LivroApostilaPDImestrado PDF

PAULO ROBERTO MENESES
TATI DE ALMEIDA
(Organizadores)
INTRODUO AO PROCESSAMENTO
DE IMAGENS DE SENSORIAMENTO REMOTO
BRASLIA 2012
CONTEDO
1. Princpios do Sensoriamento Remoto
1.1 Histria Inicial 1
1.2 Definio de Sensoriamento Remoto 3
1.3 Natureza da Radiao Eletromagntica 4
1.3.1 Modelo ondulatrio 4
1.3.1.1 Interao macroscpica da radiao eletromagntica com os objetos 6
1.3.2 Modelo corpuscular 8
1.3.2.1 Interao microscpica da radiao eletromagntica com os objetos 9
1.3.3 Manifestao conjunta das interaes macroscpicas e microscpicas 10
1.4 Fontes de Radiao Eletromagntica 11
1.5 Interferncias Atmosfricas 14
1.6 Espectro Eletromagntico 18
1.7 Conceitos de Radincia e de Reflectncia 21
1.8 Resolues das Imagens 24
1.8.1 Resoluo espacial 25
1.8.2 Resoluo espectral 27
1.8.3 Resoluo radiomtrica 30
1.8.4 Resoluo temporal 31
5. Formatos de Imagens de Sensoriamento Remoto
5.1 Imagem Digital 77
5.2 Formatos de Arquivos 79
5.3 Formatos de Salvamento 80
6. Distores e Correes dos Dados da Imagem
6.1 O que Processamento de Imagens 82
6.2 Pr-processamento de Imagens Digitais 84
6.2.1 Eliminao de rudos 85
6.2.2 Correo atmosfrica 87
6.2.2.1 Subtrao do escuro (dark subtraction) 88
6.2.3 Correes das distores geomtricas 89
6.2.3.1 Correo geomtrica 90
6.2.3.2 Georreferenciamento 94
6.2.3.3 Avaliao dos erros da transformao polinomial 96
6.2.3.4 Reamostragem 100
7. Ampliao Histogrmica de Contraste
7.1 Introduo 103
7.2 Representao Histogrmica da Imagem Digital 105
7.3 Expanso Linear por Saturao 108
7.4 Expanso Linear por Partes 111

7.5 Expanso por Equalizao 113
7.6 Expanso Gaussiana 117
7.7 Funo Raiz Quadrada 118
8. Modelos de Cores Aplicados s Imagens
8.1 Cor 121
8.2 Fatiamento de Histograma 123
8.3 Espao de Cor RGB 123
8.4 Espao de Cor IHS 129
8.5 Fuso de Imagens 134
9. Aritmtica de Bandas
9.1 As Operaes Aritmticas 138
9.2 Soma 139
9.3 Multiplicao 141
9.4 Subtrao 142
9.5 Diviso
9.5.1 ndice de vegetao 147
9.5.2 ndice de gua 150
9.5.3 ndice de minerais 152
10. Transformao por Rotao Espectral.
10.1 Correlaes de Bandas 154
10.2 Transformaes por Principais Componentes 155
10.3 Descorrelao de Bandas 164
11. Filtragem
11.1 Introduo 168
11.2 Filtro Passa-Alta 172
11.3 Filtro Passa-Baixa 174
11.3.1 Filtro passa-baixa de mdia 174
11.3.2 Filtro de mediana 175
11.4 Filtros de Bordas Direcionais 176
11.4.1 Linear 177
11.4.2 Primeira derivada 177
11.5 Operadores Laplacianos 179
11.6 Filtros Morfolgicos 181
11.7 Filtro de Textura 182
11.8 Filtragem no Domnio da Frequncia 185
11.8.1 Amostragem 186
Referncias Bibliogrficas 258
PRINCPIOS DE SENSORIAMENTO REMOTO

Paulo Roberto Meneses
1.1
Histria Inicial
Sensoriamento remoto, termo cunhado no incio dos anos de 1960 por Evelyn L. Pruit
e colaboradores, uma das mais bem sucedidas tecnologias de coleta automtica de dados
para o levantamento e monitorao dos recursos terrestres em escala global.
Atualmente, a resoluo espectral das imagens obtidas pelos sensores imageadores j
ultrapassa centenas de bandas, e a resoluo espacial de muitas imagens j maior que 1
metro, possibilitando suas aplicaes nas reas de levantamentos de recursos naturais e
mapeamentos temticos, monitorao ambiental, deteco de desastres naturais,
desmatamentos florestais, previses de safras, cadastramentos multifinalitrios, cartografia de
preciso, defesa e vigilncia, entre outras. O acelerado avano com que o sensoriamento
remoto se desenvolveu em poucas dcadas deve-se revoluo nos meios de se observar
Terra numa escala global e peridica, e na rapidez da monitorao dos fenmenos dinmicos
e das mudanas das feies terrestres. uma tecnologia empregada em escala mundial e que,
talvez, rena a maior diversidade de pesquisadores e usurios, em torno de uma tecnologia de
aplicao.
O Instituto Nacional de Pesquisas Espaciais - INPE teve uma ao decisiva na
consolidao do sensoriamento remoto como uma tecnologia de uso em escala nacional,
projetando o Brasil como a nao pioneira no hemisfrio sul a dominar essa tecnologia.
Mesmo antes do lanamento do primeiro satlite de sensoriamento remoto em 1972, o INPE
se destacava como uma das primeiras instituies, na rea espacial, a investir em pesquisas de
sensoriamento remoto, como exemplo a Misso 96, um projeto executado em colaborao
com a NASA, que realizou um levantamento experimental aerotransportado com diversos
tipos de sensores imageadores na regio do Quadriltero Ferrfero, em Minas Gerais.
Formador na dcada de 1970 dos primeiros pesquisadores especializados em sensoriamento
remoto, contribuiu decisivamente para o desenvolvimento das metodologias de interpretao
de imagens e de processamento digital, e na disseminao do uso de imagens de satlite por
todo o territrio nacional.
A origem do sensoriamento remoto nos anos de 1960 deve-se ao espetacular
desenvolvimento da rea espacial nesses anos, que ficou conhecida como a dcada da corrida
espacial. Foi nesse perodo que se viu o mais rpido desenvolvimento de foguetes lanadores
de satlites, que possibilitou colocar no espao satlites artificiais para vrias finalidades. Os
satlites meteorolgicos foram os pioneiros e, por meio deles, quase que de uma maneira
acidental que o sensoriamento remoto deu os seus primeiros passos. O primeiro desses
satlites meteorolgicos foi o TIROS-1 (Television IR Operational Satellite), lanado em
1960 pelos Estados Unidos. Alm dos padres de cobertura de nuvens, as imagens do TIROS
mostravam, embora com pouca nitidez, algumas feies da superfcie da Terra, que pela
primeira vez demonstraram ser possveis de serem vistas do espao. Melhoramentos dos
subsequentes sensores dos satlites meteorolgicos deram a oportunidade para iniciar os
Introduo ao Processamento de Imagens de Sensoriameto Remoto
primeiros estudos mais detalhados de feies terrestres de reas de coberturas de neves, gelos
polares, guas ocenicas e cadeias de montanhas.
A dcada de 1960 foi, tambm, a dcada em que o homem pde ir ao espao em
satlites tripulados e de l observar a Terra e tomar as primeiras fotos da superfcie terrestre,
usando cmeras fotogrficas manuais. Foram essas experincias realizadas pelos programas
espaciais tripulados Mercury, Gemini, e Apollo, que asseguraram o futuro do sensoriamento
remoto. A misso GT-4 do programa Gemini foi o primeiro programa fotogrfico espacial
com o objetivo especfico para estudos geolgicos. Interpretaes dessas fotos em preto e
branco e coloridas, na escala de 1:350.000, descobriram novas feies geolgicas que no
constavam nos mapas geolgicos em escalas maiores, de 1:250.000. A partir do sucesso da
misso GT-4 foram includos no programa Apollo experimentos controlados envolvendo a
aquisio de fotografias multiespectrais, usando um conjunto de quatro cmeras Hasselblad,
munidas cada uma de filmes pancromticos com filtros vermelho e verde e filmes
infravermelhos. Foi dessa maneira que se obteve a primeira imagem multiespectral da Terra.
O satlite americano Corona e o sovitico Zenit, lanados no final dos anos de 1960, foram as
ltimas misses espaciais fotogrficas.
Os excelentes resultados desses programas espaciais impulsionaram as pesquisas para
a construo de novos equipamentos capazes de fotografar Terra, mas no com o uso de
cmeras fotogrficas, visto que a substituio de filmes no espao seria algo impossvel de se
fazer. Esses equipamentos deveriam ter a capacidade de recobrir a superfcie terrestre e de
armazenar ou transmitir para Terra os dados coletados. A nica possibilidade para fazer isso
era obter os dados em formatos digitais, usando-se equipamentos eletrnicos.
Da metade para o final da dcada de 1960 esses equipamentos comearam a ser
testados em aeronaves como programas de simulao, para serem posteriormente instalados a
bordo de satlites. Eles receberam o nome de sensores imageadores, em razo do processo de
cobertura do terreno ser feito na forma de varredura linear do terreno e no por um
mecanismo de tomada instantnea de rea, em quadro, como feito com cmeras
fotogrficas. Por isso, o produto gerado por esses novos sensores recebeu a denominao de
imagem, a fim de diferenci-lo pelo seu processo de aquisio, das tradicionais fotos areas.
Outra importante diferena dos sensores imageadores foi a capacidade de obterem imagens
simultneas em vrias faixas do espectro eletromagntico.
A despeito das diferenas dos mecanismos de aquisio entre as imagens de satlite e
as fotos areas, notamos que so produtos que guardam muitas semelhanas, pelo fato de
terem a mesma finalidade, que a de retratar os objetos ou fenmenos da superfcie terrestre.
As vantagens de um sobre o outro so vrias, mas apenas para justificar o que impulsionou o
uso dos sensores imageadores por satlites, pode-se citar a sua capacidade de imagear em
curto espao de tempo toda a superfcie do planeta e de uma maneira sistemtica, dado que
um satlite fica continuamente orbitando Terra. Essa forma de cobertura repetitiva, obtendo
imagens peridicas de qualquer rea do planeta, propicia detectar e monitorar mudanas que
acontecem na superfcie terrestre. Essa a principal razo pela qual as imagens de satlites
passaram a ser a mais eficiente ferramenta para uso nas aplicaes que envolvem anlises
ambientais dos diversos ecossistemas terrestres.
A perfeita combinao dessas duas tecnologias, satlites artificiais e sensores
imageadores, talvez tenha sido um dos maiores benefcios at hoje presenciado pelo
desenvolvimento tecnolgico a servio do levantamento dos recursos naturais terrestres.
Um marco importante que deu incio era do sensoriamento remoto moderno foi o
lanamento pelos Estados Unidos, do primeiro satlite de sensoriamento remoto, ERTS-1,
posteriormente renomeado para Landsat 1, colocado em rbita em 1972 a cerca de 919 km de
altura. O sensor imageador multiespectral desse primeiro satlite de sensoriamento remoto
possibilitava a obteno simultnea de quatro imagens nas faixas do espectro do visvel e do
infravermelho prximo e uma imagem no termal, portanto alm do que era possvel com o
uso de filmes fotogrficos. A largura da rea imageada na Terra por cada rbita do satlite era
de 185 km, o que permitia uma viso sintica, at ento, impossvel de ser obtida com as
cmeras fotogrficas areas. A cada 18 dias uma nova imagem com resoluo espacial de 76
metros era obtida de qualquer rea do planeta.
Do programa americano Landsat seguiram-se outros, europeus, canadenses, asiticos
e sul americanos, cada um procurando atender, cada vez mais, necessidades especficas, quer
sejam em funo das caractersticas geogrficas das diversas regies terrestres ou em funo
das suas aplicaes. Atualmente, h em circulao no espao dezenas de sensores orbitais
imageando a superfcie da Terra em todas as faixas espectrais possveis, com os mais
variados parmetros de resoluo espacial e temporal. De um lado h os sensores
hiperespectrais com centenas de bandas espectrais (centenas de imagens) e do outro, h os
sensores de alta resoluo espacial, capazes de detectar objetos na superfcie da Terra,
menores que 50 cm. E para atravessar a opacidade das nuvens, muito frequente em regies
como a Amaznia, h os sensores de radar com as suas fontes artificiais de radiao
eletromagntica que fazem das nuvens um objeto transparente.
1.2
Definio de Sensoriamento Remoto
Historicamente, reconhece-se que o termo Sensoriamento Remoto foi criado para
designar o desenvolvimento dessa nova tecnologia de instrumentos capaz de obterem
imagens da superfcie terrestre a distncias remotas. Por isso, a definio mais conhecida ou
clssica de sensoriamento remoto : Sensoriamento remoto uma tcnica de obteno de
imagens dos objetos da superfcie terrestre sem que haja um contato fsico de qualquer
espcie entre o sensor e o objeto.
A condio principal imposta por essa definio clssica, que o sensor estar a uma
distncia remota do objeto, estabelece a base para definir o sensoriamento remoto numa
concepo um pouco mais cientfica, que regida segundo os seguintes preceitos:
i) exigncia: ausncia de matria no espao entre o objeto e o sensor;
ii) consequncia: a informao do objeto possvel de ser transportada pelo espao vazio;
iii) processo: o elo de comunicao entre o objeto e o sensor a radiao eletromagntica, a
nica forma de energia capaz de se transportar pelo espao.
Com base nesses preceitos, uma definio mais cientfica que se pode dar ao
Sensoriamento Remoto seria: Sensoriamento Remoto uma cincia que visa o
desenvolvimento da obteno de imagens da superfcie terrestre por meio da deteco e
medio quantitativa das respostas das interaes da radiao eletromagntica com os
materiais terrestres.
Essa definio de sensoriamento remoto explcita em afirmar que o objeto imageado
registrado pelo sensor por meio de medies da radiao eletromagntica, tal como a luz
solar refletida da superfcie de qualquer objeto. Nenhum outro tipo de sensor que obtenha
imagens que no seja pela deteco da radiao eletromagntica deve ser classificado como
sensoriamento remoto. A confuso mais comum feita com os sensores geofsicos
aerotransportados, tais como os magnetmetros, que geram uma imagem a partir medies de
campos de fora do campo magntico da superfcie terrestre, portanto sem nenhuma relao
com a energia eletromagntica.
Por outro lado existe a errnea concepo de apenas considerar como sensoriamento
remoto as imagens obtidas de satlites, visto que o termo foi criado quando a era espacial deu
incio. As fotografias areas, que por mais de um sculo vm sendo usadas como uma forma
de observar a Terra so, obrigatoriamente, uma classe de sensores remotos. O filme

fotogrfico foi o primeiro material construdo pelo homem capaz de registrar a radiao
eletromagntica e de transform-la na imagem do objeto fotografado.
A partir da definio de sensoriamento remoto fica bvio que s se pode entender o
processo de aquisio e de anlise das imagens, se conhecermos primeiro o que a radiao
eletromagntica - REM.
1.3
Natureza da Radiao Eletromagntica
A explicao do que a radiao eletromagntica (REM) comea com o entendimento
da dualidade do comportamento da sua natureza: onda e energia. Isso quer dizer que a REM
que se propaga pelo espao vazio, como a luz solar, , ao mesmo tempo, uma forma de onda
e uma forma de energia. Esse conceito de dualidade extremamente importante para o
sensoriamento remoto, pois sempre que algum estiver analisando qualquer tipo de imagem
de sensoriamento remoto, a coexistncia da radiao eletromagntica na forma de onda e na
forma de energia dever ser considerada para que se possa explicar tudo o que se observa nas
imagens com referncia s caractersticas dos objetos. A dualidade do comportamento da
radiao eletromagntica, onda e energia, formulada pelos modelos denominados de
ondulatrio (onda) e corpuscular (energia).
1.3.1
Modelo Ondulatrio
Segundo o modelo ondulatrio, a REM pode ser explicada como uma forma de onda
senoidal e harmnica. De acordo com as formulaes de Maxwell, uma partcula carregada
eletricamente gera um campo eltrico em torno de si e o movimento dessa partcula gera, por
sua vez, um campo magntico. Ambos os campos, eltrico e magntico, atuam vibrando
ortogonalmente entre si e possuem as mesmas amplitudes, isso , alcanam os seus mximos
ao mesmo tempo. As variaes do campo so causadas pelas vibraes da partcula. Quando
essa partcula acelerada, as perturbaes entre os dois campos se propagam repetitivamente
no vcuo em uma direo ortogonal direo dos campos eltricos e magnticos, como
mostrado na Figura 1.1. Essas perturbaes dos campos eltrico (E) e magntico (M) so
chamadas de ondas eletromagnticas. O comprimento da radiao eletromagntica depende
de quanto tempo a partcula acelerada, e a frequncia da radiao depende da freqncia
de vibrao da partcula. Assim, define-se uma onda eletromagntica como a oscilao dos
campos E e M, segundo um padro harmnico de ondas, isso , ondas espaadas
repetitivamente no tempo. Esses campos dinmicos sempre ocorrem juntos como padres
inseparveis, de modo que nem campo eltrico puro, nem campo magntico puro de ondas
irradiadas ocorrero separadamente um do outro.
As ondas eletromagnticas propagam-se no vcuo na velocidade da luz (c=
299.292,46 km/s ou aproximadamente 300.000 km/s). Se for medida a distncia entre dois
picos sucessivos de ondas (Figura 1.1), determina-se o comprimento ou tamanho da onda,
que simbolizado pela letra grega e expresso no sistema de unidades mtricas. As ondas
podem ter comprimentos da ordem de bilionsimo de metro (raios csmicos), at dimenses
de quilmetros (ondas de rdio).
Campo Eltrico E
E
Comprimento de onda
Campo Magntico M
M
Frequncia
(nmero de ciclos por segundo)
Velocidade da luz
Fig. 1.1- Direo de propagao da radiao eletromagntica na forma de uma onda, em funo das oscilaes
ortogonais dos campos magntico (M) e eltrico (E).
Se medirmos o nmero de picos de ondas que passa por um ponto fixo de referncia
no espao, podemos determinar a sua frequncia . Como a velocidade de propagao da
onda constante, as ondas com comprimentos menores tm frequncias maiores, ou seja, um
maior nmero de ondas passa pelo ponto de referncia num dado tempo. Inversamente, as de
comprimentos maiores tm frequncias menores. Da fsica clssica a seguinte relao entre o
comprimento de onda e a freqncia Q exprime a lei do comportamento ondulatrio:

eq.1.1
Por costume de uso, em sensoriamento remoto sempre nos referimos radiao

eletromagntica pelo seu comprimento e no pela sua frequncia. Por exemplo, a radiao
eletromagntica equivalente luz solar azul de comprimento de onda de 0,455 micrmetros
ou m (1micro ou igual a 10-6m) e a luz solar vermelha de comprimento de onda de
0,617 m.
Como por definio o sensoriamento remoto uma medida da interao da radiao
eletromagntica com a superfcie dos objetos, segundo o modelo ondulatrio as
caractersticas das imagens so explicadas tendo-se em conta a relao entre o tamanho da
onda e o tamanho do objeto. Esse modo de interao denominado de interao
macroscpica, que adiante ser discutido com mais detalhes.
Um bom exemplo para explicar esse comportamento so as interaes da radiao
eletromagntica que ocorrem com as nuvens. As radiaes eletromagnticas das ondas do
visvel e do infravermelho da luz solar, que so de comprimentos de 0,4 a 2,5 m, possuem
em mdia, tamanhos menores que o tamanho mdio das molculas de vapor de gua que
compem uma nuvem, que da ordem de 30 m. Devido a essa enorme diferena entre o
tamanho das ondas do visvel e do infravermelho com o tamanho das molculas de vapor de
gua das nuvens, a REM incidente nas nuvens barrada por essas molculas e refletida de
volta ao espao. Elas no conseguem atravessar a nuvem. Ento, o sensor registrar a
intensidade da reflectncia da nuvem, formando uma imagem da nuvem e no dos objetos
que esto sobre a superfcie terrestre. Um dos sensores mais conhecidos que operam nos
comprimentos de onda do visvel e do incio do infravermelho prximo a cmera
fotogrfica. conhecido de todos que se no dia do levantamento areo houver alguma

presena de nuvens, na foto a nuvem estar presente.
E o que acontece se o comprimento da onda for maior que o dimetro das partculas
gasosas das nuvens, como o caso das ondas eletromagnticas de comprimentos das microondas, com tamanhos da ordem de 1 a 100 cm? Para entender isso devemos considerar que
uma nuvem nada mais do que um amontoado de partculas de vapor, ou seja, um gs. Neste
caso, apenas uma mnima frao da dimenso da onda de tamanho centimtrico barrada
pelo correspondente tamanho da partcula, o resto da onda passando por ela. Portanto, a
nuvem no capaz de barrar fisicamente a passagem da onda. Assim, a onda atravessa a
nuvem e incide nos objetos da superfcie terrestre, sendo por eles refletida de volta para o
sensor, que registra as imagens desses objetos. Neste caso, pode-se dizer que as nuvens so
transparentes aos comprimentos de onda relativamente grandes das micro-ondas. Os sensores
que trabalham com as micro-ondas so denominados de radar. Em imagens de radar, mesmo
que o cu esteja totalmente coberto por nuvens, a imagem formada uma imagem limpa,
aparecendo nela toda a superfcie do terreno. Da, a grande utilidade dos sensores radares nas
reas com frequentes coberturas de nuvens, como o caso da regio amaznica brasileira.
1.3.1.1
Interao macroscpica da radiao eletromagntica com os objetos
Os exemplos que acabou-se de apresentar so elucidativos para mostrar que quando a
interao da radiao eletromagntica com os objetos controlada pelas relaes do tamanho
da onda com o tamanho dos objetos, as informaes que se apresentam nas imagens dizem
respeito s caractersticas das dimenses ou formas dos objetos. Neste caso, dito que o
processo de interao da onda com os objetos uma interao macroscpica. Na prtica, nas
imagens de sensoriamento remoto a interao macroscpica a resposta da intensidade com
que um objeto reflete a radiao eletromagntica em razo do tamanho da onda e a textura da
superfcie do objeto. A textura representa a rugosidade topogrfica da superfcie. Ela pode ser
estimada pelas variaes verticais de altura da superfcie de um material e se mostra muito
eficiente para explicar as diferenas observadas nas imagens entre as diversas formas de
relevo, os tipos de dossis da vegetao, ou da superfcie lisa de um corpo dgua calmo ou
com ondas revoltas.
Em sensoriamento remoto as texturas das superfcies dos objetos vistas nas imagens
podem ser classificadas em dois tipos: especulares e difusoras. Podemos usar o critrio geral
de Rayleigh () para determinar se uma superfcie especular ou difusora, o que
dependente do comprimento de onda e do ngulo de incidncia (T) da radiao, segundo a
seguinte equao:
ou
eq.1.2
onde, = altura mdia da superfcie
= ngulo de incidncia
= comprimento de onda
Quando a imagem do objeto classificada como uma superfcie

especular de textura lisa, e quando a superfcie do objeto classificada
como uma superfcie difusora de textura rugosa, como mostra a Figura 1.2.
Fig. 1.2 Comportamento da reflectncia condicionada rugosidade da superfcie do alvo. (a) reflectncia
especular de uma superfcie lisa com o raio incidente refletido no sentido oposto com o mesmo ngulo. (b)
refletncia difusora de uma superfcie rugosa com os raios refletidos espalhados em todas as direes.
Em alguns casos pode-se ter uma mistura de reflectncia especular e difusora. Para
todos os efeitos, costuma-se classificar uma superfcie como sendo difusora quando 25% ou
mais da radiao refletida difusamente. Na natureza, a maioria dos objetos tem
comportamento difuso em relao aos comprimentos de onda.
Do que foi discutido podemos concluir que a condio para uma superfcie ser
classificada como especular ou difusa, depende do comprimento de onda incidente. Por
exemplo, um solo gradeado, cuja textura medida pelas mnimas variaes da altura da sua
superfcie seja de poucos centmetros, ser considerado rugoso na faixa de comprimento de
onda do visvel (0,40 m a 0,76 m), pois o tamanho da onda milhes de vezes menor que
o tamanho das variaes de altura h da superfcie do solo. No entanto, o mesmo solo poder
ser considerado liso, ou seja, especular, na faixa das micro-ondas, visto que as micro-ondas
tm comprimentos de onda at 100 cm. Dessa forma, as reas de solos arados vistas nas
imagens desses dois comprimentos de onda, visvel e micro-ondas, sero diferentes. O
usurio de sensoriamento remoto que no souber das implicaes desse processo de interao
macroscpica julgar, analisando as duas imagens, que so solos com texturas diferentes,
imaginando, talvez, que as imagens tenham sido tomadas em datas diferentes.
Para o sensoriamento remoto, o modelo ondulatrio se aplica melhor para os grandes
comprimentos de onda das micro-ondas das imagens de radar, que so obtidas com O maiores
que 3,0 cm. Observe na Figura 1.3 de uma imagem de radar, que os alvos escuros
representam superfcies especulares (gua e solo gradeado) nas quais a onda eletromagntica
foi refletida em direo oposta direo de visada do sensor, e assim nenhuma radiao
voltou ao sensor para ser registrada. Os demais nveis de cinza representam alvos com
reflectncia difusa que retornaram ao sensor.
Fig. 1.3 Imagem de radar de comprimento de onda de 23 cm mostrando alvos de textura lisa com reflectncia
especular (tons de cinza escuros) e alvos de textura rugosa com refletncia difusora (tons de cinza variados).
1.3.2
Modelo Corpuscular
As formulaes de Maxwell sobre o comportamento da radiao eletromagntica
como um movimento de ondas suaves dos campos eltrico e magntico falham em explicar
certos importantes fenmenos quando a radiao eletromagntica interage com a matria.
Esse comportamento mais evidente para as ondas de pequenos comprimentos.
Desde os primeiros experimentos de gerao de ondas eletromagnticas observou-se
que a radiao emitida em forma de pulsos que carregam certa quantidade de energia. Em
1901 Planck observou que a REM transferia energia de um corpo para outro em quantidades
fixas e discretas, qual denominou de ftons. O fton a forma fsica de um quantum, a
partcula bsica estudada em mecnica quntica (ramo da fsica que se dedica com o muito
pequeno, nos nveis atmicos ou subatmicos), e que pode ser descrita como a partcula
mensageira da energia da onda eletromagntica. Os ftons so como corpsculos de energia
sem matria. Assim, uma onda eletromagntica exibe propriedades de partculas, como as
partculas (eltrons) exibem propriedades de onda.
O conceito de energia discreta muito importante e revolucionou a fsica do sculo
XX, que at ento considerava que qualquer forma de energia era contnua. O termo discreto
significa que a intensidade de energia transportada pela radiao eletromagntica num dado
comprimento de onda sempre a mesma, independente do momento que medida. Para cada
comprimento de onda h uma especfica quantidade de energia.
Segundo o modelo corpuscular pode-se definir que a radiao eletromagntica uma
forma dinmica de energia que se manifesta somente por suas interaes com a matria. A
quantidade de energia E de um quantum diretamente proporcional frequncia da
radiao:

