Mandando a informática para o espaço!
|
|
- Pietra Aranha Barros
- 8 Há anos
- Visualizações:
Transcrição
1 Mandando a informática para o espaço! Mára Regina Labuto Fragoso da Silva 1 1 Departamento de Informática Universidade Federal do Espírito Santo (UFES) Av. Fernando Ferrari, 514, Goiabeiras Vitória ES Brasil marar@npd.ufes.br Abstract. This short course intends to answer the following questions: What is remote sensing? What principles do rule it? What are the digital image processing and remote sensing techniques applied to the images in order to extract the desired information? Examples of software environment? What are the possible applications (citing real case studies)? What is the role of Computer Science in this context? Resumo. Este minicurso pretende responder às perguntas: O que é sensoriamento remoto orbital? Que princípios o governam? Quais as técnicas de processamento de imagens digitais e sensoriamento remoto aplicadas nas imagens obtidas a fim de extrair as informações desejadas? Exemplos de ambientes computacionais? Quais as aplicações possíveis (citando estudos de caso reais)? Qual o papel da Informática neste contexto? 1. Introdução ao Sensoriamento Remoto Orbital A maioria de nós já foi apresentada ao sensoriamento remoto orbital (uso de imagens de satélite) em alguma ocasião. Em um nível mais baixo, esta experiência se deu ao se olhar uma imagem de satélite como um quadro bonito enfeitando a capa de um livro, revista ou Atlas. Em um nível mais profundo, tentando compreender as imagens de previsão de tempo na TV. Quem mora em Campinas (SP) e tem uma piscina em sua casa, provavelmente já deve ter levado um susto ao receber a visita de um vendedor de produtos para ela, mesmo tendo a piscina escondida no fundo do quintal. Como eles descobriram? A resposta está no céu Definição O sensoriamento remoto orbital pode ser definido como um sistema por meio do qual se obtém informações a respeito dos recursos naturais do planeta Terra, em diversas escalas temporais, espaciais e multiespectrais, pela utilização de sensores colocados em satélites ou espaçonaves. É uma nova tecnologia, denominada geoinformação, envolvendo um conjunto de programas e equipamentos para auxiliar o homem em suas observações sobre o planeta, como por exemplo: determinação de temperatura de superfície, previsão de safras, planejamento urbano, gestão de recursos hídricos, monitoramento de manchas de petróleo no mar, desmatamento, monitoramento de cardumes, etc. O processamento e análise de imagens digitais exigirão algoritmos e técnicas cada vez mais específicos para a automação de etapas na classificação das imagens e extração de feições, uma vez que o sensor vem aumentando rapidamente seu nível de detalhamento.
2 1.2. Conceitos importantes Ao se analisar visualmente uma imagem podem ser extraídos alguns parâmetros importantes tais como: - Tonalidade e cores: refere-se aos diferentes tons de cinza que caracterizam alvos diferentes (ex: água e floresta); - Texturas: formada pelo agregamento de vários alvos que na sua individualidade não podem ser detectados [Moreira 2003]. Varia de lisa a rugosa (ex: floresta). Depende da escala e resolução; - padrão: refere-se à distribuição espacial de algumas feições que podem variar de uma região para outra ou de um tipo de alvo para outro (ex: padrão dendrítico da drenagem dos rios); - relações espaciais: refere-se às formas e tamanhos associados aos diferentes alvos [Gibson 2000] (ex: rios e culturas circulares com pivô central); - resolução: no caso do Sensoriamento Remoto existem quatro tipos de resolução: espectral, temporal, radiométrica e espacial, ligadas ao tipo de satélite e sensor usados, a saber: espectral: qual a faixa do espectro (comprimento de onda) está a imagem; temporal: quão freqüentemente esta área da imagem é obtida; radiométrica: quantos níveis de cinza são possíveis; espacial: qual a equivalência entre a área no solo e um pixel (ex: para o Landsat 5, sensor TM, cada pixel representa 30x30 m 2 no solo) Aquisição de Imagens Os dados de Sensoriamento Remoto são enviados pelo satélite e captados por estações terrestres localizadas em pontos estratégicos de modo que não haja perda dos dados devido ao tamanho da área de armazenamento ( buffer ) que está no satélite. Este tamanho e a disposição das estações terrestres são fatores limitantes quanto à quantidade máxima de informação possível antes do satélite encontrar a próxima estação e descarregar o conteúdo imageado. A Figura 1 ilustra o processo de acompanhamento e recepção de dados de um satélite. Figura 1: Acompanhamento e recepção de dados de um satélite.
3 1.4. Tipos de Satélites e Órbitas Existem cerca de objetos orbitando a Terra entre satélites e sucatas, dos mais diversos tipos: - Militares: IDS (Guerra nas Estrelas); - Telecomunicações: GPS, Iridium, Globalsat, Odyssey, Ico, Intelsat, Intersputinik, Brasilsat, Telecom; - Científicos: CERES, MOPITT, MISR, MODIS, ASTER; - Meteorológicos: NOAA, METEOSAT, GOES, SCD-2; - Observação da Terra: Landsat, CBERS, SPOT, IKONOS, JERS, RADARSAT. Quanto aos satélites específicos para exploração dos recursos naturais da Terra, seu início foi na década de 70 com o lançamento do satélite Earth1, depois denominado de Landsat. Posteriormente surgiram outros satélites, dentre os quais os mais conhecidos mundialmente são: SPOT (França-Bélgica-Suécia), JERS (Japão), RADARSAT (Canadá), IRS (Índia), METEOSAT (Europa), CBERS (China-Brasil). No início a resolução era de 80m x 80m em terra, porém hoje se pode chegar até 0,76m x 0,76m (Quickbird) e a tendência é aumentar cada vez mais a resolução espacial em terra. A Figura 2 ilustra alguns dos satélites de recursos terrestres mais freqüentemente utilizados. Figure 2. Alguns satélites freqüentemente utilizados. Quanto à órbita, ela pode ser definida com base em diversos parâmetros: raio de inclinação, inclinação do plano, período de revolução, finalidade do satélite. De modo geral, podem ser classificadas conforme a altitude em: - Órbita baixa (polar): 700 a 1000 Km; - Órbita média (polar): a Km;
4 - Órbita alta (polar): > Km; - Geoestacionária: órbita entre e Km. As órbitas polares circundam os pólos da Terra e a órbita geoestacionária acompanha o movimento de rotação da Terra, sendo, portanto, em relação à Terra, estacionária. A Figura 3 ilustra os dois tipos de órbita citados. Figure 3. Órbita polar (esquerda) e órbita geoestacionária (direita). Deve-se observar que variando-se a distância entre o sensor e o objeto-alvo, obtém-se diferentes informações possíveis do alvo: ou mais ou menos detalhadas denominada resolução espacial. Porém não existe uma resolução espacial ótima, ela é dependente do uso que se quer fazer da imagem. Assim, por exemplo, para se detectar um furacão de níveis continentais ou uma pista de vôo clandestina as resoluções têm que ser diferentes Vantagens e Desvantagens do Sensoriamento Remoto Na lista de vantagens e desvantagens do Sensoriamento Remoto Orbital, podem ser citadas: - Habilidade de obter-se vistas sinóticas em tempo real; - Pode ser usado em diversas escalas; - Pode ser usado em diversas faixas do espectro eletromagnético (análise multiespectral); - Pode visitar o mesmo lugar periodicamente (análise multitemporal); - Complemento das medidas in-situ; - Às vezes necessita investigação de campo; - Não capta informações diretas abaixo da superfície; - Não pode ser usado como medida de perfil vertical quer na terra quer no mar.
