Introdução ao Processamento e. Síntese de Imagens. Introdução ao Processamento e. Síntese de Imagens: Estruturas matricial e vetorial

Transcrição

1 Introdução ao Processamento e Síntese de Imagens: Estruturas matricial e vetorial Tópicos: Introdução ao Processamento e Síntese de Imagens Conceito de imagem digital; Estruturas vetorial e matricial (classes de representações geométricas); Formatos de armazenamento. Introdução ao Processamento e Síntese de Imagens: Estruturas matricial e vetorial Imagem (conceito geral) Introdução ao Processamento e Síntese de Imagens: Estruturas matricial e vetorial Imagem (conceito geral) - Representação gráfica, plástica ou fotográfica de pessoa ou de objeto. - Representação plástica da Divindade, de um santo, etc. - Pessoa muito formosa. - Reprodução invertida, de pessoa ou objeto, numa superfície refletora ou refletidora. - Representação exata ou analógica de um ser, de uma coisa; cópia. - Representação mental de um objeto, de uma impressão, etc; lembrança, recordação. - Produto da imaginação, consciente ou inconsciente; visão. - Ponto de um conjunto que corresponde a um ponto de outro numa aplicação deste sobre aquele. - Conjunto de pontos no espaço, para onde convergem, ou de onde divergem, os raios luminosos que, originados de um objeto luminoso ou iluminado, passam através de um sistema óptico. Conceitos extraídos de Ferreira (1986)*. Alguns dos outros conceitos de imagem extraídos de Ferreira (1986). * FERREIRA, A. B. de H. Novo dicionário da língua Portuguesa. 2ª edição. Rio de Janeiro: Editora Nova Fronteira, 1986.

2 Introdução ao Processamento e Síntese de Imagens: Estruturas matricial e vetorial Imagem (conceito específico, no contexto do curso) Conjunto de elementos de imagem (pixel picture element) espacialmente ordenados em um arranjo matricial, cuja posição é dada por (coluna, linha), sendo que a cada pixel é associado um tom de cinza, expresso genericamente por g(coluna, linha). Introdução ao Processamento e Síntese de Imagens: Estruturas matricial e vetorial Imagem Conjunto de elementos de imagem (pixel picture element) espacialmente ordenados em um arranjo matricial, cuja posição é dada por (coluna, linha), sendo que a cada pixel é associado um tom de cinza, expresso genericamente por g(coluna, linha). No caso de imagens coloridas tem-se, associado a cada posição (coluna, linha) os valores de ND (nível digital) para as bandas R(red), G(green) e B(blue) do espectro eletromagnético, ou seja: R(coluna,linha); G(coluna, linha); B(coluna, linha). Espectro Eletromagnético Espectro eletromagnético Espectro eletromagnético (λ em µm) Fonte: Mikhail et al. (2001) Espectro eletromagnético: Resultado da oscilação dos campos elétricos (E) e magnéticos (M) segundo um padrão harmônico de ondas. c = λ.f Em termos dimensionais:[ LT -1 ] = [ L ].[ T -1 ] Fonte: (Acesso em 2009).

3 Imagem, na forma de um arranjo matricial Imagem, na forma de um arranjo matricial Elemento (0,0) Colunas (c) g(c,l) Imagem colorida: R(c,l), G(c,l) e B(c,l) B(c,l) G(c,l) Linhas (l) Os valores de g(c,l), ou R(c,l), G(c,l) e B(c,l), para o caso de imagens coloridas, são número inteiros armazenados em palavras de n bits. Número máximo de tons de cinza: 2 n (Resolução Radiométrica) Imagem em tom de cinza: g(c,l) R(c,l) Imagem, na forma de um arranjo matricial Imagem, na forma de um arranjo matricial Imagem colorida: R(c,l), G(c,l) e B(c,l) B(c,l) Imagem colorida: R(c,l), G(c,l) e B(c,l) B(c,l) G(c,l) G(c,l) R(c,l) R(c,l) Imagem em tom de cinza: g(c,l) Imagem em tom de cinza: g(c,l)

