EXTRAÇÃO DE BORDAS EM IMAGEM DE ALTA RESOLUÇÃO UTILIZANDO TÉCNICAS DE PROCESSAMENTO DE IMAGEM Thaisa Manoela Silva França 1, Ana Lúcia Bezerra Candeias 2 1 Acadêmico em Engenharia Cartográfica e Agrimensura, UFPE, Recife-PE thaisamanoela.pe01@gmail.com 2 Engª Eletrônica, Professora do Depto. DECart, UFPE, Recife-PE, alcandeias@yahoo.com.br RESUMO: A partir da vetorização de ortofotos transfere-se as informações visíveis dos modelos estereoscópios para o mapa de traços ou vetor, em geral, usa-se o instrumento chamado de restituidor no qual manualmente, delineia-se feições segundo superposição da marca flutuantes, logo a qualidade da restituição está atrelada a subjetividade do operador, no entanto, a partir do processamento de imagem podemos identificar feições, utilizando a binarização das fotografias, e geração de seu contorno de forma automática. Para isso, é necessário o estudo do histograma da imagem e, desta forma, obtém-se o limiar para a binarização. A imagem de alta resolução ortorretificada (ortofoto) é, então, simplificada em duas classes. A partir daí, delimitase as bordas das feições por processamento de imagem. Aqui, compara-se os filtros de Sobel, Roberts e o gradiente morfológico na extração de bordas dos alvos de interesse. No geoprocessamento, a transformação dessas bordas que estão no formato raster em vetor é uma etapa importante para análise com informações espaciais e não espaciais. Nesse trabalho utiliza-se uma ortofoto com resolução espacial de 30 centímetros (0,3 metros), situada na Cidade Universitária, região metropolitana do Recife, Pernambuco. A componente S (saturação) da transformação IHS é usada como imagem base na extração das feições de interesse. PALAVRA CHAVE: binarização, vetorização, Ortofoto. INTRODUÇÃO: A subjetividade na vetorização das fotografias aéreas é um ponto que deve ser melhorado. Dependendo do operador que desenvolve a vetorização a partir dos restituidores que está sujeito a variáveis como: cansaço, conhecimento da área, etc., o resultado da extração das feições pode sofrer alterações. Para diminuir essa subjetividade, tem-se as técnicas de processamento de imagem como uma ponte importante na validação dos mecanismos que otimize a restituição e a automatização vetorial. O processamento digital de imagens, consiste em técnicas voltadas para a análise de dados multidimensionais, adquiridos por diversos tipos de sensores, ou seja, é a manipulação de uma imagem por computador de modo onde a entrada e a saída do processo são imagens ( www.dpi.inpe.br). A partir do processamento de imagem pode-se identificar feições, de forma simplificada utilizando a binarização das fotografias digitais, e a posteriori gera-se o contorno de forma automática. Para isso, é necessário o estudo do histograma da imagem e, para obter o limiar para a binarização da feição que se deseja. A ortofoto é uma imagem retificada isenta de distorções devido à geometria e deslocamento do relevo, possuem resolução espacial melhor que as imagens de satélites possibilitando um nível de detalhamento importante na identificação dos objetos permitindo visualização com maior nitidez, além de correlacionar a imagem (qualidade métrica) com o terreno. A imagem de alta 381
resolução (ortofoto) pode ser simplificada em duas classes, com base na definição de uma Limiar no histograma. A partir daí, delimita-se as bordas das feições desejadas por processamento de imagem.(berberan et al, 2003) Utilizando a foto ortorretificada desenvolve-se o modelo IHS do espaço de cores (Candeias et al, 2016) que auxilia na extração das feições de interesse. A Figura 2 apresenta graficamente o modelo IHS. Aqui deseja-se extrair estradas e utiliza-se a componente saturação (S) no desenvolvimento da metodologia. Figura 2 - Modelo IHS. Fonte: Gonzalez e Woods (2000). Os filtros de Sobel e Roberts (GONZALEZ e WOODS, 2000) e o gradiente morfológico (CANDEIAS et al, 2016; CANDEAIS et al 2015; ISHIKAWA, SILVA e NÓBREGA, 2010) podem ser usados na extração de bordas dos alvos de interesse. No geoprocessamento, a transformação dessas bordas que estão