5 Podem ser acrescidas as seguintes vantagens ao se usar o sensor Radar: - Produzem sua própria radiação eletromagnética independe da luz solar; - Podem imagear a mesma área de diferentes direções; - Podem penetrar nuvens e chuva em alguns comprimentos de onda. 2. Princípios do Sensoriamento Remoto Orbital Para se compreender o princípio de funcionamento do Sensoriamento Remoto Orbital, devem-se estudar três fatores que o governam: a radiação eletromagnética, as características da atmosfera e a assinatura espectral dos alvos Radiação eletromagnética O sensoriamento remoto pode ser explicado analogamente à leitura de um texto: existe uma luz incidente no texto: Sol ou lâmpada, uma luz refletida do texto para nossos olhos, os sinais que chegam aos nossos olhos e são decodificados em impulsos elétricos para o nervo óptico, e daí são enviados ao cérebro para serem interpretados. No caso do Sensoriamento Remoto Orbital, utiliza-se o Sol como luz incidente no alvo em questão (ou em alguns sensores radar, um feixe de energia próprio emitido pelo sensor), o alvo reflete parte das ondas eletromagnéticas que o atingem e o sensor do satélite capta essa luz refletida, transformando-a em impulsos elétricos e enviando às estações de recepção de dados em terra, que converterão esses sinais em imagem. A Figura 4 mostra o espectro eletromagnético. No sensoriamento remoto usamos o ultravioleta, todo o espectro visível, partes do infravermelho, e microondas. A figura 3 também destaca o espectro visível observado por nossos olhos. O espectro visível abrange 0,0001% de todo o espectro e é dividido nas seguintes faixas: azul, verde e vermelho. Figure 4. O espectro eletromagnético Características da atmosfera Na atmosfera, diferentes moléculas absorvem diferentes comprimentos de onda. A faixa espectral de operação dos sensores a bordo dos satélites é planejada para trabalhar nos
6 comprimentos de onda onde haja menor absorção atmosférica, ou seja, que permitam a passagem da energia refletida pelo alvo de volta até o sensor. Esses comprimentos de onda são denominados de janelas atmosféricas. A Figura 5 mostra a absorção atmosférica de diversos components atmosféricos (oxigênio, ozônio, gás carbônico e água) e os comprimentos de onda onde existem janelas atmosféricas. Figure 5. A absorção na atmosfera 2.3. Assinatura Espectral A energia eletromagnética incidente no alvo interage de acordo com os seguintes componentes: parte é refletida pelo alvo, parte é espalhada pelo alvo, parte é absorvida pelo alvo e parte é transmitida pelo alvo. A quantidade devida a cada parte se deve às características inerentes a cada alvo e define o que chamamos de assinatura espectral de um alvo. A Figura 6 mostra a interação da radiação eletromagnética com a superfície terrestre.
7 Figure 6. Interação da radiação eletromagnética com a superfície A energia que o alvo reflete denomina-se reflectância. A reflectância de um corpo é dependente do comprimento de onda e pode ser vista e/ou medida. Por exemplo: a grama é verde, o céu azul. A representação gráfica da reflectância em função do comprimento de onda é chamada de Curva Espectral. Cada alvo tem uma curva espectral própria devido às suas características físicas. Os principais alvos a serem estudados são: vegetação, solo, água, neve, rochas e traços culturais. A Figura 7 mostra a Curva Espectral de alguns desses alvos. Figure 7. Curva Espectral da neve, vegetação, solo e água.
8 3. Exemplo de Técnicas de Processamento de Imagens Digitais e Sensoriamento Remoto A contribuição da Informática para o espaço, conforme citado no título deste minicurso, refere-se aos algoritmos de processamento de imagens digitais e sensoriamento remoto aplicados às imagens digitais geradas pelo Sensoriamento Remoto Orbital Imagens Digitais, Cor, Histograma As imagens digitais provenientes dos sensores dos satélites de Sensoriamento Remoto Orbital são compostas por uma matriz de quadrados (ou retângulos). Esses quadrados (ou retângulos) são denominados de pixel ( picture element ) e cada um possui um valor relacionado a um parâmetro medido pelo sensor usado (p.ex: reflectância, temperatura). Esse valor é denominado digital number (DN) e é convertido em níveis de cinza. A Figura 8 mostra um exemplo de matriz de pixels e seus DN s associados aos níveis de cinza. Figure 8. Matriz da imagem e seus DN s associados. Cada DN é levado a um dos três canhões de elétrons dos monitores coloridos: vermelho (R), verde (G) e azul (B) possibilitando várias combinações de cores. O histograma é uma das formas mais comuns de se representar a distribuição dos níveis de cinza (DN) de uma imagem, e é a mais utilizada em processamento digital de imagens. Ele fornece a informação de quantos pixels na imagem possuem um determinado DN, definido entre 0 (preto) e 255 (branco), para uma imagem quantificada em 8 bits (uso de 1 byte=8 bits para armazenar o valor de cada pixel).
9 O histograma não apresenta nenhuma informação espacial da imagem, e sim uma função de probabilidade de encontrar um DN referente a um objeto qualquer da imagem. Normalmente, tem-se no eixo x a distribuição dos DN s e no eixo y a freqüência em que ocorrem. A Figura 9 mostra o exemplo de um histograma de uma imagem. Figure 9. Exemplo de um histograma. DN (Digital Number) = NC (nível de cinza) Modificações de Histograma A forma do histograma fornece informações importantes como a intensidade média e espalhamento dos valores de DN, sendo este último a medida de contraste da imagem. Quanto maior o espalhamento ao longo do eixo dos DN s, maior o contraste da imagem. A Figura 10 ilustra esta distribuição dos DN s. Figure 10. Exemplo de contraste de acordo com análise de histograma. Principais técnicas de modificação do histograma: - Binarização: Aplica-se um corte na imagem em regiões (vide Figura 11);
10 Figura 11. Exemplo de binarização - Expansão: Consiste em espalhar os níveis de cinza de uma imagem. Normalmente as bandas contém uma pequena faixa dos possíveis valores DN, e brumas atmosféricas e a geometria da iluminação podem atenuar características da imagem (vide Figura 12); Figura 12. Exemplo de expansão e seu efeito na imagem - Equalização: procura redistribuir os valores de DN dos pixels de modo a obter um histograma uniforme, no qual o percentual de pixels de qualquer nível de cinza seja o mesmo. Utiliza-se função de distribuição acumulada T(r k ) da distribuição de probabilidades original p(r k ) (vide Figura 13). Figura 13. Exemplo de equalização de histograma
11 A Figura 14 mostra duas imagens da banda 5 do Landsat 5, a da esquerda apresenta a banda original e da direita a imagem realçada por uma modificação do histograma. Figura 14. Exemplo de equalização. A banda 5 do Landsat 5 mostrada à esquerda apresenta a banda original e a da direita a imagem realçada Transformação RGB IHS e IHS RGB Para descrever as propriedades de cor de um objeto em uma imagem, normalmente o olho humano não distingue a proporção de azul, verde e vermelho presentes, e sim, avalia a intensidade (I), a cor ou matiz (H) e a saturação (S). A intensidade ou brilho é a medida de energia total envolvida em todos os comprimentos de onda, sendo portanto responsável pela sensação de brilho dessa energia incidente sobre o olho. O matiz ou cor de um objeto é a medida do comprimento de onda médio da luz que se reflete ou se emite, definindo, portanto, a cor do objeto. A saturação ou pureza expressa o intervalo de comprimento de onda ao redor do comprimento de onda médio, no qual a energia é refletida ou transmitida. Um alto valor de saturação resulta em uma cor espectralmente pura, ao passo que um baixo valor indica uma mistura de comprimentos de onda que irá produzir tons pastéis (apagados). Para realçar determinadas características da imagem, portanto, pode-se realizar uma transformação RGB para IHS ou vice-versa Filtragem Espacial As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que não dependem apenas do nível de cinza de um determinado "pixel", mas também do valor dos níveis de cinza dos "pixels" vizinhos, na imagem original. O processo de filtragem é feito utilizando-se matrizes denominadas máscaras que são aplicadas sobre a imagem. Exemplo: à imagem original formada por uma matriz de 512 linhas por 512 colunas de valores numéricos, aplica-se uma máscara matricial de 3
