (A kB) indica k eroso sucessivas
de A; ou seja:
(A kB) = ((...(A B) B)...) B
k vezes e K e o ultimo passo iterativo antes de A resultar, por eroso
em um conjunto vazio. Em outras palavras:
K = max {k | A kB) <> 0}.
Essas equaes indicam que S(A) e o esqueleto de A, pode ser obtido
pelo subconjuntos de esqueletonizao de S K(A). Pode-se mostrar,
alm disso, que A pode ser reconstrudo a partir destes subconjuntos
utilizando a equao:
68
A = (S K (A) KB
Onde (S K (A) KB) denota k dilataes sucessivas de S K (A).
Figura 3.18.
Limiarizao ( Tresholding)
O principio bsico da limiarizao consiste em separar as regies de uma
imagem quando esta apresenta duas classes (fundo e objeto). A forma
mas simples da limiarizao consiste na bipartio da imagem, convertendo os pixels cujo tom de cinza e maior ou igual a um curto valor (T)
em brancos e os demais em pretos.
69
1 se f(x,y)>= T
0 se f(x,y)< T
70
Figura 3.19.
Original
Dilatada
Erodida
Abertura
Fechamento
Esqueletonizao
71
2.
3.
4.
Figura 3.20.
72
2.
3.
4.
Figura 3.21.
73
74
75
Figura 3.23.
R ULJ LQ D O
IH F K D P H Q WR
V X E WU D F W
OLP LD UL] D o m R V LP S OH V
H V T X H OH WR Q L] D o m R
e sq u e le to n iz a o 2
a b e rtu ra
76
WK LQ Q LQ J
subtrao de imagens
Figura 3.24.
O rig in al
E ro d id a
D ilatad a
77
Referncias
78
[3.1]
[3.2]
[3.3]
[3.4]
[3.5]
www.ime.usp.br/mac/khoros/mmach.old/
Referncias
[3.6]
www.ph.tn.tudelft.nl/Courses/
[3.7]
www.khoral.com/
[3.8]
www.hig.no/bibliotec/
79
80
%\)ODYLR9LROD
),/75$*(012'201,2'$)5(4h1&,$
aplicadas a cada SL[HO da imagem, levando em conta os nveis de cinza de uma regio vizinha
de cada pixel desta imagem.
As tcnicas de filtragem podem ser divididas em dois tipos: filtragem no domnio
imagem e um conjunto de valores que operam diretamente sobre esses SL[HOV, podendo ser
expressa como:
J ( [, \ ) = 7 [ I ( [, \ )]
(1)
Aura 2007
RGRPtQLRHVSDFLDO
)LJXUD(VTXHPDGHSURFHVVDPHQWRQRGRPtQLRGDIUHTrQFLDXVDQGRDWUDQVIRUPDGDGHLPDJHQV
75$16)250$'$'()285,(5
pois, a mudana de domnio do espao [\para o domnio da freqncia XY e vice-versa,
ocorre atravs dessas transformadas.
Na transformada de Fourier, QmR Ki SHUGD GH LQIRUPDomR GXUDQWH D PXGDQoD GH
GRPtQLRV, apenas a informao visual da imagem est representada de uma outra forma, no
domnio da freqncia.
Aura 2007
)LJXUD$OJXPDVIXQo}HVELGLPHQVLRQDLVHVHXVHVSHFWURVGH)RXULHU
) (X ) =
M = 1
(2)
I ( [) =
(3)
Aura 2007
Essas duas equaes so chamadas de SDU GH WUDQVIRUPDGD GH )RXULHU e podem
(verifiquem!!!! 6HUi" )
* (X ) =
exp[ X ]
2
A transformada de Fourier de uma funo I ([) uma funo complexa e pode ser
(4)
) (X ) = ) (X ) H
(
(5)
(6)
(X ) = tan 1 [, (X ) / 5 (X )]
(7)
) (X ) = 5 2 (X ) + , 2 (X )
1/ 2
e o kQJXORGHIDVH
(8)
Aura 2007
!"
#$%$ &'((
freqncia, derivada do termo exponencial, exp[ M 2X[] e pela frmula de Euler obtm-se:
(9)
Portanto, uma funo pode ser decomposta pelo somatrio de VHQRV H FRVHQRV e a
transformada de Fourier computa a distribuio (amplitudes, freqncias e fases) desses senos
e co-senos (GONZALEZ e WOODS, 2000).
