Mandando a informtica para o espao! Mra Regina Labuto Fragoso da Silva1

1Departamento de Informtica Universidade Federal do Esprito Santo (UFES) Av. Fernando Ferrari, 514, Goiabeiras 29.075-910 Vitria ES Brasil

marar@npd.ufes.br

Abstract. This short course intends to answer the following questions: What is remote sensing? What principles do rule it? What are the digital image processing and remote sensing techniques applied to the images in order to extract the desired information? Examples of software environment? What are the possible applications (citing real case studies)? What is the role of Computer Science in this context?

Resumo. Este minicurso pretende responder s perguntas: O que sensoriamento remoto orbital? Que princpios o governam? Quais as tcnicas de processamento de imagens digitais e sensoriamento remoto aplicadas nas imagens obtidas a fim de extrair as informaes desejadas? Exemplos de ambientes computacionais? Quais as aplicaes possveis (citando estudos de caso reais)? Qual o papel da Informtica neste contexto?

1. Introduo ao Sensoriamento Remoto Orbital A maioria de ns j foi apresentada ao sensoriamento remoto orbital (uso de imagens de satlite) em alguma ocasio. Em um nvel mais baixo, esta experincia se deu ao se olhar uma imagem de satlite como um quadro bonito enfeitando a capa de um livro, revista ou Atlas. Em um nvel mais profundo, tentando compreender as imagens de previso de tempo na TV. Quem mora em Campinas (SP) e tem uma piscina em sua casa, provavelmente j deve ter levado um susto ao receber a visita de um vendedor de produtos para ela, mesmo tendo a piscina escondida no fundo do quintal. Como eles descobriram? A resposta est no cu...

1.1. Definio O sensoriamento remoto orbital pode ser definido como um sistema por meio do qual se obtm informaes a respeito dos recursos naturais do planeta Terra, em diversas escalas temporais, espaciais e multiespectrais, pela utilizao de sensores colocados em satlites ou espaonaves. uma nova tecnologia, denominada geoinformao, envolvendo um conjunto de programas e equipamentos para auxiliar o homem em suas observaes sobre o planeta, como por exemplo: determinao de temperatura de superfcie, previso de safras, planejamento urbano, gesto de recursos hdricos, monitoramento de manchas de petrleo no mar, desmatamento, monitoramento de cardumes, etc. O processamento e anlise de imagens digitais exigiro algoritmos e tcnicas cada vez mais especficos para a automao de etapas na classificao das imagens e extrao de feies, uma vez que o sensor vem aumentando rapidamente seu nvel de detalhamento.

1.2. Conceitos importantes Ao se analisar visualmente uma imagem podem ser extrados alguns parmetros importantes tais como: - Tonalidade e cores: refere-se aos diferentes tons de cinza que caracterizam alvos

diferentes (ex: gua e floresta); - Texturas: formada pelo agregamento de vrios alvos que na sua individualidade no

podem ser detectados [Moreira 2003]. Varia de lisa a rugosa (ex: floresta). Depende da escala e resoluo;

- padro: refere-se distribuio espacial de algumas feies que podem variar de uma regio para outra ou de um tipo de alvo para outro (ex: padro dendrtico da drenagem dos rios);

- relaes espaciais: refere-se s formas e tamanhos associados aos diferentes alvos [Gibson 2000] (ex: rios e culturas circulares com piv central);

- resoluo: no caso do Sensoriamento Remoto existem quatro tipos de resoluo: espectral, temporal, radiomtrica e espacial, ligadas ao tipo de satlite e sensor usados, a saber:

espectral: qual a faixa do espectro (comprimento de onda) est a imagem; temporal: quo freqentemente esta rea da imagem obtida;

radiomtrica: quantos nveis de cinza so possveis;

espacial: qual a equivalncia entre a rea no solo e um pixel (ex: para o Landsat 5, sensor TM, cada pixel representa 30x30 m2 no solo).

1.3. Aquisio de Imagens Os dados de Sensoriamento Remoto so enviados pelo satlite e captados por estaes terrestres localizadas em pontos estratgicos de modo que no haja perda dos dados devido ao tamanho da rea de armazenamento (buffer) que est no satlite. Este tamanho e a disposio das estaes terrestres so fatores limitantes quanto quantidade mxima de informao possvel antes do satlite encontrar a prxima estao e descarregar o contedo imageado. A Figura 1 ilustra o processo de acompanhamento e recepo de dados de um satlite.

Figura 1: Acompanhamento e recepo de dados de um satlite.