12 linhas por 3 colunas; a cada valor da matriz 3x3 da máscara corresponde um peso. Ex: Máscara com centro na posição (2,2) conforme mostrado na Figura 15. Figura 15. Exemplo de máscara 3x3 aplicada na posição (2,2) da imagem. 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, consiste na substituição do valor do "pixel" na posição (i, j) por um novo valor, o qual depende dos valores dos "pixels" vizinhos e dos pesos da máscara. A imagem resultante da aplicação de um filtro é uma nova imagem com a eliminação das linhas e colunas iniciais e finais da imagem original. Os filtros espaciais podem ser classificados em passa-baixa, passa-alta ou passa-banda. Os dois primeiros são os mais utilizados em processamento de imagens. O filtro passabanda é mais utilizado em processamentos específicos, principalmente para remover ruídos periódicos. - Filtro Passa-Baixa: O efeito visual de um filtro passa-baixa é o de suavização da imagem e a redução do número de níveis de cinza da cena. As altas freqüências, que correspondem às transições abruptas são atenuadas. A suavização tende a minimizar ruídos e apresenta o efeito de borramento da imagem. Estes filtros são conhecidos por filtros de média, pois obtêm a média entre pontos vizinhos. A Figura 16 mostra duas cenas do satélite Landsat 5 (banda 5), onde a da esquerda é a imagem original realçada linearmente e a da direita corresponde à mesma imagem, porém, resulta da aplicação de um filtro passa-baixa, 7x7;
13 Figura 16. Exemplo de aplicação de filtro passa-baixa na imagem. - Filtro Passa-Alta: A filtragem passa-alta tende a realçar os detalhes, produzindo uma "agudização" ( sharpering ) da imagem, isto é, as transições entre regiões diferentes tornam-se mais nítidas. Exemplos: limites de um campo de cultivo, lineamento geológico etc. Estes filtros podem ser usados para realçar certas características presentes na imagem, tais como bordas, linhas curvas ou manchas. O efeito indesejado é o de enfatizar um ruído, porventura existente na imagem. A Figura 17 mostra duas cenas do satélite Landsat 5 (banda 5), onde a da esquerda é a imagem original realçada linearmente e a da direita coresponde à mesma imagem, porém, resulta da aplicação de um filtro passa-alta, 7x7; Figura 17. Exemplo de aplicação de filtro passa-baixa na imagem. - Filtros para radar: Muitos filtros espaciais têm sido desenvolvidos para a redução do ruído ( Speckle ) e para o aumento da relação sinal-ruído, objetivando uma melhoria na separabilidade entre os alvos da superfície, com a mínima perda de informação. Os principais são:
14 Filtro de Frost: é um filtro convolucional linear, derivado da minimização do erro médio quadrático sobre o modelo multiplicativo do ruído; Filtro de Lee: adota um modelo multiplicativo para o ruído e obedece o critério de "local linear minimum mean square error". Local, porque utiliza estatísticas locais do pixel a ser filtrado, admitindo a não estacionaridade da média e da variância do sinal; Filtro de Kuan/Nathan: adota o modelo multiplicativo. O procedimento é semelhante àquele de Lee, onde a estimação ponto a ponto é feita utilizando-se o filtro de Wiener. A diferença entre eles, entretanto, consiste no fato de que no filtro de Kuan/Nathan não se realiza nenhuma aproximação. A Figura 18 mostra um exemplo de imagem original e aplicação dos filtros Frost, Lee e Kuan na imagem. Figura 18. Exemplo de imagem original e aplicação dos filtros Frost (acima), Lee e Kuan (embaixo) na imagem Composição multiespectral A escolha das bandas espectrais é um fator muito importante para a extração de informação nas imagens de Sensoriamento Remoto e são possíveis várias operações com bandas: aritméticas, rotação, razão entre bandas, redução de dados através de transformações, classificação, mudança de sistema de cor, análise multitemporal, etc. A Figura 19 mostra um exemplo de composição multiespectral usando o sensor ETM do Landsat 7, sendo a banda 3 no azul, a banda 4 no verde e a banda 5 no vermelho. Esta composição reflete o colorido normal pois a faixa espectral das bandas usadas é a mesma da faixa das cores associadas. A Fiura 20 mostra outra composição que procura
15 enfatizar a vegetação através do uso da banda 4 no vermelho pois a clorofila responde bem nesta combinação de bandas. Esta nova composição é denominada falsa-cor. Figura 19. Exemplo de composição multiespectral com colorido normal.[moreira 2003] Figura 20. Exemplo de composição multiespectral com falsa-cor.[moreira 2003]
16 4. Exemplos de Ambientes Computacionais para Processamento de Imagens Digitais e Sensoriamento Remoto Como a idéia deste minicurso é abordar a contribuição da Informática na área de Sensoriamento Remoto, seguem-se alguns exemplos de ambientes computacionais com a finalidade de tratar a imagem. Para aprofundamento dos algoritmos implementados nestes ambientes sugere-se a leitura dos manuais dos programas citados Funções específicas para Processamento de Imagens Digitais Para ilustrar as funções específicas para o processamento de imagens digitais, sugere-se o conjunto de ferramentas do programa MATLAB denominado de Toolbox for Image Processing listado na Tabela 1 [Marques Filho 1999]. A Figura 21 mostra a tela de abertura do MATLAB 5.3 com o prompt (símbolo: >>) para entrada dos comandos através de digitação. As rotinas que compõem o Toolbox for Image Processing são instaladas quando se instala o núcleo ( core ) do programa. Figura 21. Tela do MATLAB5.3. Função bmpread bmpwrite gifread gifwrite hdfpeek hdfread hdfwrite pcxread pcxwrite tiffread tiffwrite xwdread xwdwrite getimage isbw isgray Tabela 1. Funções da Toolbox de Processamento de Imagens do MATLAB Descrição Entrada e Saída lê arquivo BMP do disco escreve arquivo BMP para o disco lê arquivo GIF do disco escreve rquivo GIF para o disco lista pares de objetos tag/ref em arquivo HDF lê dados de arquivo HDF escreve dados para arquivo HDF lê arquivo PCX do disco escreve arquivo PCX para o disco lê arquivo TIFF do disco escreve arquivo TIFF para o disco lê arquivo XWD do disco escreve arquivo XWD para o disco Utilitários obtém dados da imagem a partir dos eixos verdadeiro para imagem em preto e branco verdadeiro para imagens em níveis de cinza