) (X, Y) =
(10)
(11)
(12)
) (X , Y) = 5 2 (X , Y) + , 2 (X , Y)
1/ 2
(13)
Aura 2007
)*+,-
./
0121 )3455
(14)
3 (X , Y) = 5 2 (X , Y) + , 2 (X, Y)
(15)
A figura 3.mostra o espectro de Fourier da funo seno, uma nica senide, cuja
representao do espectro de Fourier somente um par de pontos simetricamente dispostos
sobre a origem no domnio da freqncia.
75$16)250$'$',6&5(7$'()285,(5
Aura 2007
)*+,-
./
0121 )3455
como uma varivel discreta, defini-se: I[ I[ 6 Q[, com Q assumindo os valores discretos
1.
espaados de uma funo contnua atravs da seqncia: ^IIII1`. Com base
definir o par de WUDQVIRUPDGDV GLVFUHWDV GH )RXULHU como sendo uma soma finita de
1 1
) (X ) = I ( [) exp[ M 2X[/N ]
1 8 =0
(16)
1 1
I ( [) = ) (X ) exp[ M 2X[/N ]
1 : =0
(17)
1 1 1
X[ Y\
) (X, Y) =
I ( [, \ ) exp M 2 ( + )
>
<
01 =0 =0
0 1
(18)
X[
Y\
) (X , Y) exp M 2 ( + )
B
@
0 1
=0
(19)
=0
com que a FRPSOH[LGDGH caia de 1 para 1 ORJC 1 operaes. Representando assim, uma
C
Aura 2007
DEFGH
IJ
KLML DNOPP
J ( [, \ ) = I ( [, \ ) * K( [, \ )
Q
(20)
1 1 1
J ( [, \ ) =
I (P, Q)K( [ P, \ Q)
01 R =0 T =0
(21)
Aura 2007
DEFGH
IJ
KLML DNOPP
desloca-se esta funo K[\com respeito I[\ pelo incremento dos valores de
PQ e
-
respectivamente, R WHRUHPD GD FRQYROXomR diz que I[\
K[\ e )XY+XY constituem
um par de transformadas de Fourier. Ento, a partir do teorema da convoluo obtm-se a
seguinte relao no domnio da freqncia:
I ( [, \ ) * K( [, \ ) ) (X , Y) + (X , Y)
(3.22)
I ( [, \ )K( [, \ ) ) (X , Y) * + (X , Y)
(3.23)
Esta relao indica que a convoluo pode ser obtida pela transformada de Fourier
inversa do produto )XY+XY
Portanto, a convoluo entre duas funes QR GRPtQLR HVSDFLDO WHP FRPR
WUDQVIRUPDGD D PXOWLSOLFDomR GDV WUDQVIRUPDGDV GDV GXDV IXQo}HV QR GRPtQLR GD
352&(66$0(172'(,0$*(1612'201,2'()285,(5
SURFHVVDPHQWRGHLPDJHQVQRGRPtQLRGH)RXULHU.
A idia bsica para o processamento neste domnio pode ser observada no esquema
apresentado na figura 4. Em um primeiro passo, a imagem ,[\ transformada para o
GRPtQLR GH )RXULHU, atravs da sua transformada discreta, utilizando o algoritmo FFT. A
imagem no domnio de Fourier representada por )XY e esta convoluda com o filtro
Aura 2007
DEFGH
IJ
KLML DNOPP
)LJXUD(VTXHPDLOXVWUDQGRRVSDVVRVGDILOWUDJHPQRGRPtQLRGH)RXULHU
Em WATT e
Aura 2007
DEFGH
IJ
KLML DNOPP
)LJXUD,PDJHP3DOKDGHXPDWH[WXUDQDWXUDOHVHXHVSHFWURGH)RXULHU
Observando essas figuras, percebe-se que a imagem da cena natural, figura 5, tem uma
tendncia a no apresentar estruturas caractersticas no espectro de Fourier.