eq.1.3
onde,
E = energia
h = constante de Planck (6,624x10-34 Joules.seg)
= frequncia
Substituindo-se por O a partir da equao 1.1 do modelo ondulatrio, tem-se que:

eq.1.4
Da equao 1.4 verifica-se que um fton de energia E inversamente proporcional ao

comprimento de onda da REM. Os comprimentos de ondas menores transportam,
consequentemente, maiores quantidades de energia. Um fton de luz visvel com
comprimento de onda de 0,6 m tem uma energia de 3,3 x 10-19 J, e um fton de uma onda de
rdio, com comprimento de dois metros, tem uma energia muito menor, de 9,9 x 10-26 J. A
unidade usada em fsica atmica e ptica quntica o eltron-volt, que igual a 1,59 x 10-19
joules.
De acordo com o modelo corpuscular, a energia da onda, ao atingir a superfcie dos
materiais, interage com ela por meio de trocas de energia entre a energia discreta que carrega
e as energias, tambm discretas, contidas nos tomos e molculas da matria. As energias
contidas nos tomos e molculas esto distribudas por nveis de energia, que so
determinados pelos orbitais dos eltrons em torno do ncleo e pelas foras de vibraes das
ligaes moleculares. Para haver uma troca ou interao da energia da radiao da onda com
a energia da matria, preciso que a REM incidente seja em parte absorvida pelos eltrons ou
molculas, o que promove uma mudana do eltron de um orbital para outro de maior
energia, ou em um aumento da intensidade da vibrao molecular (Figura 1.4). A parte da
energia da radiao eletromagntica que no absorvida refletida para o sensor. Nesse
processo, as imagens medem a radiao refletida, mas, indiretamente, podemos avaliar o que
foi absorvido pelos materiais. Isso importante, porque so essas quantidades de energia
eletromagntica absorvidas pelos materiais que definem algumas informaes sobre a
composio dos alvos terrestres, nas imagens de sensoriamento remoto.
H
C
Fig. 1.4 A absoro da radiao eletromagntica pelos materiais desloca o eltron para um orbital de maior
energia (a) ou aumenta a frequncia dos movimentos vibracionais da molcula (b).
1.3.2.1
Interao microscpica da radiao eletromagntica com os objetos
Como as energias da radiao eletromagntica e as energias dos tomos e molculas
so discretas, as trocas de energia somente ocorrero se a quantidade de energia contida na
REM for exatamente igual quela necessria para promover uma mudana nos nveis de
energia dos tomos ou molculas. Nesse caso, dito que a interao do tipo microscpico,
pois ocorre nos nveis microscpicos dos tomos e molculas e , portanto, totalmente
dependente da constituio qumica (atmica/molecular) do material. Materiais de diferentes
composies, ou seja, com diferentes constituies de elementos qumicos de tomos e
molculas, tm absores e reflectncias diferentes, resultando nas imagens em diferentes
tons de cinza. Para o sensoriamento remoto, o modelo corpuscular mais adequado para os
comprimentos de ondas menores, porque esses possuem maiores energias, como previsto pela
equao 1.4. A Figura 1.5 um esquema bastante simplificado para exemplificar a interao
microscpica por trocas de energia segundo o modelo corpuscular da REM, para dois
diferentes tipos de rocha. Os hipotticos diagramas dos nveis de energia dos tomos de Fe e
da molcula CO3 necessitam de intensidade de energias eletromagnticas para promoverem o
salto quntico para nveis de energia superiores, para isso absorvendo intensidades de
radiaes eletromagnticas de comprimentos de ondas diferentes.
Nos comprimentos de ondas grandes e, portanto, com muito baixa energia, como nas
micro-ondas, no ocorre interao ao nvel microscpio. A quantidade de energia dessas
ondas insuficiente para provocar uma mudana nos nveis energticos dos tomos ou
molculas e, consequentemente, pouqussima quantidade de energia incidente absorvida
pela matria. Por isso, como mencionado anteriormente, a regio das micro-ondas se ajusta
mais ao modelo ondulatrio ou macroscpico.
Fig. 1.5 Rochas calcrios e xistos absorvem com intensidades diferentes radiaes eletromagnticas de
diferentes comprimentos de onda devido aos diferentes valores dos nveis de energia que apresentam as
molculas de CO3 e os tomos de Fe.
Em resumo, pode-se dizer que devido dualidade da natureza da radiao

eletromagntica, o modelo ondulatrio se relaciona com as propriedades texturais dos
objetos, enquanto que o modelo corpuscular s propriedades composicionais. Sendo assim,
para se discriminar ou diferenciar nas imagens de sensoriamento remoto um objeto do outro,
como uma ardsia de um granito, deve-se ter imagens nos comprimentos de onda de alta
energia, que possam interagir com os minerais constituintes. E para que possamos ver as
diferenas das duas rochas, em funo to somente de suas texturas (formas de relevo),
aconselhvel ter imagens nos grandes comprimentos de onda, onde a textura da superfcie das
rochas que comanda as intensidades de reflectncia.
1.3.3
Manifestao Conjunta das Interaes Macroscpica e Microscpica
Devido indissociabilidade de onda e energia, somos obrigados a afirmar que as
imagens dos objetos sempre so, em maior ou menor proporo, as respostas em funo do
tamanho da onda e da intensidade de sua energia. Como antes apresentado, prtico
considerar que para os menores comprimentos de onda a imagem dos objetos o retrato da
interao ao nvel microscpico com as suas composies e para os maiores comprimentos de
onda a imagem dos objetos o retrato da interao ao nvel macroscpico com a rugosidade
de suas superfcies.
H, particularmente, uma situao que serve de maneira didtica para demonstrar a
atuao conjunta das duas formas de interao. Podemos ver isso na Figura 1.6 a partir de
imagens tomadas de uma rea de densa cobertura vegetal, da regio amaznica. As duas
imagens so do sensor TM do Landsat-5, uma da regio do infravermelho prximo de 0,76
m a 0,90 m (banda 4) e a outra da regio do visvel de 0,63 m a 0,69 m (banda 3). A
primeira impresso de que na imagem do infravermelho prximo se consegue ver o relevo
abaixo das rvores. Na realidade, ambas as imagens so a reflectncia apenas das folhas das
rvores, haja vista que nesses comprimentos de onda a radiao eletromagntica no
consegue penetrar a vegetao. Na figura direita vemos que a topografia dos dossis uma
reproduo bem aproximada da topografia do relevo subjacente e, por isso, a radiao solar
incidente ilumina as faces frontais do relevo e sombreia as faces opostas. Combinando as
10
condies de iluminao do relevo com as informaes do padro de comportamento da

reflectncia da vegetao (lado direito da figura), podemos ver que na imagem do visvel as
faces opostas sombreadas exibem nveis de cinzas escuros e as faces frontais que refletem a
radiao eletromagntica tambm exibem nveis de cinzas escuros devido alta absortncia
da vegetao no visvel. A falta de contraste dos nveis de cinza no favorece, ao olho
humano, uma viso tridimensional do relevo. Na imagem do infravermelho prximo as faces
sombreadas continuam a exibir nveis de cinzas escuros, mas devido alta reflectncia da
vegetao neste comprimento de onda, as faces frontais exibem nveis de cinza-claro, criando
uma condio de alto contraste entre as faces, o que favorece a percepo visual humana em
3D. Nesta banda do infravermelho prximo as interaes macroscpicas e a microscpica se
combinam, favoravelmente, para se ter a imagem do relevo.
Imagem do infravermelho prximo

b4
reflectncia %
b3
vis. infravermelho
Imagem do visvel
curva de reflectncia da vegetao
Fig. 1.6 Nas imagens com densa cobertura vegetal (floresta amaznica) a associao da interao macroscpica
e microscpica da radiao eletromagntica com a superfcie das copas das rvores, em um relevo montanhoso,
possibilita a observao aparente do relevo somente na imagem do infravermelho prximo.
1.4
Fontes de Radiao Eletromagntica
Todos os objetos do mundo real que estejam a uma temperatura acima de zero
absoluto (273,15oC ou zero Kelvin) apresentam uma movimentao aleatria das partculas
dos tomos e das molculas. Quando essas partculas se colidem elas mudam o seu estado de
energia e emitem radiao eletromagntica. E quanto maior a temperatura da fonte, maior
a sua potncia irradiante de energia.
As imagens de sensoriamento remoto no dependem apenas das qualidades tcnicas
dos sensores, mas, tambm, da qualidade e intensidade irradiante das fontes de REM. No
nosso sistema planetrio o Sol a mais potente fonte de radiao eletromagntica devido a
11
sua alta temperatura de superfcie, prxima a 6000C. A Terra tambm uma fonte de REM,
embora bem menos potente que o Sol, pois a sua temperatura mdia de apenas 27C. Essas
duas fontes naturais de radiao eletromagntica so as mais usadas em sensoriamento
remoto, mas como veremos adiante, elas no conseguem emitir radiao de todos os
comprimentos de onda. Por isso, o homem construiu fontes artificiais capazes de emitirem
altas intensidades em comprimentos de onda, alm da capacidade do Sol ou da Terra, como
na regio das micro-ondas.
O clculo da intensidade da energia que uma fonte de REM emite foi modelado por
Planck, que idealizou uma fonte padro de radiao eletromagntica, chamada de corpo
negro. Um corpo negro um modelo fsico terico de um perfeito absorvedor e emissor de
energia eletromagntica. Planck utilizou esse modelo de corpo negro para calcular a
quantidade mxima de intensidade radiante que uma fonte emite em um dado comprimento
de onda, em funo de sua temperatura de superfcie. A partir desse modelo, em 1901 Planck
formulou a seguinte lei, conhecida com Lei de Planck, que derivada da mecnica quntica.

eq.1.5
onde,
= energia radiante espectral medida em W m-2 m-1;

= constante de Planck = 6,6256 x 10-34 W.s2;
= velocidade da luz = 2,997925 x 108 m.s-1
=constante de Boltzman =1,38054 x 10-23 W s oK-1
= temperatura absoluta (em oK) da fonte.
Substituindo as constantes pelos seus valores, a forma mais usual da equao 1.5
apresentada como:

eq. 1.6
Resolvendo matematicamente a equao 1.5 de Planck, chega-se s curvas de

distribuio de energia emitida por uma fonte a uma dada temperatura de superfcie (Figura
1.7). Para cada temperatura h um pico mximo de emisso dentro do intervalo de
comprimento de onda que a fonte emite. Por lei, qualquer material real no pode emitir
termalmente a uma taxa que exceda do corpo negro.
Entre as vrias curvas de emitncia radiante espectral da Figura 1.7, a que mostra a
distribuio da energia a 6000 K a que mais se aproxima da curva de emitncia espectral do
Sol. Observe nesta figura que o pico mximo de emitncia situa-se no comprimento de onda
de 0,49 m, ou seja, na regio espectral da luz visvel. J para a curva de emitncia radiante
da fonte a 300 K, que comparvel temperatura mdia da superfcie da Terra, o seu pico
mximo de energia emitida est situado no comprimento de onda de 9,6 m. O Sol e a Terra,
que so fontes reais naturais, mostram curvas de emitncia radiante prximas aos padres das
fontes de corpo negro de Planck. A Terra, por ter uma temperatura interna muito mais baixa
que o ncleo solar, transmite calor para a superfcie por radioatividade, apenas o suficiente
para colocar a temperatura superficial numa mdia de 27oC. , portanto, uma fonte de
radiao eletromagntica muito menos intensa que o Sol e de qualidade espectral bastante
limitada. Emite radiao eletromagntica somente na faixa espectral do termal. por causa
da sua baixa temperatura de superfcie, que no uma fonte de luz visvel.
12
108
Radiao corpo negro

temperatura do sol
6000K
Radiao corpo negro

temperatura incandescente
3000K
106
2000K
10
4000K
104
10
visvel
Emitncia radiante (W/m2 m)
107
1000K
500K
10 2
Radiao corpo negro

temperatura da terra
300K
10 1
200K
1
0.1
0.2
0.5
10
20
50
100 m
Fig. 1.7 As curvas mostram os valores das intensidades da energia radiante emitida por comprimento de onda,
por fontes de radiao com diferentes temperaturas, segundo o modelo de corpo negro de Planck.
Semelhante ao que se v na Figura 1.7 para as fontes de corpo negro, na Figura 1.8
mostrado, comparativamente, a configurao do fluxo de energia radiante eletromagntica do
Sol e da Terra. Nesta figura a intensidade da energia radiante da fonte solar decresce
abruptamente abaixo dos comprimentos de ondas do ultravioleta e atinge valores mnimos
alm dos comprimentos de onda de 3,0 m. Devido a isso, somente o intervalo espectral da
REM de 0,45 m a 2,5 m til ao sensoriamento remoto, e nesse intervalo, o pico mximo
de intensidade de radiao encontra-se na faixa de 0,45 m a 0,76 m, conhecida como a
regio do visvel. A Terra tem uma intensidade de fluxo de energia bem abaixo do fluxo
solar, tendo o seu mximo de emitncia radiante em torno de 9,6 m e um intervalo espectral
til ao sensoriamento remoto entre 8,0 m a 14,0 m.
Fig. 1.8 Distribuio da intensidade da energia emitida pelas fontes naturais de radiao eletromagntica,
medidas no topo da atmosfera. Barras indicam a regio de comprimento de onda de mxima emitncia.
13
1.5
Interferncias Atmosfricas
Durante a sua passagem atravs da atmosfera, a REM vinda do Sol ou emitida pela
Terra, interage com as molculas dos constituintes gasosos e com o material particulado
suspenso na atmosfera. Nessa passagem, a atmosfera interfere na intensidade do fluxo
radiante, na distribuio espectral e na direo dos raios incidentes, tanto na sua trajetria
descendente entre o Sol e a Terra como na trajetria ascendente da radiao refletida e
emitida da superfcie terrestre para o sensor. Se no houvesse atmosfera o cu seria preto com
um disco brilhante (o Sol) do qual receberamos radiao direta. Na mdia, 47% do fluxo de
radiao que incide na superfcie terrestre absorvido pelos materiais da superfcie terrestre,
37% refletido pela Terra (incluindo nuvens e atmosfera) e 17% absorvido pela atmosfera.
A parte da REM que interage diretamente com a atmosfera sofre dois efeitos, absoro e
espalhamento da radiao, e esse comportamento da atmosfera questo crucial para o
sensoriamento remoto de alta altitude ou orbital.
A absoro o efeito mais prejudicial ao sensoriamento remoto. Como pode ser
observado na Figura 1.9, em vrios intervalos de comprimentos de onda a atmosfera mostrase parcial ou totalmente opaca s passagens da radiao solar e da radiao emitida pela
Terra, em razo da absoro pelos gases nela presentes. Como consequncia, a radiao solar
pode ser impedida de atingir a superfcie terrestre ou no mnimo sua intensidade atenuada, o
mesmo acontecendo com a radiao emitida pela Terra. Dessa forma, o sensor colocado no
espao ficar impedido de obter imagens da superfcie terrestre nesses comprimentos de
onda. Esses intervalos de comprimentos de onda so chamados de bandas de absoro da
atmosfera e so proibitivos para o uso de sensoriamento remoto. As demais regies onde a
atmosfera no absorve total ou intensamente a radiao solar so chamadas de janelas
atmosfricas, as nicas em que possvel usar o sensoriamento remoto.
Fig. 1.9 Transmitncia (T) da radiao eletromagntica atravs da atmosfera. As reas em azul correspondem s
regies espectrais de transparncias da atmosfera e as reas em cinza correspondem s regies espectrais onde
os gases atmosfricos absorvem a radiao eletromagntica.
Observe na Figura 1.9 que a regio de maior absoro, e sem uso ao sensoriamento
remoto, no intervalo espectral termal de 14 m a 1000 m, devido total absoro da
radiao pelo vapor de gua atmosfrica. Em contrapartida, na regio das micro-ondas a
atmosfera quase 100% transparente. No intervalo do visvel ao infravermelho, que a
regio espectral mais usada em sensoriamento remoto, a atmosfera tambm mostra a sua
danosa influncia para o uso do sensoriamento remoto. Por exemplo, nos comprimentos de
onda de 1,4 m e 1,9 m, 100% da radiao solar absorvida pelas molculas de vapor de
gua, impedindo totalmente o uso de sensoriamento remoto nesses comprimentos de ondas.
Na Figura 1.10 so mostradas mais detalhadamente as atenuaes que a irradincia
solar, medida no topo da atmosfera, sofre quando medida ao nvel do mar, ou seja, depois
de atravessar a atmosfera. So vrios os comprimentos de onda em que a atmosfera absorve
14
total ou parcialmente a radiao eletromagntica solar. Essas absores so o motivo dos

sensores mostrarem descontinuidades nos comprimentos de onda entre bandas contguas.
Fig. 1.10 Em vermelho a curva da irradincia solar no topo da atmosfera e em azul quando a irradincia atinge a
superfcie terrestre, mostrando as absores pelos diferentes gases atmosfricos.
O espalhamento (difuso ou disperso) corresponde mudana aleatria da direo de

propagao da radiao solar incidente devido a sua interao elstica com os componentes
atmosfricos. A suposio comum que a radiao espalhada no atenuada, mas sim
redirecionada. O espalhamento contribui para diminuir a eficincia do sensoriamento remoto
na identificao dos objetos terrestres. Conforme mostra a Figura 1.11 os gases e particulados
(aerossis) da atmosfera podem espalhar a radiao incidente do Sol ou mesmo parte da
radiao refletida pelas superfcies dos materiais. Nesse caso, o sensor receber a energia
refletida no somente do alvo (Lp), mas adicionada da radiao que a atmosfera espalhou
(Latm), antes que ela atingisse a superfcie do solo. Isso conhecido como o efeito aditivo da
atmosfera.
(4) radincia refletida

diretamente da atmosfera
Latm
luz
(1)
irradincia
solar
incidente na superfcie e
atenuada pela atmosfera
(5) radincia L total

medida no sensor
Ltotal = Lp + Latm
(3) energia radiante

refletida do alvo Lp
(2) U reflectncia
do terreno
Fig. 1.11 O espalhamento atmosfrico adiciona radiao na quantidade de energia refletida do alvo que chega ao
sensor.
15
Teoricamente o espalhamento pode ser dividido em trs diferentes categorias,

dependendo das relaes entre o comprimento de onda da radiao e o tamanho das partculas
atmosfricas que causam o espalhamento. Estes trs tipos so: espalhamento Rayleigh;
espalhamento Mie; e espalhamento No-Seletivo.
O espalhamento Rayleigh o mais comum. Ele ocorre quando o dimetro das
partculas menor do que o comprimento da onda. Relaciona-se com as molculas de gases
presentes na atmosfera, e por isso o espalhamento Rayleigh tambm denominado de
espalhamento molecular. O clculo do coeficiente de espalhamento Rayleigh depende do
nmero de partculas por centmetro cbico, do comprimento da radiao e dos ndices
refrativo das partculas e do meio, mas de forma mais simplificada, pode-se dizer que ele
proporcional ao inverso da quarta potncia do comprimento de onda.
eq.1.7
De acordo com a lei de Rayleigh, a influncia mais prejudicial do espalhamento

atmosfrico ocorre nas imagens obtidas nos menores comprimentos de onda do visvel.
Desde que o coeficiente de espalhamento proporcional ao inverso da quarta potncia do
comprimento de onda, os menores comprimentos de onda da luz azul so espalhados mais
fortemente que a luz vermelha. A luz visvel azul espalhada cerca de seis vezes mais que a
luz visvel vermelha ( = 0,617 m), enquanto que o efeito do espalhamento nas imagens do
infravermelho ( > 0,76 m) bem menor, sendo quase imperceptvel. O fato de a luz azul
espalhar-se mais que os comprimentos de onda mais longos do visvel, por ela ser absorvida
pelas molculas e reemitida em todas as direes, modificando, portanto, a direo da
radiao. O espalhamento Rayleigh a causa de o cu aparecer azul. O vermelho do pr do
sol tambm causado pelo espalhamento Rayleigh. To logo o sol se aproxima do horizonte,
seus raios seguem uma trajetria maior atravs da atmosfera, espalhando os menores
comprimentos de onda e deixando apenas as radiaes de maiores comprimentos, laranja e
vermelho, alcanarem nossos olhos. Por causa desse forte espalhamento dos comprimentos
de onda azul, o uso de imagens multiespectrais na poro do espectro eletromagntico do
visvel requer correes atmosfricas. Por essa mesma razo, que nas cmeras fotogrficas
areas, filtros especiais amarelos so usados para cortar a radiao azul.
O espalhamento Mie ocorre quando a onda eletromagntica de tamanho comparvel
ao tamanho das partculas atmosfricas. Nesse caso, o coeficiente de espalhamento um
coeficiente de rea definido como a razo da frente de onda afetada pela partcula e a sesso
de rea transversal da prpria partcula. Em analogia ao espalhamento de Rayleigh, o
espalhamento de Mie tem a seguinte relao com o comprimento de onda:
eq.1.8
Como no espalhamento Mie o tamanho das partculas atmosfricas

consideravelmente maior que o considerado no espalhamento Rayleigh, esse tipo de
espalhamento ocorrer apenas com os maiores comprimento de onda do visvel. Em
sensoriamento remoto o espalhamento Mie se manifesta tambm por uma perda de contraste
entre os alvos da imagem, mas que acontece apenas sob atmosfera com partculas esfricas de
vapor de gua e poeiras, isto , quando a atmosfera est mais densa. Nas imagens de
sensoriamento remoto o principal efeito do espalhamento Rayleigh e Mie o de aumentar a
16
reflectncia real dos objetos, o que ocasiona uma diminuio do contraste entre os diferentes
objetos presentes nas imagens. O exemplo dessa diminuio do contraste mostrado na
Figura 1.12. Nesta figura, a cena original possui dois objetos, um com brilho 5 para o alvo
mais claro e outro com brilho 2 para o mais escuro, considerando-se uma situao com
ausncia total de espalhamento atmosfrico. O contraste entre esses dois alvos pode ser
medido como uma razo do brilho dos dois alvos: 5/2 que igual a 2,5. Quando esta mesma
cena colocada sob influncia de uma atmosfera, onde so adicionadas cinco unidades de
brilho devido ao espalhamento, o alvo com brilho 5 aumenta para brilho 10 e o alvo com
brilho 2 aumenta para 7. A razo de contraste dos alvos que era de 2,5 diminui para 1,4,
reduzindo assim, a possibilidade de se diferenciar os dois alvos nas imagens.
cena original
4 6 8 10
Contraste
10/7 = 1,4
4 6 8 10
Contraste
5/2 =2,5
brilho sem espalhamento
5 unidades de brilho adicionadas
Fig. 1.12 Diminuio do contraste da reflectncia entre dois alvos, medido por uma razo, devido ao
espalhamento atmosfrico.
O mecanismo final de espalhamento o no-seletivo. Ele ocorre quando o tamanho

das partculas muito maior que o comprimento de onda da faixa espectral que vai do visvel
ao termal (0,4 m a 14 m). Da, a razo de ser denominado de no-seletivo em relao ao
tamanho da onda. Ele tem a soma da contribuio dos trs processos envolvidos na interao
da radiao com as partculas. O espalhamento no-seletivo ocorre em atmosferas muito
densas, com neblinas e nuvens, e resulta em severas atenuaes da radiao refletida pelos
alvosao sensor. o responsvel pela cor branca das nuvens, que espalham a radiao para
cima com alta intensidade. A Tabela 1.1 resume as caractersticas dos trs tipos de
espalhamento.
Tabela 1.1 Tipos de espalhamento atmosfrico

