Introdução ao Processamento de Imagens de Sensoriameto Remoto 129
RGB 543 RGB 453 RGB 345
Fig. 8.8 Impacto das cores na composição colorida obtida com a associação das cores verde ou vermelha de maior percepção do olho humano, à banda de maior variância (banda 5).
8.4
Introdução ao Processamento de Imagens de Sensoriameto Remoto 130 Para se usar IHS como uma opção de processamento de cor deve-se seguir os passos indicados na Figura 8.9. Com três bandas selecionadas executa-se a transformação do espaço cúbico RGB para o espaço IHS, obtendo-se separadamente os componentes de intensidade (I), hue (H) e saturação (S). Nesse processo não há um deslocamento numérico da cor, uma característica que não é geralmente verdadeira, quando os componentes R, G, e B no cubo de cor são contrastados por um realce tipo linear. Mudanças de contrastes em H ou S devem ser feitas por transformações apropriadas, como forma de se ter maior controle sobre os realces das cores da imagem. Com a aplicação da transformação IHS inversa volta-se ao espaço de cores RGB, para que se possa observar a imagem nos monitores coloridos. Além disso, é possível aplicar filtros passa-altas nessas composições de maneira a ressaltar os detalhes espaciais.
.
Fig. 8.9 Etapas do processo de transformação do espaço de cores RGB para o espaço IHS.
Um exemplo da transformação para o espaço de cores IHS é mostrado na Figura 8.10, a partir do tripleto de bandas 3, 4 e 5 do sensor ETM. Os histogramas são apresentados para demonstrar o primeiro passo do processo de transformação, que consiste em extrair do conjunto das três bandas os três componentes independentes que caracterizam a cor. Note que os intervalos digitais de 0 – 255 das bandas são convertidos para 0 -1 para os componentes I e S, e o componente hue é expressa em ângulos de 0o a 360o. Antes dos componentes serem revertidos para o espaço RGB, a fim de serem vizualizados na tela, o analista pode ajustar cada componente por métodos de realce de contraste. A diferença desse ajuste com os ajustes feitos no espaço RGB, é que no espaço IHS a mudança de cores se apresentará uniforme.
Nesta figura são mostradas para efeitos de comparação, a composição colorida no espaço de cor IHS e a composição colorida no espaço de cor RGB. Observe que a imagem IHS retrata de forma bem mais contrastante e com finos detalhes, as variações de cores, as quais na imagem RGB são mais difíceis de serem percebidas. Há uma pequena perda de textura do relevo, porque no processo de transformação as sombras são computadas como valores de brilho.
Para descrever o modelo geométrico do espaço de cor IHS usa-se normalmente um hexacone, que é representativo da maioria das versões de algoritmos usados em processamento de imagens equivalentes ao IHS, como o HSV (value), e o HLS (lightness).
Value e Lightness são atributos com equivalência ao atributo intensidade I. Outra conhecida transformação é o HSV (Munsell) que se baseia na carta de cores de solos e rochas, mas que utiliza a geometria de um cilindro. Variações dessas representações são possíveis e, praticamente, não se nota diferenças significativas de resultados de processamento entre estes algoritmos. A base da transformação, descrita a seguir, é a mesma para todos.
bandas Transformação Transformação inversa IHS Retorno ao espaço de cor RGB
Filtragem passa-alta 3
4 5
R G B
I H S
R G B
Introdução ao Processamento de Imagens de Sensoriameto Remoto 131
Fig. 8.10 Histogramas e as correspondentes imagens componentes IHS das bandas ETM 3,4,5 e abaixo a imagem colorida IHS ao lado da imagem colorida RGB.
Schowengert (2007), utilizando a geometria de um hexacone, descreve como se chega às medidas das coordenadas dos atributos IHS. Como IHS é uma transformação do sistema RGB, a concepção da geometria do hexacone deve ser subtraída da geometria do cubo de cor. Imagine a projeção de cada subhexágono de cor, em um plano perpendicular à linha do vetor preto ao branco, como visto na Figura 8.11. Movendo-se o vértice do vetor preto ao branco, a projeção do plano resulta em uma série de hexágonos de diferentes dimensões. Essa série de hexágonos define o hexacone. No hexacone, a linha de cinza do preto ao branco define a intensidade de cada hexágono, enquanto os componentes H e S se localizam, propriamente, no hexágono. O local onde o hexacone se reduz ao valor mínimo, a
Componente I Componente H Componente S
Imagem IHS Imagem RGB
Introdução ao Processamento de Imagens de Sensoriameto Remoto 132 intensidade I é zero, isso é, o hexacone é um ponto preto. À medida que aumenta a intensidade os tamanhos dos hexágonos vão aumentando, e o ponto preto caminha do cinza até atingir o seu máximo, o branco. A dimensão de cada seção transversal do hexacone determina a quantidade de matizes presentes (Hue). Para um ponto interno à projeção de um hexágono, com uma dada intensidade, os outros dois componentes da cor, Hue e Saturação, são definidos, geometricamente, na superfície do hexágono. O Hue é determinado pela posição do matiz em torno do hexágono, e que é calculado pela rotação do ângulo azimutal de 0o a 360º. O vermelho está em 0o graus, o amarelo em 60o graus, o verde 120o graus, o ciano em 180o, o azul em 240o graus e o magenta em 300o. A Saturação é determinada pela distância do ponto ao centro do hexágono, e por isso, define a quantidade de branco que está associada à cor. Pontos mais distantes do centro representam matizes mais puros do que aqueles mais próximos ao centro. Saturação e Intensidade têm valores no intervalo de 0 a 1.
