Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Introdução ao Processamento e
Síntese de Imagens
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Introdução ao Processamento e
Síntese de Imagens: Estruturas matricial e vetorial
Tópicos:
– 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)
- 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.
Conceitos extraídos de Ferreira (1986)*.
Introdução ao Processamento e
Síntese de Imagens: Estruturas matricial e vetorial
Imagem (conceito geral)
- 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.
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
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, Eng, Cartográfica, Prof. M. Galo, 2017
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).
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
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]
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Fonte:
http://www.astro.princeton.edu/
(Acesso em 2009).
Espectro
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Imagem, na forma de um arranjo matricial
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)
Colunas (c)
Linhas
(l)
g(c,l)
Elemento
(0,0)
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Imagem, na forma de um arranjo matricial
R
(c,l)
G
(c,l)
B
(c,l)
Imagem colorida:
R
(c,l),
G
(c,l) e
B
(c,l)
Imagem em tom de
cinza: g(c,l)
Imagem, na forma de um arranjo matricial
R
(c,l)
G
(c,l)
B
(c,l)
Imagem colorida:
R
(c,l),
G
(c,l) e
B
(c,l)
Imagem em tom de
cinza: g(c,l)
Imagem, na forma de um arranjo matricial
R
(c,l)
G
(c,l)
B
(c,l)
Imagem colorida:
R
(c,l),
G
(c,l) e
B
(c,l)
Imagem em tom de
cinza: g(c,l)
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Imagem, na forma de um arranjo matricial
R
(c,l)
G
(c,l)
B
(c,l)
Imagem colorida:
R
(c,l),
G
(c,l) e
B
(c,l)
Imagem em tom de
cinza: g(c,l)
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Colunas (c)
Linhas
(l)
g(c,l)
Elemento
(0,0)
n
2
n
1
2
2
4
3
8
4
16
5
32
6
64
7
128
8
256
9
512
10
1024
11
2048
12
4096
...
...
Imagem, na forma de um arranjo matricial
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)
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
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:
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
)
0
)
y
,
x
(
r
)
y
,
x
(
i
)
y
,
x
(
f
=
* 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.
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
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)
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
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):
max min
I
L
L
≤
≤
Na prática normalmente são feitas operações matemáticas de modo que o
intervalo numérico fique no intervalo [0, L].
0 – Corresponde ao preto;
L – Branco.
Os valores intermediários correspondem aos valores de tons de cinza.
=
=
max
max
max
min
min
min
r
i
L
r
i
L
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
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).
Imagem mostrada em diferentes
resoluções radiométricas
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Resolução Radiométrica: 2
7
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Resolução Radiométrica: 2
6
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Resolução Radiométrica: 2
5
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Resolução Radiométrica: 2
3
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Resolução Radiométrica: 2
2
Resolução Radiométrica: 2
1
Imagem mostrada em diferentes
resoluções espaciais
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Imagem de uma mesma área, para diferentes taxas de
amostragem espacial
GSD (Ground Sample Distance)* ≈ 0,25 m
* Dimensão do Elemento Amostral no Terreno
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Imagem de uma mesma área, para diferentes taxas de
amostragem espacial
GSD (Ground Sample Distance)* ≈ 0,50 m
* Dimensão do Elemento Amostral no Terreno
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Imagem de uma mesma área, para diferentes taxas de
amostragem espacial
GSD (Ground Sample Distance)* ≈ 1,00 m
* Dimensão do Elemento Amostral no Terreno
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Imagem de uma mesma área, para diferentes taxas de
amostragem espacial
GSD (Ground Sample Distance)* ≈ 2,00 m
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Imagem de uma mesma área, para diferentes taxas de
amostragem espacial
GSD (Ground Sample Distance)* ≈ 4,00 m
* Dimensão do Elemento Amostral no Terreno
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
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.
Além da resolução espacial e radiométrica, um outro aspecto
relevante é a
Resolução Espectral
b)
a)
Estruturas de representação do tipo vetorial e matricial
Desenho feito em um aplicativo do tipo CAD e
salvo na forma de uma imagem.
1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 0 0 1 1 1 1 1
Pequeno segmento de imagem onde pode-se ver os
pixels e a matriz de intensidade correspondente.
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Primitivas gráficas
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.
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Fonte: Câmara, Davis e Monteiro (2009).
