24/05/2011

1

O que significa PDI?

• GONZALEZ & WOODS (2000) descrevem o objetivo do processamento digital de imagem como sendo um conjunto de procedimentos que melhoram a informação pictorial para interpretação do olho humano, bem como, para o reconhecimento do dado imageado pelo computador.

• Como resultado dessa evolução, a tecnologia de processamento digital de imagens vem ampliando seus domínios, que incluem as mais diversas áreas, como por exemplo: análise de recursos naturais e meteorologia por meio de imagens de satélites; transmissão digital de sinais de televisão ou facsímile; análise de imagens biomédicas, incluindo a contagem automática de células e exame de cromossomos; análise de imagens metalográficas e de fibras vegetais, etc .

I- Introdução

Etapas do Processamento

Esquema

A segmentação que divide uma imagem de entrada em partes ou objetos constituintes o que facilita a obtenção de regiões homogêneas na imagem.

O processo de descrição , também chamado seleção de características , procura extrair caracteristicas que resultem em alguma informação quantitativa de interesse ou que sejam básicas para discriminação entre classes de objetos. Em se tratando de reconhecimento de caracteres, descritores tais como vegetação, solo, etc .

O reconhecimento é o processo que atribui um rótulo a um objeto, baseado na informação fornecida pelo seu descritor.

A interpretação envolve a atribuição de significado a um conjunto de objetos reconhecidos.

Leia mais: GONZALEZ & WOODS, Processamento digital de imagens. Editora Edgard Blücher, Ltda, 2000.

O processamento digital de imagem é o conjuntode procedimentos de álgebra matricial egeoestatística aplicado a interpretação,classificação e extração de informaçõesde umaimagem digital.

• O uso de imagens multiespectrais registradas porsatélites tais como, CBERSII, SPOT ou similaresé uma valiosa técnica para a extração dos dadosdestinados às várias aplicações de pesquisa derecursos naturais.

24/05/2011

2

• A obtenção dasinformações espectraisregistradaspelos sistemas nas diferentes partes doespectroeletromagnético, visando a identificação ediscriminação dos alvos de interesse, dependeprincipalmente da qualidade da representação dosdados contidos nas imagens.

• As técnicas de processamento digital de imagens,além de permitirem analisar uma cena nas váriasregiões do espectro eletromagnético, tambémpossibilitam a integração de vários tipos de dados,devidamente georeferenciados.

Exemplos de processamento:

-classificação;

-aumento de contraste;-reamostragem;

-operações matemáticas

As técnicas processamento digital atuam nodomínio espacial que modifica os valores dospixels da imagem baseado nos valores dospixelsvizinhos.

Atuam também no domínioradiométrico osonde os valores dospixels são alteradosindividualmente

a) Visualização de imagens multiespectrais

Imagens multiespectrais são aquelas que possuem diversas bandas que podem ser combinadas entre si.

Exemplo(Imagem spot) Pixel (TC)

Banda verde: de 0,50 µm a 0,59 µm 1 200

Banda vermelha:de 0,61 µm a 0,68 µm 2 100

Banda infravermelho:0,79 µm a 0,89 µm 3 150

Supondo que 1 esteja no vermelho, 2 esteja no verde e 3 noazul , na fusão RGB o novo pixel será colorido baseado namistura das cores primárias.

Falsa cor RGB

24/05/2011

3

• As composições coloridas de imagens multiespectrais são muito importantes para interpretação de imagens e reconhecimento do terreno.

• O estudo individualizado das bandas espectrais são em alguns caso de difícil interpretação.

BANDA 2 Intervalo (0.45-0.60???? m)

Composição de 3 Bandas-

5,4,3 Landsat

b) Estatística da imagem

• A variação de tons de cinza de uma imagem (DN)pode ser representada por histogramas defreqüência.

• O histograma permite obter informação sobrequantospixels na imagem possuem determinadovalor de cinza (que numa imagem de 8 bits variade 0, preto, a 255, branco).

• Os dados discretos representados nos histogramasde freqüências são de fundamental importância noque concerne ao aumento de contraste e realce deuma imagem.

Realce

• O realce é um aumento de contraste da imagem: baseado na natureza radiométrica;

• O realce refere-se aos pixels individualmente;

• O realce facilita o processo de fotointerpretação

24/05/2011

4

Realce RadiométricoHistogramas

Eixo horizontal os valores de tons de cinza e no eixovertical o número depixels para cada um dessesvalores.

0 Tons de cinza 255

100

Pixels

0

50 pixels de DN= 120

O contraste de uma imagem está diretamenterelacionado com o histograma da imagem.

Logo este pode ser alterado pelo usuário a fimde ampliar o contraste da imagem. A esteprocedimento denominamos derealce.