17 isind verdadeiro para imagens indexadas Operações em cores brighten clareia ou escurece mapa de cores cmunique encontra cores de mapas distintos e imagem correspondente cmpermute permuta posições de mapas de cores cmgamma correção Gamma de mapas de cores cmgamdef tabela de correção Gamma pré-definida dither faz dithering pelo método Floyd-Steinberg hsv2rgb converte valores HSV para espaço RGB imadjust ajusta e amplia intensidade da imagem imapprox aproxima imagem indexada para imagem com menor quantidade de cores nts2rgb converte valores NTSC para o espaço de cores RGB rgb2gray converte valores RGB para cinza rgb2hsv converte valores RGB para o espaço de cores HSV rgn2ntsc converte valores RGB para o espaço de cores NTSC rgbplot desenha componentes do mapa de cores RGB Operações geométricas imcrop recorta imagem imresize redimensiona imagem imrotate gira imagem truesize redimensiona de modo que a imagem possua o tamanho real imzoom ampliação e redução de uma imagem Realce e análise brighten clareia ou escurece mapa de cores grayslice mapeamento por densidade histeq equalização de histograma imadjust ajusta e amplia intensidade da imagem imapprox aproxima imagem indexada para imagem com menor quantidade de cores imhist histograma de imagem impixel cor de um pixel improfile modelo de intensidade interp2 interpolação bidimensional de dados imapprox aproxima imagem indexada para imagem com menor quantidade de cores Estatística mean2 média de uma matriz corr2 coeficiente de correlação bidimensional std2 desvio padrão bidimensional Operações morfológicas bwarea área de objetos em imagem binária dilate dilatação (espessamento) de imagem binária erode erosão (afinamento) de imagem binária edge extração de bordas bweuler número de Euler bwmorph operadores morfológicos bwperim perímetro de objetos em imagem binária Filtros fsamp2 projeto de filtros FIR 2-D através de amostragem de freqüência fspecial filtros 2-D especiais ftrans2 projeto de filtros FIR 2-D através de transformação de freqüência fwind1 projeto de filtros FIR 2-D utilizando janelas 1-D fwind2 projeto de filtros FIR 2-D utilizando janelas 2-D imnoise ruído em imagem freqspace espaçamento de freqüência para respostas em frequência 2-D
18 freq2 resposta em freqüência bidimensional colfilt filtragem não-linear local por colunas conv2 convolução bidimensional filter2 filtragem bidimensional medfilt2 filtro da mediana bidimensional mfilter2 filtro com máscara nlfilter filtragem não-linear local por linhas wiener2 filtro adaptativo de Wiener 2-D Processamento em blocos bestblk melhor tamanho de bloco para processamento em bloco blkproc processa uma imagem em blocos col2im reordena blocos de colunas distintas ou deslizantes para formar imagem colfilt filtragem não-linear local por colunas im2col reordena blocos distintos ou deslizantes para formar colunas Região de interesse mfilter2 filtro com máscara roipoly define região de interesse poligonal roicolor define região de interesse por cor Transformadas dct2 transformada do cosseno discreto bidimensional fft2 transformada rápida de Fourier bidimensional fftshift move componente de rdem zero para o centro idct2 transformada inversa do cosseno discreto bidimensional ifft2 transformada rápida inversa de Fourier bidimensional radon transformada de Radon Conversões dither faz dithering pelo método Floyd-Steinberg gray2ind converte imagem em níveis de cinza para imagem indexada hsv2rgb converte valores HSV para espaço de cores RGB im2bw converte imagem para preto e branco por limiarização imslice obtém fatias da imagem ind2gray converte imagem indexada para imagem em níveis de cinza ind2rgb converte imagem indexada para imagem RGB mat2gray converte matriz para imagem em níveis de cinza ntsc2rgb converte valores NTSC para o espaço RGB rgb2gray converte valores RGB para cinza rgb2hsv converte valores RGB para o espaço HSV rgb2ind converte imagem RGB para imagem indexada rgb2ntsc converte valores RGB para o espaço NTSC Apresentação colorbar apresenta barra de cores (escala de cores) colormap define ou obtém a tabela de consulta de cores gray mapa de cores linear de níveis de cinza hsv hot mapas de cores jet image apresenta imagem indexada imagesc ajusta dados e apresenta como imagem imcontour contorno da imagem immovie faz um filme de um conjunto de imagens imshow apresenta todos os tipos de imagens montage apresenta um conjunto de imagens como uma montagem retangular subimage apresenta múltiplas imagens
19 warp realiza distorção da imagem sobre uma superfície Outras funções cumsum3d soma cumulativa em matriz 3-D acomodada em matriz 2-D dct transformada do cosseno discreta 1-D dctmtx2 matriz de transformação DCT 2-D unitária ditherc arquivo MEX para dithering elem3d posições de elementos de matriz 3-D acomodada em matriz 2-D getline rastreio de movimento do mouse com linha elástica getpts rastreio de movimento do mouse com pontos visíveis getrect rastreio de movimento do mouse com retângulo elástico gif comprime dados em formato GIF hdfread arquivo MEX para ler arquivos HDF hdfpeekc arquivo MEX para listar conteúdo de arquivos HDF hdfwc arquivo MEX para escrever arquivos HDF idct transformada inversa do cosseno discreta 1-D im2gray converte imagens para níveis de cinza imhistc arquivo MEX para cálculo de histograma de imagens ndx3d índice de matriz 3-D acomodada em matriz 2-D rgb2im converte imagens RGB para imagens indexadas ou em níveis de cinza rle comprime dados pelo método RLE size3d tamanho da matriz 2-D para acomodar matriz 3-D tiff comprime dados em formato TIFF RLE ungif descomprime dados em formato GIF unrle descomprime dados pelo método RLE untiff descomprime dados em formato TIFF RLE vmquant arquivo M de interface para o arquivo MEX para quantização de cor vmquantc arquivo MEX para quantização de cor waitbar apresenta barra de progresso 4.2. Funções específicas para Sensoriamento Remoto Para ilustrar algumas funções específicas para o Sensoriamento Remoto, sugere-se o conjunto descrito na Tabela 2 [RSI 2003]. Estas funções são apenas uma pequena parte das ferramentas disponíveis no programa ENVI (ENvironment for Visualizing Images). A Figura 22 mostra a tela de abertura (horizontal) com as diversas opções para processamento específico para Sensoriamento Remoto, os inúmeros formatos de imagem aceitos (esquerda) e os inúmeros formatos vetoriais aceitos (direita).
20 Figura 22. Telas do ENVI 4.0. Tabela 2. Algumas funções específicas para Sensoriamento Remoto do ENVI, em ordem alfabética Função ADAPT_FILT-DOIT AIRSAR_HEADER_DOIT AIRSAR_PHASE_IMAGE_DOIT AIRSAR_POLSIG_DOIT AIRSAR_SCATTER_DOIT AIRSAR_SYNTH_DOIT ASPECT_DOIT BAD_DATA_DOIT CLASS_CONFUSION_DOIT CLASS_DOIT CLASS_MAJORITY_DOIT CLASS_RULE_DOIT CLASS_STATS_DOIT COM_CLASS_DOIT DEM_BAD_DATA_DOIT DESKEW_DOIT DESTRIPE_DOIT EMITTANCE_CALC_DOIT ENVI_AVHRR_CALIBRATE_DOIT Descrição executa filtragem adaptiva lê cabeçalho de imagem AIRSAR calcula as imagens fase da matriz comprimida do AIRSAR calcula as assinaturas de polarização da matriz comprimida do AIRSAR calcula a classificação de espalhamento da matriz comprimida do AIRSAR sintetiza as imagens AIRSAR Executa correção de aspecto de dados Landsat MSS Remove linhas com dado errado Computa matriz de confusão de classificação Executa classificação supervisionada Executa análise de maioria/minoria em imagem classificada Classifica imagens segundo regras Calcula estatística das classes Combina classes Corrige pontos incorretos no MDT Retira o enviesado de imagens MSS Retira problemas de linhas de dados de imagem Converte a emissividade Calibra dados AVHRR ou computa Temperatura de superfície do Mar de dados AVHRR