Tipo de
espalhamento
Rayleigh
Dependncia com o
comprimento de
onda
-4.0
Tamanho
das
partculas
<< 1
Mie
o,7 a -2.0
0,1 a 10
No-seletivo
>10
Tipo de partculas
Molculas de gs
Gotas de
aerossis
gua,
Nuvens, neblinas,
nvoas
Efeitos na reduo
do contraste
Visvel de pequeno
comprimento de onda
Visvel de longo
comprimento de
onda
Afeta igualmente todos
os comprimentos de
ondas
17
1.6
Espectro Eletromagntico
Denomina-se espectro eletromagntico as regies espectrais da REM conhecidas pelo
homem. O espectro eletromagntico conhecido se estende dos comprimentos de onda dos
raios csmicos aos comprimentos de corrente alternada emitidos pelas redes de alta tenso. A
faixa de comprimento de onda da REM praticamente ilimitada. H estrelas que emitem
radiaes eletromagnticas com mximo de irradincia em comprimentos de onda do raio-X
e outras, como o Sol, que emitem seu mximo de radiao eletromagntica no visvel. O
homem j construiu fontes artificiais de REM que geram ondas com comprimentos de 10-15 a
108 metros.
A REM deve ser vista como um espectro contnuo. Porm, o espectro eletromagntico
foi arbitrariamente dividido pelo homem em intervalos de comprimentos de onda com base
nos mecanismos fsicos geradores da energia eletromagntica e nos mecanismos fsicos de
sua deteco. A nomenclatura de cada um dos intervalos foi feita em funo do uso que o
homem encontrou para as suas aplicaes. Para os usurios do sensoriamento remoto
essencial saber os valores dos comprimentos de onda desses intervalos, as denominaes que
recebem, e quais comprimentos de ondas so possveis de ser detectados por cada tipo de
sensor. Isso porque, quando se estiver com uma imagem de sensoriamento remoto em mos,
a primeira pergunta que se faz : qual o comprimento de onda dessa imagem? Usando uma
terminologia mais correta, perguntar-se-ia: qual a banda espectral dessa imagem?
Um dos intervalos ou faixas de comprimentos de onda que mais familiar a faixa de
luz visvel da radiao solar, por ser aquela que o olho humano capaz de detectar. O
intervalo espectral da luz visvel foi decomposto pela primeira vez em 1766 por Isaac
Newton, atravessando a luz branca por um prisma de vidro (disperso) e emergindo do lado
oposto do prisma em raios de luz coloridos (Figura 1.13). Cada raio colorido tem o seu
especfico comprimento de onda. A inclinao de cada raio, ao emergir da outra face do
prisma, devido relao entre o comprimento da onda e o ndice de refrao do prisma
(vidro). Essa experincia se repete toda vez que no cu vemos a formao de um arco-ris,
provocado pela disperso da luz pelas gotas de gua, num dia chuvoso.
vermelho
violeta
Fig. 1.13 Disperso da luz branca em seis cores espectrais ao atravessar o prisma de vidro.
Foi a partir dessa experincia que o homem props a diviso do espectro

eletromagntico. A Tabela 1.2 apresenta a diviso que a mais aceita no sensoriamento
remoto. No so limites rigorosamente precisos, sendo comum encontrarmos na literatura
18
pequenas diferenas de limites dos intervalos espectrais. As faixa espectrais em negrito so as

mais usadas em sensoriamento remoto. A Tabela 1.3 um detalhamento dos limites de
comprimentos de onda do espectro de cores do visvel.
Tabela 1.2 Diviso do espectro eletromagntico.
Intervalo Espectral
Raios csmicos
Raios gama
Raios X
Ultravioleta
Visvel
Infravermelho prximo
Infravermelho de ondas curtas
Infravermelho mdio
Infravermelho termal
Micro-ondas
Rdio
udio
Corrente alternada
o
Obs: A = 10
-10
m;
-9
Comprimento de Onda
0,01 Ao
0,01 0,1 Ao
0,1 10 Ao
100nm 0,38m
0,38 0,76 m
0,76 1,2 m
1,2 3,0 m
3,0 5,0 m
5,0 m 1 mm
1 mm 100 cm
1 m 10 km
10 100 km
> 100 km
-6
nm = 10 m; m = 10 m
Tabela. 1.3 Divises dos comprimentos de ondas das cores da regio do visvel
Comprimento
de onda (Pm)
Cor da luz refletida
0,380 0,455
0,455 0,482
0,482 0,487
0,487 0,493
0,493 0,498
0,498 0,530
0,530 0,559
0,559 0,571
0,571 0,576
0,576 0,580
0,580 0,587
0,587 0,597
0,597 0,617
0,617 0,760
Violeta
Azul
azul esverdeado
azul verde
verde azulado
Verde
verde-amarelado
amarelo-verde
amarelo-esverdeado
Amarelo
laranja-amarelado
Laranja
laranja-avermelhado
Vermelho
Sabendo que a radiao eletromagntica de cada comprimento de onda interage de

formas distintas e com intensidades diferentes com os objetos terrestres, um dos parmetros
mais importantes para definir as caractersticas de um sensor so os comprimentos de onda
das imagens que o sensor ir adquirir. As imagens no so definidas num especfico
comprimento de onda, mas abrangendo pequenos intervalos, chamados de bandas espectrais.
Em funo das absores da radiao eletromagntica pela atmosfera, os intervalos
discriminados na Tabela 1.4 so aqueles em que, realmente, se podem obter imagens a partir
de sensores instalados em aeronaves ou satlites.
19
Tabela 1.4 - Intervalos espectrais possveis de serem usados pelos sensores remotos.
0,45 0,76Pm 0,76 1,2Pm
visvel
infravermelho
prximo
1,2 3,0Pm
3,0 5,0Pm
infravermelho infravermelho
mdio
de ondas curtas
5,0 Pm 1 mm 1mm 100 cm

micro-ondas
infravermelho
termal
toda faixa
1,19 1,34
1,55 1,75
2,05 2,40
8,0 9,2
10,2 12,5
0,76 0,91
1,00 1,12
3,5 4,2
4,5 5,0
3,0 100
Segue uma sntese das caractersticas mais importantes desses intervalos espectrais.
Visvel (0,45-0,76 Pm) - a regio do espectro solar com a mais alta intensidade de fluxo
radiante e onde h a melhor janela atmosfrica, bastante transparente, deixando passar uma
grande quantidade de radiao. Por isso, muito usada em sensoriamento remoto. a regio
responsvel pela interao com os minerais e que d origem s suas cores e com os
pigmentos da vegetao. O problema dessa faixa espectral o alto espalhamento da radiao
solar incidente pelos gases atmosfricos, que pode reduzir o contraste da reflectncia dos
alvos terrestres. chamada de visvel, porque o olho humano sensvel a essa regio
espectral.
Infravermelho prximo (0,76 - 1,2 Pm) - Regio do espectro solar onde a atmosfera tambm
bastante transparente, mas ocorrem algumas bandas de absores, impedindo que todo o
intervalo possa ser continuamente utilizado por sensoriamento remoto. o intervalo onde
ocorrem importantes interaes da REM com os nveis de energia eletrnica dos tomos,
gerando feies espectrais que so diagnsticas para identificar a natureza de vrios tipos de
rochas, principalmente as de composio mineral com metais de transio (Fe, Ni, Cr, Mn...)
Infravermelho de ondas curtas (1,2 3,0 Pm) - a regio espectral geolgica, porque nesta
faixa espectral que os vrios minerais de alterao hidrotermal tm as suas diagnsticas
feies de absoro. Tambm a regio onde os comprimentos de onda em 1,4 m e em 1,9
m so totalmente absorvidos pelas molculas de vapor dgua da atmosfera, proibindo o uso
do sensoriamento remoto e, por consequncia, de se determinar nos materiais terrestres a
presena de gua molecular nas suas estruturas.
Infravermelho mdio (3,0 - 5,0 Pm) - Regio onde o Sol e a Terra no emitem quantidades
suficientes de energia que possam ser detectadas pelos sensores. Somente alvos com elevadas
temperaturas, como vulces e incndios, podem ser detectados, pois agem como fontes
prprias de emisso de radiao. uma regio espectral pouco usada no sensoriamento
remoto, exceo de sensores metereolgicos ou atmosfricos.
Infravermelho termal (5,0 1,0 mm) - conhecido como a regio termal, devido radiao
emitida pelos objetos terrestres em funo das suas temperaturas de superfcies. A melhor
janela atmosfrica nessa regio espectral para imageamento orbital o intervalo de 8,0 Pm a
14,0 Pm, porque acima de 30 km, a camada de oznio absorve toda a radiao alm de 14 Pm
emitida pela Terra. tima faixa espectral para deteco de quartzo de veios nas rochas.
Micro-ondas (3,0 - 100 cm) Regio de uso de sensores ativos (radar), que utilizam fontes
artificiais para a gerao da REM. Por causa do tamanho do comprimento de onda, o radar
20
tem a habilidade de operar em condies atmosfricas adversas, com coberturas de nuvens ou

chuvas, e pode operar tanto de dia como noite. Importante para a geologia estrutural e
mapeamento geolgico, porque a interao das micro-ondas com as rochas controlada pelas
texturas de relevo. Atualmente, o intervalo til ao sensoriamento remoto estende-se de 3,0 cm
a 100 cm.
1.7
Conceitos de Radincia e Reflectncia
A forma como um sensor mede a radiao eletromagntica praticamente a mesma,
independente do comprimento de onda. Mas, o importante saber o que de fato o
componente da radiao eletromagntica que deixa o alvo e vai at o sensor para ser medido
e transformado em imagem. Normalmente, nos referimos erroneamente a esse componente,
como reflectncia. Veremos que h uma conceituao radiomtrica especfica que define a
radiao que deixa o alvo, e que dependente do intervalo espectral. Trataremos aqui dos
conceitos radiomtricos da radiao ptica da luz solar. A radiao termal e das micro-ondas
veremos nos captulos seguintes.
Quando o sensor detecta e mede a radiao que deixa a superfcie dos objetos, o
sensor est fazendo uma medio radiomtrica. por isso que os sensores imageadores
podem tambm ser denominados de radimetros imageadores. A radiometria inclui uma srie
de termos e leis que em sensoriamento remoto so fundamentais para explicar o significado
fsico dos valores da REM medidos pelo sensor. As definies que sero vistas so somente
as mais importantes para se entender o significado dos componentes de um modelo bsico de
sensoriamento remoto, como ilustrado na Figura 1.14. Os nmeros que identificam na figura
cada um dos componentes desse modelo representam os termos radiomtricos que so
definidos a seguir, em uma ordem sequencial segundo a trajetria da REM da fonte (1) at o
sensor. O subscrito indica que o valor calculado para a grandeza radiomtrica que o contm
dependente do comprimento de onda.
sensor
fonte
ngulo cnico
2
3
rea A da superfcie do alvo
Fig. 1.14 Componentes radiomtricos da trajetria da radiao eletromagntica, da fonte ao sensor.
1. Energia radiante Q a energia que se propaga da fonte na forma de ondas

eletromagnticas, medida em Joule (J).
2. Fluxo radiante = Q / t a taxa na qual a energia radiante transferida de um
ponto ou superfcie para outra superfcie, medida em watts (W). O fluxo medido por um
21
perodo de tempo. Tambm a taxa de tempo que o fluxo ilumina a superfcie do terreno, que
ser imageada pelo sensor.
3. Irradincia E = /A o fluxo radiante solar incidente na superfcie do terreno
por rea de superfcie, medido em watts por metro quadrado (W/m2). Mas, se efetivamente se
quiser medir a quantidade de irradincia incidente por rea, deve-se integrar as variveis da
atmosfera pela qual a radiao passa. Segundo Jensen (2009), essa integrao uma funo
da irradincia solar espectral no topo da atmosfera (Eo), multiplicada pela transmitncia
atmosfrica (T0) num certo ngulo zenital solar (0), mais a contribuio solar difusa (Ed).
Em termos de unidade a irradincia medida em W/m2m.
eq.1.9
4. Radincia L = / AcosT a medida feita pelo sensor da densidade de fluxo

radiante que deixa um elemento de rea da superfcie do terreno, e que se propaga em uma
direo definida por um cone elementar de um ngulo slido contendo aquela direo. Em
termos de unidade a radincia medida em W/m2strm. Assumindo-se que a superfcie da
Terra seja um refletor difuso perfeito, a quantidade total de radincia que deixa a superfcie
de um alvo em direo ao sensor, de acordo com Jansen (2009):

eq.1.10
onde, = reflectncia mdia da superfcie do alvo e o fator pi considera o espao hemisfrico.
O conceito de ngulo slido importante em sensoriamento remoto. Ele descreve a

convergncia ou divergncia angular, em trs dimenses, do fluxo de ou para uma superfcie.
Ele convenientemente definido em termos da geometria de uma esfera, como mostra a
Figura 1.15. O ngulo slido subtendido no centro de uma esfera definido como a razo da
superfcie de rea da esfera pelo quadrado do raio da esfera. Como em sensoriamento remoto
o ngulo slido de valor muito pequeno, de alguns poucos milirradianos, por convenincia,
usa-se a rea plana da base do cone, de dimetro D.
= A/r2
r
:
onde: = ngulo slido em esferorradiano

A = rea da esfera subtendida pelo cone
r = raio da esfera
Fig. 1.15 Conceito de ngulo slido.
22
Voltando Figura 1.14 vemos que o sensor focaliza uma rea no terreno cujo
tamanho definido pelo ngulo slido de visada do sensor. Esse ngulo slido de visada
definido pela abertura do sistema ptico do sensor, no caso um telescpio porttil,
semelhana da abertura definida pela objetiva de uma mquina fotogrfica. Dessa maneira, o
sensor mede a intensidade radiante que deixa a superfcie de rea do terreno limitada por um
ngulo slido . Esterradiano (str), ou esferorradiano, a unidade de medida de ngulo
slido, 1 esterradiano equivalendo a 57 graus plano. No sensor o ngulo da ordem de
milirradianos. Alm do ngulo slido, a medida da radiao que deixa a rea do terreno
depende tambm da posio que o sensor est no espao. Na Figura 1.14 a posio do sensor
medida pelo co-seno do ngulo em relao normal superfcie do terreno. Tudo isso, que
considerado na medida da radiao pelo sensor, o que foi definido de radincia. Sendo
assim, a imagem formada no sensor uma imagem da radincia. Como ser abordado
adiante, os valores de radincia so convertidos em valores digitais, gerando a imagem
digital.
Mas, h algo mais, muito importante, que deve ser considerado no modelo bsico de
configurao de sensoriamento remoto da Figura 1.14. Sabe-se que a densidade de fluxo
incidente na superfcie do terreno, a Irradincia E, varia no tempo (hora, dia, ms), pois a
distncia e a posio do Sol em relao Terra mudam, continuamente, e mesmo porque o
Sol no uma fonte totalmente uniforme. Alm disso, a atmosfera muito dinmica, ou seja,
a cada momento deixa passar quantidades diferentes de fluxo radiante devido s absores
dos gases. O que isso acarreta? A radincia que ser medida no sensor para construir a
imagem dos objetos poder apresentar-se diferente de um dia para outro, mesmo que os alvos
nada tenham mudado. Essa influncia da variao da irradincia poderia ser eliminada, se no
exato momento em que o sensor medisse a radincia L que deixa o alvo, medisse, tambm, a
quantidade de fluxo radiante incidente no alvo, ou seja, a irradincia E. A relao de medida
da irradincia com a radincia estabelece um conceito muito importante em sensoriamento
remoto, que a reflectncia.
Reflectncia a razo entre a quantidade de energia radiante que deixa uma unidade
de rea no terreno (Radincia) pela quantidade de energia incidente naquela rea
(Irradincia), medida no mesmo instante de tempo. Como irradincia e radincia so
densidades de fluxo, o valor dessa razo torna-se adimensional, sendo, portanto, expresso em
porcentagem. Qualquer alvo no terreno poder refletir uma porcentagem > 0% e < 100% da
radiao nele incidente. Usa-se a letra grega para se referenciar reflectncia.

eq.1.11
Os sensores imageadores no medem a irradincia solar, e por isso a imagem uma

representao digital dos valores da radincia, e no uma imagem de reflectncia. Para chegar
a uma imagem de reflectncia, devem-se converter os valores digitais para radincia e em
seguida calcular a reflectncia, segundo os princpios da equao 1.10. Para isso h a
necessidade de se saber os valores da irradincia no momento em que a imagem foi tomada.
H complexas formulaes matemticas que possibilitam fazer essa converso de valores.
Elas esto embutidas nos algoritmos de processamento de imagens para correo atmosfrica.
Para a maioria das aplicaes de sensoriamento remoto e das tcnicas de
processamento de imagens se usa imagens no formato digital, aceitando-se que os valores
digitais so representaes bem prximas da reflectncia. Razoveis anlises da reflectncia
espectral dos alvos podem ser feitas com imagens multiespectrais no formato digital.
Contudo, com imagens de sensores hiperespectrais, que exigem em suas anlises
23
algoritmos de classificao espectral, a imagem digital precisar, obrigatoriamente, ser

convertida para imagem de reflectncia. Sobre isso veremos no captulo 14.
1.8
Resolues das Imagens
Atualmente, o sensoriamento constitudo por uma razovel constelao de satlites
que oferecem imagens para atender as necessidades de uma ampla demanda de usurios. Para
aqueles usurios que necessitam de uma observao detalhada do tamanho e das formas dos
objetos, h os sensores que detectam reas unitrias inferiores a 1 metro, e com meios para
visualizao estereoscpica 3D, muito teis para levantamentos cadastrais multifinalitrios,
urbanos e cartografia digital. Os interessados em monitorao para o acompanhamento da
evoluo e de mudanas da paisagem podem recorrer aos sensores com alta taxa de revisita
rea. J os que se interessam em determinar a composio ou constituio dos minerais ou
rochas, a procura pelos sensores com um grande nmero de bandas espectrais. Por isso,
uma forma de se abordar as potencialidades de um sensor pelo dimensionamento de suas
resolues.
Nas aplicaes de sensoriamento remoto em estudos geotemticos duas questes esto
sempre presentes:
i) qual a melhor resoluo da imagem para se identificar ou resolver os objetos de
interesse e;
ii) qual a melhor escala para representar os objetos ou fenmenos geogrficos.
Nem sempre h respostas simples para essas indagaes. O que mais prontamente
pode-se responder que, devido limitao que o sensor orbital tem para transmitir grandes
volumes de dados para as estaes terrestres de rastreamento de satlites, as imagens que
recobrem grandes areas, de dezenas de milhares de quilmetros quadrados, como as do
satlite Landsat e CBERS, so associadas com resolues espaciais pequenas (30, 20 metros),
e as imagens que recobrem pequenas reas, como as imagens Ikonos e Orbview, so
associadas com resolues espaciais grandes (1 metro). Consequentemente, as imagens de
pequena resoluo espacial, por no mostrarem os detalhes dos alvos, serviro para estudos
em escalas mais regionais, enquanto as imagens com grande resoluo espacial se prestaro
para estudos locais de detalhe.
Na prtica, a deteco ou identificao de um objeto nas imagens de sensoriamento
remoto no determinada somente pela resoluo espacial, mas por quatro diferentes formas
de medies:
1) pela rea do campo de visada do sensor;
2) pelo comprimento de onda das bandas;
3) pelos valores numricos da medida da radincia do alvo;
4) e pela data em que a imagem foi tomada.
So essas quatro formas de medidas que so descritas em termos de resolues,
respectivamente denominadas de resoluo espacial, espectral, radiomtrica e temporal. Elas
atuam em conjunto, num processo interativo, nem sempre facilmente percebido pelo analista,
o que , tambm, o motivo de frequentes dvidas ao se tentar explicar por que pequenos
objetos so surpreendentemente identificados nas imagens.
Os conceitos e explicaes tratadas a seguir, sobre resolues, so vlidas para todos
os tipos de sensores imageadores, independente da faixa espectral em que operam, exceo
do radar.
24
1.8.1
Resoluo Espacial
O tamanho individual do elemento de rea imageada no terreno representa em
qualquer tipo de sensor uma propriedade importante da imagem: a resoluo espacial. A
resoluo espacial um importante parmetro do sensor porque ela determina o tamanho do
menor objeto que pode ser identificado em uma imagem. Por definio, um objeto somente
pode ser resolvido (detectado), quando o tamanho deste , no mnimo, igual ou maior do que
o tamanho do elemento de resoluo no terreno, ou seja, da resoluo espacial. Por exemplo,
se uma casa tem 20 m x 20 m de tamanho, a resoluo espacial da imagem deveria ser, no
mnimo, de 20 metros para que essa casa possa ser identificada na imagem. Entretanto, a
experincia mostra que, de fato, para um objeto ser resolvido na imagem, a resoluo espacial
nominal deveria ser, pelo menos, a metade do tamanho do objeto medido na sua menor
dimenso. Mesmo assim, o objeto ainda tem que apresentar um bom contraste de reflectncia
com os alvos que lhe so vizinhos, vistos na dimenso do pixel. A Figura 1.16 exemplifica
estas relaes.
Fig. 1.16 Resolver os objetos pelo valor da resoluo espacial depende tambm do contraste de reflectncia dos
pixels vizinhos . Em (a) as duas rvores no so resolvidas, fundindo-se em um nico objeto. Em (b) elas so
resolvidas por estarem separadas pela rea de um pixel com reflectncia diferente.
Determinar qual deve ser a resoluo espacial de um sensor, envolve para a maioria
das aplicaes de sensoriamento remoto, uma anlise da relao do grau de autocorrelao da
organizao espacial dos objetos no terreno. Em terrenos naturais os alvos apresentam uma
alta correlao espacial, mostrando pouca variabilidade ao longo de uma rea, no exigindo,
para a sua identificao, altas resolues espaciais. J, para uma rea com alta variabilidade
de tipos de objetos, como numa rea urbana, a exigncia seria para um sensor com resoluo
espacial de poucos metros, para que as casas, ruas, estacionamentos, possam ser resolvidos.
Para se calcular a resoluo espacial pode-se usar a projeo geomtrica no terreno
subtendido pelo campo de visada instantneo (IFOV) do sensor, que medido pelo ngulo .
A compreenso desse conceito mostrada na Figura 1.17, simplificada para um nico
elemento de resoluo espacial no terreno. O tamanho do ngulo E do IFOV determinado
pela abertura do sistema ptico em conjuno com o tamanho do detector, pois o detector
que mede a intensidade da radincia do terreno. Como nos sensores orbitais a ptica a de
um telescpio porttil com distncia focal de 2 a 3 metros, o valor do ngulo E do IFOV de
centsimos de milirradianos.
O tamanho do elemento de resoluo no terreno pode ser calculado pela equao:

eq.1.12
onde,
=altura do sensor em metros

= ngulo IFOV em miliradianos
25
Usando a equao 1.12, para um sensor orbital colocado altura de 700 km e com um
IFOV igual a 0,043 milirradianos, o tamanho do elemento de resoluo no terreno ser:
D = 700.000 x 0,043.10-3
D = 30,1 metros
Um pequeno IFOV desejvel quando h a necessidade de se registrar altos detalhes
espaciais. Dessa forma, quanto menor o tamanho do IFOV maior ser a capacidade de se
detectar nas imagens os menores elementos que integram a cena. A resoluo espacial deve
ser entendida como uma medida geomtrica, e, portanto, no deve ser considerada como
sinnimo de pixel. Pixel representa uma taxa de amostragem no terreno, que mede no espao
geomtrico do elemento de resoluo no terreno, o valor da radincia do alvo.
detector
distncia
focal f
ptic
IFOV
Tamanho do elemento de
resoluo no terreno medido em
Fig. 1.17 Medida geomtrica da resoluo espacial a partir do valor do ngulo IFOV e da altura H do sensor.
A Figura 1.18 mostra imagens de trs sensores pticos com diferentes resolues
espaciais. Fica evidente que se pode estabelecer uma relao de comparao entre a resoluo
espacial e a escala de visualizao da imagem. Na Tabela 1.5 so sugeridas as escalas para as
correspondentes resolues espaciais de alguns conhecidos sensores. So escalas
aproximadas, porque na prtica, dependendo do contraste da cena e das bandas, quase sempre
se consegue uma escala maior do que a sugerida pela resoluo espacial.
Fig. 1.18 Da esquerda para a direita, imagens dos satlites, Landsat com resoluo espacial de 30m, Spot com
10 m e Ikonos com 1 m, de uma poro do lago Parano de Braslia.
26
Tabela 1.5 Escalas aproximadas de visualizao de imagens multiespectrais em funo da resoluo espacial.
Escala
1: <10.000
1: 10.000
1: 20.000
1: 40.000
1: 75.000
1: 100.000
1: 200.000
1: 350.000
Resoluo espacial (m)

