24/05/2011. O que significa PDI? I- Introdução

Transcrição

1 I- Introdução 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. Etapas do Processamento Esquema 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. 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. O processamento digital de imagem é o conjunto de procedimentos de álgebra matricial e geoestatística aplicado a interpretação, classificação e extração de informações de uma imagem digital. O uso de imagens multiespectrais registradas por satélites tais como, CBERSII, SPOT ou similares é uma valiosa técnica para a extração dos dados destinados às várias aplicações de pesquisa de recursos naturais. Leia mais: GONZALEZ & WOODS, Processamento digital de imagens. Editora Edgard Blücher, Ltda, 2000.

2 A obtenção das informações espectrais registradas pelos sistemas nas diferentes partes do espectro eletromagnético, visando a identificação e discriminação dos alvos de interesse, depende principalmente da qualidade da representação dos dados contidos nas imagens. As técnicas de processamento digital de imagens, além de permitirem analisar uma cena nas várias regiões do espectro eletromagnético, também possibilitam a integração de vários tipos de dados, devidamente georeferenciados. Exemplos de processamento: -classificação; -aumento de contraste; -reamostragem; -operações matemáticas As técnicas processamento digital atuam no domínio espacial que modifica os valores dos pixels da imagem baseado nos valores dos pixels vizinhos. Atuam também no domínio radiométrico os onde os valores dos pixels são alterados individualmente 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 200 Banda vermelha: de 0,6 µm a 0,68 µm 2 00 Banda infravermelho: 0,79 µm a 0,89 µm 50 Supondo que esteja no vermelho, 2 esteja no verde e no azul, na fusão RGB o novo pixel será colorido baseado na mistura das cores primárias. Falsa cor RGB 2

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 ( ? m) Composição de Bandas- 5,, Landsat b) Estatística da imagem A variação de tons de cinza de uma imagem (DN) pode ser representada por histogramas de freqüência. O histograma permite obter informação sobre quantos pixels na imagem possuem determinado valor de cinza (que numa imagem de 8 bits varia de 0, preto, a 255, branco). Os dados discretos representados nos histogramas de freqüências são de fundamental importância no que concerne ao aumento de contraste e realce de uma 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

4 Realce Radiométrico Histogramas Eixo horizontal os valores de tons de cinza e no eixo vertical o número de pixels para cada um desses valores. 00 Pixels 50 pixels de DN= Tons de cinza 255 O contraste de uma imagem está diretamente relacionado com o histograma da imagem. Logo este pode ser alterado pelo usuário a fim de ampliar o contraste da imagem. A este procedimento denominamos de realce. O contraste de uma imagem é uma medida de espalhamento dos níveis dos níveis de intensidade que nela ocorrem. Realce F R E Q. Baixo Contraste F R E Q. Alto Contraste J K DADO ORIGINAL J K DADO AMPLIADO DN (00 200) DN(20-255) Original Realçado

5 Histograma Tri-dimensional A 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 contraste de uma imagem através dos seguintes métodos: 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. 5

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. 6

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 aumenta a 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 radiométricas que 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. 7

8 Fonte Inpe: Estatística da Imagem Além do histograma da imagem alguns indicadores estatísticos permitem avaliar o comportamento do dado digital. Tais como: Valor máximo(dn) Valor mínimo Média Desvio Padrão Matriz Variância-covariância Correlação Média :µ i = ΣXi/ n Desvio Padrão: σ=( Σ(Xi- µ i ) 2 /n) /2 Covariância (entre duas bandas) Cab k = = K ( Ai µ a)( Bi b)/ i µ C ab = Covariância entre a banda A e B ; A i e B i = Valores para A e B, para o pixel i; µ a e µ b = Média para banda A e B; K= Número de pixels; 8

9 Exemplo Numa Imagem de três bandas pode-se ter: Banda Vmax Vmin M Dp Sabendo-se Ca/b pode determinar a correlação entre a banda a/b ρ = Ca/b / σ a σ b ρ = alta correlação entre a e b ρ = 0 baixa correlação entre a e b Correlação entre Dados multiespectrais Ex: Landsat TM Correlação entre dados multiespectrais Ex: Landsat TM Média O coeficiente de correlação permite avaliar quais os intervalos espectrais próximo de si espectralmente Sumário de Correlação Bandas,2,: altamente correlacionadas, porém pouco com B Bandas 5,7: razoável correlação Bandas,7: correlação variável Bandas,7: correlação variável Bandas,7: razoável correlação 9