21 ENVI_AVHRR_GEOMETRY_DOIT ENVI_COMPUTE_SUN_ANGLES ENVI_CONVERT_FILE_COODINATES ENVI_CONVERT_FILE_MAP_PROJECTION ENVI_CONVERT_PROJECTION-COORDINATES ENVI_GEOREF_FROM_GLT-DOIT ENVI-GET-PROJECTION ENVI_LAYER_STACKING_DOIT ENVI_MAP_INFO_CREATE ENVI_NEURAL_NET_DOIT ENVI_PC_SHARPEN_DOIT ENVI_THERMAL_CORRECT_DOIT MATH_DOIT MOSAIC_DOIT MSSCAL_DOIT NDVI_DOIT PPI_DOIT RADAR_INC_ANGLE_DOIT RATIO_DOIT SIRC_HEADER-DOIT SIRC_PHASE_IMAGE_DOIT SIRC_SYNTH_DOIT SPECTRAL_FEATURE_DOIT TASCAP_DOIT TEXTURE_COOCCUR_DOIT TEXTURE_STATS_DOIT TIMS_CAL-DOIT TMCAL_DOIT TOPO-DOIT Computa geometria (latitude e longitude), ângulos e zênite solar e p/ o sensor para cada pixel dos dados AVHRR Computa ângulos solares Converte coordenadas mapa-pixel Converte um arquivo de sua projeção mapa corrente para ua projeção de saída especificada Converte coordenadas de mapas entre projeções Georreferencia uma imagem associada com arquivo GLT de saída Recupera informação de projeção para o arquivo especificado Constrói um novo arquivo multi banda a partir de imagens georreferenciadas de vários tamnhos de pixel, várias dimensões e projeções Cria projeções de mapa Executa classificação usando um método de redes neurais Executa Componentes Principais espectral Executa compensação atmosférica para o infravermelho termal Executa matemática entra bandas Mosaica bandas de imagens ou combinações de bandas Calibra dados MSS quanto radiância ou reflectância Cria NDVI (Índice de Vegeteação por Diferença Normalizada) Calcula PPI (Índice de Pureza de Pixel) Calcula ângulo de incidência de imagem radar Calcula razão entre bandas Lê cabeçalho de SIR-C Calcula imagens fase de um arquivo de dados comprimidos de SIR-C Sintetiza imagens SIR-C Executa casamento de característica espectral Cria índices Tasseled Cap para vegetação e solo Calcula medidas de texturas de co-ocorrência Calcula medidas de texturas de ocorrência Calibra dados TIMS para radiância Calibra dados TM LANDSAT para radiânci Executa modelagem topográfica para MDT 5. Aplicação das Técnicas de Processamento de Imagens Digitais e Sensoriamento Remoto em Casos Reais 5.1. Baixa Resolução Espacial: Mapeamento das Radiações Ultravioleta Encontrado em:
22 5.2. Média Resolução Espacial: Mapeamento da Cobertura Vegetal Encontrado em: Rodriguez Yi, J. L. Classificação e Monitoramento da Cobertura Vegetal do Estado do Mato Grosso Através de Imagens AVHRR, (INPE-6816-TDI/638). Dissertação (Mestrado em Sensoriamento Remoto) Instituto Nacional de Pesquisas Espaciais, Alta Resolução Espacial: Planejamento Urbano de Recife Encontrado em: 6. Conclusão Se não fosse a Informática, por meio dos softwares desenvolvidos para o processamento de imagens digitais e para a implementação das técnicas de Sensoriamento Remoto não seria possível a observação de nosso planeta do espaço. A cada ano são lançados mais satélites com novos sensores e existe uma grande necessidade de se desenvolverem novos algoritmos para conversão de dados desses sensores, extração de informações dessas novas imagens geradas e algoritmos específicos para novas aplicações possíveis com esses sensores e satélites. Torna-se necessário, pois, criar mão-de-obra especializada para desenvolver esses novos algoritmos e assim mandar a Informática para o espaço! References Gibson, P. J, Introductory Remote Sensing: Principles and Concepts, Routledge, Marques Filho, O. e Vieira Neto, H., Processamento Digital de Imagens, Brasport, Moreira, M. A, Fundamentos do Sensoriamento Remoto e Metodologias de Aplicação, UFV, RSI, ENVI Reference Guide, Research Systems Incorporation, 2003.
UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS
UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS Executar as principais técnicas utilizadas em processamento de imagens, como contraste, leitura de pixels, transformação IHS, operações aritméticas
Leia maisSensoriamento Remoto. Características das Imagens Orbitais
Sensoriamento Remoto Características das Imagens Orbitais 1 - RESOLUÇÃO: O termo resolução em sensoriamento remoto pode ser atribuído a quatro diferentes parâmetros: resolução espacial resolução espectral
Leia maisTópicos em Meio Ambiente e Ciências Atmosféricas
INPE-13139-PRE/8398 SENSORIAMENTO REMOTO Tania Sausen Tópicos em Meio Ambiente e Ciências Atmosféricas INPE São José dos Campos 2005 MEIO AMBIENTE E CIÊNCIAS ATMOSFÉRICAS 8 Sensoriamento Remoto Tania Sauzen
Leia maisProcessamento de Imagens com MATLAB
com MATLAB Carlos Alexandre Mello Toolboxes Image Processing Diretório: o toolbox/images/images Comando imshow(): Visualização de imagens Uso: o imshow(nome_do_arquivo ou variável) Exemplo: o imshow( eight.tif
Leia maisAula 1 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa
Princípios Físicos do Sensoriamento Remoto Aula 1 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa O que é Sensoriamento Remoto? Utilização conjunta de sensores, equipamentos
Leia mais044.ASR.SRE.16 - Princípios Físicos do Sensoriamento Remoto
Texto: PRODUTOS DE SENSORIAMENTO REMOTO Autor: BERNARDO F. T. RUDORFF Divisão de Sensoriamento Remoto - Instituto Nacional de Pesquisas Espaciais São José dos Campos-SP - bernardo@ltid.inpe.br Sensoriamento
Leia maisIntrodução aos Sistemas de Informação Geográfica
Introdução aos Sistemas de Informação Geográfica Mestrado Profissionalizante 2015 Karla Donato Fook karladf@ifma.edu.br IFMA / DAI Motivação Alguns princípios físicos dão suporte ao Sensoriamento Remoto...
Leia maisIntrodução ao Sensoriamento Remoto
Introdução ao Sensoriamento Remoto Cachoeira Paulista, 24 a 28 novembro de 2008 Bernardo Rudorff Pesquisador da Divisão de Sensoriamento Remoto Instituto Nacional de Pesquisas Espaciais - INPE Sensoriamento
Leia maisProcessamento de Imagem. Prof. Herondino
Processamento de Imagem Prof. Herondino Sensoriamento Remoto Para o Canada Centre for Remote Sensing - CCRS (2010), o sensoriamento remoto é a ciência (e em certa medida, a arte) de aquisição de informações
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a
Leia maisFOTOINTERPRETAÇÃO. Interpretação e medidas. Dado qualitativo: lago
FOTOINTERPRETAÇÃO a) conceito A fotointerpretação é a técnica de examinar as imagens dos objetos na fotografia e deduzir sua significação. A fotointerpretação é bastante importante à elaboração de mapas
Leia maisIntrodução ao Sensoriamento Remoto. Sensoriamento Remoto
Introdução ao Sensoriamento Remoto Sensoriamento Remoto Definição; Breve Histórico; Princípios do SR; Espectro Eletromagnético; Interação Energia com a Terra; Sensores & Satélites; O que é Sensoriamento
Leia maisFiltragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha
Filtragem As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que dependem do nível de cinza de um determinado "pixel" e do valor dos níveis de cinza dos "pixels" vizinhos, na imagem
Leia maisSENSORES REMOTOS. Daniel C. Zanotta 28/03/2015
SENSORES REMOTOS Daniel C. Zanotta 28/03/2015 ESTRUTURA DE UM SATÉLITE Exemplo: Landsat 5 COMPONENTES DE UM SATÉLITE Exemplo: Landsat 5 LANÇAMENTO FOGUETES DE LANÇAMENTO SISTEMA SENSOR TIPOS DE SENSORES
Leia maisIMAGENS DE SATÉLITE PROF. MAURO NORMANDO M. BARROS FILHO
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE TECNOLOGIA E RECURSOS HUMANOS UNIDADE ACADÊMICA DE ENGENHARIA CIVIL IMAGENS DE SATÉLITE PROF. MAURO NORMANDO M. BARROS FILHO Sumário 1. Conceitos básicos
Leia maisAula 2 Aquisição de Imagens
Processamento Digital de Imagens Aula 2 Aquisição de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Fundamentos de Imagens Digitais Ocorre a formação de uma imagem quando
Leia maisSEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS
SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com
Leia maisUniversidade Federal do Rio de Janeiro - IM/DCC & NCE
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Tratamento da Imagem - Filtros Antonio G. Thomé thome@nce.ufrj.br Sala AEP/033 Sumário 2 Conceito de de Filtragem Filtros
Leia mais15- Representação Cartográfica - Estudos Temáticos a partir de imagens de Sensoriamento Remoto
15- Representação Cartográfica - Estudos Temáticos a partir de imagens de Sensoriamento Remoto O Sensoriamento Remoto é uma técnica que utiliza sensores, na captação e registro da energia refletida e emitida
Leia maisO olho humano permite, com o ar limpo, perceber uma chama de vela em até 15 km e um objeto linear no mapa com dimensão de 0,2mm.