1
2,5
5
10
20
30
60
90
Sensor
Ikonos pancromtico
Spot pancromtico
Ikonos XS
Spot HRG
CBERS
Landsat (faixa ptica)
Landsat TIR (termal)
Aster TIR (termal)
Obs. Escalas determinadas experimentalmente com imagens em composies coloridas realadas.
1.8.2
Resoluo Espectral
Para o sensoriamento remoto, a obteno simultnea de imagens em mltiplas bandas
espectrais , sem dvida, a propriedade mais importante dos sensores imageadores. O termo
resoluo espectral envolve pelo menos trs parmetros de medida:
i) o nmero de bandas que o sensor possui;
ii) a largura em comprimento de onda das bandas;
iii) as posies que as bandas esto situadas no espectro eletromagntico.
Comparativamente, um sensor tem melhor resoluo espectral se ele possui maior
nmero de bandas situadas em diferentes regies espectrais e com larguras estreitas de
comprimentos de onda. Essa necessidade devido s diferenas relativas de reflectncia entre
os materiais da superfcie da terra, que permitem distinguir um material do outro, em
determinados comprimentos de onda. Por exemplo, as gemas so mais facilmente
diferenciadas nos comprimentos de onda do visvel, devido s diferenas de cores que na
maioria controlada por pequenas impurezas nas suas estruturas cristalinas. Por outro lado,
as rochas evidenciam suas diferenas espectrais mais nos comprimentos de onda do
infravermelho prximo e de ondas curtas. Quanto largura da banda, ela deve ser
dimensionada em concordncia com as larguras das feies de absoro exibidas pelos
espectros de reflectncia de cada material. As feies de absores so identificadores de
composies dos tipos de rochas, solos, vegetao e gua, e normalmente, so da ordem de
10 nm a 20 nm. Sensores com bandas muito largas, alm de 20 nm tendem a no ser capazes
de diferenciar um objeto do outro em funo de sua composio. Assim, o objeto apenas
detectado em razo da resoluo espacial. A Figura 1.19 ilustra esses critrios de resoluo
espectral, tendo como exemplo as nove bandas do sensor ASTER, cuja resoluo espectral
foi definida para discriminar minerais de alterao hidrotermal.
Um simples exemplo que serve para ilustrar o efeito da resoluo espectral na
deteco ou identificao de um objeto mostrado na Figura 1.20 de uma rea da floresta
amaznica. Ambas as imagens esto na mesma resoluo espacial de 30 metros. Na imagem
(a) da Figura 1.18, de uma banda do visvel de 0,63 m a 0,69 m, mesmo os grandes rios
com dezenas de metros de largura no so facilmente identificados, porque a baixa
reflectncia da gua e da vegetao so, praticamente, iguais nesse comprimento de onda, no
havendo contraste entre os dois tipos de alvos. Para a regio amaznica seria um erro
selecionar esta banda espectral para se elaborar mapas de drenagem. A imagem (b) da Figura
27
1.20 de uma banda do infravermelho prximo. Nessa banda os rios so facilmente

identificados, porque a gua possui uma baixa reflectncia, enquanto a vegetao da floresta
tem uma alta reflectncia, estabelecendo uma razo de alto contraste entre os dois alvos.
calcita
Reflectncia
caolinita
Banda 2
Banda 1
jarosita
Banda 3
talco
Comprimento de onda em m
Bandas 4 a 9
Fig. 1.19 Espectros de reflectncia de alguns minerais sobrepostos s bandas do sensor ASTER. A largura da
banda do sensor deve ser equivalente largura da banda de absoro do mineral para que este possa ser
identificado na imagem.
Fig. 1.20 Imagens da regio amaznica nas bandas do visvel (a) e do infravermelho prximo (b)
exemplificando o efeito da resoluo espectral no contraste do rio com a vegetao.
Valendo-se do poder da resoluo espectral que os sensores multiespectrais

aparentam ter a sua resoluo espacial melhorada. bem conhecido que possvel detectar
28
objetos que so consideravelmente menores do que a resoluo espacial, se seu contraste com
os objetos vizinhos suficientemente alto. O exemplo mais marcante a identificao de
estradas em imagens de satlites. Na Figura 1.21 o exemplo novamente de uma imagem
com resoluo de 30 metros, onde h estradas de terra, cujas larguras so inferiores a 10 m.
Devido ao tamanho dos pixels ser de 30 por 30 metros, eles integram as reas da estrada e da
vegetao marginal, constituindo um pixel mistura que define um valor qualquer de
reflectncia. Tal valor no ser nem o valor puro da reflectncia da estrada e nem o da
vegetao. Mas como na banda do visvel a estrada tem uma alta reflectncia, muito superior
reflectncia da vegetao, o valor mdio da reflectncia do pixel mistura se aproximar
mais do valor da reflectncia da estrada do que da vegetao. Nesse caso, os pixels misturas
que contm a estrada e a vegetao tero um nvel de cinza mais claro que os pixels puros,
apenas com vegetao. Tal efeito de contraste apresenta-se como uma aparente melhoria na
resoluo espacial da imagem. Para confirmar esse efeito da resoluo espectral, na resoluo
espacial, observe que quando a banda espectral selecionada for de comprimento de onda do
infravermelho prximo (figura da esquerda), a estrada dificilmente identificada, porque
neste caso, as reflectncias da estrada e da vegetao so muito prximas, portanto, sem um
contraste espectral.
Infelizmente, no possvel aumentar, indefinidamente, qualquer um dos trs
parmetros que medem a resoluo espectral do sensor: largura das bandas, posio das
bandas ao longo do espectro eletromagntico e nmero de bandas. Um sensor com centenas
de bandas espectrais, com o fim de se ter uma amostragem detalhada do comportamento
espectral da refletncia dos objetos aumenta, significativamente, a taxa de transmisso de
dados do satlite para Terra, exigindo-se em se colocar no satlite equipamentos mais
potentes para transmisso (transponder), o que implica em maior consumo de energia
eltrica. Larguras de bandas muito estreitas diminuem a quantidade de energia radiante do
pixel, o que ocasiona baixa razo sinal/rudo.
banda no visvel
banda no infravermelho prximo
Fig. 1.21 Efeito da resoluo espectral na identificao de alvos (estradas de terra) em reas de relativa densa
vegetao, cujas dimenses so inferiores resoluo espacial de 30 m da imagem.
De certa forma, por essas restries que se v atualmente, nos exemplos dos
sensores orbitais em operao, certo comprometimento entre a resoluo espectral e a
resoluo espacial. Normalmente, os sensores de alta resoluo espacial para compensarem o
grande volume de dados que tem de ser transmitido para Terra, possuem poucas bandas,
29
limitadas s faixas espectrais do visvel e do infravermelho prximo. So assim considerados

sensores de alta resoluo espacial e baixa resoluo espectral. Ao contrrio, um sensor de
baixa resoluo espacial, como o ASTER, compensado pelo maior nmero de bandas (14
bandas).
1.8.3
Resoluo Radiomtrica
A medida pelos detectores da intensidade de radincia da rea de cada pixel unitrio
denominada de resoluo radiomtrica. Maior ser a resoluo radiomtrica, quanto maior for
a capacidade do detector para medir as diferenas de intensidades dos nveis de radincia.
Quanto maior for essa capacidade, maior ser a resoluo radiomtrica. Ela define o nmero
de nveis de radincia que o detector pode discriminar.
Em funo da intensidade da radiao de entrada no sensor, a resposta de sada dos
detectores convertida eletronicamente em um nmero digital discreto. Tambm se d o
nome de quantizao medida da resoluo radiomtrica. Em termos prticos, a quantizao
do sinal medida pelo intervalo de nmero de valores digitais usados para expressar os
valores de radincia medidos pelo detector. A quantizao normalmente expressa em
termos de nmeros de dgitos binrios (bits). Quanto maior a quantizao, maior ser a
qualidade visual da imagem, como mostra a Figura 1.22. Nesta figura, observa-se que a
imagem de 8 bits (28=256) tem detalhes visuais melhores que as imagens de menores
resolues radiomtricas de 6, 4 e 2 bits. A imagem de 2 bits possui apenas 4 nveis de cinza.
8 bits
6 bits
4 bits
2 bits
Fig. 1.22 Exemplos de imagens com diferentes nveis de quantizao ou de resoluo radiomtrica.
30
A maioria dos sensores multiespectrais com resoluo espacial de 10 a 30 metros

trabalha com resolues radiomtricas de 8 bits, isso , possui capacidade de discriminar at
256 valores de radincia por banda espectral. J os sensores com alta resoluo espacial, com
tamanho de pixel de 1 metro, possuem resolues radiomtricas de 10 ou 11 bits (1024 ou
2048 valores digitais). Para ilustrar essa questo, imaginemos uma rea de floresta com
rvores que exibem pequenas variaes na intensidade da cor verde de suas folhas, que o
componente da vegetao que ir interagir com a luz solar incidente. Com uma imagem com
pixel de 30 metros vrias rvores estaro dentro da rea do pixel. Nesse caso, a radincia
medida pelo sensor ser uma mdia da reflectncia de vrias rvores, e no de rvores
individuais. A floresta ser, portanto, identificada nas imagens por uma textura tonal que ser
bem distinta de uma rea vizinha com menor densidade de vegetao, como um cerrado
sensu strictu. Isso nos diz que as imagens somente possibilitam diferenciar classes de alvo
(mata e cerrado). Sendo assim, para reconhecer classes de alvos, no h necessidade de uma
refinada medida da radincia, bastando uma imagem com resoluo de 8 bits. J, para uma
imagem com 1 m de resoluo espacial, as rvores podem ser individualmente detectadas.
Havendo sutis variaes de reflectncia entre as rvores, a imagem dever ter uma resoluo
radiomtrica de 10 ou 11 bits, para que se possa diferenciar possveis variaes espectrais
entre as espcies de rvores. A Figura 1.23 exemplifica essa discusso, apresentando a
comparao de uma composio colorida de imagens Ikonos com resolues radiomtricas
de 11 bits e espacial de 1 metro, com uma composio de imagens ETM+ com resolues
radiomtricas de 8 bits e espacial de 30 metros.
imagem IKONOS (11 bits)
imagem Landsat ( 8 bits)
Fig. 1.23 A identificao dos objetos como elementos individuais da paisagem (rvores) ou como classe (mata)
respectivamente, nas imagens IKONOS e Landsat, determinada pela relao entre os valores das resolues
espacial e radiomtrica.
1.8.4
Resoluo Temporal
Refere-se frequncia que o sensor revisita uma rea e obtm imagens peridicas ao
longo de sua vida til. Isso s possvel porque os satlites de sensoriamento remoto
31
executam uma rbita heliossncrona, que um caso particular de uma rbita semipolar. O
plano de rbita sempre fixo e ortogonal ao sentido de rotao da Terra. Assim, o satlite
passa sobre o mesmo ponto da superfcie da Terra na mesma hora. Orbitam com uma
inclinao em relao ao equador de 97 a 98o a uma altitude nominal prxima de 550 a 900
km e o tempo de viagem para completar uma rbita de aproximadamente 90 minutos. Num
tempo de 24 horas, aproximadamente 14 rbitas se completam. Considerando-se que os
sensores a bordo dos satlites conseguem imagear somente uma faixa da Terra com algumas
dezenas ou centenas de quilmetros de largura, as 14 rbitas imageadas em um dia ficam
distanciadas entre si de milhares de quilmetros devido s velocidades relativas de rbita do
satlite, e da rotao da Terra no sentido de oeste para leste. A cada novo dia, a posio da
rbita progride na direo oeste. Esse processo de cobertura pode ser exemplificado
considerando-se as caractersticas de imageamento do satlite Landsat (Figura 1.24). Cada
rbita do Landsat cobre uma faixa no terreno de 185 km de largura. As rbitas tomadas no
mesmo dia se distanciam entre si de 2.875 km, sendo necessrios 16 dias para concluir o
recobrimento total do globo. O princpio o mesmo para qualquer outro satlite. O que ir
variar a resoluo temporal do imageamento, pois cada sensor imageia faixas no terreno de
larguras diferentes.
A resoluo temporal fundamental para acompanhar ou detectar a evoluo ou
mudanas que ocorrem na Terra, principalmente para alvos mais dinmicos, como o ciclo
fenolgico de culturas, desmatamentos, desastres ambientais, tendo forte impacto na
monitorao ambiental. A Figura 1.25 um exemplo de uma rea agrcola com vrios pivs
de irrigao, e que no intervalo de nove anos mostra as alteraes no parcelamento dos
cultivares e aumento do nmero de pivs. Atualmente, pela facilidade com que se pode
reposicionar a visada de um sensor, de nadir para off nadir (fora da vertical), muitos satlites
oferecem a possibilidade de revistas rea em espaos de tempo de dois a trs dias.
2752 km
2752 km
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Fig. 1.24 Padro de recobrimento de rbitas completadas em um nico dia pelo satlite Landsat (a) e no perodo
da resoluo temporal de 16 dias (b). (Fonte: Novo, 1996).
32
Fig. 1.25 Imagens Landsat de rea agrcola obtidas nos anos de 2000 (a) e 2009 (b). Notar o crescimento de
pivs centrais e a modificao do parcelamento dos cultivares.
33
FORMATOS DAS IMAGENS DE

SENSORIAMENTO REMOTO
5.1
Imagem Digital
As imagens de sensoriamento remoto devem ser vistas como uma forma de
documentos que representam, em escala e sobre um plano 2D, os acidentes e as feies
naturais e artificiais da superfcie terrestre, a partir da medio de um processo fsico da
radiao eletromagntica. A energia da radiao eletromagntica conduz de forma analgica
a informao sobre os objetos e no sensor um conversor analgico/digital converte essa
informao em um valor digital, codificado por uma unidade denominada de pixel. A forma
digital do dado que possibilita o uso de computadores para processar as imagens, com o
objetivo principal de representar pores bem definidas do espao terrestre, utilizando-se de
processamentos matemticos, estatsticos e probabilsticos dos dados. Os limites do espao
so configurados pelos pixels, os quais, como veremos, esto organizados na disposio de
linhas e colunas. Embora estejamos falando de valores numricos (imagem digital), os limites
de qualquer poro da imagem no so matemticos. No so limites como o que vemos em
uma carta topogrfica, esses sim, limites matemticos, geralmente definidos por meridianos e
paralelos. Ento, percebemos que h uma clara distino entre a representao dos dados de
uma imagem com a representao dos dados do espao terrestre pelas cartas topogrficas. Da
a razo de nos referirmos localizao dos objetos em uma imagem por meio de coordenadas
espaciais dos pixels (linhas e colunas). A imagem de sensoriamento remoto, qualquer que
seja ela, no possui um sistema de referncia de projeo cartogrfica. Por isso,
aconselhvel conhecer algumas caractersticas do formato dos dados das imagens, antes de se
iniciar o processamento dos dados.
Como foi apresentado nos captulos anteriores, a imagem de um sensor obtida pela
varredura do terreno em linhas sequenciais, cada linha sendo amostrada por uma rea unitria
(pixel). O sensor registra os pixels no formato de uma grade retangular ou quadrada, e o valor
do pixel correspondente ao valor de radincia, emitncia ou de retroespalhamento dos alvos
convertido no sensor para um valor digital discreto e finito. O valor digital do pixel uma
mdia dos valores de radincia, emitncia ou retroespalhamento, dos diferentes alvos que
podem estar contidos no pixel. Os pixels podem ser pixels puros (um s objeto) ou pixels
misturas. Em terra, estaes terrestres de rastreamento gravam o sinal digital transmitido do
satlite por telemetria, e em laboratrios a imagem no formato raster produzida para
distribuio aos usurios.
Os algoritmos de processamento veem esse formato como uma matriz de dados
composta por milhares de linhas e colunas, na qual o valor de cada clula da matriz definido
pelas coordenadas que o pixel ocupa na matriz e pelo seu valor digital. Genericamente, podese definir qualquer imagem como sendo uma funo bidimensional representada por f (x,y)
(Gonzales e Woods, 1992). Quando x,y e os valores de amplitude f so quantidades discretas
(nmeros inteiros), a imagem uma imagem digital. Nas imagens de sensoriamento remoto
x,y referem-se s coordenadas espaciais da linha e coluna do pixel e o valor de f em qualquer
ponto x,y a medida da energia radiante refletida, emitida ou retroespalhada.
77
Na forma digital, o valor da funo f (x,y), representado por um nmero digital

quantizado em bits, que assume somente valores inteiros positivos, como mostrado na
Figura 5.1. Uma imagem f (x,y) possvel de ser processada por computadores e exposta na
tela do monitor, tem de ser digitalizada tanto espacialmente como em amplitude de nveis de
brilho (ou cinza). Digitalizao de coordenadas x,y refere-se amostragem de imagem, e
digitalizao de amplitude refere-se quantizao de nvel de brilho.
Ao olharmos para a Figura 5.1 podemos perguntar: por que no executar o
processamento em tipos de dados fracionrios (floating-point) que pode representar qualquer
valor? O problema o espao em disco. Maior o intervalo de valores dos dados, mais espao
em disco preciso. Por exemplo, tipo de dados em byte usa somente um nico byte para
representar o valor de cada pixel. Tipos de dados em integer usam 2 bytes para cada pixel,
enquanto floating-point usa 4 bytes. Assim, floating-point consome duas vezes mais espao
em disco do que o tipo integer.
(a)
Coluna (y)
Linha (x)
(b)
181
168
134
107
87
181
154
101
60
20
195
148
53
13
181
148
40
26
94
181
175
134
208
101
(c)
Fig. 5.1 Imagem digital (a) com rea em zoom de grupo de pixels em valores de cinza (b) e correspondentes
valores digitais (c).
Nas imagens de sensoriamento remoto o primeiro pixel da imagem situa-se na posio

do canto extremo superior esquerdo. Assim, as linhas so contadas de cima para baixo e as
78
5.3
Formatos de Salvamento
O salvamento de imagens um procedimento corriqueiro durante uma seo de
trabalho de processamento de imagens, e a forma de salvar um dado um procedimento
controlado pelo software em uso. O importante conhecer em que tipos de formatos as
imagens podem ser salvas, quando preciso transfer-las para outros software.
A maioria dos programas de processamentos de imagens de sensoriamento remoto
assegura ao usurio o salvamento das imagens nos formatos nativos de outros programas. Por
exemplo, uma imagem processada no programa ENVI, pode ser criada com um arquivo de
sada nos formatos nativos ArcView Raster, ER Mapper, ERDAS IMAGINE, PCI, IDRISI,
SPRING, ou nos formatos para visualizao de imagens. A Tabela 5.1 mostra os software de
uso mais comuns. Na tabela, o arquivo descritor contm informaes que permitem ler os
dados da imagem no formato do arquivo nativo.
Tabela 5.1 Principais software de processamento de imagens.
Software
IDRISI
ENVI
MULTISPEC
ERDAS
SPRING
ARCVIEW
PCI
ERDAS ERMAPPER
Formato Nativo
.RST
.IMG
.LAM, .IMG
.GRB
.BIL
.PIX
.ERS
Arquivo descritor
.RDC
HDR, TFW
.STA
Fabricante
Clark Labs
RSI Research Systems Inc.
Purdue Research Foudantion
Leica Geosystems
INPE - Instituto Nacional de Pesquisas Espaciais
ESRI Environmental Systems Research Institute
Geomatic
ERDAS Earth Resource Data Analysis System
Alm desses formatos nativos de programas de processamento de imagens, h opes

de salvamento nos formatos comuns para visualizao de imagens. A escolha do formato
deve garantir que se preserve o mximo possvel a imagem a ser salva, em termos de
qualidade e quantidades de cores, contrastes, tamanho mximo do arquivo, e outros.
Os formatos mais usados so dos tipos JPEG, BMP, TIFF, PNG. Ramos (2000)
destaca algumas informaes referentes a cada um desses arquivos, que em resumo so
apresentadas abaixo, segundo o referido autor:
JPEG (Joint Pictures Expert Group). um tipo de arquivo para armazenamento de imagens
com esquema de 24 bits. Isso significa que esse formato aceita 16,8 milhes de cores. Devido
limitao da viso humana em distinguir, no mximo, entre trs a cinco mil cores, so
subtradas algumas informaes das cores, preservando somente o que o olho humano pode
enxergar. Esse processo conhecido como compresso, mas no h perda da qualidade da
imagem, com a vantagem de gerar um arquivo no muito grande.
PNG (Portable Network Graphics). uma verso concorrente do JPEG com esquema de
cores de 24 bits, 16,8 milhes de cores. A vantagem sobre o formato JPEG que a
compresso dos dados mais eficiente, no causando perda de qualidade a cada salvamento,
o que possibilita maior fidelidade imagem original.
BMP (Bit MaP). Desenvolvido para aplicaes no sistema Windows um formato muito
simples, com mnimas possibilidades de erro na interpretao dos arquivos. Como no h
compresso de dados, a qualidade da imagem a melhor possvel, mas em compensao o
80
tamanho dos arquivos BMP muito grande. Utiliza o esquema de 24 bits de cor para imagens
com 16 milhes de cores simultneas, 16 bits para imagens com 65.536 cores e 8 bits para
imagens com 256 cores.
TIFF (Tagged Image File Format). Foi desenvolvido como uma tentativa de se criar um
padro para imagens geradas por equipamentos digitais (ex. escaneador). um formato capaz
de armazenar imagens em preto e branco, em escalas de tons de cinza e em paletas de cores
com 24 ou 32 emphbits. Tem a vantagem de ser reconhecido por qualquer tipo de programa
de processamento de imagens. O formato TIFF baseado em entidades lgicas (campos
TIFF), cada uma consistindo de uma etiqueta (Tag), cada um com um significado especfico,
que descreve atributos e parmetros dos dados de uma imagem.
ASCII (American Standard Code for Information Interchange). Muitas vezes pode ser
solicitado ao usurio o salvamento de arquivos que no so imagens, mas de dados obtidos
durante o processamento, e que podem ser armazenados na forma de um arquivo texto. O
formato ASCII usado para essa funo. um tipo de formato binrio de codificao de
caracteres (letra, nmero ou smbolo) que so representados por oito bits. O sistema totaliza
128 caracteres. So exemplos de arquivos ASCII, grficos, coordenadas x,y ou x,y,z de
dados, cabealhos de imagens, anotaes, e outros.
81
DISTORES E CORREES DOS DADOS

DA IMAGEM
Tati de Almeida
6.1
O que Processamento de Imagens

Um segmento importante do processamento digital de imagens consiste na execuo
de operaes matemticas dos dados, visando as suas transformaes em imagens de
melhores qualidades espectrais e espaciais e que sejam mais apropriadas para uma
determinada aplicao. O que significa que o processamento de imagens de sensoriamento
remoto orientado para cada tipo de problema. Por exemplo, uma tcnica que eficaz na
remoo de rudos presentes em uma imagem, da qual interessa apenas a sua textura e no
tanto a identificao de bordas, no eficaz para identificar as altas frequncias que
caracterizam as mudanas de padres em reas urbanas.
O processamento de imagens configurado por algoritmos especializados, que
disponibiliza para o usurio a aplicao de uma grande variedade de tcnicas de
processamento. Os algoritmos tratam matematicamente a imagem como um dado diretamente
relacionado ao processo fsico que o criou. Porm, a representao e o processamento
matemtico da imagem no 100% a representao do mundo real. Por isso, sempre caber
ao usurio e no apenas ao computador, a anlise e a interpretao dos dados contidos na
imagem.
O formato matricial das imagens facilita operaes matemticas e estatsticas para se
analisar o grande volume de dados que possuem as imagens de sensoriamento remoto.
Praticamente, todos os software especializados em processamento de imagens de
sensoriamento remoto dividem as tcnicas de processamento digital em dois tipos bsicos:
realce e classificao, s quais antecede uma fase de pr-processamento, cujo objetivo
corrigir preliminarmente os erros que os dados originais possam apresentar. No h um fluxo
de processamento pr-definido que o usurio seja obrigado a fazer. Por exemplo, o usurio
que deseja gerar um mapa temtico necessitar de informaes precisas da localizao dos
alvos que ele deseja investigar e por isso, as correes das distores geomtricas da imagem
so imprescindveis. Outro usurio que queira extrair dos dados as informaes espectrais dos
alvos para identificar a natureza de suas composies, estar mais preocupado em corrigir as
distores causadas pela atmosfera. Ainda outro usurio poder partir diretamente para uma
classificao no supervisionada, a fim de rapidamente, ter uma avaliao da distribuio das
classes de alvos dominantes na rea. Por isso, a Figura 6.1 deve ser vista como um quadro
sucinto das principais tcnicas de processamento que os software dispem, e no como um
fluxo de processamento a ser seguido. Os usurios de sensoriamento remoto sempre devem
ter em mente que no processamento de imagem o bom desempenho dos resultados obtidos
em uma rea, no necessariamente, pode ser reproduzvel para outras.
As tcnicas de pr-processamento so, essencialmente, funes operacionais para
remover ou corrigir os erros e as distores introduzidos nas imagens pelos sistemas sensores
devidos a erros instrumentais (rudos esprios), s interferncias da atmosfera (erros
radiomtricos) e geometria de imageamento (distores geomtricas).
82
IMAGEM DIGITAL
PR-PROCESSAMENTO
Correo de rudos
Correo atmosfrica
Correo geomtrica
TCNICAS DE REALCE
TCNICAS DE CLASSIFICAO
Transformaes Espectrais
Classificaes Temticas
Ampliaes de contraste
Operaes aritmticas
Componentes principais
Realce por descorrelao
Transformao de cores
Saturao de cores
Fuso de imagens
Supervisionada
- paraleleppedo
- mxima verossimilhana
- distncia mnima
- distncia de Mahalanobis
No supervisionada
- isodata
- K mdia
Segmentada
Espectral
Rede neural
Transformaes Espaciais
Filtros de convoluo
- passa alta
- passa baixa
- laplaciano
- direcional
- de bordas
- gradiente
Filtros adaptativos
Filtros de textura
Filtros de morfolgicos
Fig. 6.1 Apresentao das principais tcnicas de processamento de imagens segundo um modelo geral de diviso
dos tipos de processamento.
As tcnicas de transformao no domnio espectral e espacial listadas na Figura 6.1