1.4. Tipos de Satlites e rbitas Existem cerca de 70.000 objetos orbitando a Terra entre satlites e sucatas, dos mais diversos tipos: - Militares: IDS (Guerra nas Estrelas); - Telecomunicaes: GPS, Iridium, Globalsat, Odyssey, Ico, Intelsat, Intersputinik,

Brasilsat, Telecom; - Cientficos: CERES, MOPITT, MISR, MODIS, ASTER; - Meteorolgicos: NOAA, METEOSAT, GOES, SCD-2; - Observao da Terra: Landsat, CBERS, SPOT, IKONOS, JERS, RADARSAT. Quanto aos satlites especficos para explorao dos recursos naturais da Terra, seu incio foi na dcada de 70 com o lanamento do satlite Earth1, depois denominado de Landsat. Posteriormente surgiram outros satlites, dentre os quais os mais conhecidos mundialmente so: SPOT (Frana-Blgica-Sucia), JERS (Japo), RADARSAT (Canad), IRS (ndia), METEOSAT (Europa), CBERS (China-Brasil). No incio a resoluo era de 80m x 80m em terra, porm hoje se pode chegar at 0,76m x 0,76m (Quickbird) e a tendncia aumentar cada vez mais a resoluo espacial em terra. A Figura 2 ilustra alguns dos satlites de recursos terrestres mais freqentemente utilizados.

Figure 2. Alguns satlites freqentemente utilizados.

Quanto rbita, ela pode ser definida com base em diversos parmetros: raio de inclinao, inclinao do plano, perodo de revoluo, finalidade do satlite. De modo geral, podem ser classificadas conforme a altitude em: - rbita baixa (polar): 700 a 1000 Km; - rbita mdia (polar): 10.000 a 20.000 Km;

- rbita alta (polar): > 20.000 Km; - Geoestacionria: rbita entre 35.800 e 36.000 Km. As rbitas polares circundam os plos da Terra e a rbita geoestacionria acompanha o movimento de rotao da Terra, sendo, portanto, em relao Terra, estacionria. A Figura 3 ilustra os dois tipos de rbita citados.

Figure 3. rbita polar (esquerda) e rbita geoestacionria (direita).

Deve-se observar que variando-se a distncia entre o sensor e o objeto-alvo, obtm-se diferentes informaes possveis do alvo: ou mais ou menos detalhadas denominada resoluo espacial. Porm no existe uma resoluo espacial tima, ela dependente do uso que se quer fazer da imagem. Assim, por exemplo, para se detectar um furaco de nveis continentais ou uma pista de vo clandestina as resolues tm que ser diferentes.

1.5. Vantagens e Desvantagens do Sensoriamento Remoto Na lista de vantagens e desvantagens do Sensoriamento Remoto Orbital, podem ser citadas: - Habilidade de obter-se vistas sinticas em tempo real; - Pode ser usado em diversas escalas; - Pode ser usado em diversas faixas do espectro eletromagntico (anlise

multiespectral); - Pode visitar o mesmo lugar periodicamente (anlise multitemporal); - Complemento das medidas in-situ; - s vezes necessita investigao de campo; - No capta informaes diretas abaixo da superfcie; - No pode ser usado como medida de perfil vertical quer na terra quer no mar.

Podem ser acrescidas as seguintes vantagens ao se usar o sensor Radar: - Produzem sua prpria radiao eletromagntica independe da luz solar; - Podem imagear a mesma rea de diferentes direes; - Podem penetrar nuvens e chuva em alguns comprimentos de onda.

2. Princpios do Sensoriamento Remoto Orbital Para se compreender o princpio de funcionamento do Sensoriamento Remoto Orbital, devem-se estudar trs fatores que o governam: a radiao eletromagntica, as caractersticas da atmosfera e a assinatura espectral dos alvos.

2.1. Radiao eletromagntica O sensoriamento remoto pode ser explicado analogamente leitura de um texto: existe uma luz incidente no texto: Sol ou lmpada, uma luz refletida do texto para nossos olhos, os sinais que chegam aos nossos olhos e so decodificados em impulsos eltricos para o nervo ptico, e da so enviados ao crebro para serem interpretados. No caso do Sensoriamento Remoto Orbital, utiliza-se o Sol como luz incidente no alvo em questo (ou em alguns sensores radar, um feixe de energia prprio emitido pelo sensor), o alvo reflete parte das ondas eletromagnticas que o atingem e o sensor do satlite capta essa luz refletida, transformando-a em impulsos eltricos e enviando s estaes de recepo de dados em terra, que convertero esses sinais em imagem. A Figura 4 mostra o espectro eletromagntico. No sensoriamento remoto usamos o ultravioleta, todo o espectro visvel, partes do infravermelho, e microondas. A figura 3 tambm destaca o espectro visvel observado por nossos olhos. O espectro visvel abrange 0,0001% de todo o espectro e dividido nas seguintes faixas: azul, verde e vermelho.