A Visão é o sentido predileto do ser humano. É tão natural que não percebemos a sua complexidade. Os olhos transmitem imagens deformadas e incompletas do mundo exterior que o córtex filtra e o cérebro
Leia mais10 FÓRUM DE EXTENSÃO E CULTURA DA UEM COMPARAÇÃO DE FUSÃO ENTRE AS IMAGENS DO SATÉLITE RAPID EYE, CBERS E SPOT.
10 FÓRUM DE EXTENSÃO E CULTURA DA UEM COMPARAÇÃO DE FUSÃO ENTRE AS IMAGENS DO SATÉLITE RAPID EYE, CBERS E SPOT. Thalita Dal Santo 1 Antonio de Oliveira¹ Fernando Ricardo dos Santos² A técnica de fusão
Leia maisSensoriamento Remoto
Sensoriamento Remoto É a utilização conjunta de modernos sensores, equipamentos para processamento de dados, equipamentos de transmissão de dados, aeronaves, espaçonaves etc, com o objetivo de estudar
Leia maisGeomática e SIGDR aula teórica 23 17/05/11. Sistemas de Detecção Remota Resolução de imagens
Geomática e SIGDR aula teórica 23 17/05/11 Sistemas de Detecção Remota Resolução de imagens Manuel Campagnolo ISA Manuel Campagnolo (ISA) Geomática e SIGDR 2010-2011 17/05/11 1 / 16 Tipos de resolução
Leia maisUSO DA TÉCNICA DE ANALISE POR COMPONENTE PRINCIPAL NA DETECÇÃO DE MUDANÇAS NA COBERTURA DO SOLO
Samuel da Silva Farias, Graduando do curso de geografia da UFPE samuel.farias763@gmail.com Rafhael Fhelipe de Lima Farias, Mestrando do PPGEO/UFPE, rafhaelfarias@hotmail.com USO DA TÉCNICA DE ANALISE POR
Leia maisSensoriamento Remoto aplicado ao Monitoramento Ambiental
Disciplina: Monitoramento e Controle Ambiental Prof.: Oscar Luiz Monteiro de Farias Sensoriamento Remoto aplicado ao Monitoramento Ambiental Andrei Olak Alves 2 espectro visível ultravioleta Sol infravermelho
Leia maisTratamento da Imagem Transformações (cont.)
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Tratamento da Imagem Transformações (cont.) Antonio G. Thomé thome@nce.ufrj.br Sala AEP/133 Tratamento de Imagens - Sumário Detalhado Objetivos Alguns
Leia maisAula 3 - Registro de Imagem
1. Registro de Imagens Aula 3 - Registro de Imagem Registro é uma transformação geométrica que relaciona as coordenadas da imagem (linha e coluna) com as coordenadas geográficas (latitude e longitude)
Leia maisFILTRAGEM NO DOMÍNIO DAS FREQUÊNCIAS (TRANSFORMADA DE FOURIER) Daniel C. Zanotta 04/06/2015
FILTRAGEM NO DOMÍNIO DAS FREQUÊNCIAS (TRANSFORMADA DE FOURIER) Daniel C. Zanotta 04/06/2015 FREQUÊNCIA EM IMAGENS DIGITAIS Análise da intensidade dos NCs da imagem Banda 7 Landsat TM ao longo da distância:
Leia maisCaracterísticas das Imagens de SAR
Características das Imagens de SAR Natural Resources Ressources naturelles Canada Canada Características das Imagens de SAR - Tópicos - Elementos de interpretação Tonalidade Textura Artefatos em imagens
Leia maisProcessamento digital de imagens. introdução
Processamento digital de imagens introdução Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética
Leia maisSistemas Sensores. Introdução
Sistemas Sensores 5ª Aulas Introdução O sol foi citado como sendo uma fonte de energia ou radiação. O sol é uma fonte muito consistente de energia para o sensoriamento remoto (REM). REM interage com os
Leia maisREPRESENTAÇÃO DA IMAGEM DIGITAL
REPRESENTAÇÃO DA IMAGEM DIGITAL Representação da imagem Uma imagem é uma função de intensidade luminosa bidimensional f(x,y) que combina uma fonte de iluminação e a reflexão ou absorção de energia a partir
Leia maisAtividade: matrizes e imagens digitais
Atividade: matrizes e imagens digitais Aluno(a): Turma: Professor(a): Parte 01 MÓDULO: MATRIZES E IMAGENS BINÁRIAS 1 2 3 4 5 6 7 8 Indique, na tabela abaixo, as respostas dos 8 desafios do Jogo dos Índices
Leia maisSENSORIAMENTO REMOTO. Revisão de conteúdo. Prof. Marckleuber
SENSORIAMENTO REMOTO Revisão de conteúdo Prof. Marckleuber Engenharia de Agrimensura - 2013 SENSORIAMENTO REMOTO - Conceitos De um modo geral, o Sensoriamento Remoto pode ser definido como: O conjunto
Leia maisUFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS
UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração
Leia maisOs mapas são a tradução da realidade numa superfície plana.
Cartografia Desde os primórdios o homem tentou compreender a forma e as características do nosso planeta, bem como representar os seus diferentes aspectos através de croquis, plantas e mapas. Desenhar
Leia maisInformática Aplicada a Radiologia
Informática Aplicada a Radiologia Apostila: Imagem Digital parte I Prof. Rubens Freire Rosa Imagem na forma digital A representação de Imagens na forma digital nos permite capturar, armazenar e processar
Leia mais2.1.2 Definição Matemática de Imagem
Capítulo 2 Fundamentação Teórica Este capítulo descreve os fundamentos e as etapas do processamento digital de imagens. 2.1 Fundamentos para Processamento Digital de Imagens Esta seção apresenta as propriedades
Leia maisOperações Algébricas e Lógicas. Guillermo Cámara-Chávez
Operações Algébricas e Lógicas Guillermo Cámara-Chávez Operações Aritméticas São aquelas que produzem uma imagem que é a soma, diferença, produto ou quociente pixel a pixel Operações Aritméticas Fig A
Leia maisPara que um sensor possa coletar e registrar a energia refletida ou emitida por um objeto ou superfície, ele tem que estar instalado em uma
Sensores e Satélites Para que um sensor possa coletar e registrar a energia refletida ou emitida por um objeto ou superfície, ele tem que estar instalado em uma plataforma estável à distância do objeto
Leia maisSensoriamento Remoto aplicado ao Monitoramento Ambiental
Disciplina: Monitoramento e Controle Ambiental Prof.: Oscar Luiz Monteiro de Farias Sensoriamento Remoto aplicado ao Monitoramento Ambiental Andrei Olak Alves 1 2 PROCESSAMENTO DE IMAGENS espectro visível
Leia maisFOTOGRAMETRIA I Prof Felipe: Aulas 1 e 2. 2- Câmaras Fotogramétricas
FOTOGRAMETRIA I Prof Felipe: Aulas 1 e 2 2- Câmaras Fotogramétricas Generalidades (fotografia) Elementos Fotografia aérea Espectro Eletromagnético 1 Fotogrametria é a arte, ciência, e tecnologia de obtenção
Leia maisCapítulo II Imagem Digital
Capítulo II Imagem Digital Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Formação de uma imagem 2. Representação digital de uma imagem 3. Cor 4. Histogramas 5. Ruído
Leia maisDados para mapeamento
Dados para mapeamento Existem dois aspectos com relação aos dados: 1. Aquisição dos dados para gerar os mapas 2. Uso do mapa como fonte de dados Os métodos de aquisição de dados para o mapeamento divergem,
Leia maisAula 4 - Processamento de Imagem
1. Contraste de Imagens Aula 4 - Processamento de Imagem A técnica de realce de contraste tem por objetivo melhorar a qualidade das imagens sob os critérios subjetivos do olho humano. É normalmente utilizada
Leia maisUniversidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira
Universidade Federal de Alagoas Instituto de Matemática Imagem Prof. Thales Vieira 2014 O que é uma imagem digital? Imagem no universo físico Imagem no universo matemático Representação de uma imagem Codificação
Leia maisProfa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung
Introdução ao Processamento de Imagens Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung Introdução Processamento de Imagens: processamento de sinais bidimensionais (ou n-dimensionais).