DN (100 –200) DN(20- 255)

Original Realçado

J KDADO ORIGINAL

J K DADO AMPLIADO

FREQ.

FREQ.

Baixo ContrasteAlto Contraste

•O contraste de uma imagem é uma medida de espalhamento dos níveis dos níveis de intensidade que nela ocorrem.

Realce

24/05/2011

5

Histograma Tri-dimensionalA manipulação do histograma deve ser feita sempre levando em conta as características da imagem. Alterando o histograma pode-se ter como resultado na imagem:

-maior ou menor contraste e brilho;-maior ou menor realce para determinado tipo de feição;

-perda ou ganho de interpretação visual.

Métodos de realce

Existem várias formas de alterar o contrastede uma imagem através dos seguintesmétodos:

• aumento linear;• aumento bilinear;

• equalização;

Aumento Linear

• O aumento de contraste por uma transformação linear simples das opções.

• A função de transferência é uma reta A função de mapeamento linear pode ser representada por:

Y = AX + B

onde: Y = novo valor de nível de cinza;

X = valor original de nível de cinza;

A = inclinação da reta (tangente do ângulo);

B = fator de incremento, definido pelos limites mínimo e máximo fornecidos pelo usuário.

24/05/2011

6

Manipulação do Histograma

Equalização

• É uma maneira de manipulação de histograma que reduz automaticamente o contraste em áreas muito claras ou muito escuras, numa imagem. Expande também os níveis de cinza ao longo de todo intervalo.

• Consiste em uma transformação não-linear que considera a distribuição acumulativa da imagem original, para gerar uma imagem resultante, cujo histograma será aproximadamente uniforme.

• A opção de equalização parte do princípio que o contraste de uma imagem seria otimizado se todos os 256 possíveis níveis de intensidade fossem igualmente utilizados ou, em outras palavras, todas as barras verticais que compõem o histograma fossem da mesma altura.

• Os picos do histograma da imagem, deixando intocadas as partes mais "chatas" do mesmo.

• Este processo é obtido através de uma função de transferência que tenha uma alta inclinação toda vez que o histograma original apresentar um pico, e uma baixa inclinação no restante do histograma.

24/05/2011

7

Objetivo

A manipulação do contraste de uma imagem tem como objetivo melhorar a sua qualidade visual sob critérios subjetivos ao olho humano. Esse processo não aumentaa quantidade de informação contida na imagem, mas torna mais fácil a sua percepção. É normalmente utilizada como uma etapa de pré-processamento.

Tipicamente, os sensores são capazes de discretizar os valores recebidos da cena em um intervalo máximo que vai de 0 até 255 (8 bits = 256 possíveis valores).Devido à má iluminação, defeitos do sensor ou mesmo às características da cena, o intervalo de valores de intensidade ocupados pelos pixels presentes em uma imagem, pode ser muito menor que esse intervalo máximo.

Diz-se então que a imagem possui baixo contraste, o que torna difícil a sua visualização ou interpretação por um intérprete humano ou um sistema de processamento digital.

Quando Realçar?

• Exemplo: caso em que uma imagem apresenta regiões escuras (baixos níveis de cinza) dentro de uma área com pequenas variações radiométricasque não são de interesse. Pode-se utilizar o limite de saturação para realçar ou amenizar o contraste de alguma característica da imagem.

• Se o histograma apresenta dois picos de freqüência (bimodal), pode-se segmentar a imagem em duas classes definidas por uma limiar (L). Esta operação é útil para separar dois grandes grupos de níveis de cinza na imagem.

24/05/2011

8

Fonte Inpe:http://www.dpi.inpe.br/spring/teoria/realce/realce.htm

Além do histograma da imagem alguns indicadores estatísticospermitem avaliar o comportamento do dado digital.

Tais como:

• Valor máximo(DN)

• Valor mínimo

• Média

• Desvio Padrão

• Matriz Variância-covariância

• Correlação

Estatística da Imagem

• Média :µi = ΣXi/ n

• Desvio Padrão: σσσσ=( Σ(Xi- µi )2/n)1/2

• Covariância (entre duas bandas)

Cab= Covariância entre a banda A e B ;Ai e Bi= Valores para A e B, para o pixel i;µa e µb= Média para banda A e B;K= Número de pixels;

1/))((1

−−−=∑=KbBiaAiCab

k

iµµ

24/05/2011

9

Exemplo

• Numa Imagem de três bandas pode-se ter:

Banda Vmax Vmin M Dp1 200 10 97 112 255 0 120 203 199 30 110 12

Sabendo-se Ca/b pode determinar a correlação entre a banda a/b

ρ = Ca/b / √σa√σb

ρ = 1 alta correlação entre a e b

ρ = 0 baixa correlação entre a e b

Correlação entre dados multiespectraisEx: Landsat TM

O coeficiente de correlação permite avaliar quais os intervalos espectrais próximo de si espectralmente

Correlação entre Dados multiespectraisEx: Landsat TM

Média

Sumário de Correlação

Bandas 1,2,3: altamente correlacionadas, porém pouco com B4

Bandas 5,7: razoável correlação

Bandas 4,7: correlação variável

Bandas 4,7: correlação variável

Bandas3,7: razoável correlação

24/05/2011

10

Espaço Objeto (processamento digital)

•Pode-se avaliar um par de bandas através do que se denominaESPAÇO OBJETO, onde os DN de duas bandas são observadosno num eixo bidimensional.