Figure 4. O espectro eletromagntico.

2.2. Caractersticas da atmosfera Na atmosfera, diferentes molculas absorvem diferentes comprimentos de onda. A faixa espectral de operao dos sensores a bordo dos satlites planejada para trabalhar nos

comprimentos de onda onde haja menor absoro atmosfrica, ou seja, que permitam a passagem da energia refletida pelo alvo de volta at o sensor. Esses comprimentos de onda so denominados de janelas atmosfricas. A Figura 5 mostra a absoro atmosfrica de diversos components atmosfricos (oxignio, oznio, gs carbnico e gua) e os comprimentos de onda onde existem janelas atmosfricas.

Figure 5. A absoro na atmosfera

2.3. Assinatura Espectral A energia eletromagntica incidente no alvo interage de acordo com os seguintes componentes: parte refletida pelo alvo, parte espalhada pelo alvo, parte absorvida pelo alvo e parte transmitida pelo alvo. A quantidade devida a cada parte se deve s caractersticas inerentes a cada alvo e define o que chamamos de assinatura espectral de um alvo. A Figura 6 mostra a interao da radiao eletromagntica com a superfcie terrestre.

Figure 6. Interao da radiao eletromagntica com a superfcie

A energia que o alvo reflete denomina-se reflectncia. A reflectncia de um corpo dependente do comprimento de onda e pode ser vista e/ou medida. Por exemplo: a grama verde, o cu azul. A representao grfica da reflectncia em funo do comprimento de onda chamada de Curva Espectral. Cada alvo tem uma curva espectral prpria devido s suas caractersticas fsicas. Os principais alvos a serem estudados so: vegetao, solo, gua, neve, rochas e traos culturais. A Figura 7 mostra a Curva Espectral de alguns desses alvos.

Figure 7. Curva Espectral da neve, vegetao, solo e gua.

3. Exemplo de Tcnicas de Processamento de Imagens Digitais e Sensoriamento Remoto

A contribuio da Informtica para o espao, conforme citado no ttulo deste minicurso, refere-se aos algoritmos de processamento de imagens digitais e sensoriamento remoto aplicados s imagens digitais geradas pelo Sensoriamento Remoto Orbital.

3.1. Imagens Digitais, Cor, Histograma As imagens digitais provenientes dos sensores dos satlites de Sensoriamento Remoto Orbital so compostas por uma matriz de quadrados (ou retngulos). Esses quadrados (ou retngulos) so denominados de pixel (picture element) e cada um possui um valor relacionado a um parmetro medido pelo sensor usado (p.ex: reflectncia, temperatura). Esse valor denominado digital number (DN) e convertido em nveis de cinza. A Figura 8 mostra um exemplo de matriz de pixels e seus DNs associados aos nveis de cinza.

Figure 8. Matriz da imagem e seus DNs associados.

Cada DN levado a um dos trs canhes de eltrons dos monitores coloridos: vermelho (R), verde (G) e azul (B) possibilitando vrias combinaes de cores. O histograma uma das formas mais comuns de se representar a distribuio dos nveis de cinza (DN) de uma imagem, e a mais utilizada em processamento digital de imagens. Ele fornece a informao de quantos pixels na imagem possuem um determinado DN, definido entre 0 (preto) e 255 (branco), para uma imagem quantificada em 8 bits (uso de 1 byte=8 bits para armazenar o valor de cada pixel).

O histograma no apresenta nenhuma informao espacial da imagem, e sim uma funo de probabilidade de encontrar um DN referente a um objeto qualquer da imagem. Normalmente, tem-se no eixo x a distribuio dos DNs e no eixo y a freqncia em que ocorrem. A Figura 9 mostra o exemplo de um histograma de uma imagem.

Figure 9. Exemplo de um histograma. DN (Digital Number) = NC (nvel de cinza).

3.2. Modificaes de Histograma A forma do histograma fornece informaes importantes como a intensidade mdia e espalhamento dos valores de DN, sendo este ltimo a medida de contraste da imagem. Quanto maior o espalhamento ao longo do eixo dos DNs, maior o contraste da imagem. A Figura 10 ilustra esta distribuio dos DNs.

