RESULTADOS DO BALANCEAMENTO DIGITAL DE IMAGENS APLICADOS À FOTOGRAMETRIA Rodrigo Affonso Albuquerque Nóbrega *,**
José Alberto Quintanilha *
* Escola Politécnica da Universidade de São Paulo
Departamento de Engenharia de Transportes – Laboratório de Geoprocessamento Av. Prof. Almeida Prado, Travessa 2. nº 83
Cidade Universitária – São Paulo – Brasil CEP: 05508-900
Tel: +55 11 38185504 Fax: +55 11 38185504 ** Aerocarta Engenharia de Aerolevantamentos S/A
Rua Michigan, 547 – São Paulo – Brasil CEP: 04566-000
Tel: +55 11 5543 6466 Fax: +55 11 55434580 raanobrega@ig.com.br
jaquinta@usp.br
Palavras-Chave: Fotogrametria, processamento digital de imagens, balanceamento, automação
Introdução
A crescente demanda por melhorias nos processos produtivos envolve intensamente a pesquisa por soluções apoiadas na tecnologia digital, fazendo necessário reestruturações metodológicas e adequações de produtos derivados de técnicas e ferramentas analógicas para o mundo digital, envolvendo implementações de rotinas automatizadas, minimizando custos e prazos e maximizando a produtividade.
Processamento de imagem, hoje tratado quase que exclusivamente como técnica computacional, originou-se com o surgimento das fotografias e, assim como os filmes e câmaras fotográficas, sofreram grandes alterações ao longo do tempo, sobretudo na Fotogrametria. Desta forma, foram desenvolvidas técnicas e instrumentos para promover o balanceamento de cores, brilho e contraste em fotografias aéreas, visando suprir primeiramente as necessidades de homogeneização de tonalidades na composição de mosaicos.
Com o atual estágio tecnológico digital, os procedimentos e equipamentos analógicos tornaram-se obsoletos e não mais se destacam dentre os principais equipamentos fotogramétricos, principalmente pelo desempenho, se comparado aos atuais equipamentos digitais disponíveis no mercado.
Na Fotogrametria Digital o tratamento prévio das imagens aéreas também é necessário. Para tanto, sua evolução envolve desde conceitos básicos de tratamento e restauração de imagens até modelagens de parâmetros estatísticos, seja através da intervenção de um operador ou por procedimentos automáticos, visando uma melhora radiométrica expressiva, uma vez que efeitos causados pelo sistema de lentes e por influência de raios solares prejudicam a qualidade das imagens. Assim, a necessidade de balanceamento de cores em um conjunto de imagens vem se tornando rotina nas atividades de aerolevantamento, uma vez que produtos como mosaicos digitais e ortofotos vem ganhando destaque entre os produtos cartográficos disponíveis.
Desta forma, o presente trabalho visa levantar o atual “Estado da Arte” em balanceamento de imagens, analisando soluções e algoritmos desenvolvido e os principais softwares utilizados. Paralelamente, algumas soluções
foram implementadas utilizando o MatLab. Resultados e conclusões mostram que o emprego de imagens balanceadas promove ganhos significativos em operações automáticas baseadas em correlação de imagens.
Metodologia
Para o desenvolvimento do trabalho, a metodologia adotada iniciou com o estudo das técnicas e procedimentos utilizados analogicamente em laboratório, seus resultados, vantagens e desvantagens. Posteriormente um levantamento detalhado fora realizado sobre os principais algoritmos disponíveis em processamento digital de imagens. Em primeira estância, vale destacar as principais fases envolvidas no método analógico, das quais algumas relações podem ser comparadas futuramente ao procedimento digital, como por exemplo o tratamento localizado das fotografias nas regiões mais prejudicadas por efeitos oriundos do sistema de lentes (vignetting), correspondente ao escurecimento das bordas da imagem, efeitos oriundos da influência de raios solares, correspondente ao clareamento em um dos lados da imagem e minimização de regiões excessivamente claras (hot-spot).