Leia maisFiltragem Espacial. (Processamento Digital de Imagens) 1 / 41
Filtragem Espacial (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial Filtragem espacial é uma das principais ferramentas usadas em uma grande variedade de aplicações; A palavra filtro foi emprestada
Leia maisPROCESSAMENTO DOS DADOS AVHRR DO SATÉLITE NOAA E APLICAÇÃO SOBRE A REGIÃO SUL DO BRASIL. Leonid Bakst Yoshihiro Yamazaki
PROCESSAMENTO DOS DADOS AVHRR DO SATÉLITE NOAA E APLICAÇÃO SOBRE A REGIÃO SUL DO BRASIL Leonid Bakst Yoshihiro Yamazaki Universidade Federal de Pelotas - UFPel Centro de Pesquisas Meteorológicas CPMet
Leia maisAPLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO
APLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO ESTÁGIO DOCÊNCIA ALUNA: ADRIANA AFFONSO (PROGRAMA DE PÓS- GRADUAÇÃO NO INPE MESTRADO EM SENSORIAMENTO REMOTO) ORIENTADOR: PROF. DR.
Leia maisUniversidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens
Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Prof Fabrízzio Alphonsus A M N Soares 2012 Capítulo 2 Fundamentos da Imagem Digital Definição de Imagem: Uma imagem
Leia maisIntrodução ao processamento de imagens e OCTAVE. Julio C. S. Jacques Junior juliojj@gmail.com
Introdução ao processamento de imagens e OCTAVE Julio C. S. Jacques Junior juliojj@gmail.com Octave www.gnu.org/software/octave/ Linguagem Interpretada (similar ao MATLAB... portabilidade) Voltada para
Leia maisImagens de Satélite (características):
Imagens de Satélite (características): São captadas por sensores electro ópticos que registam a radiação electromagnética reflectida e emitida pelos objectos que se encontram à superfície da terra através
Leia maisNosso objetivo será mostrar como obter informações qualitativas sobre a refração da luz em um sistema óptico cilíndrico.
Introdução Nosso objetivo será mostrar como obter informações qualitativas sobre a refração da luz em um sistema óptico cilíndrico. A confecção do experimento permitirá também a observação da dispersão
Leia maisPROCESSAMENTO DIGITAL DE IMAGENS (SERP11) OPERAÇÕES ARITMÉTICAS. Daniel C. Zanotta
PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) OPERAÇÕES ARITMÉTICAS Daniel C. Zanotta RAZÃO DE BANDAS Dividir uma banda por outra (pixel a pixel) pode trazer diversas informações a respeitos dos alvos contidos
Leia maisUNIVERSIDADE FEDERAL DA BAHIA - UFBA
UNIVERSIDADE FEDERAL DA BAHIA - UFBA Instituto de Ciências Ambientais e Desenvolvimento Sustentável Prof. Pablo Santos 4 a Aula SISTEMA DE INFORMAÇÃO GEOGRÁFICA - SIG Introdução Definições Necessárias
Leia maisOBJETIVO Verificar as leis da Reflexão Verificar qualitativamente e quantitativamente a lei de Snell. Observar a dispersão da luz em um prisma.
UNIVERSIDADE CATÓLICA DE BRASÍLIA CURSO DE FÍSICA LABORATÓRIO ÓPTICA REFLEXÃO E REFRAÇÃO OBJETIVO Verificar as leis da Reflexão Verificar qualitativamente e quantitativamente a lei de Snell. Observar a
Leia maisO que são satélites? Existem 2 tipos de satélite, são os satélites naturais e satélites artificiais.
O que são satélites? Existem 2 tipos de satélite, são os satélites naturais e satélites artificiais. Satélites naturais são: a Lua que gravita em torno da Terra. Satélites artificiais são: dispositivos,
Leia maisAula 3 - Registro de Imagem
Aula 3 - Registro de Imagem 1. Registro de Imagens Registro é uma transformação geométrica que relaciona coordenadas da imagem (linha e coluna) com coordenadas geográficas (latitude e longitude) de um
Leia maisCodificação/Compressão de Vídeo. Tópico: Vídeo (Codificação + Compressão)
Tópico: Vídeo (Codificação + Compressão) Um vídeo pode ser considerado como uma seqüência de imagens estáticas (quadros). Cada um desses quadros pode ser codificado usando as mesmas técnicas empregadas
Leia mais29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica
Mapeamento não-linear Radiologia Digital Unidade de Aprendizagem Radiológica Princípios Físicos da Imagem Digital 1 Professor Paulo Christakis 1 2 Sistema CAD Diagnóstico auxiliado por computador ( computer-aided
Leia maisThales Trigo. Formatos de arquivos digitais
Esse artigo sobre Formatos de Arquivos Digitais é parte da Tese de Doutoramento do autor apresentada para a obtenção do titulo de Doutor em Engenharia Elétrica pela Escola Politécnica da USP. Thales Trigo
Leia maisFigura 1: Formato matricial de uma imagem retangular. Figura 2: Ampliação dos pixels de uma imagem
Universidade Federal de Santa Maria - UFSM Departamento de Eletrônica e Computação - DELC Introdução à Informática Prof. Cesar Tadeu Pozzer Julho de 2006 Imagens Uma imagem é representada por uma matriz
Leia maisUNIVERSIDADE DO EXTREMO SUL CATARINENSE. Correção geométrica de imagens
Correção geométrica de imagens O georreferenciamento descreve a relação entre os parâmetros de localização dos objetos no espaço da imagem e no sistema de referência, transformando as coordenadas de cada
Leia maisUNICAP Universidade Católica de Pernambuco Laboratório de Topografia de UNICAP - LABTOP Topografia 2. Sensoriamento Remoto.
UNICAP Universidade Católica de Pernambuco Laboratório de Topografia de UNICAP - LABTOP Topografia 2 Sensoriamento Remoto Parte 1 Recife, 2014 Conceito de Sensoriamento Remoto Sensoriamento Remoto consiste
Leia maisIntrodução ao Processamento de Imagens
Introdução ao PID Processamento de Imagens Digitais Introdução ao Processamento de Imagens Glaucius Décio Duarte Instituto Federal Sul-rio-grandense Engenharia Elétrica 2013 1 de 7 1. Introdução ao Processamento
Leia maisC A P Í T U L O 1 F U N D A M E N T O S S E N S O R I A M E N T O
C A P Í T U L O 1 F U N D A M E N T O S D E S E N S O R I A M E N T O R E M O T O E l i s a b e t e C a r i a d e M o r a e s 1 INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS-INPE 1 e.mail : bete@ltid.inpe.br
Leia maisGNE 109 AGROMETEOROLOGIA Características Espectrais da Radiação Solar
GNE 109 AGROMETEOROLOGIA Características Espectrais da Radiação Solar Prof. Dr. Luiz Gonsaga de Carvalho Núcleo Agrometeorologia e Climatologia DEG/UFLA Absorção seletiva de radiação Absorção seletiva
Leia mais4 Orbitais do Átomo de Hidrogênio
4 Orbitais do Átomo de Hidrogênio A aplicação mais intuitiva e que foi a motivação inicial para desenvolver essa técnica é a representação dos orbitais do átomo de hidrogênio que, desde então, tem servido
Leia maisÓPTICA GEOMÉTRICA PREGOLINI
ÓPTICA GEOMÉTRICA PREGOLINI ÓPTICA GEOMÉTRICA É a parte da Física que estuda os fenômenos relacionados com a luz e sua interação com meios materiais quando as dimensões destes meios é muito maior que o
Leia mais)LJXUD8PGRVSDUHV'SDUDFRQYROXomRTXHWHPRPHVPRHIHLWRGR NHUQHOGD)LJXUD
)LOWURJDXVVLDQR O filtro Gaussiano pode ser usado como um filtro SDVVDEDL[D. Usando a função Gaussiana para obter valores de uma máscara a ser definida digitalmente. O Filtro de Gaussiano em 1-D tem a
Leia maisManual Processamento de Imagem. João L. Vilaça
Manual Processamento de Imagem João L. Vilaça Versão 1.0 31/1/2014 Índice 1. Sistema de eixo e movimentos possíveis do Drone... 3 2. Imagem... 3 3. Espaços de cor... 4 4.1 RGB... 5 4.2HSV... 5 4.3 GRAY...