Figure 10. Exemplo de contraste de acordo com anlise de histograma.

Principais tcnicas de modificao do histograma:

- Binarizao: Aplica-se um corte na imagem em regies (vide Figura 11);

Figura 11. Exemplo de binarizao

- Expanso: Consiste em espalhar os nveis de cinza de uma imagem. Normalmente as bandas contm uma pequena faixa dos possveis valores DN, e brumas atmosfricas e a geometria da iluminao podem atenuar caractersticas da imagem (vide Figura 12);

Figura 12. Exemplo de expanso e seu efeito na imagem

- Equalizao: procura redistribuir os valores de DN dos pixels de modo a obter um histograma uniforme, no qual o percentual de pixels de qualquer nvel de cinza seja o mesmo. Utiliza-se funo de distribuio acumulada T(rk) da distribuio de probabilidades original p(rk) (vide Figura 13).

Figura 13. Exemplo de equalizao de histograma

A Figura 14 mostra duas imagens da banda 5 do Landsat 5, a da esquerda apresenta a banda original e da direita a imagem realada por uma modificao do histograma.

Figura 14. Exemplo de equalizao. A banda 5 do Landsat 5 mostrada esquerda apresenta a banda original e a da direita a imagem realada.

3.3. Transformao RGB IHS e IHS RGB Para descrever as propriedades de cor de um objeto em uma imagem, normalmente o olho humano no distingue a proporo de azul, verde e vermelho presentes, e sim, avalia a intensidade (I), a cor ou matiz (H) e a saturao (S). A intensidade ou brilho a medida de energia total envolvida em todos os comprimentos de onda, sendo portanto responsvel pela sensao de brilho dessa energia incidente sobre o olho. O matiz ou cor de um objeto a medida do comprimento de onda mdio da luz que se reflete ou se emite, definindo, portanto, a cor do objeto. A saturao ou pureza expressa o intervalo de comprimento de onda ao redor do comprimento de onda mdio, no qual a energia refletida ou transmitida. Um alto valor de saturao resulta em uma cor espectralmente pura, ao passo que um baixo valor indica uma mistura de comprimentos de onda que ir produzir tons pastis (apagados). Para realar determinadas caractersticas da imagem, portanto, pode-se realizar uma transformao RGB para IHS ou vice-versa.

3.4. Filtragem Espacial As tcnicas de filtragem so transformaes da imagem "pixel" a "pixel", que no dependem apenas do nvel de cinza de um determinado "pixel", mas tambm do valor dos nveis de cinza dos "pixels" vizinhos, na imagem original. O processo de filtragem feito utilizando-se matrizes denominadas mscaras que so aplicadas sobre a imagem. Exemplo: imagem original formada por uma matriz de 512 linhas por 512 colunas de valores numricos, aplica-se uma mscara matricial de 3

linhas por 3 colunas; a cada valor da matriz 3x3 da mscara corresponde um peso. Ex: Mscara com centro na posio (2,2) conforme mostrado na Figura 15.

Figura 15. Exemplo de mscara 3x3 aplicada na posio (2,2) da imagem.

A aplicao da mscara com centro na posio (i, j), sendo i o nmero de uma dada linha e j o nmero de uma dada coluna sobre a imagem, consiste na substituio do valor do "pixel" na posio (i, j) por um novo valor, o qual depende dos valores dos "pixels" vizinhos e dos pesos da mscara. A imagem resultante da aplicao de um filtro uma nova imagem com a eliminao das linhas e colunas iniciais e finais da imagem original. Os filtros espaciais podem ser classificados em passa-baixa, passa-alta ou passa-banda. Os dois primeiros so os mais utilizados em processamento de imagens. O filtro passa-banda mais utilizado em processamentos especficos, principalmente para remover rudos peridicos. - Filtro Passa-Baixa: O efeito visual de um filtro passa-baixa o de suavizao da

imagem e a reduo do nmero de nveis de cinza da cena. As altas freqncias, que correspondem s transies abruptas so atenuadas. A suavizao tende a minimizar rudos e apresenta o efeito de borramento da imagem. Estes filtros so conhecidos por filtros de mdia, pois obtm a mdia entre pontos vizinhos. A Figura 16 mostra duas cenas do satlite Landsat 5 (banda 5), onde a da esquerda a imagem original realada linearmente e a da direita corresponde mesma imagem, porm, resulta da aplicao de um filtro passa-baixa , 7x7;

Figura 16. Exemplo de aplicao de filtro passa-baixa na imagem.