4 Imagem, na forma de um arranjo matricial Imagem colorida: R(c,l), G(c,l) e B(c,l) Imagem em tom de cinza: g(c,l) R(c,l) G(c,l) B(c,l) Elemento (0,0) Imagem, na forma de um arranjo matricial Linhas (l) Colunas (c) g(c,l) Os valores de g(c,l), ou R(c,l), G(c,l) e B(c,l), para o caso de imagens coloridas, são número inteiros armazenados em palavras de n bits. Número máximo de tons de cinza: 2 n (Resolução Radiométrica) n 2 n Imagem No contexto visto, as imagens são apresentadas como um conjunto discreto de pontos, onde é associado a cada um desses pontos um valor, ou amplitude, que corresponde a uma intensidade (brilho). Um vez que a luz é uma forma de energia, f(x,y) deverá estar no seguinte intervalo: 0< f(x, y) < A função f(x,y) pode ser caracterizada por duas componentes (GONZALEZ e WOODS, 1993): (1) A quantidade de luz incidente na cena sendo visualizada, dada por i(x,y), sendo 0<i(x,y)< e denominada componente de iluminação*; (2) A quantidade de luz refletida pelos objetos da cena, dada por r(x,y), sendo 0<r(x,y)<1 e denominada componente de reflectância. f (x, y) = i(x, y)r(x, y) Imagem A componente de reflectância (0<r(x,y)<1) depende da composição de cada material que forma os objetos presentes na cena. Alguns valores típicos (GONZALEZ e WOODS, 1993): Veludo preto 0,01 Prata 0,90 Aço inoxidável 0,65 Neve 0,93 Parede plana branca 0,80 Os valores 0<i(x,y)< e 0<r(x,y)<1 são valores teóricos. r(x,y) = 0 (Corresponde a ter absorção total) r(x,y) = 1 (Corresponde a reflectância total) * Optou-se por usar a terminologia adotada por (GONZALEZ e WOODS, 1993). Na literatura relacionada à Sensoriamento Remoto este conceitos são aprofundados e algumas diferenças na terminologia podem ser encontradas.

5 Imagem A intensidade de uma imagem monocromática f na posição (x,y) é normalmente denominada nível de cinza ou nível digital (ND). Alguns autores utilizam o símbolo g e outros l. A partir da equação f(x,y)=i(x,y)r(x,y) tem-se os limites mínimo e máximo da intensidade (I): L I min L max L L = i = i max max Na prática normalmente são feitas operações matemáticas de modo que o intervalo numérico fique no intervalo [0, L]. min max r min min r Imagem Para ser adequada ao processamento e ao tratamento computacional a função contínua f(x,y) deve ser digitalizada, ou discretizada, tanto em termos espaciais quanto em amplitude. A digitalização (ou discretização) em termos espaciais, ou das coordenadas (x,y), é denominada amostragem espacial (image sampling). A digitalização em amplitude é denominada quantização em tons de cinza (gray-level quantization). 0 Corresponde ao preto; L Branco. Os valores intermediários correspondem aos valores de tons de cinza. Resolução Radiométrica: 2 8 Imagem mostrada em diferentes resoluções radiométricas

6 Resolução Radiométrica: 2 7 Resolução Radiométrica: 2 6 Resolução Radiométrica: 2 5 Resolução Radiométrica: 2 4

7 Resolução Radiométrica: 2 3 Resolução Radiométrica: 2 2 Resolução Radiométrica: 2 1 Imagem mostrada em diferentes resoluções espaciais

8 Imagem de uma mesma área, para diferentes taxas de amostragem espacial Imagem de uma mesma área, para diferentes taxas de amostragem espacial GSD (Ground Sample Distance)* 0,25 m GSD (Ground Sample Distance)* 0,50 m * Dimensão do Elemento Amostral no Terreno * Dimensão do Elemento Amostral no Terreno Imagem de uma mesma área, para diferentes taxas de amostragem espacial Imagem de uma mesma área, para diferentes taxas de amostragem espacial GSD (Ground Sample Distance)* 1,00 m GSD (Ground Sample Distance)* 2,00 m * Dimensão do Elemento Amostral no Terreno * Dimensão do Elemento Amostral no Terreno