• O que permite avaliar o comportamento da superfície captadapelo sensor em diferentes faixas espectrais. Desta forma acorrelação entre bandas podem ser avaliadas através dehistogramas bidimensionais.

Espaço de atributos-Feature space

Espaço Image

Características Espacial

Espaço de Atributo

Característica Espectral

Espaço Image

Características Espacial

Espaço de Atributo

Característica Espectral

Espaço de atributos-Feature spaceFiltros

As operações matemáticas efetuadas na imagem com afinalidade de realçar padrões, estas são realizadas por doisprocessos distintos; um que opera no domínio espacial daimagem,convoluçãocúbica (janelasm x n), e outro queopera no domínio da freqüência baseado nas transformadasdeFourrier .

• As técnicas de filtragem são transformações da imagempixel a pixel, que não dependem apenas do nível de cinzade um determinado pixel, mas também do valor dos níveisde cinza dos pixels vizinhos.

24/05/2011

11

Os Filtros são realizados por “máscaras”, “janelas” com algum algoritmo denominado KERNEL.

Objetivos:

-eliminação de ruídos e anomalias da imagem(linhas e pontos ruins);

-realce, detecção de bordas;

-suavização da imagem;

-interpretação da imagem.

FILTRO

IMAGEMORIGINAL

FILTROIMAGEM

FINAL

• Filtros de AmplitudeAtuam diretamente no espaço de cor das imagens

• Filtros TopológicosAtuam no domínio da imagem

Filtros de Amplitude x Topológico

Gamma Correction

PUNCH

Convolução Discreta 2DFiltro representadopor uma Matriz 3x3:

Imagem (5x5): 6 4 5 6 8

9 0 4 8 5

3 2 3 4 2

9 2 3 6 1

7 8 9 0 4111

111

111

1/9

Para cada pixel da imagem•Posicionar centro do filtro sobre o pixel•Calcular média ponderada dos pixels vizinhos segun do os valores do filtro•pixel correspondente na imagem final ganhará essa média

Exemplo no pixel (2,4): 6 4 5 6 8

9 0 4 8 5

3 2 3 4 2

9 2 3 6 1

7 8 9 0 4

(2+3+4+2+3+6+8+9+0) / 9 ≈ 4

Algoritmo:

24/05/2011

12

Filtro janela 3x 3

Movimento da janela(por pixel)

Matriz

Novo valor do pixel, baseado nos dos vizinhos(kernal)

• A aplicação da máscara com centro na posição (i,j),

sendo i o número de uma dada linha e

j o número de uma dada coluna sobre a imagem.

• A substituição do valor do pixel na posição (i,j) por um novo valor que depende dos valores dos pixels vizinhos e dos pesos da máscara.

Dado Filtro (kernel)

AlgoritmoImagem

Para computar novo valor destepixel cada valor dofiltro é multiplicado pelo valor do pixelcorrespondente no filtro. O somatório do produto édividido pelo total da soma dos valores do filtro, talcomo se segue:

V=((-1 x 8) + (-1 x 6) + (-1 x 6) + (-1 x 2) + (16 x 8) +(-1 x 6) + (-1 x 2) + (-1 x 2) + (-1 x 8) / (-1 + -1 +-1 + -1 + 16 + -1 + -1 + -1 + -1) = (88/8) = 11;

24/05/2011

13

generalizando, a imagem filtrada será dada pela fórmula:

q q

V = ∑ (∑ f ij dij) / Fi=1 i= 1

f ij = coeficiente referente ao filtro(m x n) na posiçãoi,j ;d ij = coeficiente referente ao valor dopixel correspondente

fij;q = dimensão da matriz, no exemplo3 x 3;F = soma dos coeficientes do filtro;V = novo valor dopixel.