- Filtro Passa-Alta: A filtragem passa-alta tende a realar os detalhes, produzindo uma "agudizao" (sharpering) da imagem, isto , as transies entre regies diferentes tornam-se mais ntidas. Exemplos: limites de um campo de cultivo, lineamento geolgico etc. Estes filtros podem ser usados para realar certas caractersticas presentes na imagem, tais como bordas, linhas curvas ou manchas. O efeito indesejado o de enfatizar um rudo, porventura existente na imagem. A Figura 17 mostra duas cenas do satlite Landsat 5 (banda 5), onde a da esquerda a imagem original realada linearmente e a da direita coresponde mesma imagem, porm, resulta da aplicao de um filtro passa-alta , 7x7;

Figura 17. Exemplo de aplicao de filtro passa-baixa na imagem.

- Filtros para radar: Muitos filtros espaciais tm sido desenvolvidos para a reduo do rudo (Speckle) e para o aumento da relao sinal-rudo, objetivando uma melhoria na separabilidade entre os alvos da superfcie, com a mnima perda de informao. Os principais so:

Filtro de Frost: um filtro convolucional linear, derivado da minimizao do erro mdio quadrtico sobre o modelo multiplicativo do rudo;

Filtro de Lee: adota um modelo multiplicativo para o rudo e obedece o critrio de "local linear minimum mean square error". Local, porque utiliza estatsticas locais do pixel a ser filtrado, admitindo a no estacionaridade da mdia e da varincia do sinal;

Filtro de Kuan/Nathan: adota o modelo multiplicativo. O procedimento semelhante quele de Lee, onde a estimao ponto a ponto feita utilizando-se o filtro de Wiener. A diferena entre eles, entretanto, consiste no fato de que no filtro de Kuan/Nathan no se realiza nenhuma aproximao.

A Figura 18 mostra um exemplo de imagem original e aplicao dos filtros Frost, Lee e Kuan na imagem.

Figura 18. Exemplo de imagem original e aplicao dos filtros Frost (acima), Lee e Kuan (embaixo) na imagem.

3.5. Composio multiespectral A escolha das bandas espectrais um fator muito importante para a extrao de informao nas imagens de Sensoriamento Remoto e so possveis vrias operaes com bandas: aritmticas, rotao, razo entre bandas, reduo de dados atravs de transformaes, classificao, mudana de sistema de cor, anlise multitemporal, etc. A Figura 19 mostra um exemplo de composio multiespectral usando o sensor ETM do Landsat 7, sendo a banda 3 no azul, a banda 4 no verde e a banda 5 no vermelho. Esta composio reflete o colorido normal pois a faixa espectral das bandas usadas a mesma da faixa das cores associadas. A Fiura 20 mostra outra composio que procura

enfatizar a vegetao atravs do uso da banda 4 no vermelho pois a clorofila responde bem nesta combinao de bandas. Esta nova composio denominada falsa-cor.

Figura 19. Exemplo de composio multiespectral com colorido normal.[Moreira 2003]

Figura 20. Exemplo de composio multiespectral com falsa-cor.[Moreira 2003]

4. Exemplos de Ambientes Computacionais para Processamento de Imagens Digitais e Sensoriamento Remoto

Como a idia deste minicurso abordar a contribuio da Informtica na rea de Sensoriamento Remoto, seguem-se alguns exemplos de ambientes computacionais com a finalidade de tratar a imagem. Para aprofundamento dos algoritmos implementados nestes ambientes sugere-se a leitura dos manuais dos programas citados.

4.1. Funes especficas para Processamento de Imagens Digitais Para ilustrar as funes especficas para o processamento de imagens digitais, sugere-se o conjunto de ferramentas do programa MATLAB denominado de Toolbox for Image Processing listado na Tabela 1 [Marques Filho 1999]. A Figura 21 mostra a tela de abertura do MATLAB 5.3 com o prompt (smbolo: >>) para entrada dos comandos atravs de digitao. As rotinas que compem o Toolbox for Image Processing so instaladas quando se instala o ncleo (core) do programa.

Figura 21. Tela do MATLAB5.3.