10 Espaço Objeto (processamento digital) Pode-se avaliar um par de bandas através do que se denomina ESPAÇO OBJETO, onde os DN de duas bandas são observados no num eixo bidimensional. O que permite avaliar o comportamento da superfície captada pelo sensor em diferentes faixas espectrais. Desta forma a correlação entre bandas podem ser avaliadas através de histogramas bidimensionais. Espaço de atributos- Feature space Espaço Image Características Espacial Espaço de Atributo Característica Espectral Espaço de atributos- Feature space Espaço Image Características Espacial Espaço de Atributo Característica Espectral Filtros As operações matemáticas efetuadas na imagem com a finalidade de realçar padrões, estas são realizadas por dois processos distintos; um que opera no domínio espacial da imagem, convolução cúbica (janelas m x n), e outro que opera no domínio da freqüência baseado nas transformadas de Fourrier. 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. 0

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. IMAGEM ORIGINAL FILTRO FILTRO IMAGEM FINAL Filtros de Amplitude Atuam diretamente no espaço de cor das imagens Filtros Topológicos Atuam no domínio da imagem Filtros de Amplitude x Topológico Gamma Correction Convolução Discreta 2D Filtro representado por uma Matriz x: /9 Imagem (5x5): Algoritmo: Para cada pixel da imagem Posicionar centro do filtro sobre o pixel Calcular média ponderada dos pixels vizinhos segundo os valores do filtro pixel correspondente na imagem final ganhará essa média PUNCH Exemplo no pixel (2,): ( ) /

12 Filtro janela x Movimento da janela(por pixel) Matriz 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. Novo valor do pixel, baseado nos dos vizinhos(kernal) Para computar novo valor deste pixel cada valor do filtro é multiplicado pelo valor do pixel correspondente no filtro. O somatório do produto é dividido pelo total da soma dos valores do filtro, tal como se segue: Dado Filtro (kernel) V=((- x 8) + (- x 6) + (- x 6) + (- x 2) + (6 x 8) + (- x 6) + (- x 2) + (- x 2) + (- x 8) / ( ) = (88/8) = ; Imagem Algoritmo 2

13 generalizando, a imagem filtrada será dada pela fórmula: Valores Filtrados q q V = ( f ij d ij ) / F i= i= f ij = coeficiente referente ao filtro (m x n) na posição i,j ; d ij = coeficiente referente ao valor do pixel correspondente fij; q = dimensão da matriz, no exemplo x ; F = soma dos coeficientes do filtro; V = novo valor do pixel Tipos de Filtros de Convolução Os filtros servem para facilitar a interpretação. Os principais tipos são: -Passa Alta; -Passa Baixa; -Média; -Mediana; -Laplace /9 Filtro- Média 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)

14 Resultado de um Filtro BOX BOX Filtro Gaussiano O Filtro BOX é anisotrópico n 2 n Máscara de coeficientes Triângulo de pascal para geração discreta da Gaussiana 6 6 Resultado do Filtro Gaussiano Filtro Laplaciano Gauss Filtro passa alta. - 8 Somar à imagem original para realçar os detalhes. truncation offset

15 Ampliação e Redução Redução 8 x 5 Redução: Pixel resize (filtragem) Interpolação linear bilinear resample Passa Baixa 0 x 8 Ampliação Ampliação: Pixel resize Interpolação não linear bi-cubic resample Os filtros de baixa freqüência, ditos de passa baixa reduzem as altas freqüências da imagem,deixando passar somente as baixas freqüências, suavizando assim a imagem. A nova imagem possuirá pixels mais homogêneos uma vez que os novos valores seriam uma média dos pixels vizinhos x 0 Os filtros de alta freqüência ou passa alta eliminam as feições de baixa freqüência, deixando apenas as de alta freqüência. Os filtros de alta freqüência servem para realçar bordas( limites entre padrões na imagem). EXEMPLOS original filtrada Original Passa Alta filtrada Passa Baixa Gradiente Horizontal Passa Alta Gradiente Vertical 5

16 DETECÇÃO DE BORDAS Limite das feições Imagem Original Filtro de Borda Direção das Bordas Exercício Relatório das aulas práticas, 2 alunos - 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 CBERSII - Correção Geométrica: Modelo matemático, pontos de controle, resultados RMS. - 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, contêm informações 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. 6

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