9 Imagem de uma mesma área, para diferentes taxas de amostragem espacial Além da resolução espacial e radiométrica, um outro aspecto relevante é a Resolução Espectral A resolução espectral está relacionada à obtenção de imagens a partir de múltiplas bandas, sendo possível analisar e extrair informação a partir da resposta dos alvos a estas bandas espectrais. Segundo Menezes e Almeida (2012) o termo resolução espectral envolve pelo menos três parâmetros de medida: O número de bandas que determinado sensor possui; A largura, em comprimento de onda, das bandas; As posições que as bandas estão situadas no espectro eletromagnético. GSD (Ground Sample Distance)* 4,00 m * Dimensão do Elemento Amostral no Terreno Além da resolução espacial e radiométrica, um outro aspecto relevante é a Resolução Espectral Estruturas de representação do tipo vetorial e matricial Desenho feito em um aplicativo do tipo CAD e salvo na forma de uma imagem. Pequeno segmento de imagem onde pode-se ver os pixels e a matriz de intensidade correspondente. a) Exemplos de imagens de uma mesma região, obtidas a partir da banda no visível (a) e no infravermelho próximo (b). Fonte: Menezes e Almeida (2012). b)

10 Primitivas gráficas Estrutura de representação do tipo vetorial e a possibilidade de inserção de topologia Os exemplos mostrados anteriormente correspondem a estruturas matriciais. Primitivas gráficas: Pontos, Linhas e Áreas (ou Polígonos). Para o caso de linhas: Algoritmo de Bresenham Alg. de Bresenham (operações com inteiros) Alg. de Bresenham generalizado (inteiros) Para o caso de círculos: Alg. de Bresenham Serão vistos em síntese de imagens. Fonte: Câmara, Davis e Monteiro (2009). Ponto Posição (x,y) Segmento de reta Ponto inicial (x i,y i ) Ponto final (x f,y f ) Polígono / Área (x 0,y 0 ), (x 1,y 1 ), (x 2,y 2 ),...,(x n,y n ), (x 0,y 0 ). Circunferência: Posição do centro (x,y), Raio (r) Elipse... Representação vetorial... ENDSEC 0 SECTION 2 ENTITIES 0 POLYLINE CONTINUOUS VERTEX CONTINUOUS Representação vetorial Trecho de um arquivo.dxf (Arquivo ASCII definido pelo produtor do Autocad) Outros Formatos: DGN (MicroStation), DWG (Autodesk), SHP (Arc/Info), CGM (Computer Graphic Metafile), PDF(Portable Document Format), etc.

11 Formatos de armazenamento Formatos de armazenamento São inúmeros os formatos de armazenamento, tanto de dados no modo vetorial quanto matricial (ou raster) Como o foco da disciplina consiste no processamento e síntese de imagens, serão tratados apenas alguns dos formatos destinados ao armazenamento de dados matriciais. Essencialmente as imagens são estruturas matriciais no qual são armazenados valores de intensidade, normalmente valores inteiros, em palavras de nbits, sendo o número de valores de intensidade dado por 2 n, sendo os valores indexados no intervalo [0, 2 n -1]. Para n=8, 2 n =256 Intervalo para os valores de intensidade [0, 255] Alguns exemplos de formatos comumente utilizados: BMP, PPM, PGM, PBM, JPEG, TIFF, PNG, RAW, GIF,... BMP Windows BitMaP PPM -Portable PixMap PGM -Portable GrayMap PBM - Portable BitMap JPEG - Joint Photographic Experts Group TIFF - Tagged Image File Format GIF Graphics Interchange Format(Limitado a paleta de 8-bits, suporta animação) PNG Portable Network Graphics(Sucessor em formato aberto do GIF, suporta 16 milhões de cores) ECW -Enhanced Compression Wavelet(Formato proprietário da Leica Geosystem) Compactação com e sem perda Taxa de compactação Efeito na imagem Alguns formatos de imagem consideram a possibilidade de compressão das imagens, em diferentes níveis de compactação, podendo a compactação ser com perdade informação (Lossy compression) ou sem perdade informação (Lossless compression). Formatos que normalmente não consideram a compactação BMP, PBM, PGM, PPM,... Formatos que permitem a compactação JPG, TIF, PNG, GIF, ECW,... Arquivos com: 56 Kb, 9 Kb e 6 Kb, respectivamente. Todos foram salvos no formato JPG, com as qualidades 100%, 50% e 25%, respectivamente.