Tabela 1. Funes da Toolbox de Processamento de Imagens do MATLAB Funo Descrio

Entrada e Sada bmpread l arquivo BMP do disco bmpwrite escreve arquivo BMP para o disco gifread l arquivo GIF do disco gifwrite escreve rquivo GIF para o disco hdfpeek lista pares de objetos tag/ref em arquivo HDF hdfread l dados de arquivo HDF hdfwrite escreve dados para arquivo HDF pcxread l arquivo PCX do disco pcxwrite escreve arquivo PCX para o disco tiffread l arquivo TIFF do disco tiffwrite escreve arquivo TIFF para o disco xwdread l arquivo XWD do disco xwdwrite escreve arquivo XWD para o disco

Utilitrios getimage obtm dados da imagem a partir dos eixos isbw verdadeiro para imagem em preto e branco isgray verdadeiro para imagens em nveis de cinza

isind verdadeiro para imagens indexadas Operaes em cores

brighten clareia ou escurece mapa de cores cmunique encontra cores de mapas distintos e imagem correspondente cmpermute permuta posies de mapas de cores cmgamma correo Gamma de mapas de cores cmgamdef tabela de correo Gamma pr-definida dither faz dithering pelo mtodo Floyd-Steinberg hsv2rgb converte valores HSV para espao RGB imadjust ajusta e amplia intensidade da imagem imapprox aproxima imagem indexada para imagem com menor quantidade de cores nts2rgb converte valores NTSC para o espao de cores RGB rgb2gray converte valores RGB para cinza rgb2hsv converte valores RGB para o espao de cores HSV rgn2ntsc converte valores RGB para o espao de cores NTSC rgbplot desenha componentes do mapa de cores RGB

Operaes geomtricas imcrop recorta imagem imresize redimensiona imagem imrotate gira imagem truesize redimensiona de modo que a imagem possua o tamanho real imzoom ampliao e reduo de uma imagem

Realce e anlise brighten clareia ou escurece mapa de cores grayslice mapeamento por densidade histeq equalizao de histograma imadjust ajusta e amplia intensidade da imagem imapprox aproxima imagem indexada para imagem com menor quantidade de cores imhist histograma de imagem impixel cor de um pixel improfile modelo de intensidade interp2 interpolao bidimensional de dados imapprox aproxima imagem indexada para imagem com menor quantidade de cores

Estatstica mean2 mdia de uma matriz corr2 coeficiente de correlao bidimensional std2 desvio padro bidimensional

Operaes morfolgicas bwarea rea de objetos em imagem binria dilate dilatao (espessamento) de imagem binria erode eroso (afinamento) de imagem binria edge extrao de bordas bweuler nmero de Euler bwmorph operadores morfolgicos bwperim permetro de objetos em imagem binria

Filtros fsamp2 projeto de filtros FIR 2-D atravs de amostragem de freqncia fspecial filtros 2-D especiais ftrans2 projeto de filtros FIR 2-D atravs de transformao de freqncia fwind1 projeto de filtros FIR 2-D utilizando janelas 1-D fwind2 projeto de filtros FIR 2-D utilizando janelas 2-D imnoise rudo em imagem freqspace espaamento de freqncia para respostas em frequncia 2-D

freq2 resposta em freqncia bidimensional colfilt filtragem no-linear local por colunas conv2 convoluo bidimensional filter2 filtragem bidimensional medfilt2 filtro da mediana bidimensional mfilter2 filtro com mscara nlfilter filtragem no-linear local por linhas wiener2 filtro adaptativo de Wiener 2-D

Processamento em blocos bestblk melhor tamanho de bloco para processamento em bloco blkproc processa uma imagem em blocos col2im reordena blocos de colunas distintas ou deslizantes para formar imagem colfilt filtragem no-linear local por colunas im2col reordena blocos distintos ou deslizantes para formar colunas

Regio de interesse mfilter2 filtro com mscara roipoly define regio de interesse poligonal roicolor define regio de interesse por cor

Transformadas dct2 transformada do cosseno discreto bidimensional fft2 transformada rpida de Fourier bidimensional fftshift move componente de rdem zero para o centro idct2 transformada inversa do cosseno discreto bidimensional ifft2 transformada rpida inversa de Fourier bidimensional radon transformada de Radon

Converses dither faz dithering pelo mtodo Floyd-Steinberg gray2ind converte imagem em nveis de cinza para imagem indexada hsv2rgb converte valores HSV para espao de cores RGB im2bw converte imagem para preto e branco por limiarizao imslice obtm fatias da imagem ind2gray converte imagem indexada para imagem em nveis de cinza ind2rgb converte imagem indexada para imagem RGB mat2gray converte matriz para imagem em nveis de cinza ntsc2rgb converte valores NTSC para o espao RGB rgb2gray converte valores RGB para cinza rgb2hsv converte valores RGB para o espao HSV rgb2ind converte imagem RGB para imagem indexada rgb2ntsc converte valores RGB para o espao NTSC