tm a funo bsica de preparar para o analista uma imagem de alto contraste visual, a fim de
facilitar a interpretao da cena, poder explorar com melhores recursos toda a informao
contida na imagem e extrair informaes de interesse e/ou relacion-las com parmetros
estatsticos, num processo que objetiva otimizar ao mximo a anlise dos dados, em termos
de eficincia, tempo e custo. Os dados so trabalhados em funo dos valores digitais de cada
pixel individual (domnio espectral) ou em funo dos conjuntos de pixel vizinhos (domnio
espacial). Os resultados so novos arranjos de valores digitais representando melhoramentos
83
na qualidade visual das imagens. As tcnicas de classificao temtica tratam a imagem por
meio de complexos modelos estatsticos e probabilsticos, a fim de gerar um mapa temtico
com uma participao bastante reduzida do intrprete no processo do mapeamento.
No conjunto, essas tcnicas de processamento so um grande esforo para tornar mais
acessvel, numa forma interativa homem-mquina, a extrao de informaes que no mnimo
seriam difceis de serem obtidas com o uso de mtodos clssicos de interpretao. Desde o
incio do sensoriamento remoto orbital, muitos pesquisadores perceberam essa dificuldade,
devido maioria dos materiais ou alvos mostrar baixos contrastes espectrais de reflectncia,
emitncia e retroespalhamento da radiao eletromagntica. Somente com cuidadosos
processamentos computacionais pode-se extrair a informao no limite mais ideal de anlise.
Alm do mais, se considerarmos o volume de dados que integra uma cena correspondente a
um conjunto de multibandas, haver centenas de milhes de dados registrados, e no h como
imaginar uma anlise sem os recursos de processamento.
Este captulo inicia a discusso das tcnicas de processamento de imagens
apresentando, primeiramente, os mtodos de pr-processamento para a correo das imagens.
Cada captulo que segue abordar as tcnicas de processamento seguindo, aproximadamente,
o quadro mostrado na Figura 6.1.
6.2
Pr-processamento de Imagens Digitais
Muitos dos problemas identificados nas fotografias areas ocorrem de formas bastante
semelhantes com as imagens digitais de sensoriamento remoto. So vrias as fontes que
geram esses problemas, a maioria devido aos erros e defeitos que os sensores possam
apresentar ao longo de sua vida til, e por perdas de estabilidade da plataforma que aloja o
sensor. Mas h fontes de erros que independem da plataforma ou mau funcionamento do
sensor. A atmosfera uma dessas fontes externas de erros, que pode gerar com intensidades
diferentes, severas distores nos dados das imagens. No conjunto, os erros ou distores que
as imagens esto sujeitas, vo se apresentar nas deformaes de escala, incorrees nas
posies espaciais dos pixels, perda de contraste entre os alvos ou registros incorretos dos
valores digitais dos pixels.
Quando o intrprete, analista ou usurio utiliza a imagem para obter a informao que
procura, frequentemente necessrio corrigir a imagem, ou compens-la dos erros que
apresenta. Algumas dessas correes so realizadas antecipadamente distribuio das
imagens, enquanto outras cabem, exclusivamente, deciso do usurio.
As correes dessas distores fazem parte do conjunto de funes de processamento
que se denomina de pr-processamento. As tcnicas de pr-processamento so assim
denominadas, porque elas no visam transformaes das imagens, as quais tm, como
principal objetivo, melhorar a qualidade visual da cena. As correes dos diferentes tipos de
erros que a imagem pode apresentar so modeladas de acordo com o tipo da estrutura dos
erros, conhecendo-se qual a fonte de distoro. Constitui uma importante etapa de
processamento, porque nos processamentos subsequentes, tais como as transformaes de
realces espectrais, essas imperfeies seriam tambm realadas.
A ordem da correo da imagem depende dos objetivos do trabalho ou da pesquisa
que o intrprete props fazer, podendo iniciar pela correo radiomtrica, atmosfrica ou
geomtrica, ou todas serem realizadas. Por isso, os itens a seguir no devem ser vistos como
uma sugesto de ordem de pr-processamento.
84
6.2.1
Eliminao de Rudos
As imagens podem conter erros aleatrios de pixels ou erros coerentes de linhas de
pixels que, normalmente, se mostram como pixels ou linhas com valores saturados (claros),
ou sem sinal (escuros). reconhecido como um erro do valor digital do pixel. So
denominados de rudos e, tipicamente, esses rudos esprios e imprevisveis so decorrentes
de erros instrumentais. Nem sempre essas formas de rudos so percebidas pelo analista, e por
isso devem ser corrigidas, antecipadamente, nos laboratrios de produo de imagem, antes
de ser distribudas para o usurio. Quando isso no acontece cabe ao usurio processar a
eliminao do rudo usando as opes de algoritmos que os software de processamento de
imagem oferecem. Os rudos, normalmente, se apresentam em trs formas: como linhas
ruidosas, pixels ruidosos ou conjunto sistemtico de linhas ruidosas, que se denomina de
striping.
Linhas ruidosas consistem na m qualidade de pixels ao longo de uma linha ou
mesmo da perda total de informao ao longo de toda uma linha ou de algumas linhas, devido
a problemas diversos, como o de saturao do detector na medida do sinal, falha na aquisio
dos dados ou erro na transmisso ou registro de dados em Terra. um tipo de rudo aleatrio,
isso , no tem um padro definido. A linha ruidosa reconhecida na imagem pela aparncia
de uma linha escura, sinal perdido, ou clara, sinal saturado, como mostra a Figura 6.2. Filtros
de mediana poderiam ser usados para remover esse tipo de rudo, mas h o inconveniente de
eles alterarem muitos outros pixels da imagem.
Fig. 6.2 Linhas ruidosas por saturao mxima do sinal.
O mtodo mais usado para corrigir ou recompor linhas de pixels ruidosos substituir
a linha ruim pelo valor mdio dos pixels correspondentes das linhas anterior e posterior. Se
aceita isso porque na natureza os alvos possuem uma alta correlao espacial, portanto com
alta probabilidade de repetio de suas propriedades espaciais e espectrais, por grandes
extenses de reas no sentido longitudinal e transversal das linhas.
Pixels ruidosos isolados podem ser substitudos pelas mdias dos vizinhos mais
prximos, desde que haja segurana que os pixels vizinhos sejam pixels bons. O
procedimento de correo segue a mesma suposio para corrigir as linhas ruidosas.
Em ambos os casos, deve-se calcular as mdias das linhas superior e inferior, ou as
mdias dos pixels vizinhos em torno do pixel ruidoso individual. O algoritmo deve ser capaz
de, antes de efetuar a correo, testar realmente se existe rudo presente na imagem. O
esquema abaixo demonstra esse procedimento para a correo de um pixel ruidoso. Para se
fazer o teste, verifica- se as diferena das mdias dos pixels vizinhos, comparando-as com o
valor do pixel ruidoso.
85
ND1
ND2
ND3
ND4
ND
ND6
ND7
ND8
ND9
Mdia 1 = (ND1 + ND7 + ND3 +ND9)/4

Mdia 2 = (ND2 + ND8 +ND4 +ND6)/4
DIF = [ Md1 Md2]
Se ND MD1 ou ND MD2 > DIF, ento ND = MD2 ou ND= MD1

Se ND MD1 ou ND MD2 < DIF, ento ND= ND
O striping consiste num tipo de rudo coerente, cujo efeito o aparecimento de faixas
horizontais regularmente espaadas nas imagens, dando a aparncia de uma persiana que
mostra abruptas diferenas de nveis de cinza, originadas por diferenas das respostas do
conjunto de detectores de uma banda. Por exemplo, as bandas do visvel e do infravermelho
refletido do sensor ETM do satlite Landsat 7 so constitudas, cada uma, de dezesseis
detectores rigorosamente iguais que varrem simultaneamente dezesseis linhas no terreno.
Caso um ou alguns desses dezesseis detectores, por algum motivo descalibra-se, as suas
respostas em termos de valores de radincia sero notavelmente diferentes para aquelas
linhas, em relao s outras linhas imageadas pelos outros detectores. A Figura 6.3 mostra o
efeito desse tipo de rudo. Para a correo de striping assumido que os detectores de uma
banda produzam sinais estatisticamente similares, ou seja, que no mudem significativamente
a sua mdia e desvio padro dentro de um espao equivalente s linhas imageadas pelo
conjunto de detectores. Um dos detectores escolhido como referncia e a mdia () e o
desvio-padro () so calculados. As mdias e os desvios-padres de cada um dos outros
detectores so linearmente ajustados aos valores do detector de referncia. Por ser uma
distoro severa, normalmente, o striping corrigido nos laboratrios de produo de
imagens. A transformao para o detector i, segundo Showengerdt (1997), tem a formulao
abaixo, que aplicada a todos os pixels daquele detector.

eq. 6.1
Fig. 6.3 Imagem com a presena de faixas de linhas ruidosas conhecidas como striping, causadas pela
descalibrao dos detectores de uma banda.
86
6.2.2
Correo Atmosfrica
Mais comprometedor do que os rudos aleatrios ou coerentes, so as degradaes que
alteram radiometricamente a imagem por completo. A fonte de erro dessa degradao ou
distoro radiomtrica a atmosfera, cuja intensidade de efeitos dependente do
comprimento de onda, da data de imageamento e da trajetria da radiao. A atmosfera afeta
a radincia medida em qualquer ponto da imagem, de duas maneiras aparentemente
contraditrias. Primeiro, ela atua como um refletor, adicionando uma radincia extra ao sinal
que detectado pelo sensor. Segundo, ela atua com um absorvedor, atenuando a intensidade
de energia que ilumina o alvo na superfcie. Quando a atenuao acima de um valor, a
transparncia da atmosfera torna-se opaca em determinados comprimentos de onda,
impossibilitando a obteno de imagens. Portanto, quando temos uma imagem, nela devemos
apenas verificar a degradao que pode ter sido causada pelo espalhamento atmosfrico,
avaliando quanto de radiao foi adicionada ao pixel e que sabemos no ser proveniente do
alvo. Na maioria das vezes, os efeitos do espalhamento atmosfrico so sempre o de
diminuir o contraste entre os alvos presentes na imagem. Nesse caso, o valor do sinal
detectado pelo sensor pode ser expresso como a equao 6.2.

onde,
eq. 6.2
= radincia total medida no sensor

= reflectncia do alvo
= irradincia sobre o alvo
= transmitncia da atmosfera
= radincia (aditiva) da atmosfera
Diante de qualquer circunstncia, a radincia medida pelo sensor difere da radincia

real do material, devido ao efeito aditivo do espalhamento dos raios causados pelos aerossis,
gases e molculas dgua da atmosfera (Latm). O efeito aditivo o que se denomina de haze e
que reduz o contraste da imagem. Desde que as condies atmosfricas so um processo
dinmico de rpida mutao, fcil imaginar que de acordo com as suas mudanas haver
uma correspondente variao na reflectncia dos materiais da superfcie terrestre, de imagem
para imagem ou entre imagens de datas diferentes. Quando essas condies atmosfricas so
acentuadas, a anlise das informaes contidas nas imagens imprecisa.
No esquema da Figura 6.4, semelhana do que vimos na Figura 1.11, so mostradas
as vrias maneiras pela qual o espalhamento atmosfrico influencia as imagens coletadas de
alta altitude. O fluxo de radiao solar ao atravessar a atmosfera pode ser parcialmente
espalhado, antes que atinja a superfcie terrestre (a). Como consequncia a superfcie terrestre
irradiada diretamente pelo fluxo solar e indiretamente pelo fluxo espalhado do cu. Quando
a rea irradiada do alvo reflete a radiao na direo do campo de visada do sensor, ao
atravessar de volta a atmosfera, ela novamente espalhada (c). A essa radiao se soma o
fluxo espalhado da atmosfera (b) que no proveniente do alvo da superfcie. Esse tipo de
radiao fornecer ao sensor uma contribuio adicional reflectncia que nada tem a ver
com o alvo em si. A contribuio tambm poder provir de pontos da superfcie terrestre, fora
do campo de visada do sensor (d). Essas contribuies adicionais reduzem o contraste da
cena, retirando alguns detalhes mais finos e causando certa confuso na discriminao entre
os alvos presentes na cena.
87
b
a
c
d
Pixel do alvo
imageado
Pixel do
alvo vizinho
Fig. 6.4 Modos de espalhamento da radiao pela atmosfera, contribuindo com o aumento da reflectncia do
alvo que chega ao sensor.
Torna-se bvio que para uma interpretao confivel das imagens de satlite
necessrio remover os efeitos que a atmosfera introduz. Uma rigorosa soluo desse
problema no possvel sem conhecer com exatido os parmetros que caracterizam o estado
atmosfrico da rea, principalmente, quando o intrprete precisa identificar as naturezas de
composio dos constituintes dos materiais, por meio da anlise de suas reflectncias. Esses
parmetros atmosfricos precisam ser conhecidos no momento em que o sensor adquiriu a
imagem. O ideal seria dispor de frequentes medies locais com estaes meteorolgicas ou
com equipamentos de radiossondagem, para no mnimo, estimar se as condies atmosfricas
so muito claras, moderadas, hazy ou muito hazy. Como obter esses dados um problema
para a maioria das reas, foram desenvolvidas tcnicas de processamento opcionais de
correo atmosfrica, com resultados satisfatrios, estimadas a partir dos prprios dados das
imagens multibandas. Esses mtodos se aplicam s imagens multiespectrais com bandas de
ampla largura espectral, como as imagens do CBERS, Landsat ou SPOT.
6.2.2.1
Subtrao do escuro (Dark Subtraction)
Dentre as vrias tcnicas propostas, a correo atmosfrica pelo uso do limite inferior
dos valores digitais do histograma de cada banda, tem sido considerada a mais aceita.
assumido que cada banda da imagem deveria conter alguns pixels com valores prximos ou
iguais a zero, cujas origens mais comuns seriam as reas de sombras de relevo. Mas, devido
aos efeitos do espalhamento atmosfrico adicionado um valor de brilho a todos os pontos da
imagem, e as reas sombreadas deixam de exibir pixels com valores zero ou bem prximos
de zero. Consequentemente, se os histogramas de cada banda fossem analisados, os pixels
com valores digitais mais baixos no seriam zero, como mostra a Figura 6.5. Os histogramas
aparecem deslocados da origem, sendo a quantidade de deslocamento proporcional ao inverso
do comprimento de onda elevado quarta potncia, conforme prev o espalhamento Rayleigh
de uma atmosfera com espalhamento molecular.
Na Figura 6.5 visto que o espalhamento aditivo decresce dos menores para os
maiores comprimentos de onda. Identificado o valor adicionado aos histogramas de cada
banda individual, esse valor deve ser subtrado da banda, porque o espalhamento causa s
imagens uma aparncia desfocada ou de nvoa, devido perda de contraste da imagem. A
88
correo dessa distoro atmosfrica chamada de haze removal ou dark subtraction. No

aconselhvel usar essa tcnica para imagens de reas pequenas, porque seriam menores as
chances de se ter relevos sombreados.
ETM banda 1 (0,45-0,52 m)

57
ETM banda 2 (0.52-0,60 m)

44
ETM banda 3 (0,63-0,69 m)

32
ETM banda 4 (0,76-0,90
m)
28
ETM banda 5 (1,55-1,75 m)

20
ETM banda 7 (2,08-2,35
m)
11
Fig. 6.5 Histogramas das bandas do sensor ETM com a indicao do valor digital que mede a quantidade de
espalhamento atmosfrico adicionada ao sinal (Adaptado de Richards e Jia, 2006).
O mtodo dark subtraction tambm no se aplica aos sensores hiperespectrais. As

imagens desses sensores, em nmero de centenas de bandas de larguras espectrais bem
estreitas, so altamente sensveis ao espalhamento atmosfrico. A correo radiomtrica das
imagens exige complexos algoritmos de processamento, com entrada de dados de parmetros
especficos das condies atmosfricas e do sensor. O processo no s envolve a correo
atmosfrica, mas a transformao da imagem digital para imagem de reflectncia,
possibilitando comparar os espectros de reflectncia obtidos em laboratrio ou no campo,
com os espectros de reflectncia extrados da imagem. Esse assunto ser tratado adiante,
quando forem discutidas as tcnicas espectrais de classificao de imagens hiperespectrais.
6.2.3
Correo das Distores Geomtricas
A correo das distores geomtricas trata, prioritariamente, da remoo de erros
sistemticos presentes em todos os tipos de imagens de sensoriamento remoto. Isso
89
realizado em duas etapas distintas. Inicialmente, na primeira etapa de correo so eliminadas

as distores geomtricas sistemticas que so introduzidas no momento de aquisio das
imagens devidas rotao, inclinao e curvatura da Terra e devida instabilidade da
plataforma. Efetivamente, essa primeira etapa o que se deve denominar de processo de
correo geomtrica de imagens. Como depende de uma srie de parmetros da exatido de
posicionamento da plataforma, que o usurio no tem conhecimento e nem acesso, a correo
geomtrica fica a cargo dos laboratrios de produo de imagens, pois para se efetuar uma
boa correo geomtrica, devem-se conhecer as fontes de erros que interferem no processo de
aquisio da imagem. A escolha do modelo matemtico mais adequado depende, fortemente,
desse conhecimento.
Com a imagem corrigida geometricamente, inicia-se a segunda etapa do processo,
para se corrigir as distores geradas pela visada cnica dos sensores, e que deve ser
realizada pelo usurio. O objetivo inserir na imagem um sistema de projeo para se
estabelecer um referencial de coordenadas que possibilite localizar na imagem a posio
geogrfica dos alvos. Isso constitui o que se denomina de georreferenciamento de imagens,
que consiste apenas no uso de transformaes geomtricas simples, usualmente
transformaes polinomiais, para estabelecer um mapeamento entre as coordenadas espaciais
da imagem e as coordenadas geogrficas de cartas topogrficas.
6.2.3.1
Correo geomtrica
Para avaliar porque as distores geomtricas ocorrem, necessrio, primeiramente,
imaginar que uma imagem formada de linhas sequenciais de pixels. Uma imagem registra N
linhas de M pixels, dispondo as linhas sucessivamente, uma abaixo da outra. Como
normalmente o IFOV (instantaneous field of view) que determina a rea de resoluo no
terreno (resoluo espacial) quadrado, por exemplo, 20 x 20 m, a formatao da imagem o
mesmo que arranjar os pixels em uma grade, tal como mostrado na Figura 6.6. Os pontos de
interseces da grade so as posies dos pixels e o espaamento entre os pontos da grade
igual ao IFOV do sensor.
Posio do
pixel
pixel
IFOV
M
Erro RMS
Fig. 6.6 Grade usada para formatar os pixels da imagem digital.
90
As distores geomtricas so os desajustes dessa grade de pixels. Na imagem digital

isso deve ser entendido como a mudana de posio do pixel na grade. Como o pixel visto
por um valor de brilho ou de nvel de cinza, se ele mudou de posio pode-se, ento, dizer
que aquele pixel na grade teve uma mudana de valor de brilho. Devido alta altitude dos
satlites de sensoriamento remoto, uma pequena mudana da plataforma pode causar grandes
distores de posio dos pixels na imagem. As fontes de distores geomtricas so mais
diversas do que as radiomtricas, as principais sendo devido :
a)
b)
c)
d)
rotao da terra durante o tempo de imageamento

instabilidades dos eixos de posicionamento da plataforma
curvatura da Terra
campo de visada do sensor
No caso da distoro devido rotao da Terra a natureza e magnitude da fonte de

distoro so conhecidas, e assim fica fcil elaborar um modelo matemtico para estabelecer
uma frmula de correo geomtrica. Durante o tempo de imageamento gasto para um sensor
obter uma imagem, a Terra est rotacionando de oeste para leste, de modo a provocar um
deslocamento relativo das linhas de imageamento para oeste, como mostra a Figura 6.7. A
quantidade de deslocamento para oeste depende da velocidade relativa do satlite, da
dimenso da rea imageada e da latitude da rea. Como se conhece os dados para se calcular
a magnitude do deslocamento em cada situao, que so a velocidade angular do satlite e a
velocidade de rotao da Terra, possvel modelar, especificamente, esse tipo de distoro, e
fazer uma correo para as linhas serem deslocadas para a direita, numa posio que assegure
que as feies estejam em correta posio, relativa uma com a outra, ao longo de toda a
imagem. O deslocamento das linhas da ordem de uma dezena de quilmetros para os
satlites tipo Landsat ou CBERS. As imagens distribudas j vm processadas com a correo
necessria.
pixel
Movimento do
satlite
Rotao da Terra
Fig. 6.7 Deslocamento das linhas de imageamento devido ao movimento de rotao da Terra no sentido oeste
leste.
As distores geomtricas causadas pela variao de altitude provocam distores de

escala da imagem, enquanto as distores provocadas por variaes dos eixos de atitude do
satlite (inclinao, rolamento, arfagem), causam rotaes transversais e longitudinais
relativas linha de voo do satlite (Figura 6.8) Essas distores so semelhantes s que
ocorrem em aerolevantamentos fotogrficos. Informaes telemtricas das efemrides da
plataforma so continuamente enviadas para as estaes terrestres de rastreamento e
computadas para aplicar a correo necessria.
91
arfagem
velocidade
inclinao
inclinao
rolamento
arfagem
rolamento
direo de velocidade
Fig. 6.8 Efeitos das distores geomtricas causadas pelo movimento da plataforma.
A distoro devido curvatura da Terra dependente da largura da faixa de

imageamento da rbita do satlite, mas a maior influncia o efeito da geometria do plano de
inclinao da superfcie da Terra sobre a faixa imageada. Para os sensores que possuem um
pequeno ngulo FOV (7,5o) como o HRV do satlite SPOT, o ETM do Landsat, ou o CCD
do CBERS, com uma largura da faixa de imageamento no terreno entre uma a duas centenas
de quilmetros, a distoro no relevante. Para ngulos FOV da ordem de 40 o a 50o a
distoro da imagem passa a ser considervel, pois a largura da faixa de imageamento pode
atingir mais de 2000 km. O tamanho do pixel ao longo da linha de varredura pode ser de 3 a 5
vezes maior que o tamanho do pixel a nadir. o caso do sensor MODIS (MODerate
resolution Imaging Spectroradiometer).
As fontes de distores geomtricas devido ao grande campo de visada do sensor so
bem conhecidas dos fotointrpretes. Elas introduzem nas imagens dois tipos de distores: (i)
aumento da rea do pixel situado no extremo da imagem; (ii) deslocamento das posies dos
pixels ao longo da linha de varredura. Ambas so inerentes a todos os tipos de sensores, em
funo de a visada ser do tipo central ou cnica, semelhana dos sensores fotogrficos.
Portanto, nesses casos a correo da imagem trata, prioritariamente, da remoo de erros
introduzidos pelos campos de visada ptica do sensor. importante em sensoriamento
remoto quando a imagem integrada com outras fontes de informaes (ex: imagens
geofsicas), ou em estudos multitemporais, por serem as imagens tomadas por diferentes
sensores ou em datas diferentes.
A Figura 6.9 ilustra a geometria que os ngulos (IFOV) e (FOV) condicionam
esses dois tipos de distoro. No caso de aumento da rea do pixel, v-se pela figura que os
pixels ao longo da linha de varredura so amostrados a incrementos regulares definidos pelo
ngulo de visada instantneo (IFOV), na extenso definida pelo movimento do ngulo de
visada (FOV). Como resultado, a rea efetiva do pixel na extremidade (T) maior do que
na posio nadir (N). A visada do pixel como se ele fosse um trapzio. A distoro
semelhante a uma viso panormica. Dessa forma, haver uma pequena variao de escala
entre as reas do terreno a nadir N e off-nadir T. Como demonstrado trigonometricamente na
Figura 6.9, se a dimenso do pixel a nadir p, ento a sua dimenso na direo de varredura
estabelecida pelo ngulo ser p = hsec2. Para pequenos valores de T esse efeito
negligencivel. Por exemplo, no satlite Landsat 7 o maior valor de T 7,50, de modo que o
pixel (T) na extremidade da linha tem um pequeno incremento de tamanho (p = 1,02) do
92
pixel a nadir. Quando os pixels so arranjados para compor a grade de pixel da imagem
digital, como visto na Figura 6.6, eles so transcritos com o mesmo tamanho, enquanto a rea
equivalente do terreno no , mas isso no to relevante porque o incremento no tamanho
do pixel pequeno.
Relevante, de fato, o deslocamento que os pixels sofrem em funo dessa geometria
de imageamento. Na Figura 6.9 o arco centrado no sensor, que passa pelo ponto N posiciona
S a um ngulo de visada normal superfcie e mesma altura h que o ponto N. Nesse caso,
os pixels em N e em S medidos na visada inclinada, seriam do mesmo tamanho, sem qualquer
distoro. Mas como a imagem medida no terreno, o ponto S a projeo inclinada na
posio T. Se projetar S verticalmente ao terreno poder-se-, ento, medir a sua distncia a T.
Essa medida configura o deslocamento que os pixels progressivamente sofrem ao longo da
linha de imageamento. Conforme demonstrado por Richards e Jia (2006), para se medir o
deslocamento, basta calcular o valor do arco SN da Figura 6.9, S sendo a posio projetada na
qual o pixel T no terreno mostraria ter-se deslocado. SN/TN = /tan o grau de distoro
transversal linha. No caso do satlite Landsat, para (/tan)max = 0,99 os pixels nas
extremidades da linha, isso , a 92,5 km distantes a leste ou oeste da posio nadir, estaro
deslocados cerca de 314 metros da posio real no terreno. Essa uma distoro geomtrica
significante.
cos = h/d d= h/cos

como ngulo = arc/r
arc = ngulo () . r (d)
arc = x h = hsec
cos
hsec
cos = h
cos
1
p
cos = h
p
T
(p)
N
p
p = h sec2
Fig. 6.9 Distoro geomtrica da imagem devido visada cnica, causando deslocamento e aumento da rea do
pixel.
O efeito do deslocamento de pixel a deformao visual da imagem. Como os pixels

so registrados a uma separao angular igual ao IFOV, no ponto nadir N onde cos igual a
1, os centros dos pixels so espaados p. A um ngulo na posio T, os centros de pixels
sero espaados psec2. Assim, colocando-se os pixels sobre uma grade uniforme haver um
maior nmero de pixel por rea prxima ao nadir, do que nas reas extremas da linha de
93
imageamento. Dessa forma, a imagem sofrer uma compresso transversal linha de

varredura, com os alvos deformando-se, como ilustra a Figura 6.10.
Fig. 6.10 Efeito de distoro da imagem por compresso da linha de varredura devido taxa angular de
varredura constante. (Adaptado de Richards e Jia (2006).
6.2.3.2
Georreferenciamento
Apesar do bom desempenho dos mtodos de correo geomtrica de sistema, as
imagens corrigidas ainda apresentam erros de posicionamento, porque os dados recebidos
para a correo de sistema tm uma margem de impreciso, e mesmo porque, so feitas
aproximaes na integrao dos dados de atitude do satlite. O processo de
georreferenciamento das imagens elimina o erro de posicionamento remanescente. Essa a
etapa final do processamento de correo das distores geomtricas da imagem, e deve ser
executada pelo usurio.
Georreferenciar uma imagem tornar suas coordenadas conhecidas num dado sistema
de referncia, processo que se inicia com a obteno de coordenadas em um sistema de
projeo (coordenadas de mapa E-W ou latitude e longitude) e as equivalentes coordenadas
espaciais de pontos da imagem a ser corrigida. O georreferenciamento tem desta forma a
finalidade de inserir nas imagens um sistema de projeo de coordenadas. Por isso, nada mais
do que um processo de transformao geomtrica da imagem, e no um processo de
correo geomtrica. Em processamento de imagens, o georreferenciamento executado
simultaneamente, em uma nica operao em todas as bandas. Por isso, as imagens devem
estar co-registradas. Registro o processo que envolve a superposio de uma mesma cena
que aparece em duas ou mais imagens (imagens de bandas diferentes ou imagens de datas
diferentes), tal que os pontos correspondentes nessas imagens coincidam espacialmente.
O problema consiste em associar dois sistemas de coordenadas (imagem-mapa),
atravs de uma transformao geomtrica. Portanto, o georreferenciamento no usa
informaes inerentes aquisio da imagem como se viu anteriormente. Quando o
georreferenciamento concludo, a imagem passa a possuir coordenadas definidas por um
sistema de projeo geogrfica. Todos os pixels podero, ento, serem lidos por coordenadas
geogrficas, tal como se localiza um objeto ou uma feio numa carta topogrfica. O
georreferenciamento uma operao sempre necessria para se fazer a integrao da imagem
a uma base de dados espaciais num sistema de informao geogrfica.
O modelo mais comum de georreferenciamento de imagens consiste em estabelecer
relaes matemticas entre as posies dos pixels na imagem e as correspondentes
coordenadas desses pixels no terreno, via mapas geometricamente corretos (cartas
topogrficas). A correo processada igualmente para todas as bandas, porque assumido
que as bandas de um sensor so perfeitamente co-registradas em coordenadas de linhas e
colunas. O processo de correo realizado em duas etapas: (i) a primeira etapa consiste em
94
determinar a correta localizao espacial de um pixel na imagem distorcida; (ii) a segunda

etapa consiste em computar o novo valor de brilho para o pixel na imagem de sada corrigida,
por meio de reamostragem ou interpolao de pixels da imagem original.
A primeira etapa comea com uma transformao conhecida como mapeamento
direto, que estabelece um sistema de relao entre as coordenadas de imagem (linha e coluna)
e as coordenadas geogrficas de referncia (latitude e longitude). Nesse processo as
distores existentes so corrigidas e se definem a geometria e o espao geogrfico a ser
ocupado pela imagem corrigida. preciso dispor de um mapa que recubra a rea da imagem,
a cartas topogrfica sendo a mais indicada. Em termos conceituais o georreferenciamento
baseia-se nos procedimentos a seguir, como descritos por Richards e Jia (2006). Definem-se
dois sistemas de coordenadas cartesianas: um que define a localizao de pontos de controle
na carta topogrfica (x,y latitude e longitude); e outro sistema para a localizao dos pixel s
na imagem (u,v - linha e coluna) a ser corrigida, como no esquema da Figura 6.11.
Considera-se ento que esses dois sistemas de coordenadas podem ser relacionados por um
par de funes de mapeamento espacial f e g tal que:

eq. 6.3a

eq. 6.3b
imagem
mapa
Fig. 6.11 Sistemas de coordenadas mapa-imagem para localizao dos pontos de controle para o
georreferenciamento da imagem.
Se essas funes de mapeamento so conhecidas nas suas formas, pode-se ento

localizar um ponto na imagem conhecendo-se sua posio no mapa. Com isso se monta uma
verso corrigida da imagem original. Porm, como as formas das funes de mapeamento u
e v no so conhecidas, elas so escolhidas como sendo na realidade, simples polinmios de
1 ou 2 grau. O uso de transformaes polinomiais bastante comum no georrefeenciamento
de imagens.
As transformaes polinomiais fazem o vnculo entre as coordenadas de imagem e as
coordenadas do sistema de referncia. Se usarmos um polinmio de segundo grau, que tem
duas variveis, temos a seguinte expresso que relaciona coordenadas da imagem e
coordenadas da carta (referncia):
eq. 6.4

