Processamento digital de imagens. introdução

Transcrição

1 Processamento digital de imagens introdução

2 Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética proveniente de uma área.

3 Estrutura matricial Como a captura da imagem envolve um plano de imagem discreto, a adoção de uma matriz retangular parece ser a opção mais lógica. Na estrutura matricial, cada pixel é identificado por suas coordenadas em termos de linha e coluna, que são números inteiros. Vantagem: os pixels preservam sua inter-relação espacial. Ou seja, pixels vizinhos na imagem são também vizinhos na matriz.

4 Armazenamento em computador No disco rígido de um computador não há espaço reservado para matrizes. Os dados de uma imagem são armazenados como uma série de dados. Esta série de números pode ser organizada de maneira diferente para determinadas finalidades. A estruturação tem por objetivo facilitar sua manipulação e análise. A adoção de uma estrutura adequada pode se tornar muito relevante na hora de elaborar programas para o processamento de imagens.

5 Uma imagem simples Imagem de uma única banda espectral. Os valores dos pixels são armazenados de maneira seqüencial. Esta organização requer apenas a preservação de uma ordem preestabelecida. Por exemplo, começando no pixel superior esquerdo e terminando no pixel inferior direito, efetuando a varredura da imagem de maneira seqüencial. estrutura espacial implícita, pois, conhecendo-se o tamanho da imagem formada pelos dados, é facilmente reconstruída a imagem Imagem tamanho 3x

6 Uma imagem multiespectral Quando se trata de imagens multiespectrais, existem várias alternativas para o armazenamento dos valores de cada pixel nas diferentes bandas. As alternativas são: Intercalado por banda (BSQ), onde as bandas são armazenadas uma atrás da outra, sob forma de imagens de nível de cinza em um único arquivo

7 Intercalado por linha (BIL): Os valores correspondentes a uma mesma linha nas diferentes bandas são armazenados juntos. Vantagem: pode ser lida uma linha inteira, em todas as bandas, de uma vez só Intercalado por pixel (BIP), onde todos os valores de um mesmo pixel, nas diferentes bandas, são armazenados juntos

8

9 Estatísticas da imagem Cada pixel da imagem multiespectral é descrito como um vetor, com dimensão igual ao número de bandas. A partir dos valores das bandas podem ser calculados parâmetros estatísticos que descrevem a variação dos valores: o vetor de médias; os valores mínimo/máximo; a mediana ; a variância; a matriz variância covariância.

10 O histograma de uma imagem Representação da freqüência relativa dos valores digitais na imagem. A faixa de variação dos valores presentes no histograma depende da resolução radiométrica.

11 A análise do histograma fornece informações a respeito do brilho e do contraste da imagem. Qual é a diferença entre As imagens associadas aos dois histogramas? Qual corresponde a uma imagem escura? E a uma imagem clara? O que poderia ser dito a respeito do contraste destas imagens? O contraste poderia se aumentado?

12 brilho/contraste Qual é o histograma ideal Como pode ser aumentado o brilho de uma imagem? E o contraste? Como pode ser melhorado o contraste de uma imagem?

13 Manipulação de contraste É desejado que a variação dos valores ocupem toda a faixa (0-255). Para melhorar o contraste, pode-se modificar os valores da imagem aplicando uma transformação linear. VD = a * VD + b a: aumenta (a>1) o diminui (a<1) o contraste, b: torna a imagem mais clara (b>0) ou mais escura (b<0).

14 Histograma novo Transformação linear de contraste Consiste em aplicar uma transformação linear, da forma: Y= a*x + b X= valor digital antigo Y= novo valor digital a,b= parâmetros 255 Y=a*X+b Histograma antigo 255

15 O efeito da variação dos parâmetros da transformação linear de contraste.

16 Transf. Linear

17 Calcule os parâmetros para efetuar o contraste linear no seguinte histograma:

18 Transformação com truncamento Esticar apenas o histograma não melhorará a imagem se alguns valores digitais ficarem muito afastados, nos extremos mínimo e máximo da faixa de variação possível. Neste caso uma porcentagem pequena de valores do pixel é cortada nas extremidades (máximos e mínimos) da escala. Para uma imagem 8-bit, isto corresponde a valores próximos de 0 e 255. A transformação linear de contraste, é então aplicada ao restante dos valores.

19 Cortar extremos (altos e baixos)

20 Contraste linear 2% Contraste linear

21 equalização do histograma A equalização opera de maneira diferenciada ao longo do histograma. Ela aloca um maior número de valores intermediários em trechos do histograma original onde os valores são mais freqüentes e utiliza um menor número de novos valores quando os valores originais são pouco freqüentes, de maneira que a diferença entre os valores que mais ocorrem na imagem seja relativamente maior em termos de contraste.

22 Equalização

23 equalização Contraste linear

24

25 Binarização A imagem pode ser binarizada, obtendo no final apenas dois valores, 0 e 255, através da aplicação de um limiar. Se o valor superar o limiar, é atribuído o valor máximo (255), caso contrário o mínimo (0). Útil para separar áreas escuras, como por exemplo corpos de água em bandas do infravermelho.

26 Distorções radiométricas No processo de aquisição, o verdadeiro valor da energia é distorcido por diferentes fatores entre os quais podem ser citados: calibração inadequada dos sensores, interação com a atmosfera (espalhamento) e defeitos no registro e ou transmissão da informação. Pixel ou linha perdida Sensores descalibrados (Bandeado) Efeito atmosférico As correções radiométricas são operações que têm por finalidade diminuir as distorções em termos de valores do contador digital.