2 8 6 6 6

2 11 5 5 6

2 0 11 6 6

2 1 0 11 6

2 2 2 2 8

Valores Filtrados

Tipos de Filtros de Convolução

Os filtros servem para facilitar a interpretação. Os principais tipos são:

-Passa Alta;

-Passa Baixa;

-Média;

-Mediana;

-Laplace

Filtro- Média

111

111

111

1/9

Como será a imagem final após a filtragem pelo filtro ?• Cada pixel será a média dos vizinhos• Um pixel branco no meio de pixels azul vai ficar azulado• Portanto este filtro vai borrar a imagem• É chamado de filtro passa baixa (porque deixa passar apenas baixas freqüências,as altas são filtradas)

24/05/2011

14

Resultado de um Filtro BOX

BOX

• O Filtro BOX é anisotrópico

Filtro Gaussiano

n 2n Máscara de coeficientes

1 2 1 1

2 4 1 2 1

3 8 1 3 3 1

4 16 1 4 6 4 1

5 32 1 5 10 10 5 1

6 64 1 6 15 20 15 6 1

7 128 1 7 21 35 35 21 7 1

8 256 1 8 28 56 70 56 28 8 1

121

242

121116

1331

3993

3993

1331

164

14641

41624164

62436246

41624164

14641

1256

Triângulo de pascal para geração discreta da Gaussiana

Resultado do Filtro Gaussiano

Gauss

Filtro Laplaciano

0 1 0

1 - 4 1

0 1 0

1 1 1

1 - 8 1

1 1 1

• Filtro passa alta.

• Somar à imagem originalpara realçar os detalhes.

truncation

offset

24/05/2011

15

Ampliação e Redução

10 x 8

14 x 10

8 x 5Redução

Ampliação Ampliação:• Pixel resize•Interpolação não linearbi-cubic resample

Redução:• Pixel resize (filtragem)• Interpolação linearbilinear resample

Passa Baixa1 1 11 1 11 1 1

• Os filtros de baixa freqüência, ditos depassa baixareduzem as altasfreqüências da imagem ,deixando passar somente as baixas freqüências,suavizando assim a imagem.

• A nova imagem possuirá pixels mais homogêneos uma vez que osnovos valores seriam uma média dos pixels vizinhos

8 6 6 8 6 6

2 6 6 2 4 6

2 2 2 2 2 2

Passa Alta-1 -1 -1-1 16 -1-1 - 1 -1

original filtrada

204 200 197 204 200 197

198 200 210 198 200 210

201 100 209 201 009 209

Originalfiltrada

64 60 57 64 60 5761 125 69 61 187 6958 60 70 58 60 70

Os filtros de alta freqüência ou passa altaeliminam as feições debaixa freqüência, deixando apenas as de alta freqüência. Os filtrosde alta freqüência servem para realçar bordas( limites entre padrõesna imagem).

EXEMPLOS

Passa Baixa Passa Alta

Gradiente Horizontal Gradiente Vertical

24/05/2011

16

DETECÇÃO DE BORDAS

Limite das feições

Direção das Bordas

Imagem Original Filtro de Borda

Exercício

• Relatório das aulas práticas, 2 alunos1- Resposta espectral: Definir as resposta espectral das

assinaturas da Imagem Landsat 7, de Guaratuba, 6 bandas;2- PDI- Histograma e Filtros: Definições e exemplos práticos.

Ex:. Imagem CBERSII3- Correção Geométrica: Modelo matemático, pontos de

controle, resultados RMS.4- Classificação Digital: fotointerpretação, amostragem,

métodos (min distância, maxver), análise dos resultados.Bibliografia

Operadores Matriciais

O mapeamento de fisionomias vegetais por meio de técnicas de sensoriamento remoto tem se mostrado uma ferramenta importante para o monitoramento, o planejamento do uso do solo e a conservação da natureza.

As imagens de satélites, em meio digital, contêminformações sobre alvos na superfície que podem ser extraídas através de métodos de processamentos de imagens. Para extração de índices de vegetação, a razão de bandas é o método de processamento digital mais utilizado.

24/05/2011

17

A razão de bandas é um processamento onde se consegue, no primeiro caso, realçar a diferença de comportamento espectral dos alvos em algumas bandas (Carvalho, 2005).As bandas espectrais normalmente usadas para a determinação dos índices de vegetação são correspondentes às bandas do vermelho e infravermelho próximo, devido ao comportamento espectral da vegetação nessas faixas do espectro eletromagnético.

Espera-se que na imagem de razão de bandas, a vegetação apresente regiões mais claras, o solo um nível de cinza intermediário e a água uma tonalidade escura

O índice de vegetação NDVI, que pode ser obtido pela expressão:

NDVI = (NIR - RED) / (NIR + RED)

Onde:NIR: energia refletida na região do infravermelho próximo;RED: energia refletida na região do vermelho do espectro eletromagnético.

Fórmulas dos índices de vegetação, onde B3 e B4 são respectivamente a banda 3 e banda 4 do ETM+ Landsat 7, B3Solo e B4Solo são as médias dos valores dos píxels de solo exposto para as bandas 3 e 4 respectivamente, L é uma constante igual a 0,5 e C é a inclinação da linha de solo quando o intercepto passar pela origem.