95
Para que esse sistema de equaes possa ser montado preciso conhecer os valores
dos coeficientes ai e bi. Esses coeficientes so estimados identificando-se as coordenadas de
feies no mapa de referncia que tambm podem ser identificadas nas imagens, ou viceversa. So os chamados pontos de controle no terreno (ground control points). As
coordenadas de imagem (linha, coluna) so obtidas quando o usurio clica sobre a feio na
imagem, e anota, via software, os valores correspondentes das coordenadas de referncia
sacadas de cartas topogrficas. Os pontos de controle devem ser feies discretas, tais como
cruzamento de estrada, confluncias de rios, intersees de linhas ou limites construdos pelo
homem. Uma vez determinados os n pontos de controle e selecionada a transformao
polinomial, um sistema de 2n equaes montado para resolver 6, 12, ou 20 parmetros,
dependendo do polinmio ser de 1o, 2o ou 3o grau. Segundo Andrade (2000), os coeficientes
ai e bi, em uma equao do primeiro grau, ou transformao afim no plano, modelam duas
translaes, duas rotaes e dois fatores de escala, totalizando seis parmetros.
A escolha da ordem da funo polinomial depende da intensidade da distoro da
imagem. Normalmente, transformaes de 1a e 2a ordem so usadas nas imagens de
sensoriamento remoto de pequena resoluo espacial, visto que as suas distores
geomtricas no so to relevantes para os trabalhos em escalas regionais que essas imagens
possibilitam. J as imagens de alta resoluo espacial requerem ordens polinomiais mais
altas.
exigido um nmero mnimo de pontos de controle, conforme seja a ordem
polinomial, mas na prtica aumentar o nmero de pontos de controle, aumenta a confiana no
resultado sem a necessidade de aumentar o grau do polinmio. Deve-se tambm ter em mente
que a distribuio dos pontos de controle muito importante, desde que as transformaes
polinomiais tendem a se comportar, adequadamente, apenas na regio onde se encontram os
pontos de controle. O ideal so os pontos recobrirem todos os cantos e a rea central da
imagem.
Os coeficientes computados a partir dos pontos de controle so armazenados como
uma matriz de transformao. O tamanho da matriz depende da ordem de transformao. A
finalidade da transformao resolver as equaes polinomiais para as quais existe o menor
erro possvel, quando so elas usadas para transformar as coordenadas de referncia dos
pontos de controle, em coordenadas geogrficas da imagem. O mtodo da regresso dos
mnimos quadrados usado para calcular a matriz de transformao, a partir dos pontos de
controle. Cada ponto de controle influencia os coeficientes, mesmo que no exista uma
coincidncia exata de cada ponto de controle com os coeficientes que representam o
polinmio.
6.2.3.3
Avaliao dos erros da transformao polinomial
Nem sempre possvel derivar coeficientes que produzem erros zero. Isto porque,
raramente, o usurio ao clicar com o mouse sobre a imagem para inserir um ponto de controle
consegue uma perfeita preciso da localizao do ponto, porque muitas das feies no so
visualmente ntidas. E porque, tambm, nem sempre se consegue uma boa distribuio de
pontos de controle que recubra toda a rea da imagem. Essas limitaes introduzem erros nos
coeficientes para a transformao polinomial, que levam a uma impreciso no
georreferenciamento. Essa impreciso pode ser representada, se imaginarmos sobrepor a
grade de pixel da imagem grade de pixel do mapa de referncia. O que ocorreria algo
parecido com a Figura 6.12.
96
T
Transformao
espacial
Imagem de referncia (mapa)

Imagem de ajuste
Fig. 6.12 Erro na sobreposio da grade da imagem grade do mapa devido impreciso dos pontos de
controle.
coordenadas de referncia
(mapa)
Matematicamente, calcula-se essa impreciso de ajuste dos pontos de controle

funo polinomial, medindo-se as distncias mnimas ao quadrado entre as coordenadas de
referncia dos pontos de controle e a curva polinomial. O exemplo na Figura 6.13 mostra o
ajuste dos pontos de controle a uma funo polinomial de segunda ordem, que parece ser a
melhor opo. Isso no impede que uma funo polinomial de primeira ordem descrita por
uma reta possa ser usada. Essa medida da distncia de cada ponto de controle curva
chamada de erro RMS (root mean square). O erro RMS pode ser avaliado para cada ponto de
controle, individualmente, embora o erro total seja o mais importante.
PC
Curva do polinmio
coordenadas fonte (imagem)

Fig. 6.13 Pontos de controle ajustados ordem de transformao polinomial
A frmula para se calcular o erro RMS dos pontos de controle mostrada abaixo.

eq.6.5
onde, xi e yi so coordenadas retransformadas
xr e yr so coordenadas de referncia
Para se calcular o erro RMS mede-se o erro na direo X e na direo Y, para cada
ponto de controle (PC), como mostra a Figura 6.14.
97
PC fonte
Residual X
Erro RMS
Residual Y
PC sada
Fig. 6.14 Representao geomtrica da medida do erro RMS de um ponto de controle.
O valor de RMS expresso em nmeros de pixels. Por exemplo, um erro RMS de

valor dois, significa que o pixel retransformado est distante dois pixels do pixel de
referncia. Se os pontos de controle mostram valores altos de RMS na direo X ou na
direo Y, deve-se adicionar mais pontos naquela direo. A Tabela 6.1 mostra os tipos de
informaes que o usurio tem acesso on line conforme os pontos de controle so adquiridos.
Os dados so referentes ao georreferenciamento de um segmento de imagem.
Tabela 6.1 Pontos de controle e erros computados (usado o software ENVI).
PC
MAPA
X
MAPA
Y
1
205725
8252491,25
2
210650
8249958,75
3
218050
8249100,00
4
209500
8244975,00
5
207975
8246950,00
6
211750
8252959,00
7
207000
8255400,00
8
211750
8255200,00
9
215475
8249700,00
Erro RMS Total = 0,876
IMAGEM
X
IMAGEM
Y
PREDIO
X
PREDIO
Y
ERRO X
ERRO Y
4718,25
4880,43
5126,60
4841,29
4791,00
4918,50
4759,00
4919,17
5040,83
3090,75
3177,00
3207,00
3342,14
3277,00
3078,00
2995,83
3002,17
3184,33
4717,053
4880,726
5126,271
4841,44
4791,302
4918,317
4759,223
4919,076
5041,054
3091,732
3176,720
3206,383
3342,333
3276,412
3077,387
2995,159
3002,546
5041,054
1,196
0,296
-0,328
0,054
0,302
-0,182
0,923
-0,093
0,244
0,982
-0,279
-0,617
0,193
-0,587
-0,612
-0,670
0.376
1,215
RMS
1.548
0,407
0,699
0,201
0,661
0,639
1,141
0,387
1,296
Na maioria dos casos um perfeito ajuste para todos os pontos de controle requer uma
transformao de alta ordem, mas que se mostra muitas vezes, desnecessria. Ao invs de
aumentar a ordem, tem-se a opo de tolerar certa quantidade de erro. Portanto, quase
sempre, ao se georreferenciar uma imagem, existir uma pequena diferena entre as
coordenadas da imagem retransformada e as coordenadas de referncia, conhecido como erro
interno. O erro interno o erro residual, aquele que no se consegue eliminar totalmente,
quando se tenta sobrepor uma imagem a um mapa.
O erro RMS, para cada ponto, serve para avaliar cada ponto de controle que o usurio
escolheu. Esse calculado pela frmula da distncia.

eq. 6.6
onde,
= erro RMS para ponto de controle

= residual X = residual Y
98
E o erro RMS total o somatrio dos erros residuais de todos os pontos de controle.

eq. 6.7
Os valores de tolerncia de erro RMS que normalmente so aceitos para os pontos de

controle so:
9 imagens pticas com pixel de 30 m erro RMS d 2 pixel = 60 metros.
9 mapas na escala 1:25.000 preciso prxima de 20m
9 GPS preciso de aproximadamente de 10m
sempre recomendvel comear com uma transformao de 1a ordem. Pode-se
computar repetidamente a transformao at conseguir um erro RMS aceitvel. A maioria das
correes das imagens de 1a ou 2a ordem. Aps cada computao da transformao e do
erro RMS, existem quatro opes:
1. Jogue fora o ponto de controle com o maior erro RMS, assumindo que este o ponto de
controle de menor preciso. Outra matriz de transformao pode, ento, ser computada
dos pontos de controle restantes. Entretanto, se esse o nico ponto de controle em uma
determinada regio da imagem, isso pode causar um erro maior.
2. Tolere uma quantidade maior de erro RMS.
3. Selecione somente os pontos que voc tem maior confiana.
4. Aumente a ordem da transformao, criando alteraes geomtricas mais complexas na
imagem. Uma matriz de transformao computada, e que acomoda os pontos de
controles com um erro menor.
Richard e Jia (2006) explicam que nem sempre uma ordem de transformao maior
possa ser a mais adequada para a correo de uma imagem. A Figura 6.15 desses autores
mostra os ajustes dos pontos de controle s curvas de diferentes ordens polinomiais.
Aparentemente, a curva de 3a ordem seria a melhor escolha, porque a que passa mais
prxima aos pontos de controle. Mas, se mais pontos fossem plotados presumvel que a
tendncia dos pontos seguiria mais prxima reta de 1a ordem, enquanto a curva de 3a se
desviaria dessa tendncia. Isto essencial para se obter a melhor correo dos dados da
imagem.
3a ordem
1a ordem
2a ordem
Figura 6.15 Escolha da ordem polinomial para melhor ajuste. (Adaptado de Richards e Jia, 2006)
Uma transformao de primeira ordem uma transformao linear, que pode mudar a
localizao em x e/ou y, ou a escala da imagem em x e/ou y. Transformaes de 2a ordem ou
ordens maiores so transformaes no lineares, usadas para converter Lat/Long para uma
99
projeo plana ou em imagens cobrindo uma rea grande para compensar a curvatura da
Terra. Transformaes de 3a ordem devem ser usadas em imagens com severas distores,
como as fotos areas e imagens de alta resoluo espaciais tomadas off nadir. O processo de
corrigir distores no lineares tambm conhecido como rubber sheeting.
6.2.3.4
Reamostragem
Concludo essa primeira etapa do georreferenciamento, o prximo passo no processo
encontrar pontos na imagem, correspondentes para cada localizao na grade de pixel
previamente definida sobre o mapa. Isso feito automaticamente sem interferncia do
usurio. O espaamento da grade deve ser escolhido de acordo com o tamanho do pixel da
imagem. Na suposio de que os pontos locados na imagem correspondem exatamente aos
centros de pixels, ento esses pixels com seus valores de brilho so simplesmente transferidos
da imagem original para a apropriada localizao na grade, para construir a imagem
corrigida. o que mostra a Figura 6.16.
mapa
imagem
Fig. 6.16 Condio na qual os pixels alocados na imagem correspondem exatamente aos centros de pixel da
grade.
Mas como se espera, os centros da grade de pixels do mapa de referncia no so

transferidos para a exata localizao do centro de pixels na imagem. Isto , a grade de pixel
do mapa, raramente, coincide perfeitamente com a grade da imagem. Como j visto, os erros
RMS calculam essa impreciso. preciso, ento, encontrar uma soluo, a qual se resume em
encontrar quais so os valores de brilho dos pixels a serem escolhidos para substituirem os
valores de brilho na nova grade. Essa tcnica o que se denomina de reamostragem ou
interpolao dos valores de brilho da imagem. Pode-se definir reamostragem como o
processo de extrapolar os valores digitais para os pixels da imagem corrigida, a partir dos
valores digitais dos pixels fontes. Isso quer dizer que os nveis de cinza que comporo a
imagem corrigida residem na imagem de entrada. Segundo DAlge (2001), baseado,
fortemente, na idia de otimizao computacional, esta uma fase que pode ser denominada
de mapeamento inverso, que permite que se retorne imagem original para que se definam os
nveis de cinza que comporo a imagem corrigida. A reamostragem a ltima etapa do
processo de georreferenciamento.
A Figura 6.17, apresentada em Brito e Coelho (2002), exemplifica esse processo de
mapeamento inverso. Na figura, a grade de pixel da imagem original est representada em
linhas contnuas e a grade de pixel da imagem corrigida em linhas tracejadas. O pixel
destacado na imagem original (coluna 430, linha 289) influencia radiometricamente, pelo
100
menos, os quatro pixels vizinhos da imagem retificada (colunas 427 e 428 e linhas 288 e
289). O problema da reamostragem se resume em determinar qual destes quatro pixels
vizinhos dever assumir o valor de brilho do pixel em destaque, na imagem original.
428
429
430
431
428
429
288
288
289
291
433
427
287
290
432
289
290
291
292
Fig. 6.17 Reamostragem do valor de brilho da imagem corrigida a partir do brilho da imagem original.
(Fonte: Brito e Coelho, 2002).
No processo de reamostragem dos pixels para determinar qual dos pixels vizinhos
assumir o valor de brilho, vrios mtodos de interpolao foram desenvolvidos: interpolao
vizinho mais prximo; interpolao bilinear; interpolao por convoluo cbica.
A interpolao com reamostragem vizinho mais prximo, tambm conhecida como
interpolao de ordem zero, apenas transfere para a imagem reamostrada o valor de brilho do
pixel da imagem original que estiver mais prximo. No exemplo da Figura 6.17, este pixel
ser o da coluna 427, linha 289. De acordo com Schowengerdt (1997) este mtodo introduz
descontinuidades geomtricas (erros) na imagem reamostrada da ordem de 0,5 pixel, que
irrelevante para a visualizao da imagem. Sua principal vantagem a rapidez de
processamento e de no requerer nenhum clculo para derivar o pixel de sada. Alm disso,
esta reamostragem no altera os valores radiomtricos da imagem original.
A interpolao com reamostragem bilinear (primeira ordem) toma por base os valores de
brilho dos quatro vizinhos mais prximos ao centro do novo pixel (imagem corrigida). Duas
interpolaes lineares so executadas ao longo das linhas para encontrar o valor a ser
interpolado. Utilizando uma janela de dimenso 2 x 2 calculada a mdia ponderada das
distncias dos centros dos quatro pixels ao centro do pixel de sada, para determinar a
intensidade do valor de brilho do pixel de sada. O efeito uma suavizao da superfcie,
acompanhada de uma alterao dos valores de brilho da imagem original, o que pode ser
problemtico para subsequentes anlises numricas. Sua vantagem em relao ao mtodo
vizinho mais prximo a melhor preciso geomtrica e o desaparecimento de
descontinuidades, segundo Novo (1989).
A interpolao por convoluo cbica utiliza os dezesseis pixels ao redor. Segundo
Andrade (1998) a interpolao realizada ajustando polinmios cbicos a cada coluna, para
depois interpolar um novo polinmio cbico a estes resultados. Incorre em menor erro de
interpolao. A reamostragem cbica produz um aumento de brilho nas reas com bordas
101
bruscas, o que pode ser interessante para fins de fotointerpretao da imagem. Os dados so
alterados mais drasticamente do que pelos outros mtodos, podendo no ser recomendado se
a imagem for usada para classificao, ou para anlises numricas que possam depender da
preciso dos valores radiomtricos originais. Dos trs mtodos o mais preciso para gerar
uma imagem geometricamente corrigida quando o trabalho envolver o uso de imagens de
diferentes resolues espaciais.
A Figura 6.18 mostra o resultado do georreferenciamento de uma imagem, usando um
polinmio de ordem 1 e reamostragem por vizinho mais prximo, com oito pontos de
controle. Podemos verificar se a correo da imagem foi ou no satisfatria, sobrepondo
sobre ela um plano de informao vetorial da rede de drenagem. Uma vez que a imagem est
georreferenciada, podemos inserir sobre ela uma grade de coordenadas, processo que feito
automaticamente aps finalizada a sesso de georreferenciamento.
(a)
(b)
Fig. 6.18 Em (a) imagem original e em (b) o resultado do georreferenciamento, mostrando que sobreposio da
rede de drenagem extrada da carta topogrfica mostra bom ajuste com a imagem georreferenciada.
102
AMPLIAO HISTOGRMICA DE CONTRASTE

Tati de Almeida
7.1
Introduo
Na interpretao o intrprete se utiliza de regras de anlises baseadas nas propriedades
texturais e espectrais das imagens dos objetos, para determinar quais so as suas classes, tipos
ou naturezas, a partir de um processo dedutivo do conhecimento cientfico. O sucesso dessa
operao depende, fundamentalmente, de como os materiais - rocha, solo, vegetao, gua, e
alvos urbanos evidenciam os contrastes destas propriedades, nas diferentes bandas espectrais
de um sensor. Nem sempre os contrastes entre os objetos so totalmente percebidos pelo
intrprete, porque com frequncia, as variaes de cinza dos pixels das imagens so restritas a
um pequena diferena digital. Isso pode ser constatado quando uma imagem original, que no
tenha sido modificada por qualquer forma de processamento, exposta na tela do
computador. Visualmente, os valores dos nveis de cinza sero muito prximos entre si, e os
detalhes texturais e espectrais da imagem no so facilmente identificados, como mostram as
imagens da Figura 7.1.
Fig. 7.1 Da esquerda para a direita imagens do sensor ETM-Landsat7 das bandas 1(visvel), 4 (infravermelho
prximo) e 7 (infravermelho de ondas curtas) exibindo baixos contrastes tonal e textural do relevo.
Como vimos, h basicamente dois processos para se realar o contraste de uma

imagem original. H as tcnicas que operam no domnio espectral e que so maioria, e as que
trabalham no domnio espacial. No domnio espectral o realce da imagem efetuado de tal
forma que cada pixel da imagem aumente o seu contraste em relao ao pixel vizinho,
independente do valor do pixel vizinho. So operaes efetuadas pixel a pixel e que podem
ser dita do tipo realce radiomtrico. Os algoritmos dessa tcnica embutem o conceito de um
103
espao espectral multidimensional. No domnio espacial os realces so efetuados em

dependncia do valor do pixel em relao aos seus vizinhos, portanto, depende da
distribuio espacial dos pixels. Nela se incluem as tcnicas de filtragens de imagens. Esses
dois processos de realces de imagens operam transformaes do espao espectral e da
informao espacial da imagem, sendo por isso, consideradas como tcnicas de
transformao de espao. Sem dvida, para o intrprete, uma imagem realada oferece
melhores condies para assegurar uma interpretao de alta confiabilidade para elaborao
de mapas temticos.
Dentre as tcnicas que operam no domnio do espao espectral, se destacam como
principais: i) realce de contraste por expanses histogrmicas; ii) operaes aritmticas de
bandas; iii) transformaes do espao de cores; iv) descorrelao de bandas; v) principais
componentes. Cada uma dessas tcnicas envolve uma concepo algortmica bem especfica
sobre a forma de realce espectral da imagem, e os resultados tm diferentes aplicabilidades na
anlise da informao da imagem. Por isso, neste livro considerou-se trat-las em captulos
individuais.
Neste captulo so apresentadas as formas de realces de contraste por expanses
histogrmicas, que so consideradas como uma das tcnicas mais simples de realce de
imagens, mas nem por isso, menos teis e eficazes. Na maioria das vezes o primeiro tipo de
processamento que se deve realizar, pois permite facilmente avaliar quais bandas contm as
melhores informaes que o intrprete est interessado. A simplicidade das operaes
histogrmicas que ela no promove uma transformao total da imagem, mas apenas um
reescalonamento dos nveis de cinza dentro do intervalo de quantizao da imagem. Tem o
nico propsito de melhorar a qualidade visual da imagem que ser exposta na tela do
computador. Devido a sua simplicidade, e considerando que as imagens originais tm baixos
contrastes espectrais, quase todos os sistemas comerciais de processamentos de imagens
acionam uma ampliao de contraste automtico quando a imagem original carregada na
tela, a fim de produzir uma imagem com forte impacto visual.
H diversas formas, matemticas e estatsticas, para se obter imagens com bons
contrastes, a partir da expanso do histograma de cada banda original. No h um esforo
intencional para melhorar a fidelidade da imagem, como feito na correo das distores
geomtricas. Tambm no h uma qualidade de imagem contrastada que possa servir de
padro para as diferentes finalidades de aplicao. A escolha do melhor mtodo de expanso
histogrmica est condicionada s caractersticas fisiogrficas de cada rea, ao objetivo
especfico do trabalho e prpria capacidade do analista em interpretao de imagem.
Embora sejam razoavelmente simples, elas so essenciais para a funo prtica que se
destinam: serem usadas na formao de composies coloridas de alto contraste, por meio da
combinao de trs bandas realadas, atravs de um processo semelhante percepo da
imagem colorida formada pela viso humana, com as combinaes das cores azul, verde e
vermelha da luz solar refletida pelos objetos. Da a preferncia de qualquer fotointrprete por
imagens de composies coloridas realadas. As operaes de realces por meio de expanses
de histogramas devero, previamente, ser feitas em cada banda separadamente, sempre
procurando aumentar ao mximo os seus contrastes. Dessa forma, quando as cores forem
destinadas a essas bandas para se construir uma composio colorida, elas sero capazes de
evidenciar, visualmente, as sutis variaes espectrais dos materiais. Pela simplicidade como
so rapidamente executadas com um grau elevado de independncia pelo analista,
possibilitam uma alta interatividade homem-mquina. compreensvel que a discusso sobre
as tcnicas de modificao de histogramas, para aumento de contraste, seja seguida da
discusso de como formada uma composio colorida com multibandas.
104
7.2
Representao Histogrmica da Imagem Digital
Freqncia ou nmero
Os valores digitais das bandas individuais de um sensor podem ser computados na

forma de um grfico de barras, onde as alturas das barras indicam a quantidade de nmeros
de pixels presentes na imagem, com um determinado valor de brilho. Isso uma
representao estatstica da distribuio de frequncias de uma varivel quantitativa na forma
de histograma. O histograma usado em qualquer estudo para representar uma grande
quantidade de dados numricos, como meio para analisar as informaes de forma mais fcil
e simples, do que por meio de uma grande tabela. A Figura 7.2 um tpico histograma de
uma imagem de sensoriamento remoto, atravs do qual o usurio pode obter algumas
informaes que esto contidas na imagem, tais como, a intensidade de contraste entre os
alvos ou a quantidade de classes que a imagem pode distinguir. O histograma contm apenas
informao radiomtrica da imagem, e nenhuma informao espacial. Um experiente
intrprete, ao localizar uma barra no histograma, poder estimar a classe de alvo que
representa e a rea total ocupada na imagem, mas no saber onde o alvo se encontra, ou
mesmo, se est concentrado em uma nica rea ou disperso em pequenas reas atravs da
imagem.
128
Fig. 7.2 Histograma da imagem de uma banda com os valores de brilho ou nveis de cinza no eixo X definidos
pela resoluo radiomtrica do sensor e no eixo Y o nmero de pixels por classe de brilho.
A anlise de um histograma envolve basicamente trs parmetros: a tendncia