Na figura 6, observa-se que h uma representao de muitas linhas repetidas e
paralelas. No espectro de Fourier isto vai ficar caracterizado. Primeiro h uma repetio de
linhas gerada pela cerca da linha do trem no topo dos arcos. Existe tambm uma
descontinuidade entre os arcos de cima (linhas tambm verticais) e os de baixo que provocam
o aparecimento de linhas no espectro de Fourier. H tambm duas estruturas representadas
como linhas diagonais ao longo do eixo X, no espectro de Fourier, que caracterizam os lados
dos arcos. H ainda coerncia em relao ao sentido vertical, no espectro de Fourier, devido
s descontinuidades horizontais manifestadas pelas sombras.
Na figura 7, a relao entre as texturas da imagem e as estruturas apresentadas no
espectro de Fourier bastante evidente. As texturas so caracterizadas pelas estruturas que se
parecem com uma linha diagonal borrada. E a folha de palha isolada representada pela
outra estrutura diagonal mais fina.
A importncia de entender a representao da imagem do espectro de Fourier que a
partir desse entendimento, torna-se mais simples e intuitivo determinar um filtro apropriado a
ser aplicado imagem. Atravs das informaes geradas pela imagem do espectro de Fourier
Aura 2007
DEFGH
IJ
KLML DNOPP
Fourier, com crculos de diferentes raios. Os crculos representam uma proporo de quanto
da informao da imagem est contida em cada crculo. Calculando-se a proporo da soma
total de ) (X, Y)
)LJXUD,PDJHPGHLPSUHVVmRGLJLWDOVHXHVSHFWURGH)RXULHUFRPFtUFXORVLQGLFDQGRDIRUoDGDLPDJHP
Aura 2007
DEFGH
IJ
KLML DNOPP
filtros so chamados de ILOWURV GH GHVORFDPHQWR GH IDVH ]HUR. Para realizar essas filtragens
utilizamos um filtro circular simtrico.
),/75$*(03$66$%$,;$
Como dito anteriormente D PDLRU IRUoD GH XPD LPDJHP TXDVH VHPSUH est
GHWDOKHV GD LPDJHP TXH JHUDP HVVDV DOWDV IUHTrQFLDV. Detalhes da imagem so, por
SHSSHU e seu novo espectro de Fourier. Este tipo de rudo freqentemente gerado dentro de
DEFGH
IJ
KLML DNOPP
mais afastadas da origem. Este um exemplo clssico em que a utilizao de um filtro SDVVD
EDL[D melhora a qualidade da imagem. Neste caso, as baixas freqncias sero mantidas e as
altas freqncias, fora do crculo de raio U, presentes na transformada da imagem, )XYsero
)LJXUD&RPSDUDomRGRHVSHFWURGH)RXULHUGHLPDJHQVGHLPSUHVVmRGLJLWDOVHPUXtGRHFRPUXtGR
Portanto, se
+XY = 0 se X Y U
Aura 2007
DEFGH
IJ
KLML DNOPP
Esse filtro chamado de SDVVD EDL[D LGHDO, pois todas as freqncias, dentro do
)LJXUD5HVXOWDGRGDILOWUDJHPSDVVDEDL[D
),/75$*(03$66$$/7$
Pode-se entender a filtragem SDVVD DOWD como uma operao contrria filtragem
+XY = 1 se X Y U
Esse filtro chamado de passa alta ideal, pois todas as freqncias, fora do crculo de
Aura 2007
DEFGH
IJ
KLML DNOPP
Um exemplo de filtragem passa alta em imagem de impresso digital mostrado na figura 12.
As figuras 12a, 12b e 12c, apresentam, respectivamente, a imagem original, o filtro passa alta
utilizado e a imagem com detalhes finos aps a filtragem.
)LJXUD5HVXOWDGRGDILOWUDJHPSDVVDDOWD
),/75$*(0325809$/25'(&257(
Aura 2007
DEFGH
IJ
KLML DNOPP
o percentual dos coeficientes da FFT removidos das imagem, aps a filtragem, de acordo com
o valor de corte utilizado.
Com o valor de 12% a imagem apresentou um melhor resultado tanto visual quanto ao
ser processada pelo programa que localiza ncleos e deltas nas impresses digitais. Aps a
filtragem, com este valor, s foram encontrados o ncleo e o delta que realmente existem na
imagem, conforme a figura 16. Embora este valor de 12% tenha sido o melhor resultado
encontrado nas imagens testadas, esses testes no possibilitaram definir um valor de corte
ideal a ser utilizado em todas as imagens.