12 Taxa de compactação Efeito na imagem Formatos de imagem PBM, PGM e PPM PBM-Portable Bit Map PGM-Portable Gray Map PPM-Portable Pixel Map Origem Foi criado nos anos 80 por Jef Poskanzere foi destinado originalmente para envio de imagens via internet. Arquivos com: 56 Kb, 9 Kb e 6 Kb, respectivamente. Todos foram salvos no formato JPG, com as qualidades 100%, 50% e 25%, respectivamente. Alguns aplicativos que permitem a leitura e escrita destes formatos de imagem: GIMP, ImageJ, Xview` Plataformas UNIX, LINUX IrfanView, Lview, GIMP, ImageJ,... Windows

13 Bibliografia CÂMARA, G.; DAVIS, C.; MONTEIRO, A. M. V. Introdução à Ciência da Geoinformação. INPE: São José dos Campos. Disponível em: Acesso: Novembro de FERREIRA, A. B. de H. Novo dicionário da língua Portuguesa. 2ª ed. Rio de Janeiro: Editora Nova Fronteira, 1986.(ISBN ) GONZALEZ, R. C.; WOODS, R. E. Digital image processing. Reading: Addison-Wesley Publishing Company, Inc., GONZALEZ, R. C.; WOODS, R. E. Processamento Digital de Imagens. 3ª ed. São Paulo: Pearson Prentice Hall, GOMES, J.; VELHO, L. Computação Gráfica - Volume 1. IMPA - Instituto de Matemática Pura e Aplicada, Rio de Janeiro, RJ-Brasil, MENEZES, P. R.; ALMEIDA, T. de Introdução ao Processamento de Imagens de Sensoriamento Remoto. UNB Universidade de Brasilia, CNPq Conselho Nacional de Pesquisa e Desenvolvimento, Brasilia, MIKHAIL, E. M.; BETHEL, J.; McGLONE, J. C. Introduction to Modern Photogrammetry. New York: John Wiley& Sons, 2001.(ISBN ) Superfícies de referência usadas na calibração radiométrica A título de curiosidade, uma vez que este assunto será tratado futuramente, em outras disciplinas do curso, serão mostradas algumas superfícies usadas na calibração radiométrica de alguns sensores. Apêndice Em algumas aplicações em laboratório são utilizadas placas de referência compostas por Sulfato de Bário (BaSO4), como pode-se ver em Souto et al. (2005). Algumas destas placas de referência são conhecidas como Spectralon( Placas de Spectralon. Fonte: Souto, R. P.; Kampel, M.; Brandini, F.; Velho, H. F. de C.; Stephany, S. Análise comparativa de medições in situ e orbital de radiâncias do oceano na estimativa de concentração de clorofila-a. Anais do XII SBSR, Goiânia, INPE, 2005, p

14 Superfícies de referência usadas na calibração radiométrica No caso de alguns sensores orbitais são usadas referências naturais, como por exemplo regiões desérticas como o Salar de Uyuni, na Bolívia. A figura abaixo mostra a localização deste salar na Bolívia. Superfícies de referência usadas na calibração radiométrica Salar de Uyuni na Bolívia. Fonte: Google Earth, Fonte: Google Earth, Superfícies de referência usadas na calibração radiométrica Em (a) e (b) são mostradas duas imagens do Salar de Uyuni, Bolívia, utilizado na calibração radiométrica de sensores orbitais. Fonte: Ponzoni et al. (2015). Ponzoni, F. J.; Pinto, C. T.; Lamparelli, R. A. C.; Júnior, J. Z.; Antunes, M. A. H. Calibração de Sensores Orbitais. São Paulo, Oficina de Textos, 2015, 96 p.