central, a variabilidade e a forma. A tendncia central da distribuio de frequncias de brilho
da imagem caracterizada pelo valor do intervalo digital de quantizao da imagem (ex. 8
bits=256, 10 bits=1024). Uma das maneiras de representar o que tpico da distribuio
atravs do valor mais frequente da varivel, chamado de moda, que corresponde barra mais
alta ("pico"), e do valor da mdia da varivel amostrada. Mdia e moda se igualam somente
se o histograma for anlogo a uma distribuio normal gaussiana, o que raramente se v nas
imagens de sensoriamento remoto. A mdia est relacionada com uma grandeza que indica
algo sobre o nvel de reflectncia dos alvos presentes na cena. Para se descrever
adequadamente a distribuio de frequncias de uma varivel quantitativa, necessrio dizer,
tambm, o quanto esses valores variam (variabilidade), ou seja, quo dispersos eles esto. Se
os valores digitais esto concentrados, a imagem mostra pouca variabilidade de brilho.
Estatisticamente, a variabilidade a medida da varincia, a qual d uma idia de qual
o contraste da imagem. Sabe-se que o contraste depende do comportamento espectral dos
alvos, e varia com o comprimento de onda. Essas informaes so automaticamente
computadas durante o processamento da imagem, e podem ser acessadas pelo usurio, em
105
relatrios de estatstica dos dados das imagens. A forma do histograma informa como os
dados esto distribudos em torno da mdia ou da moda, ou se preferir, onde est a
concentrao dos dados. Em muitos casos de imagens de sensoriamento remoto, apenas o
conhecimento visual da forma do histograma de uma banda, j fornece uma boa informao
sobre o comportamento espectral da cena.
Os exemplos na Figura 7.3 mostram que esses trs parmetros classificam os
padres de histogramas das bandas nos tipos: unimodal, bimodal, simtrico e assimtrico, e
se abertos ou fechados. No caso a da Figura 7.3, o histograma tem uma forma simtrica com
mdia baixa de valores de nveis de cinza e com distribuio fechada, ou seja, baixa
varincia, a imagem tendo classes de alvos com baixa reflectncia e baixo contraste, com
aparncia visual escura. No caso b a mdia alta, isso , visualmente, a imagem clara, com
uma varincia moderada, portanto, com um moderado contraste espectral dos alvos. O caso c
de uma imagem com uma distribuio mais equilibrada de tons de cinza escuros e claros em
relao mdia centrada prxima a 128, e a maior abertura de histograma indica uma
varincia mais alta, isso , a imagem tem um contraste mais alto e, portanto, com maior nvel
de informao. No caso d, o histograma tem uma forma bimodal, sugerindo no mnimo a
presena de dois conjuntos de alvos com distintos valores de reflectncia. E no caso e, a
forma assimtrica do histograma indica que a parte mais esquerda da curva histogrmica
representa alvos de baixo contraste espectral e com maior concentrao de distribuio dos
dados, enquanto a parte mais direita tem um maior contraste espectral dos objetos e uma
maior distribuio.
(a)
(b)
106
(c)
(d)
(e)
Fig. 7.3 Histogramas de imagens exemplificando variaes de tendncia central da distribuio dos dados,
variabilidade e forma.
Em termos de processamento de imagens, a importncia de conhecer essas

caractersticas do histograma que elas ajudam o analista a selecionar o tipo mais apropriado
para se expandir o histograma, a fim de se obter bons realces de contrastes. Como cada banda
espectral tem uma particular forma de histograma, opes diferentes de ampliao de
contraste, por expanso de histogramas, podero ser escolhidas para as diferentes bandas de
um sensor.
H duas classes de algoritmos de expanso de histograma que so as mais
empregadas: lineares e no lineares. Os lineares so: linear por saturao e linear por partes.
Os no lineares so: gaussiano, equalizao, raiz quadrada, logaritmo e exponencial. Os
realces lineares conseguem manter a radiometria da imagem, enquanto os realces no lineares
107
distorcem a radiometria da imagem. uma mxima em processamento de imagens que o

bom desempenho dos resultados obtidos em uma rea, no necessariamente, pode ser
reproduzvel para outras reas.
7.3
Expanso linear por saturao
Os sensores so instrumentos concebidos para registrar em qualquer faixa espectral
uma ampla variao de intensidade de radincia refletida, emitida ou retroespalhada.
Acontece que na natureza, frequentemente, a maioria dos conjuntos de alvos distribudos em
uma rea no apresenta altos contrastes de reflectncia. Na prtica, isso mostra que quando a
imagem original exposta no monitor de vdeo, o analista tem dificuldades para discriminar
visualmente as classes de nveis de cinza. Contribui tambm para isso, a baixa capacidade de
percepo visual do olho humano para discriminar tons de cinza. Como foi visto nos
exemplos da Figura 7.3, apenas uma pequena proporo do intervalo mximo de valores de
brilho de uma imagem (nvel de quantizao) ocupada. Sensores como a cmera CCD do
CBERS ou o sensor multiespectral ETM do Landsat possuem um nvel de quantizao de 256
valores digitais para representar os valores de brilho ou radincia, enquanto observa-se nos
histogramas das imagens de suas mltiplas bandas que o intervalo mdio das variaes de
nveis de brilho ocupa ao redor de 60 valores. A necessidade de se ter um intervalo digital
grande para que os alvos possam ser detectados sem levar saturao dos detectores. E
tendo-se um amplo intervalo de valores digitais, como de 0 a 255, ou ainda maior, h uma
boa margem de espao para expandir o histograma, aumentando-se o contraste espectral dos
alvos.
A maneira de aumentar esse contraste reescalonando a amplitude de cada pixel
atravs de uma regra bsica de expanso de histograma. A imagem modificada ou realada
assumida de ser restrita ao mesmo nmero de pixel s da imagem original, apenas expandindo
seus valores de brilho para o intervalo total de quantizao da imagem. Por isso, o que se
realiza uma saturao em preto e em branco, de um modo que o nvel de brilho de sada o
nvel que mais se aproxima do exato mapeamento de um nvel de brilho de entrada. Esse
efeito resulta numa escala de nveis de brilho de sada muito mais diferenciados. Fica claro
que ao se efetuar a expanso linear na imagem, a mesma intensidade de expanso aplicada
igualmente para os pixels que tenham o mesmo valor de brilho, o que significa ser impossvel
aplicar numa imagem diferentes transformaes histogrmicas para as reas com os mesmos
valores de brilho. Se acontecer do realce produzir valores de brilho fora do intervalo definido
pela funo de transformao, esses valores sero saturados ao nvel mximo ou ao nvel
mnimo permitido, e por isso dito ser realce ou expanso linear por saturao.
A funo de mapeamento linear por saturao, equao 7.1, uma funo de 1 grau
que faz destinar novos valores de brilho (y) para cada pixel da imagem original (fx). Na
funo matemtica de primeiro grau o coeficiente a determina a inclinao da reta e exerce,
efetivamente, o efeito de ampliao do histograma original, enquanto o coeficiente b define o
offset ou deslocamento do histograma origem. Para a>1 quando b=0 tem-se somente uma
ampliao de contraste na imagem de sada; quando b>0 acrescenta-se ampliao de
contraste um deslocamento dos nveis de cinza, a fim de centralizar o histograma prximo
mdia de 128. A Figura 7.4 mostra que o valor de brilho de sada (Vs) pela transformao
linear calculado por simples relaes trigonomtricas, a partir dos valores do intervalo de
brilho da imagem de entrada.
A equao linear dada pela frmula:
108

eq. 7.1
que expressa computacionalmente por:

onde, = valor de brilho de sada

= valor de brilho de entrada
= valor de brilho mximo
= valor de brilho mnimo
intervalo de brilho de
da imagem de sada
255
b
0
0
255
40
185
intervalo de brilho da
imagem de entrada
Fig.7.4 Representao trigonomtrica da expanso linear de contraste por saturao dos valores de brilho.
importante considerar que o realce linear deve ser aplicado nas imagens que exibem
histogramas com formas simtricas e unimodais. Para aplicar o realce linear o programa
adquire o histograma de cada banda e determina os valores inferiores e superiores dos nveis
de cinza ou brilho, que so fixados como valores de corte. Como o processo interativo, o
analista pode, ao seu critrio, redefinir os valores de corte, a fim de controlar o realce
desejado. A funo de transformao aplicada a cada banda, fazendo com que,
automaticamente, o valor de corte mnimo seja fixado ao valor de brilho zero e o valor de
corte mximo ao valor de brilho 255, e qualquer valor dentro do intervalo , linearmente,
reescalonado entre 0 e 255. Portanto, os pixels vizinhos aos valores min-max so mapeadas
para preto e branco, respectivamente, a tcnica consistindo desta forma num realce de
contraste com saturao. Esse um bom procedimento para manter a base de dados
normalizada escala total do intervalo dinmico de brilho. Usualmente, o analista ao
observar o histograma determina livremente qual o valor mnimo e mximo do dado
original, pois pode ele decidir que abaixo ou acima de certo valor digital, no h informao
que lhe interesse.
Como exemplo prtico a Figura 7.5 corresponde ao histograma de uma suposta banda,
com os valores mnimos e mximos dos pixels da imagem de entrada fixados,
respectivamente, em 5 e 25. O problema pode ser assim formulado:
valores brilho < 5 fixados a 0 (b=0)
109
valores brilho > 25 fixados a 255

valores brilho > 5 e < 25 expandidos entre 0-255
portanto, segundo a funo computacional de transferncia de 1 grau
P/ f(x,y) < 5 y = 0
P/ f (x,y) > 25 y = 255
P/ f(x,y) [ 5,25]

Imagem de entrada
Nmero pixel
E
5
8
9
12
15
22
25
ND
0
38
64
89
127
216
255
38 64 89 127 216
Imagem de sada
255
5 8 10 12 15 22 25
Transformao linear
Nmero de pixels
0 5
25
255
Fig. 7.5 Exemplo numrico e grfico da ampliao dos valores de brilho de uma imagem pelo mtodo de
expanso linear.
Computacionalmente, os clculos operacionais podem ser numericamente

representados pela Look up Table, que relaciona os valores de brilho da imagem original aos
correspondentes valores de brilho da imagem realada. A LUT feita mediante uma rotina
computacional usando a equao de transformao selecionada para fazer o realce da
imagem.
A Figura 7.6 mostra o resultado obtido de uma imagem realada por ampliao linear,
e seus respectivos histogramas. As duas barras no histograma da imagem original marcam o
espao no histograma onde todos os pixels com ND compreendidos entre os valores de corte
mnimos e mximos optados pelo analista, sero expandidos para o intervalo total de 0 a 255.
110
A grande vantagem da funo linear, como se observa nas imagens da Figura 7.6, a
manuteno na imagem realada das relaes originais de reflectncia dos alvos. No h
alterao radiomtrica da imagem. Por isso, a opo por ampliao linear a mais preferida
das opes para se aumentar o contraste espectral das imagens da maioria dos sensores
multiespectrais pticos conhecidos. E, principalmente, quando na interpretao h interesse
em estabelecer relaes de anlises comparativas da imagem com a reflectncia dos alvos
medida em campo ou laboratrio. No somente geologia se deve dar preferncia a esse tipo
de contraste.
histograma da imagem original
imagem original
histograma da imagem realada
imagem realada
Fig. 7.6 Exemplo de realce de contraste por expanso linear histogrmica de imagem ETM da banda 7 e
respectivos histogramas da imagem original e modificada.
7.4
Expanso linear por partes
Como acabamos de ver, a tcnica linear por saturao de contraste deve ser aplicada
quando a imagem exibe um histograma com forma unimodal. Acontece algumas vezes que
dependendo das caractersticas espectrais dos alvos presentes em uma rea, o histograma
pode se mostrar multimodal. Nesse caso, um procedimento similar de ampliao linear de
contraste deve ser adotado, porm, separadamente, para cada concentrao de nveis de brilho
em torno de cada componente modal. Isso compreende em fazer um realce de contraste linear
por partes. Considere os dois exemplos da Figura 7.7. No 1 caso, Figura 7.7a, tem-se um
111
histograma que exibe dois componentes modais, com a 1 moda indicando uma grande
concentrao de pixels com nveis de brilho escuros, e a 2 moda com menor nmero de
pixels com valores de brilho mais claros. A maneira mais correta de realar a imagem
representada por esse histograma seria dar maior expanso rea de maior moda, regio com
nveis de cinzas mais escuros, e uma expanso menor da rea com moda menor que a dos
nveis de cinzas mais claros. O procedimento para efetuar essa operao mostrado no
grfico situado abaixo do histograma da Figura 7.7a, que mostra que o intervalo digital
correspondente moda da regio escura, expande-se para um maior intervalo digital na
imagem de sada. O 2o caso, Figura 7.7b, a maior expanso seria para a regio de feies mais
claras, que tem a maior moda. o inverso ao do 1 caso, como mostra o procedimento
exposto no grfico abaixo do histograma.
0
a
b
255
Imagem de sada
Imagem de sada
255
0
0
255
moda da regio escura
255
moda da regio clara
Fig. 7.7 Ampliao linear por partes com dois pontos de quebras. Nos dois exemplos a maior expanso linear de
brilho efetuada na regio de moda maior.
Uma representao real dessa situao apresentada na Figura 7.8 de uma rea da
cordilheira andina, com boa exposio de rochas. As reas mais escuras so afloramentos de
macios rochosos e as reas intermontanas, com tons de cinza medianos, so
predominantemente coberturas inconsolidadas de sedimentos arenosos. No canto superior
esquerdo da imagem h um depsito de sal (salar). Duas modas se destacam no histograma da
imagem original e a ampliao linear por partes parece ser a opo correta. A opo neste
exemplo foi para um forte aumento de contraste das reas escuras, ampliando o intervalo
digital da primeira moda (ND 22 a 98) para 0 a 215, e pouca expanso sendo efetuada nos
alvos contidos da segunda moda, que tm desta forma, o contraste reduzido.
112
7.5
Expanso por Equalizao
Quando o histograma da imagem razoavelmente assimtrico, impossvel,
simultaneamente, usando uma simples funo linear, controlar o realce dos nveis de cinza
medianos com maior populao de pixels, e a quantidade de saturao nos extremos do
histograma com menores populaes. Para esse tipo de histograma ser necessrio usar uma
transformao no linear para executar uma redistribuio dos valores de brilho, tal que os
incrementos de ampliao do brilho da imagem sejam desigualmente distribudos entre 0 a
255. Realces no lineares distorcem a radiometria da imagem e, portanto, so teis apenas
para interpretao visual.
imagem original
imagem com realce linear
Fig. 7.8 Ampliao linear por parte aplicada imagem com duas modas distintas, como forma de expandir
preferencialmente o agrupamento de pixels em torno da primeira moda.
Equalizao refere-se ao fato de o histograma da imagem realada ser

aproximadamente igual em densidade (nmero de pixels/nveis de cinza), ou seja, a barra tem
alturas aproximadamente iguais, dando a aparncia de um histograma com uma forma quase
113
uniforme. Ao invs de ser uma modificao matemtica presa forma do histograma

original, como condiciona a expanso linear, a equalizao estabelece uma forma de
histograma previamente concebida. Imagina-se que se o histograma tem barras da mesma
altura, ento ele mostrar uma imagem, onde h uma boa representao dos detalhes de todos
os valores de brilho. Pode ser dito que a equalizao de histograma realizada com o
objetivo de se normalizar a escala de brilho, o que traria resultados muito satisfatrios de
realces de imagens. Na prtica, verificamos que as imagens de sensoriamento remoto
normalmente no exibem um histograma perfeitamente uniforme, tal como a tcnica foi
proposta. A equalizao s conduz a histogramas efetivamente uniformes quando a gama de
brilhos da imagem for contnua e se fosse infinito o nmero de pixels da imagem. Como
consequncia disso, a equalizao tende a reduzir o contraste dos nveis muito claros e muito
escuros, enquanto expande os nveis medianos que se transformaro em valores de brilho
com maiores contrastes. A hiptese de haver uma vantagem dessa tcnica em relao forma
de contraste linear porque o estmulo de percepo visual do olho humano no linear.
Em Richard e Jia (2006) encontra-se a demonstrao matemtica da funo de
mapeamento dos valores de brilho para calcular o contraste por equalizao, que se resume
na equao 7.2.
eq. 7.2
Na equao 7.2 Y representa os novos valores de brilho da imagem modificada.

exigido que o intervalo dos valores de brilho de Y seja de 0 a L -1. N o nmero total de
pixels da imagem de entrada e C(x) o histograma acumulativo. Sendo assim, o aumento de
contraste por equalizao tem por base a funo de distribuio acumulativa da imagem.
Os histogramas apresentados na Figura 7.9 correspondem base de dados da Tabela
7.2. So dados de uma hipottica imagem com um total de 75 pixels, distribudos em
dezesseis classes de valores de brilho, apenas para simplificar os clculos do exemplo que
apresentado. Os histogramas das figuras 7.9a, 7.9b e 7.9c so, respectivamente, da imagem
original, dos valores acumulativos, e da imagem modificada.
A Tabela 7.1 contm os valores respectivos aos histogramas da Figura 7.9. A primeira
coluna (i) so os valores das dezesseis classes de brilho da imagem original. Computado o
valor acumulativo (iii) dos nmeros de pixels da imagem de entrada (ii), primeiramente,
calcula-se o valor do novo fator de escala (iv), que pela equao 7.1 corresponde diviso (L
1)/N = 15/75 = 0,2. Esses valores so aproximados para valores de brilho inteiros e
discretos (v). Por ltimo, para calcular a nova distribuio de nmero de pixels da imagem de
sada, ou imagem realada, relaciona-se os valores de brilho da coluna (v) com os nmeros de
pixels da coluna (ii). Aos valores de brilho que no h na coluna (v) so computados nmeros
de pixels zero. Observe no histograma da Figura 7.9c que o maior contraste ocorre para
classes que ocupam a posio mais central do histograma. Portanto, o efeito da equalizao
aumenta o contraste no centro do histograma que tem mais densa populao de pixels,
enquanto reduz o contraste nas extremidades. Embora o pressuposto da equalizao seja gerar
uma forma histogrmica com as classes (barras) com igual dimenso de nmero de pixel, isso
no totalmente conseguido, como se observa no histograma equalizado da Figura 7.8.
A equalizao tem uma aplicao prtica, alm do simples propsito de aumentar o
contraste de uma imagem. Nas aplicaes de sensoriamento remoto bastante comum haver
a necessidade de se compor mosaicos com duas ou mais imagens, e neste processo,
frequentemente as imagens tem entre si uma distribuio de brilho variada, ou por serem de
datas diferentes ou por terem variaes das condies atmosfricas de uma imagem para
114
outra. Nesse caso, para se ter um mosaico com aparncia de brilho mais homognea,
preciso realizar uma transformao nas imagens a fim de resolver as variaes de brilho do
mosaico. Essa tarefa se resume em equalizar os brilhos das imagens, por um processo igual
ao apresentado, com a diferena de que o usurio dever decidir pela escolha de uma imagem
de referncia, em relao qual as outras imagens sero equalizadas. Todos os software de
processamento executam essa operao de uma forma bastante automatizada, sem que o
usurio tenha a necessidade de analisar os histogramas.
A funo equalizao tem uma restrio. No deve ser aplicada em imagens que
tenham uma rea extensa e homognea de brilho constante, como um grande corpo dgua.
Isso porque a equalizao tem como princpio criar um histograma uniforme na altura das
barras, agrupando barras menores, e uma grande barra de uma nica classe de alvo, interfere
no histograma acumulativo, tendo como consequncia a perda de contraste, o oposto
pretendido.
11
10
9
8
7
6
5
4
3
2
1
N = 75
L = 16
70
60
50
40
30
20
10
0 1 2
3 4
(a)
8 9 10 11 12 13 14 15
11
10
9
8
7
6
5
4
3
2
1
0
1 2
3 4
5 6
7 8 9 10
11 12 13 14 15
(b)
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
(c)
Fig. 7.9 Do topo para baixo, histogramas de uma imagem original imaginria, dos valores acumulativos e da
imagem realada por expanso por equalizao.
Tabela 7.1 Dados do processo acumulativo de pixels para clculo da equalizao do histograma
(i)
Brilho
de entrada
(ii)
Pixels
por classe
0
1
2
3
4
1
1
2
4
5
(iii)
Nmero
pixel
acumulativo
1
2
4
8
13
(iv)
Novo valor
de escala
0,2
0,4
0,8
1.6
2,6
(v)
Aproximao
do valor de
brilho
0
0
1
2
3
(vi)
Nmero pixel
da imagem
realada
2
2
4
5
7
115
5
6
7
8
9
10
11
12
13
14
15
7
9
10
11
8
6
4
3
2
1
0
20
29
39
50
58
64
68
71
74
75
75
4,0
5,8
7,8
10.0
11,6
12,8
13,6
14,2
14,8
15,0
15,0
4
6
8
10
12
13
14
14
15
15
15
0
9
0
10
0
11
0
8
6
7
3
A Figura 7.10 de uma imagem da banda 5 do sensor ETM-Landsat7, original e

realada, com expanso de histograma por equalizao. Observe que na imagem equalizada a
textura de relevo mais notvel, e as reas onde houve perda acentuada de cobertura vegetal,
expondo o solo, os valores dos pixels ficam saturados, haja vista que na imagem original j
mostravam possuir valores de maior brilho.
imagem original
histograma da imagem equalizada
imagem equalizada
Fig. 7.10 Exemplo de realce de contraste de imagem por equalizao e os histogramas equivalentes das imagens
original e modificada.
116
7.6
Expanso Gaussiana
A proposta de expanso de histograma baseada em suposies gaussianas
fundamenta-se nas formas dos histogramas que frequentemente so observadas nas imagens
das diferentes bandas espectrais de sensoriamento remoto. H uma tendncia dos histogramas
de muitas das bandas de um sensor apresentarem formas parecidas de uma distribuio
normal gaussiana ou log normal. Portanto, seria lgico imaginar que para algumas finalidades
se poderia ajustar o mais prximo possvel o histograma de uma imagem a uma forma prdefinida de um histograma com forma gaussinica. Tal qual o processo de equalizao, que
tambm fora o ajuste do histograma da imagem original a uma forma histogrmica prdefinida, o processo passa por um estgio de usar o histograma acumulativo da imagem
original para se obter novos valores de distribuio de pixel da imagem de sada. para isso,
exigidos dois parmetros para realizar um processamento estatstico de segunda ordem: a
mdia e a varincia. Segundo Schowengerdt (1977), ambos os parmetros fornecem ao
algoritmo meios convenientes para explicitamente controlar a mdia dos resultados, ao
mesmo tempo em que varia o contraste controlando o desvio padro. Aumentando o desvio
padro conseguido um aumento da distribuio dos dados com aumento de contraste. A
modificao gaussiana um processo de normalizao particularmente til para igualar as
imagens, em termos de mdia e desvio padro, o que ajuda a obter composies coloridas,
com bom equilbrio de cores.
A funo de densidade de probabilidade normal e sua forma analtica so mostradas
na Figura 7.11. Os dois parmetros que definem a distribuio so a mdia e o desvio
padro (equao 7.3). A rea total sob a curva unitria e a rea dentro + 2 - 2 centrado
na mdia de 0,95, e a rea de +1 e -1 de 0,68.
eq. 7.3
frequncia (probabilidade)
fx
-1
-2
1
2
Fig. 7.11 Funo de densidade de probabilidade normal, ou curva gaussiana.
117
A Figura 7.12 d um exemplo de uma imagem realada pela ampliao histogrmica

gaussinica. Como a curva de uma distribuio normal varia de menos infinito para mais
infinito, no exemplo, um intervalo de r 3 desvios padres foi usado. Um maior ou menor
nmero de desvios padres pode ser especificado pelo usurio. O algoritmo define a priori
qual a probabilidade de cada classe de brilho da imagem original ser mapeada para novos
valores de brilho, dentro de uma distribuio normal. Note no histograma transformado
gaussiano que os extremos, reas muito escuras ou muito claras, foram tambm realados.
histograma imagem original
histograma imagem gaussiana
imagem original
imagem com realce gaussiano
Fig.7.12 Exemplo de realce de imagem por ampliao gaussiana.
7.7
Funo raiz quadrada
Quando algumas imagens apresentam uma distribuio dos dados marcadamente
concentrada na poro de valores de brilho mais escuros do que nas pores mais claras,
gerando um histograma de forma fortemente assimtrica para a esquerda, desejvel forar
uma maior intensidade de contraste, preferencialmente desta poro mais escura da imagem,
e bem pouco da poro mais clara. A funo de transformao no linear adequada a esse
tipo de histograma a raiz quadrada, que tem a seguinte formulao matemtica:

eq. 7.4
118
onde, g(l,p) o valor original do pixel e G um fator de ajuste, a fim de manter os valores de
brilho resultantes dentro do intervalo vlido de quantizao da imagem. Isso pode ser
observado na Figura 7.13 pela inclinao da curva de transformao, que mais acentuada no
incio do histograma, resultando maior separao das barras nesta regio, com reduo do
nmero de barras na parte final, que pouco realada. Observe nas imagens correspondentes
aos histogramas, que as reas mais escuras na imagem original modificaram-se para valores
de cinzas mais claros, visualmente mais discernveis, aumentando a interpretabilidade da
imagem.
Imagem original
Imagem realada
Fig. 7.13 Realce de contraste de imagem por meio de expanso histogrmica funo raiz quadrada de imagens
com reas de baixos valores de brilho.
Ao contrrio, quando o histograma da imagem concentra os valores em nveis de

brilho mais alto, a funo de transformao passa a ser quadrtica, que tem a seguinte
formulao:

eq. 7.5
Nesse caso se propicia um realce maior nas reas de intensidade mdia e clara da
imagem. A inclinao da curva de transformao ser mais acentuada no final do que no
incio do histograma, como mostra a Figura 7.14.
119
Fig. 7.14 Representao da funo de transformao quadrtica.
Equivalentes s funes raiz quadrada e quadrtica so, respectivamente, as funes

logaritmo e exponencial, com a diferena de que promovem o realce de um intervalo menor
de nveis de brilho. Por isso as inclinaes das curvas de transformaes so mais inclinadas,
como mostra a Figura 7.15.
(a)
(b)
Fig. 7.15 Representaes a) da funo logaritmo e b) da funo exponencial, com inclinaes acentuadas das
curvas.
120
MODELOS DE CORES APLICADOS S IMAGENS