)LJXUD/RFDOL]DomRGHQ~FOHRHGHOWDDQWHVGDILOWUDJHP
)LJXUD/RFDOL]DomRGHQ~FOHRHGHOWDDSyVILOWUDJHPFRPYDORUGHFRUWHGH
Aura 2007
DEFGH
IJ
KLML DNOPP
)LJXUD/RFDOL]DomRGHQ~FOHRHGHOWDDSyVILOWUDJHPFRPYDORUGHFRUWHGH
)LJXUD/RFDOL]DomRGHQ~FOHRHGHOWDDSyVILOWUDJHPFRPYDORUGHFRUWHGH
)LJXUD/RFDOL]DomRGHQ~FOHRHGHOWDDSyVILOWUDJHPFRPYDORUGHFRUWHGH
Aura 2007
DEFGH
IJ
KLML DNOPP
95,72%
15%
93,88%
12%
92,30%
7DEHOD3HUFHQWXDOGHFRHILFLHQWHVGD))7UHPRYLGRVDSyVDILOWUDJHP
Alm dos filtros apresentados anteriormente, existem outros que podem ser aplicados
s imagens no domnio de Fourier, dependendo do efeito que se deseja alcanar. Em SCURI
(1994) e WATT e POLICARPO (1998), alm dos filtros circulares (passa baixa, passa alta e
passa banda), so apresentados filtros retangulares horizontais (isolar freqncias verticais) e
verticais (isolar freqncias horizontais).
Outro tipo de filtro apresentado chamado de circular no centrado na origem ,
utilizado quando se deseja isolar as freqncias que se manifestam atravs de pontos
brilhantes no domnio da freqncia, apresentado nas figuras 18 e 19. H ainda, um filtro
chamado de IDQ (setor angular) aplicado a imagens com freqncias distribudas ao longo
de uma direo inclinada. Este ltimo filtro bastante utilizado em imagens com rudos com
uma freqncia peridica, como por exemplo, as linhas diagonais da imagem, como
apresentado na figura 20. As imagens utilizadas para os testes mostrados nas figuras que
seguem foram adquiridas em KWWSZZZHQHDWHIUHHVHUYHFRXN.
Aura 2007
DEFGH
IJ
KLML DNOPP
)LJXUD(VSHFWURGH)RXULHUGDLPDJHP
Aura 2007
DEFGH
IJ
KLML DNOPP
)LJXUD5HVXOWDGRGDILOWUDJHPXWLOL]DQGRILOWURFLUFXODUQmRFHQWUDGRQDRULJHP
Aura 2007
DEFGH
IJ
KLML DNOPP
)LJXUD5HVXOWDGRGDILOWUDJHPXWLOL]DQGRILOWURVHWRUDQJXODU
,0$*(16'(,035(662',*,7$/12'201,2)285,(5
Aura 2007
DEFGH
IJ
KLML DNOPP
)LJXUD)UDJPHQWRGHXPDLPSUHVVmRGLJLWDOHDLPDJHPGHXPDVHQyLGHELGLPHQVLRQDOFRPDPHVPD
GLUHomR
)LJXUD)UDJPHQWRGHXPDLPSUHVVmRGLJLWDOHVHXHVSHFWURGH)RXULHU
Aura 2007
DEFGH
IJ
KLML DNOPP
)LJXUD)UDJPHQWRVGHXPDLPSUHVVmRGLJLWDOHVHXVHVSHFWURVGH)RXULHU
Aura 2007
DEFGH
IJ
KLML DNOPP
)LJXUD,PDJHQVVLQWpWLFDVUHSUHVHQWDQGRXPIUDJPHQWRGHLPSUHVVmRGLJLWDOHVHXVHVSHFWURVGH
)RXULHU
ou energia, proporcional a $ V .
Pode-se concluir ento, que a transformada de Fourier varia com a rotao,
ou seja, apresenta resultados distintos para fragmentos de impresses digitais
Aura 2007
WXYZ[
\]
^_`_ Wabcc
)LJXUD,PDJHQVVLQWpWLFDVFRPOLVWUDVLQFOLQDGDVHVHXVHVSHFWURVGH)RXULHU
Aura 2007
WXYZ[
\]
^_`_ Wabcc
original
da
dissertao
de
mestrado
de
Flavio
Viola
em:
http://www.ic.uff.br/PosGraduacao/lista_dissertacao.php?ano=2006 )
Aura 2007