Enquanto o procedimento analógico baseia-se em correções manuais ou eletrônicas na intensidade de iluminação, o procedimento digital utiliza valores parametrizados, calculados estatisticamente para a melhor homogeneização das imagens, podendo ser adaptado localmente, conforme o nível de correção desejado.
A estrutura básica do processamento localizado de imagens, conforme SCHOWENGERDT (1997) é definida pelo algoritmo denominado Local Range Modification, o qual pode ser adaptado também para balancear imagens.
A idéia principal envolvendo o LRM para balanceamento de imagens é a utilização desta estrutura para detecção de discrepâncias na imagem, onde primeiramente são fornecidos ou calculados valores globais de brilho e contraste. Com a divisão da imagens em blocos, valores locais de brilho e contraste podem ser extraídos e comparados ao padrão global, tornando possível a detecção e minimização das diferenças encontradas.
Na prática, para o melhor desempenho da técnica, é necessário cuidados especiais como excluir bordas, e regiões próximas as marcas fiduciais, pois apresentam valores que podem mascarar o resultado. Outro procedimento necessário é a divisão da imagem colorida em canais RGB, vermelho, verde e azul respectivamente, conforme a figura
1 2 3 4 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Bloco Bordas da imagem
Imagem dividida em blocos (Image Tiles) Calculados média e desvio padrão de cada bloco
Definidas espessuras das bordas da imagem permite ao algoritmo ignorar tais regiões da imagem
Cada bloco é processado de forma a que o novo histograma apresente média e desvio padrão próximos ao desejado
De forma geral, media representa o brilho e desvio padrão o contraste.
Figura ilustrativa adaptada Dodger © LH Systems, LLC, March 26, 1998
seguinte. Assim, é possível o cálculo e a compensação da não uniformidade radiométrica das imagens de modo independente para cada canal através o LRM. Ao final, os canais são novamente concatenados, tornando a imagem colorida novamente.
Figura 2: Decomposição da imagem colorida original em canais RGB para processamento independente. Por fim, a eficiência da técnica é demonstrada principalmente quando empregada à um conjunto de imagens. Desta forma, além da minimização de efeitos como vignetting e hot-spot em cada imagem, diferenças em tonalidades entre imagens adjacentes também pode ser corrigida, causados principalmente por diferenças nas datas de recobrimento, diferença nas datas de processamento ou mesmo diferentes padrões adotados no scanner. Para isso, utiliza-se valores únicos de brilho e contraste, tratados também como média e desvio padrão, para cada canal, utilizados na análise de áreas não homogêneas através do LRM, corrigindo, na medida do possível as discrepâncias para tonalidades pré-determinadas.
A figura seguinte ilustra a diferença em um conjunto de imagens aéreas sem adoção de balanceamento e após a adoção do mesmo. Vale ressaltar que o resultado visual proporcionado pela homogeneidade no conjunto de imagens não é o único benefício conseguido. Análises comparativas indicam relativo aumento nas estatísticas de procedimentos automatizados, uma vez comparados as imagens originais.
Analise dos Resultados e Conclusão
Mesmo com o trabalho em desenvolvimento, algumas conclusões já podem ser extraídas. Quanto a implementação de algoritmos, apesar de lento, o MatLab® tem mostrado eficiência e disponibilidade de funções básicas de processamento de imagens, como recorte, manipulação de histograma , facilitando o desenvolvimento de funções mais avançadas.
Desta forma, o desenvolvimento de funções de LRM no MatLab® tem resultado em imagens homogeneamente balanceadas, comprovando a eficiência da técnica, seja em uma imagem ou em um conjunto. Como complemento, um estudo mais detalhado deve ser feito visando a suavização entre os blocos processados, pois a simples aplicação da LRM ressalta linhas de quebra nas divisas dos mesmos. Para contornar, alguns modelos de interpolação e recobrimento dos blocos estão sendo estudados e testados, conforme ARTERO & TOMMASSELLI, 2000, cujos resultados já podem ser apresentados, conforme ilustra a figura 4 a seguir:
Figura 4: Imagem original (dir) X imagem balanceada (esq) - rotina implementada utilizando o MatLab®.