27 Pixel ou linha perdida Uma falha momentânea no sistema de captação da energia ou no processo de transmissão e recepção dos dados pode ocasionar perda de um ou mais valores da imagem. Quando isto ocorre, alguns pixels apresentam valores incoerentes, extremamente baixos ou extremamente altos, que desarmonizam com o resto da imagem. Prejudica a análise visual ou digital. Na prática, para minimizar este efeito, é feita uma substituição dos valores errados usando informação de pixels vizinhos.

28 Pixel perdido Quando um único valor for perdido, a correção é bastante simples. Considerando que pixels vizinhos apresentam alta correlação, a correção é realizada substituindo o valor incorreto pela média dos oito vizinhos em volta do pixel Solução: média dos 8 vizinhos.

29 Exemplos de pixel perdido Qual valor está errado? Como corrigir? Imagem (8x8)

30 Linha perdida Se o erro ocupa apenas uma linha, a solução mais simples consiste em substituir os valores da linha errada pelos valores de uma linha vizinha, digamos a anterior. Outra solução é interpolar um valor a partir das linhas vizinhas, anterior e posterior. V(i,j)= 0,5 * (v(i-1,j) + v(i+1,j) )

31 Exemplos de linha perdida Qual linha está errada? Qual é a provável causa? Calcule os valores corrigidos? Imagem (8x8)

32 Sensores descalibrados (Bandeado) Neste caso, a energia é medida por cada sensor usando uma escala diferente, umas mais claras outras mais escuras. O defeito não ocasiona a perda da informação, mas o surgimento de linhas claras e escuras em áreas que seriam teoricamente homogêneas, devido à escala diferente usada por cada sensor.

33 Como o sistema de sensores executa a varredura sistemática da cena, o erro de cada sensor é repetido também sistematicamente. A correção deste erro baseia-se na análise do histograma de cada sensor. Adotando o histograma da imagem inteira como referência, a correção consiste em aplicar uma transformação linear aos pixels das linhas correspondentes a um determinado sensor, de maneira que o histograma do sensor mal calibrado se aproxime do histograma de referência.

34 Histograma claro Histograma escuro

35 Solução Histograma claro Histograma padronizado Histograma escuro Histogramas corrigidos Aplicar uma transformação linear às linhas associadas a cada detector, isoladamente, de maneira que o histograma de todos os detectores sejam iguais a um histograma de referência (pode ser o histograma de todas as linhas juntas)

36

37 Correção linear Uma transformação linear para o sensor k é dada por: gk(i,j)= a * fk(i,j) +b Onde: a= s/s_k, b= m - a*m, gk() : linha corrigida fk() : linha com distorção (sensor k ) s= desvio padrão da imagem, s_k= desvio padrão dos valores das linhas do sensor k m= média dos valores em toda a imagem.

38 Correção atmosférica A dispersão da energia depende do comprimento de onda e varia no espaço e no tempo, o que dificulta o estudo comparativo de imagens obtidas em diferentes datas. O espalhamento de energia resulta numa componente aditiva no valor medido. Esta parcela corresponde a energia que é redirecionada pela refração e/ou reflexão na atmosfera para dentro do IFOV. VD= VD0 + atm

39 Efeito no Histograma Histograma de imagem com espalhamento Histograma de imagem SEM espalhamento

40 Método do pixel mais escuro Estimar a parcela correspondente ao espalhamento buscando uma região que teoricamente deveria aparecer totalmente escura na imagem, ou seja, uma região onde a reflectância medida deveria ser nula. Se os pixels nestas regiões tiverem valores acima de zero, estes valores são originados unicamente do espalhamento atmosférico. As regiões escolhidas podem ser sombras de nuvens, onde a incidência de energia é nula. VD0= VD - pixel_escuro

41 Método da regressão Procura-se regiões escuras na imagem (água clara e profunda ou sombra). Bandas: IV = nulo (ou quase nulo) VIS: espalhamento Assumindo que existe correlação entre as bandas do visível e a banda do infravermelho, calcula-se a regressão linear entre elas. A reta da regressão deveria passar pela origem e se isto não ocorrer, da interseção entre esta reta e o eixo da banda do visível pode ser lido o valor a ser descontado de todos os pixels.

42

43

44 Normalização de imagens Finalidade: uniformizar imagens com diferenças causadas pelo espalhamento e fatores externos, como as condições de iluminação. Procura-se na imagem áreas extremamente claras, como áreas com concreto (um aeroporto) e áreas com valores extremamente baixos, como água limpa e profunda, cujas características espectrais não mudam ao longo do tempo. Adota-se estes extremos como referência para efetuar uma normalização através de uma regressão linear, fazendo com que os valores registrados nas regiões escuras sejam iguais em todas as imagens ao mesmo tempo em que os valores das áreas claras coincidam.

45 Antes do processamento COMPARAÇÃO DO DESEMPENHO DE ALGORITMOS DE NORMALIZAÇÃO RADIOMÉTRICA DE IMAGENS DE SATÉLITE SILVIA SHIZUE LEONARDI SONIA MARA DE SOUZA LEILA MARIA GARCIA FONSECA Após processamento