no formato raster em vetor pode auxiliar na análise de informações espaciais e não espaciais. Nesse trabalho utiliza-se uma ortofoto com resolução espacial de 30 centímetros (0,3 metros). A Figura 1 apresenta a localização dessa área que fica situada na Cidade Universitária, região metropolitana do Recife, Pernambuco. Figura 1 Localização da área, na Cidade Universitária, Recife-PE. O objetivo de estudo é automatizar a vetorização para diminuir a subjetividade e otimizar os resultados, pois o procedimento de restituição é o mais oneroso e demorado, além de fazer necessário definir rotinas para o operador manusear os restituidores para obter a melhor qualidade possível no produto final (mapa vetorial), logo é de suma importância a 382
automatização, pois aumenta a precisão na identificação dos alvos utilizando métodos de processamento de imagem. MATERIAIS E MÉTODOS: Como materiais, utiliza-se uma ortofoto com resolução espacial de 30 centímetros (0,3 metros), situada na região metropolitana do Recife, Cidade Universitária Pernambuco, e o software SPRING desenvolvido pelo Instituto Nacional de Pesquisas Espaciais. Como método tem-se as etapas: a) Importação da ortofoto para o SPRING b) Transformação da imagem RGB em IHS c) Utilizando a componente S, obtém-se o histograma, o limiar e a imagem binária d) A partir do negativo da imagem binária obtém-se os resultados com os filtros de Sobel, Roberts e o gradiente morfológico na extração de bordas dos alvos de interesse. e) Compara-se com um perfil da imagem os resultados com a imagem original. RESULTADOS: Utilizando as etapas descritas no item anterior tem-se a Figura 3 que apresenta a imagem original, a imagem S saturação e a respectiva imagem binária a partir do limiar do histograma de S. (a) (b) (d) (c) Figura 3 Área utilizada. (a) ortofoto. (b) Componente da Saturação S. (c) Imagem binária. (d) histograma de (b) limiar para obter (c). 383
O negativo da imagem binária (Figura 4(a)) mostra os alvos de interesse com o valor máximo. Nessa imagem aplica-se as filtragens de Sobel, Roberts e gradiente morfológico (Figura 4(b),4(c) e 4(d)) (a) (b) (c) (d) Figura 4 Extração das bordas. (a) Negativo da Imagem Binária. (b)com filtro de Sobel. (c)com filtro de Roberts. (d) gradiente morfológico. (a) (b) (c) (d) (e) Figura 4 Ampliação da Extração das bordas. (a) Componente S. (b) Negativo da Imagem Binária. (c) Com filtro de Sobel. (d) Com filtro de Roberts. (e) gradiente morfológico. 384
CONSIDERAÇÕES FINAIS: Este trabalho apresentou etapas para obtenção de bordas de uma imagem de alta resolução (ortofoto) usando a componente S da transformação IHS. Deseja-se com isso automatizar a extração de feições sem a subjetividade humana. Tem-se que a imagem negativa binária gera uma simplificação da imagem original. Mas devido aos ruídos ainda presentes, a extração de bordas fica prejudicada em todos os métodos observados. É necessário um pre-processamento na imagem binária para que os contornos gerados fiquem melhor definidos. O gradiente morfológico é o que apresentou menor ruído. AGRADECIMENTOS: Ao Projeto aprovado pelo CNPq da 2ª autora, processo: 311120/2014-8, Chamada: PQ 2014, e intitulado EXTRAÇÃO DE FEIÇÕES EM IMAGENS DE SENSORIAMENTO REMOTO UTILIZANDO MORFOLOGIA MATEMÁTICA REFERENCIAS: CANDEIAS, ANA LÚCIA BEZERRA; NASCIMENTO, P. H. O.; TAVARES JUNIOR, J. R.; SILVA, E. A. Edges Extraction with Mathematical Morphology Tools and Canny Filter: A Comparison. American Journal of Computer Science and Engineering Survey.v. 3, p. 062-070, 2015. CANDEIAS, A. L. B.; TAVARES JUNIOR, J. R.; NASCIMENTO, P. H. O.; MOURA, C. J. M.; SILVA, E. A. Morfologia Matemática na Extração de Bordas de uma Imagem Ikonos-2 RGB Fusionada. Revista Brasileira de Geomática. v. 4, p. 26-35, 2016. GONZALEZ, R. F.; WOODS, R. E. Processamento de Imagens digitais. São Paulo: Edgard Blücher, 2000. ISHIKAWA, A. S.; SILVA, E. A.; NÓBREGA, R. A. A. Extração de Rodovias em Imagens Digitais de Alta Resolução com O Uso da Teoria de Morfologia Matemática. Revista Brasileira de Cartografia. Nº 63/01, 2010. (ISSN 0560-4613) 385