Do ponto de vista prático, os resultados até então obtidos satisfazem as expectativas. Algo que, à princípio complementaria necessidades visuais no acabamento de imagens aéreas para composição de mosaicos, demostra também resultados positivos para outras aplicações.
Baseado no fato de um possível ganho durante processamentos de correlação de imagens, alguns testes utilizando blocos de imagens aéreas coloridas e preto e brancas para aerotriangulação foram realizados com e sem etapas de balanceamento utilizando o software Socet Set 4.2 da LH-Systems. Uma vez montado o projeto, foram realizados séries de dois processamentos automáticos de triangulação, o primeiro com imagens originais do scanner e o segundo utilizando imagens balanceadas, utilizando sempre os mesmos parâmetros como distribuição e número de pontos de enlace, qualidade estatística e hardware. Como resultado, para as imagens coloridas, notou-se um ganho, em média de 55% para 65% (convergência dos pontos correlacionados) das imagens originais para balanceadas. Para imagens preto e branco, o ganho médio subiu de 55% para 77% e imagens originais para balanceadas. Vale ressaltar que os blocos de imagens aéreas utilizados não possuem grandes quantidades de fotografias, em média 40-100, e que o foram utilizadas no máximo 6 (seis) faixas de vôo. Notou-se valores maiores de ganho em blocos menores e o inverso quando o número de fotografias envolvidas aumenta.
Bibliografia Básica
American Society of Photogrammetry, 1980. Manual of Photogrammetry, Falls Church, VA, USA. Fourth Edition pp.305-363.
ARTERO, A. O., TOMMASELLI, A. M., 2000. Limiarização Automática de Imagens Digitais, Boletim de Ciências Geodésicas, Curitiba, Brasil, pp 38-48.
DOWMAN, I., High Resolution Mapping from Space: Status and Issues, Workshop of ISPRS WG I/2, I/5 and IV/7, Hight Resolution Mapping from Space 2001, University of Hannover, Hannover, 2001.
JACOBSEN, K., WEGMANN, H., Experiments with Automatic Aerotriangulation, Institute or Photogrammetry and Engineering Surveys – University of Hannover, Germany.
LH - Systems, 1998. Socet Set User Manual - Image Balancing: Dodger, San Diego, USA. Chap. 36 pp. 1-10. MELLO, E. T. O., WOJCIKIEWICZ, K. E. M., LOCH, C., A Influência da Obtenção e Revelação de Imagens na
Fotogrametria Digital, XX Congresso Brasileiro de Cartografia. Poro Alegre, 2001-11-19
NIEDEROEST, M., Automatic Update of Builbing Information in Maps Using Color Aerial Imagery, Institute of Geodesy na Photogrammetry, ETH Zurich, Switzerland.
NOBREGA, R. A. A., Quintanilha, J. A., Automatic Digital Image Balancing, Workshop of ISPRS WG I/2, I/5 and IV/7, Hight Resolution Mapping from Space 2001, University of Hannover, Hannover, 2001.
NOBREGA, R. A. A., Quintanilha, J. A., Balanceamento Automático de Imagens Digitais, XX Congresso Brasileiro de Cartografia, Porto Alegre, 2001
SCHOWENGERDT, R. A., 1997. Remote Sensing Models and Methods for Image Processing, San Diego, CA, USA. Second Edition, pp. 202-219.
STRAND, E. J., 1999. It Takes a Wizard to Create Seamless Air Photo Mosaics. Synergetics Inc, Fort Collins, CO, USA. http://www/geoplace.com/gw/1999/0199/199nuts.asp (25 May 2001)
ZHAO, L., YANG, Y.H., 1999. Mosaic Image Method: A Local and Global Method, Pattern Recognition Society 32 pp.1421-1433.