Estrutura de representação do tipo vetorial e a
possibilidade de inserção de topologia
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
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
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Representação vetorial
... ENDSEC 0 SECTION 2 ENTITIES 0 POLYLINE 8 1 6 CONTINUOUS 62 7 5 29 66 1 10 0.0 20 0.0 30 0.0 70 1 210 0.0 220 0.0 230 1.0 0 VERTEX 8 1 6 CONTINUOUS 62 7 ...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
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
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
n
bits, 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
]
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Formatos de armazenamento
Alguns exemplos de formatos comumente utilizados:
BMP, PPM, PGM, PBM, JPEG, TIFF, PNG, RAW, GIF, ...
BMP – Windows
B
it
M
a
P
PPM -
P
ortable
P
ix
M
ap
PGM -
P
ortable
G
ray
M
ap
PBM -
P
ortable
B
it
M
ap
JPEG -
J
oint
P
hotographic
E
xperts
G
roup
TIFF -
T
agged
I
mage
F
ile
F
ormat
GIF –
G
raphics
I
nterchange
F
ormat (Limitado a paleta de 8-bits, suporta
animação)
PNG –
P
ortable
N
etwork
G
raphics (Sucessor em formato aberto do
GIF, suporta 16 milhões de cores)
ECW -
E
nhanced
C
ompression
W
avelet (Formato proprietário da Leica
Geosystem)
Compactação com e sem perda
Formatos que normalmente
não consideram a compactação
BMP, PBM, PGM,
PPM, ...
Alguns formatos de imagem consideram a possibilidade de
compressão das imagens, em diferentes níveis de
compactação, podendo a compactação ser
com
perda
de informação (
Lossy compression
) ou
sem perda
de informação (
Lossless
compression
).
Formatos que permitem a
compactação
JPG, TIF, PNG,
GIF, ECW, ...
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Taxa de compactação – Efeito na imagem
Arquivos com: 56 Kb, 9 Kb e 6 Kb, respectivamente. Todos foram salvos no formato JPG,
com as qualidades 100%, 50% e 25%, respectivamente.
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Formatos de imagem PBM, PGM e PPM
PBM
-
P
ortable
B
it
M
ap
PGM
-
P
ortable
G
ray
M
ap
PPM
-
P
ortable
P
ixel
M
ap
Origem
Foi criado nos anos 80 por Jef Poskanzer e foi destinado
originalmente para envio de imagens via internet.
Alguns aplicativos que permitem a leitura e escrita destes formatos de
imagem:
GIMP, ImageJ, Xview`
Plataformas UNIX, LINUX
IrfanView, Lview, GIMP, ImageJ, ...
Windows
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017 Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Bibliografia
CÂMARA, G.; DAVIS, C. ; MONTEIRO, A. M. V. Introdução à Ciência da Geoinformação. INPE: São
José dos Campos. Disponível em: http://www.dpi.inpe.br/gilberto/livro/introd/. Acesso: Novembro
de 2014.
FERREIRA, A. B. de H. Novo dicionário da língua Portuguesa. 2ª ed. Rio de Janeiro: Editora Nova
Fronteira, 1986. (ISBN 85-209-0411-4)
GONZALEZ, R. C.; WOODS, R. E. Digital image processing. Reading: Addison-Wesley Publishing
Company, Inc., 1993.
GONZALEZ, R. C.; WOODS, R. E. Processamento Digital de Imagens. 3ª ed. São Paulo: Pearson
Prentice Hall, 2010.
GOMES, J.; VELHO, L. Computação Gráfica - Volume 1. IMPA - Instituto de Matemática Pura e
Aplicada, Rio de Janeiro, RJ-Brasil, 1998.
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, 2012.
MIKHAIL, E. M.; BETHEL, J.; McGLONE, J. C. Introduction to Modern Photogrammetry. New York:
John Wiley & Sons, 2001. (ISBN 0-471-30924-9)
Apêndice
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.
Superfícies de referência usadas na calibração
radiométrica
Em algumas aplicações em laboratório são utilizadas placas de referência
compostas por Sulfato de Bário (BaSO
4), como pode-se ver em Souto
et al. (2005). Algumas destas placas de referência são conhecidas
como Spectralon (https://www.labsphere.com).
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
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
Fonte: Google
Earth, 2017.
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
Superfícies de referência usadas na calibração
radiométrica
Salar de Uyuni
na Bolívia.
Fonte: Google
Earth, 2017.
Introdução ao Processamento e Síntese de Imagens, Eng, Cartográfica, Prof. M. Galo, 2017
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.