Apresentao colorbar apresenta barra de cores (escala de cores) colormap define ou obtm a tabela de consulta de cores gray mapa de cores linear de nveis de cinza hsv hot jet

mapas de cores

image apresenta imagem indexada imagesc ajusta dados e apresenta como imagem imcontour contorno da imagem immovie faz um filme de um conjunto de imagens imshow apresenta todos os tipos de imagens montage apresenta um conjunto de imagens como uma montagem retangular subimage apresenta mltiplas imagens

warp realiza distoro da imagem sobre uma superfcie Outras funes

cumsum3d soma cumulativa em matriz 3-D acomodada em matriz 2-D dct transformada do cosseno discreta 1-D dctmtx2 matriz de transformao DCT 2-D unitria ditherc arquivo MEX para dithering elem3d posies de elementos de matriz 3-D acomodada em matriz 2-D getline rastreio de movimento do mouse com linha elstica getpts rastreio de movimento do mouse com pontos visveis getrect rastreio de movimento do mouse com retngulo elstico gif comprime dados em formato GIF hdfread arquivo MEX para ler arquivos HDF hdfpeekc arquivo MEX para listar contedo de arquivos HDF hdfwc arquivo MEX para escrever arquivos HDF idct transformada inversa do cosseno discreta 1-D im2gray converte imagens para nveis de cinza imhistc arquivo MEX para clculo de histograma de imagens ndx3d ndice de matriz 3-D acomodada em matriz 2-D rgb2im converte imagens RGB para imagens indexadas ou em nveis de cinza rle comprime dados pelo mtodo RLE size3d tamanho da matriz 2-D para acomodar matriz 3-D tiff comprime dados em formato TIFF RLE ungif descomprime dados em formato GIF unrle descomprime dados pelo mtodo RLE untiff descomprime dados em formato TIFF RLE vmquant arquivo M de interface para o arquivo MEX para quantizao de cor vmquantc arquivo MEX para quantizao de cor waitbar apresenta barra de progresso

4.2. Funes especficas para Sensoriamento Remoto Para ilustrar algumas funes especficas para o Sensoriamento Remoto, sugere-se o conjunto descrito na Tabela 2 [RSI 2003]. Estas funes so apenas uma pequena parte das ferramentas disponveis no programa ENVI (ENvironment for Visualizing Images). A Figura 22 mostra a tela de abertura (horizontal) com as diversas opes para processamento especfico para Sensoriamento Remoto, os inmeros formatos de imagem aceitos (esquerda) e os inmeros formatos vetoriais aceitos (direita).

Figura 22. Telas do ENVI 4.0.

Tabela 2. Algumas funes especficas para Sensoriamento Remoto do ENVI, em ordem alfabtica

Funo Descrio ADAPT_FILT-DOIT executa filtragem adaptiva AIRSAR_HEADER_DOIT l cabealho de imagem AIRSAR AIRSAR_PHASE_IMAGE_DOIT calcula as imagens fase da matriz comprimida

do AIRSAR AIRSAR_POLSIG_DOIT calcula as assinaturas de polarizao da matriz

comprimida do AIRSAR AIRSAR_SCATTER_DOIT calcula a classificao de espalhamento da

matriz comprimida do AIRSAR AIRSAR_SYNTH_DOIT sintetiza as imagens AIRSAR ASPECT_DOIT Executa correo de aspecto de dados Landsat

MSS BAD_DATA_DOIT Remove linhas com dado errado CLASS_CONFUSION_DOIT Computa matriz de confuso de classificao CLASS_DOIT Executa classificao supervisionada CLASS_MAJORITY_DOIT Executa anlise de maioria/minoria em imagem

classificada CLASS_RULE_DOIT Classifica imagens segundo regras CLASS_STATS_DOIT Calcula estatstica das classes COM_CLASS_DOIT Combina classes DEM_BAD_DATA_DOIT Corrige pontos incorretos no MDT DESKEW_DOIT Retira o enviesado de imagens MSS DESTRIPE_DOIT Retira problemas de linhas de dados de imagem EMITTANCE_CALC_DOIT Converte a emissividade ENVI_AVHRR_CALIBRATE_DOIT Calibra dados AVHRR ou computa

Temperatura de superfcie do Mar de dados AVHRR

ENVI_AVHRR_GEOMETRY_DOIT Computa geometria (latitude e longitude), ngulos e znite solar e p/ o sensor para cada pixel dos dados AVHRR