Para se efetuar o realce dos atributos IHS de uma forma independente, antes de voltar ao espaço RGB (transformação inversa), a componente I pode ser linearmente ampliada para realçar as áreas de baixo albedo, H é rotacionado pela escolha de um ângulo apropriado para destacar uma cor, e os valores de S podem ser linearmente reescalonados, a fim de aumentar a saturação e tornar as cores mais vivas.
Fig. 8.11 Modelo de representação dos atributos IHS da cor por meio da geometria do hexacone. (Adaptado de Schowengert, 2007).
Como as imagens são armazenadas utilizando o espaço de cores RGB, torna-se necessário a utilização de equações para a transformação IHS. Transformações lineares podem ser usadas para definir os componentes, o que tornam os algoritmos de transformação de intensidade, matiz e saturação bastante simples e eficientes. Uma transformação bastante conhecida é a que foi proposta por Pratt (1991), que tem a seguinte formulação, também baseada na geometria do hexacone:
I
Green (120o)
S
Red (0 Redo)
Blue (240o)
amarelo
magenta
ciano 1,0branco
0,0 preto
magenta amarelo
ciano
a
b p
p´
p é o ponto representando a cor I = R + G + B/3
H = ap / ab S = op / op´
o
Green
Blue
Introdução ao Processamento de Imagens de Sensoriameto Remoto 133
ܫ
ܸଵ
ܸଶ൩ ۏێ ێێ ۍ ͳ
ൗ͵ ͳ
ൗ͵ ͳ
ൗ͵ ͳൗξ ͳ
ൗξ ʹ
ൗξ
ͳൗξ ʹ
ൗξ Ͳ ےۑۑۑې
ൌ ܴ ܩ ܤ൩
Após essa primeira transformação, os valores de matiz (H), saturação (S) e intensidade (I = V) são obtidos por:
ܪ ൌ ିଵܸଵ
ܸଶ
eq. 8.2
ܵ ൌ ඥሺܸଵሻଶሺܸଶሻଶ
eq. 8.3
ܸ ൌ ܫ
eq. 8.4 onde, 0 ≤ S, V≤ 1 e 0 ≤ H ≤2π
A transformação inversa para o espaço RGB, para que a imagem possa ser visualizada nos monitores coloridos que são de padrão RGB, é dada por:
ܸଵ ൌ ܵ ሺܪሻ
eq. 8.5
ܸଶ ൌ ܵ ሺܪሻ
eq. 8.6
ܫ ൌ ܸ
eq. 8.7
Outras variações de transformações existem, tais como, HLS (hue, ligtness, saturação) ou HSV (hue, satutação, value). No modelo HLS o espaço de cor é definido por um hexacone duplo (Figura 8.12). Nesse modelo, diferentemente do que ocorre no HSV, os valores de L e S nos quais se obtém o mais forte nível de luminosidade e saturação são em L=0,5 e S=1, enquanto que no HSV, para se ter o mesmo efeito, teríamos V=1 e S=1 (Foley et al., 1990).
Fig. 8.12Modelo de cor HSL por meio da geometria do hexacone duplo. (Adaptado de Foley et al., 1991).
Introdução ao Processamento de Imagens de Sensoriameto Remoto 134 Independente de quais sejam as equações de transformação, Souto (2000) observou que um problema inerente aos componentes da cor é a instabilidade de hue sob condições variadas de saturação e/ou intensidade. O autor comprovou que é percebida uma acentuada instabilidade de matiz quando a cena exibe baixos valores de saturação. Na medida em que o valor de saturação aumenta, a instabilidade de matiz diminui, até chegar a uma situação de estabilidade. Para valores baixos de intensidade, o componente matiz é mais sensível (ou instável) às variações de valores dos componentes no espaço RGB.