Leia maisI Seminário SIGCidades: Cadastro Territorial Multifinalitário. Fundamentos de Cartografia aplicados aos SIGs
I Seminário SIGCidades: Cadastro Territorial Multifinalitário Fundamentos de Cartografia aplicados aos SIGs 1. FORMA DA TERRA Geóide Elipsóide Esfera Modelos de representação da Terra O modelo que mais
Leia maisCorelDRAW 11 1. UM PROGRAMA DE DESIGN
CorelDRAW 11 1. UM PROGRAMA DE DESIGN Com o Corel você vai trabalhar com um dos aplicativos mais usados no campo do design e da auto-edição, já que permite operar com dois tipos de gráficos (vetoriais
Leia maisCapítulo 5 Filtragem de Imagens
Capítulo 5 Filtragem de Imagens Capítulo 5 5.1. Filtragem no Domínio da Frequência 5.2. Filtragem no Domínio Espacial 2 Objetivo Melhorar a qualidade das imagens através da: ampliação do seu contraste;
Leia maisDispositivos de Entrada e Saída
Dispositivos de Entrada e Saída Prof. Márcio Bueno {cgtarde,cgnoite}@marciobueno.com Fonte: Material do Prof. Robson Pequeno de Sousa e do Prof. Robson Lins Dispositivos de Entrada Teclado, Mouse, Trackball,
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia mais2 Método sísmico na exploração de petróleo
16 2 Método sísmico na exploração de petróleo O método sísmico, ou sísmica de exploração de hidrocarbonetos visa modelar as condições de formação e acumulação de hidrocarbonetos na região de estudo. O
Leia maisCálculo de volume de objetos utilizando câmeras RGB-D
Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de
Leia maisFILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço
FILTRAGEM ESPACIAL Filtros Digitais no domínio do espaço Definição Também conhecidos como operadores locais ou filtros locais Combinam a intensidade de um certo número de piels, para gerar a intensidade
Leia maisCálculo Numérico Aula 1: Computação numérica. Tipos de Erros. Aritmética de ponto flutuante
Cálculo Numérico Aula : Computação numérica. Tipos de Erros. Aritmética de ponto flutuante Computação Numérica - O que é Cálculo Numérico? Cálculo numérico é uma metodologia para resolver problemas matemáticos
Leia maisProcessamento de Imagens Digitais
Processamento de Imagens Digitais Redução de Ruídos - Filtros Espaciais "Passa-Baixa" Glaucius Décio Duarte Instituto Federal Sul-rio-grandense Engenharia Elétrica 1 de 7 Ruído em Imagens Digitais As imagens
Leia maisVisão humana. Guillermo Cámara-Chávez
Visão humana Guillermo Cámara-Chávez Cor e visão humana Como uma imagem é formada? Uma imagem é formada a partir da quantidade de luz refletida ou emitida pelo objeto observado. Cor e visão humana Cor
Leia maisAPLICATIVOS GRÁFICOS (AULA 4)
Prof. Breno Leonardo G. de M. Araújo brenod123@gmail.com http://blog.brenoleonardo.com.br APLICATIVOS GRÁFICOS (AULA 4) 1 Classificação da imagem Em relação à sua origem pode-se classificar uma imagem,
Leia maisPRINCÍPIOS FÍSICOS DO SENSORIAMENTO REMOTO. Peterson Ricardo Fiorio
PRINCÍPIOS FÍSICOS DO SENSORIAMENTO REMOTO Peterson Ricardo Fiorio Definição: Sensoriamento Remoto É a ciência ou a arte de se obterem informações sobre um objeto, área ou fenômeno, através de dados coletados
Leia maisAula 5 - Classificação
AULA 5 - Aula 5-1. por Pixel é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os Classificadores "pixel a pixel" utilizam apenas a informação espectral isoladamente
Leia maisArquitetura de Rede de Computadores
TCP/IP Roteamento Arquitetura de Rede de Prof. Pedro Neto Aracaju Sergipe - 2011 Ementa da Disciplina 4. Roteamento i. Máscara de Rede ii. Sub-Redes iii. Números Binários e Máscara de Sub-Rede iv. O Roteador
Leia maisRUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS. o Flutuações aleatórias ou imprecisões em dados de entrada, precisão numérica, arredondamentos etc...
RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS RUÍDOS EM IMAGENS Em Visão Computacional, ruído se refere a qualquer entidade em imagens, dados ou resultados intermediários, que não são interessantes para os propósitos
Leia maisOficina de fotografia e tratamento de imagem. Facilitadora: Camila Silva Aula: 05
Oficina de fotografia e tratamento de imagem Facilitadora: Camila Silva Aula: 05 Objetivas É uma lente óptica ou conjunto de lentes usada em conjunto com um corpo de câmera e um mecanismo para reproduzir
Leia maisSOLUÇÃO: RESPOSTA (D) 17.
16. O Ceará é hoje um dos principais destinos turísticos do país e uma das suas atrações é o Beach Park, um parque temático de águas. O toboágua, um dos maiores da América Latina, é uma das atrações preferidas
Leia maisSistemas de Informação Geográfica Aplicados
Sistemas de Informação Geográfica Aplicados Exercício 4 A região de Pombal é conhecida pela presença de argilas especiais negras e cinzentas com parâmetros químicos e mineralógicos que lhe conferem grande
Leia maisTransformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis
Transformada de Hough Cleber Pivetta Gustavo Mantovani Felipe Zottis A Transformada de Hough foi desenvolvida por Paul Hough em 1962 e patenteada pela IBM. Originalmente, foi elaborada para detectar características
Leia maisClassificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões
Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos
Leia maisSistema de Informações Geográficas
UNIVERSIDADE DO EXTREMO SUL CATARINENSE Pós Graduação Ecologia e Manejo de Recursos Naturais Sistema de Informações Geográficas Prof. Fabiano Luiz Neris Criciúma, Março de 2011. A IMPORTÂNCIA DO ONDE "Tudo
Leia maisProcessamento de histogramas
REALCE DE IMAGENS BASEADO EM HISTOGRAMAS Processamento de histogramas O que é um histograma? É uma das ferramentas mais simples e úteis para o PDI; É uma função que mostra a frequência com que cada nível
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO-UFES / DEPT. DE ENGENHARIA RURAL / SENSORIAMENTO REMOTO
CAPÍTULO 2 AS INTERAÇÕES ENTRE A ENERGIA E A MATÉRIA 1.0. Introdução No Capítulo 1 vimos que o sensoriamento remoto é o ramo da ciência que retrata a obtenção e análise de informações sobre materiais (naturais
Leia maisPROCESSAMENTO DIGITAL DE IMAGENS
PROCESSAMENTO DIGITAL DE IMAGENS Motivado por duas principais aplicações: Melhorar a informação da imagem para interpretação humana Processamento de cenas para percepção de máquinas (Visão Computacional)
Leia maisDescobertas do electromagnetismo e a comunicação
Descobertas do electromagnetismo e a comunicação Porque é importante comunicar? - Desde o «início dos tempos» que o progresso e o bem estar das sociedades depende da sua capacidade de comunicar e aceder
Leia maisPRÁTICA 3. 1) Imagens RGB. T_1: Decompor a imagem Flor.bmp em suas três componentes RGB.
PRÁTICA 3 1) Imagens RGB. Figura 1 - Píxels de uma Imagem RGB T_1: Decompor a imagem Flor.bmp em suas três componentes RGB. f = imread('flor.bmp'); fr = f(:, :, 1); fg = f(:, :, 2); fb = f(:, :, 3); subplot(2,3,1);imshow(f)
Leia mais