ENVI_COMPUTE_SUN_ANGLES Computa ngulos solares ENVI_CONVERT_FILE_COODINATES Converte coordenadas mapa-pixel ENVI_CONVERT_FILE_MAP_PROJECTION Converte um arquivo de sua projeo mapa

corrente para ua projeo de sada especificada ENVI_CONVERT_PROJECTION-COORDINATES Converte coordenadas de mapas entre projees ENVI_GEOREF_FROM_GLT-DOIT Georreferencia uma imagem associada com

arquivo GLT de sada ENVI-GET-PROJECTION Recupera informao de projeo para o

arquivo especificado ENVI_LAYER_STACKING_DOIT Constri um novo arquivo multi banda a partir

de imagens georreferenciadas de vrios tamnhos de pixel, vrias dimenses e projees

ENVI_MAP_INFO_CREATE Cria projees de mapa ENVI_NEURAL_NET_DOIT Executa classificao usando um mtodo de

redes neurais ENVI_PC_SHARPEN_DOIT Executa Componentes Principais espectral ENVI_THERMAL_CORRECT_DOIT Executa compensao atmosfrica para o

infravermelho termal MATH_DOIT Executa matemtica entra bandas MOSAIC_DOIT Mosaica bandas de imagens ou combinaes de

bandas MSSCAL_DOIT Calibra dados MSS quanto radincia ou

reflectncia NDVI_DOIT Cria NDVI (ndice de Vegeteao por

Diferena Normalizada) PPI_DOIT Calcula PPI (ndice de Pureza de Pixel) RADAR_INC_ANGLE_DOIT Calcula ngulo de incidncia de imagem radar RATIO_DOIT Calcula razo entre bandas SIRC_HEADER-DOIT L cabealho de SIR-C SIRC_PHASE_IMAGE_DOIT Calcula imagens fase de um arquivo de dados

comprimidos de SIR-C SIRC_SYNTH_DOIT Sintetiza imagens SIR-C SPECTRAL_FEATURE_DOIT Executa casamento de caracterstica espectral TASCAP_DOIT Cria ndices Tasseled Cap para vegetao e solo TEXTURE_COOCCUR_DOIT Calcula medidas de texturas de co-ocorrncia TEXTURE_STATS_DOIT Calcula medidas de texturas de ocorrncia TIMS_CAL-DOIT Calibra dados TIMS para radincia TMCAL_DOIT Calibra dados TM LANDSAT para radinci TOPO-DOIT Executa modelagem topogrfica para MDT

5. Aplicao das Tcnicas de Processamento de Imagens Digitais e Sensoriamento Remoto em Casos Reais

5.1. Baixa Resoluo Espacial: Mapeamento das Radiaes Ultravioleta Encontrado em:

http://satelite.cptec.inpe.br/uv/Publi.html

5.2. Mdia Resoluo Espacial: Mapeamento da Cobertura Vegetal Encontrado em:

Rodriguez Yi, J. L. Classificao e Monitoramento da Cobertura Vegetal do Estado do Mato Grosso Atravs de Imagens AVHRR, (INPE-6816-TDI/638). Dissertao (Mestrado em Sensoriamento Remoto) Instituto Nacional de Pesquisas Espaciais,1998.

5.3. Alta Resoluo Espacial: Planejamento Urbano de Recife Encontrado em:

http://www.intersat.com.br/cases

6. Concluso Se no fosse a Informtica, por meio dos softwares desenvolvidos para o processamento de imagens digitais e para a implementao das tcnicas de Sensoriamento Remoto no seria possvel a observao de nosso planeta do espao. A cada ano so lanados mais satlites com novos sensores e existe uma grande necessidade de se desenvolverem novos algoritmos para converso de dados desses sensores, extrao de informaes dessas novas imagens geradas e algoritmos especficos para novas aplicaes possveis com esses sensores e satlites. Torna-se necessrio, pois, criar mo-de-obra especializada para desenvolver esses novos algoritmos e assim mandar a Informtica para o espao!

References Gibson, P. J, Introductory Remote Sensing: Principles and Concepts, Routledge, 2000. Marques Filho, O. e Vieira Neto, H., Processamento Digital de Imagens, Brasport, 1999. Moreira, M. A, Fundamentos do Sensoriamento Remoto e Metodologias de Aplicao,

UFV, 2003. RSI, ENVI Reference Guide, Research Systems Incorporation, 2003.