8.1
Cor
Na interpretao de imagens de sensoriamento remoto, a extrao de informaes
visando identificao e discriminao dos objetos, depende, primordialmente, da forma de
apresentao visual da imagem na tela do monitor. Uma das formas mais comum e eficiente
por meio de imagens coloridas, pela simples razo de que a viso humana colorida.
O termo cor usado para referir-se a um aspecto da experincia visual de percepo.
Para descrev-la usamos vrios atributos, como a cor dominante, o brilho, ou se ela clara,
escura ou acinzentada. H tambm fatores fsicos que podem ser considerados e que afetam
esses atributos, como a iluminao da cena, a natureza da superfcie e at a atitude do
observador. Isso torna muito difcil obter medidas quantitativas precisas da magnitude de
percepo da cor. Matematicamente, para dimensionar uma cor seria preciso numerar os
vetores que so necessrios para caracterizar diretamente a percepo de cor. Essa
formulao matemtica tem que estar de acordo com as teorias que tentam explicar como o
olho humano enxerga as cores, as quais usam de conceitos pticos fsicos e psicofsicos, para
explicar a resposta interna aos estmulos externos de cores.
Experimentos realizados a partir de misturas de cores mostraram que a combinao
de trs independentes estmulos de diferentes composies espectrais necessria para
produzir a percepo visual de todas as cores. Isto facilmente conseguido por meio da
mistura espacial de trs focos de luzes bsicas, azul, verde e vermelha, com variaes
independentes de ajustes de suas intensidades. possvel representar graficamente,
numericamente, ou em notao vetorial, essa mistura aditiva das trs cores bsicas, como
mostrado na Figura 8.1. Nesta figura, o espao piramidal definido pelos vetores
divergentes. Uma seo transversal deste espao define um plano triangular, onde
quantidades proporcionais da energia de cada cor primria podem ser representadas ao longo
dos lados do tringulo. Um grfico desta espcie chamado de tringulo de cor. No tringulo
de cor a natureza de qualquer estmulo de cor, resultante da proporo de misturas das cores
primrias, pode ser representada com um ponto dentro do tringulo. Nessa forma geomtrica
qualquer cor pode ser expressa por coordenadas, chamadas de coordenadas de
tricromacidade. Em 1931 a Commission Internationale de l'Eclairage (CIE) adotou um
sistema de especificaes triestmulo como o padro internacional para colorimetria. Foram
estabelecidos os valores de comprimentos de onda 435,8 nm, 546,1 nm e 700 nm para
representarem espectralmente as trs cores bsicas, azul, verde e vermelha, respectivamente.
Foi com base nessa teoria triestmulo que se modelou a percepo visual de cores e
se criaram as formulaes computacionais, para usar a cor como forma de exposio de
imagens multiespectrais de sensoriamento remoto e, atravs de tcnicas de processamento,
realar a extrao da informao da imagem.
Como ser visto neste captulo, atravs dos algoritmos de processamento de cores,
usualmente utilizados em processamento de imagens, que o espao de coordenadas
configurado para representar computacionalmente as cores, pode ser obtido por vetores que
compem os trs eixos ortogonais de um cubo de cores tricromticas RGB, ou como outra
121
opo, usar o espao hexacone para representar a cor por atributos do brilho, matiz e
saturao da cor (IHS). Isso significa a aceitao de dois modelos para explicar o que a cor:
modelo RGB e modelo IHS. A representao desses dois modelos, respectivamente, nos
espaos do cubo e do hexacone, foi a forma encontrada para uma simplificao
computacional confivel e ajustada aos instrumentos de reproduo da cor, os monitores.
P3
P2
P2
P1
Pa
P1
(a)
(b)
P3
P
Fig. 8.1 a) As quantidades de energia de cada uma das trs luzes bsicas (P 1, P2, P3) so ilustradas como vetores
e qualquer combinao dessas quantidades define um plano triangular. b) A projeo do plano triangular
fornece o diagrama de vetores no qual as quantidades relativas das cores bsicas podem ser expressas com
posies de coordenadas. (Fonte: Bartleson, 1995).
Qual a importncia da cor para a visualizao das imagens multiespectrais de

sensoriamento remoto? Se considerarmos que fisiologicamente a viso humana tem uma
baixa percepo para discriminar nveis de cinza, essa seria uma das respostas a esta questo.
Apenas para exemplificar, deve-se lembrar que para interpretar fotografias areas preto e
branco, recorre-se viso estereoscpica para observar os detalhes espaciais das feies, e
muito pouco se utiliza da anlise dos tons cinza para identificar as suas propriedades. Por esse
fato, torna-se bvio que a visualizao em preto e branco das bandas individuais de um
sensor no a forma mais ideal para se analisar o contedo de informao dos dados. Os
mtodos de ampliao de contraste vistos no captulo anterior ajudam a melhorar essa
deficincia, mas dificilmente conseguem garantir que todas as informaes contidas nas
bandas sero visualmente reconhecidas pelo fotointrprete. Por essa razo, quando se
modifica o contraste das imagens os resultados podero ser melhores avaliados quando as
imagens so combinadas para formar composies coloridas. As composies coloridas
procuram reproduzir padres de cores, combinando as bandas de um sensor com as cores
bsicas azul, verde e vermelho.
A inteno de usar a cor pode ser apenas para expor visualmente as imagens para
facilitar algumas operaes simples, como escolha de pontos de controle para registro, ou
seleo de amostras de reas para uma classificao supervisionada, mas o uso mais
importante propiciar uma alta qualidade de extrao de informaes, para fins de
mapeamentos temticos. No so apenas as imagens realadas por modificao de
histogramas que so usadas para compor uma imagem colorida. H diversas outras tcnicas
que consideram as medidas de atributos da cor para configurar um algoritmo de
processamento, como por descorrelao de bandas ou fuso de imagens com diferentes
resolues espaciais.
122
8.2
Fatiamento de histograma
O procedimento mais simples para associar cor a uma imagem por meio do
fatiamento dos valores de brilho, processo que alguns pesquisadores consideram ser uma
forma de realce de contraste, muito embora, de fato no realizada uma operao matemtica
ou estatstica de transformao da imagem.
O fatiamento dos valores de brilho de uma imagem (density slice) consiste num
processo de dividir o intervalo digital mnimo-mximo de uma banda selecionada, em
subintervalos digitais especificados pelo analista. Os pixels que estiverem dentro de um
intervalo digital so convertidos para um nico valor e visualmente mapeados a uma cor
escolhida. Se o analista decidir dividir o histograma em dez fatias, a imagem de sada ter dez
variaes de cores, selecionadas de uma paleta de cores. As cores dessa banda so
denominadas de pseudocores, apenas para diferenciar esta imagem colorida de uma
composio colorida padro RGB. uma forma simples de dar cor a uma imagem de tons de
cinza. Porm, ao se agrupar pixels em um intervalo de brilho, o nmero total de valores
discretos de brilho reduzido, e alguns detalhes da imagem so perdidos.
O valor dessa tcnica transformar sutis variaes de nveis de cinza que no foram
visualmente percebidas pelo analista, e que poderiam estar representando pequenas
diferenas de um alvo aparentemente homogneo. O resultado bastante parecido com uma
classificao do tipo paraleleppedo, assunto este a ser visto bem mais adiante. A Figura 8.2
mostra a aplicao de fatiamento para um depsito salar nos Andes argentino, com
exposies de sais de brax e halita, em propores variadas. Dificilmente, dois intrpretes
chegariam a um mesmo resultado de mapeamento visual das variaes dos nveis de cinza
que esta imagem apresenta. Bons resultados tambm seriam obtidos para o mapeamento de
plumas de disperso de sedimentos em corpos dgua, propiciando mapeamentos mais
detalhados do que por um processo visual.
Fig. 8.2 Banda do infravermelho prximo de um salar andino e pseudocores obtidas pelo fatiamento dos nveis
de cinza da imagem.
8.3
Espao de cor RGB
O sistema de cor RGB o mais usado entre os modelos de cores, especialmente para
imagens de 8 bits. De acordo com a teoria de mistura de cores, a luz visvel, quando passa
123
atravs da pupila focada na retina pelas lentes oculares. Na retina h um grande nmero de
clulas fotoreceptoras, altamente especializadas, conhecidas como cones e bastonetes, e que
esto conectados por uma rede de fibras nervosas ao nervo ptico, ao longo das quais a
energia luminosa detectada pelo olho vai ao crebro, formando a imagem visual. H cerca de
5 milhes de cones e 120 milhes de bastonetes. Os bastonetes respondem luz de baixos
nveis de iluminao (Intensidade) adaptando-se subobscuridade. Os cones realizam a
distino de matiz (Hue) e a percepo de pureza (Saturao). A cor, ou mais
apropriadamente hue, imagina-se ser associada com a viso diurna dos cones, porque h trs
tipos de cones, cada um sendo responsvel pela criao de cada uma das trs cores primrias,
azul, verde e vermelho. Por isso, chamada de teoria triestmulo da viso humana da cor. O
mais interessante dessa teoria triestmulo, alm de sua simplicidade, porque ela d a idia
de que as cores podem ser formadas pela soma de vermelho, azul e verde em vrias
combinaes de intensidades. Dessa forma, se imaginarmos que cada cor possui uma
intensidade bem definida, ao se tomar uma frao da intensidade da cor e som-la outra,
cria-se uma nova cor (C), que pode ser expressa por meio da conhecida equao de adio de
cores.
C = x1B + x2G + x3R
eq. 8.1
No algoritmo do modelo do espao de cor para as imagens de sensoriamento remoto,

as intensidades x1, x2, x3, so determinadas pelos valores digitais de brilho das bandas. Em
obedincia teoria triestmulo da percepo da cor, o modelo concebido baseia-se na adio
de um tripleto de bandas, s quais so associados livremente os canais das cores azul, verde e
vermelho do monitor. Esse sistema conhecido como sistema de cores RGB (red, green,
blue).
Na Figura 8.3 est esquematizado o processo de display da imagem no computador,
onde trs bandas so processadas por trs Look-Up Tables (LUTs) para converter os nmeros
inteiros de cada banda da imagem digital (NDs), para valores analgicos discretos de nveis
de cinza (NCs), que so armazenados na memria de vdeo do monitor. Para cada banda de 8
bits de resoluo radiomtrica h 256 nveis de cinza possveis, havendo, portanto 2563
possveis vetores RGB, muito embora, os monitores no tenham capacidade para expor todas
essas cores. Isso no um problema, porque esse nmero de cores no atingido devido ao
fato de cada banda ocupar apenas um pequeno intervalo de valores digitais do intervalo total.
O sistema de cores RGB tem como qualidade destacada a liberdade para o analista
explorar as possveis combinaes de trs cores com trs bandas, para obter a imagem
colorida de melhor contraste. Embora o apelo visual das cores seja dependente da qualidade
de contraste de cada banda, ele controlado pela escolha adequada das bandas em funo do
comportamento espectral dos alvos presentes na imagem. Isso requer do fotointrprete
experincia e conhecimento sobre o comportamento espectral dos alvos. No basta apenas
habilidade do intrprete em processamento de imagem.
A cor um recurso imperativo no uso de imagens multiespectrais da faixa ptica do
espectro eletromagntico, mas composies coloridas podem ser obtidas com qualquer outro
tipo de imagem, como de imagens termais multibandas do sensor ASTER ou de imagens de
radar de modo multipolarimtrico do RadarSat.
A regra universal de adio das trs cores primrias, azul, verde e vermelho,
mostrada na Figura 8.4. A combinao da projeo dos focos de luzes azul, verde e vermelho
resulta no branco, e a combinao em par das cores azul + verde resulta na cor ciano, o par de
cores azul + vermelho resulta na cor magenta, e o par de cores verde + vermelho na cor
amarela. Milhes de cores podero ser obtidas variando a intensidade de luz de qualquer uma
das trs cores primrias.
124
Imagem
conversor
Banda 1
Canal R
D/A
Banda 5
Canal G
D/A
Banda 6
D/A
Canal B
Fig. 8.3 Converso de uma imagem digital para analgica no processo de formao de uma composio colorida
padro RGB.
Fig. 8.4 Combinao aditiva das cores RGB, gerando as cores secundrias ciano, magenta e amarelo.
Em termos instrumentais, os monitores coloridos so constitudos de materiais

fotossensveis s trs cores primrias, que se iluminam como um pequeno ponto de luz
colorido. A iluminao da tela produzida por correntes de eltrons, cujas intensidades so
determinadas pelos valores de brilho dos pixels da imagem. Quando uma imagem carregada
na tela, um pixel da imagem ocupar um correspondente pixel do monitor. Dessa forma, cada
pixel da tela registrar a combinao das trs cores, com intensidades correspondentes aos
125
valores dos pixels das trs bandas combinadas. Suponha uma imagem com os seguintes
valores: na banda 1 o pixel tem um valor digital 255 e foi, opcionalmente, endereado ao
canal de vdeo R do monitor; na imagem da banda 2 o pixel tem tambm valor 255 e foi
endereado ao canal G; e na banda 3 pixel tem valor 0 e foi endereado ao canal B. Os
valores digitais 255 acendero na tela do computador altos valores de brilho de cor vermelha
e verde para as bandas 1 e 2, respectivamente, enquanto o valor digital mnimo 0 no
acender nenhuma intensidade de azul no monitor. A soma das intensidades de brilho das
cores, R intenso + G intenso + B nulo, resulta em um pixel na tela de cor amarela (Y). A
Tabela 8.1 contm alguns exemplos de cores resultantes das combinaes dos valores digitais
com as cores bsicas RGB.
Tabela 8.1- Notaes de cores RGB correspondentes aos valores digitais de trs bandas.
192, 80, 77
84, 141, 212
0, 255, 0
255, 0, 255
102, 204, 255
215, 246, 20
255, 0, 102
128, 128, 128
11, 131, 62
De acordo com os exemplos da tabela acima vemos que a cor dominante

controlada pelo pixel ou pixels que possuem maior valor digital, ou seja, maior radincia.
Como os hardware de monitores so padronizados pelo sistema RGB, qualquer outra
representao de cor em imagem tem, obrigatoriamente, de ser transformada para o sistema
RGB, para que possa ser exposta em monitores coloridos.
O espao de cores desse modelo computacional de mistura das cores RGB
representado pelo cubo de cor, como mostra a Figura 8.5. O modelo do cubo intuitivamente
relacionado com o modelo triestmulo da viso humana e com o mecanismo de cores dos
monitores. Os valores de nveis de cinza de cada banda iro constituir no sistema de
coordenadas RGB os eixos ortogonais do cubo de cor. O intervalo de valor de brilho da
imagem define o tamanho dos eixos do cubo de cores RGB, que para imagens quantizadas
em 8 bits 256. Portanto, cada pixel da imagem nesse sistema de cor representado por um
vetor que estar de algum modo dentro dos limites do cubo de cor. Note na figura que os
vrtices do cubo representam as cores aditivas primrias e secundrias, e o eixo diagonal com
origem no centro do cubo e em direo ao vrtice oposto s cores, contm os tons de cinza.
Sobre as arestas do cubo localizam-se as cores saturadas neste espao. Cor saturada no
significa cor pura, como as cores definidas em 1931 pela Commission Internationale de
l'Eclairage, onde cores puras so somente aquelas localizadas no contorno do diagrama de
tricromacidade. Dessa forma, o uso do cubo de cor no capaz de reproduzir cores puras,
apenas cores saturadas.
126
red
(255,0,0)
amarelo
magenta
branco
preto
green
(0,255,0)
blue
(0,0,255)
Fig. 8.5 Representao do espao de cubo de cores RGB para construo de imagens coloridas.
A melhor combinao de cores para um tripleto de bandas uma deciso a ser

tomada pelo analista. Isso pode parecer simples, mas se considerarmos o nmero de possveis
combinaes coloridas, como no clculo abaixo, com seis bandas permutadas com trs cores,
a tarefa quase impossvel.
n Pr =
com 6 bandas
n!
(n r) !
nPr=
6!
= 120 combinaes possveis
( 6 3) !
Para resolver o problema, o intrprete deve fazer a seleo de trs bandas que
possuam o mximo da informao desejada. Com imagens de um sensor ptico, um prtico
recurso para isso plotar em um grfico os padres de reflectncias dos alvos que se deseja
discriminar na imagem, e nele indicar as posies das bandas. As melhores bandas so
aquelas situadas nas regies de maior diferena de reflectncia entre os alvos, como
exemplifica a Figura 8.6, com as bandas do sensor ETM. Nesse exemplo, a melhor
composio colorida seria com as bandas 4, 5, e 7. Pelo fato de os comprimentos de onda
destas bandas no serem do visvel, a composio colorida por elas formada chamada de
falsa cor. Para se ter uma composio colorida que se aproxime da viso humana, deve ser
usado um tripleto de bandas com comprimentos de onda situados exclusivamente no visvel.
No exemplo mostrado na Figura 8.6, essa composio seria com as bandas 1, 2 e 3.
127
Vegetao
Rocha hidrotermalizada
Rocha oxidada
Rocha carbontica
Fig. 8.6 Espectros de reflectncia de quatro materiais e as posies das bandas do sensor ETM como meio
prtico para selecionar trs bandas que melhor possam identificar esses materiais.
Uma vez selecionado o tripleto de bandas h um aspecto interessante que deve ser
considerado na escolha de atribuir as cores s bandas. Experimentos mostram que o nmero
de bastonetes sensveis ao azul muito menor do que para as cores vermelha e verde, e por
isso, a sensitividade da viso humana s cores azuis mais baixa do que s cores verde e
vermelha, como mostra a Figura 8.7. Em funo disso, aconselhvel que ao se montar uma
composio colorida deve-se associar a cor verde ou a cor vermelha banda de maior
varincia, portanto, de maior contraste, destinando a cor azul banda de menor varincia.
Pode-se constatar isso nas composies coloridas exibidas na Figura 8.8. So imagens obtidas
pela combinao das bandas 3, 4 e 5 do sensor ETM do satlite Landsat 7. Dessas trs
bandas, a banda 5 a que apresenta a maior varincia. Observe, quando a ela destinada a
cor verde ou vermelha, a composio aparenta maior impacto visual do que quando se
associa a ela a cor azul, muito embora todas as trs composies contenham o mesmo nvel
de informao.
100%
sensitividade
80
60
40
20
0
400
500
600
700 nm
comprimento de onda
Fig. 8.7 Diferenas de sensitividade do olho humano s cores azul, verde e vermelha
128
RGB 543
RGB 453
RGB 345
Fig. 8.8 Impacto das cores na composio colorida obtida com a associao das cores verde ou vermelha de
maior percepo do olho humano, banda de maior varincia (banda 5).
8.4
Espao de cor IHS
No espao de cores RGB os eixos do cubo representam a quantizao da radincia
referente aos comprimentos de onda de um tripleto de bandas, resultando em imagens
coloridas, que satisfazem a maioria das necessidades do intrprete. Contudo, ao se descrever
a cor de um objeto, frequentemente nos referimos, por exemplo, se aquela cor vermelha
brilhante, clara ou escura, ou mesmo se uma cor pura. Essa uma forma de se descrever a
cor por meio da percepo fisiolgica humana, atravs de trs atributos: intensidade, hue e
saturao, que so grandezas quantitativamente especificveis e independentes, sob o ponto
de vista de percepo visual. Diz-se, ento, que Intensidade (I), Hue (H) e Saturao(S) so
atributos da cor, fortemente, percebidos pela viso. Dependendo dos valores dos dados das
bandas, esses atributos possuiro valores bem diferentes de imagem para imagem.
O problema das imagens coloridas RGB que os ajustes das cores que so feitos nos
monitores, atravs de manipulaes de ganho e brilho aplicados a cada cor bsica alteram,
simultaneamente, os valores de intensidade, matiz e saturao, prejudicando, assim, o
processo de anlise visual dos objetos presentes na imagem (Dutra e Meneses, 1986, 1987).
No espao IHS possvel manipular cada componente separadamente, obtendo dessa forma,
maior controle sobre o realce de cor, atravs de deslocamento e operaes lineares e no
lineares sobre os componentes I, H e S.
O sistema IHS no uma teoria de cor, mas outra forma de igualmente modelar uma
representao espacial desses trs atributos, para a mesma cor obtida pelo espao de cubo de
cor. Ou seja, uma transformao numrica do espao de cor RGB para o espao IHS.
Define-se intensidade (I) como a quantidade de brilho de uma cena, o que uma medida do
albedo refletido das partes iluminadas e sombreadas de todos os alvos presentes na imagem.
o equivalente a ver uma cena colorida, com uma viso em preto e branco. Assim, a
intensidade independente dos atributos saturao e hue, que so apropriadamente, os
atributos da cor. Saturao (S) o grau de diluio de uma cor pura por luz branca, e por isso
tambm chamada de pureza da cor. E hue (H) ou matiz define a cor espectral dominante.
Na transformao IHS a imagem hue derivada de trs bandas livre de sombra, porque os
valores dos pixels na imagem hue so independentes de iluminao e esto apenas
relacionados s assinaturas de reflectncia das trs bandas.
129
Para se usar IHS como uma opo de processamento de cor deve-se seguir os passos
indicados na Figura 8.9. Com trs bandas selecionadas executa-se a transformao do espao
cbico RGB para o espao IHS, obtendo-se separadamente os componentes de intensidade
(I), hue (H) e saturao (S). Nesse processo no h um deslocamento numrico da cor, uma
caracterstica que no geralmente verdadeira, quando os componentes R, G, e B no cubo de
cor so contrastados por um realce tipo linear. Mudanas de contrastes em H ou S devem ser
feitas por transformaes apropriadas, como forma de se ter maior controle sobre os realces
das cores da imagem. Com a aplicao da transformao IHS inversa volta-se ao espao de
cores RGB, para que se possa observar a imagem nos monitores coloridos. Alm disso,
possvel aplicar filtros passa-altas nessas composies de maneira a ressaltar os detalhes
espaciais.
bandas
Transformao
IHS
Filtragem
passa-alta
Transformao inversa
Retorno ao espao de cor RGB
Fig. 8.9 Etapas do processo de transformao do espao de cores RGB para o espao IHS.
Um exemplo da transformao para o espao de cores IHS mostrado na Figura 8.10,

a partir do tripleto de bandas 3, 4 e 5 do sensor ETM. Os histogramas so apresentados para
demonstrar o primeiro passo do processo de transformao, que consiste em extrair do
conjunto das trs bandas os trs componentes independentes que caracterizam a cor. Note que
os intervalos digitais de 0 255 das bandas so convertidos para 0 -1 para os componentes I e
S, e o componente hue expressa em ngulos de 0o a 360o. Antes dos componentes serem
revertidos para o espao RGB, a fim de serem vizualizados na tela, o analista pode ajustar
cada componente por mtodos de realce de contraste. A diferena desse ajuste com os ajustes
feitos no espao RGB, que no espao IHS a mudana de cores se apresentar uniforme.
Nesta figura so mostradas para efeitos de comparao, a composio colorida no espao de
cor IHS e a composio colorida no espao de cor RGB. Observe que a imagem IHS retrata
de forma bem mais contrastante e com finos detalhes, as variaes de cores, as quais na
imagem RGB so mais difceis de serem percebidas. H uma pequena perda de textura do
relevo, porque no processo de transformao as sombras so computadas como valores de
brilho.
Para descrever o modelo geomtrico do espao de cor IHS usa-se normalmente um
hexacone, que representativo da maioria das verses de algoritmos usados em
processamento de imagens equivalentes ao IHS, como o HSV (value), e o HLS (lightness).
Value e Lightness so atributos com equivalncia ao atributo intensidade I. Outra conhecida
transformao o HSV (Munsell) que se baseia na carta de cores de solos e rochas, mas que
utiliza a geometria de um cilindro. Variaes dessas representaes so possveis e,
praticamente, no se nota diferenas significativas de resultados de processamento entre estes
algoritmos. A base da transformao, descrita a seguir, a mesma para todos.
130
Componente I
Imagem IHS
Componente H
Componente S
Imagem RGB
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 s medidas das coordenadas dos atributos IHS. Como IHS uma transformao do
sistema RGB, a concepo da geometria do hexacone deve ser subtrada da geometria do
cubo de cor. Imagine a projeo de cada subhexgono de cor, em um plano perpendicular
linha do vetor preto ao branco, como visto na Figura 8.11. Movendo-se o vrtice do vetor
preto ao branco, a projeo do plano resulta em uma srie de hexgonos de diferentes
dimenses. Essa srie de hexgonos define o hexacone. No hexacone, a linha de cinza do
preto ao branco define a intensidade de cada hexgono, enquanto os componentes H e S se
localizam, propriamente, no hexgono. O local onde o hexacone se reduz ao valor mnimo, a
131
intensidade I zero, isso , o hexacone um ponto preto. medida que aumenta a

intensidade os tamanhos dos hexgonos vo aumentando, e o ponto preto caminha do cinza
at atingir o seu mximo, o branco. A dimenso de cada seo transversal do hexacone
determina a quantidade de matizes presentes (Hue). Para um ponto interno projeo de um
hexgono, com uma dada intensidade, os outros dois componentes da cor, Hue e Saturao,
so definidos, geometricamente, na superfcie do hexgono. O Hue determinado pela
posio do matiz em torno do hexgono, e que calculado pela rotao do ngulo azimutal
de 0o a 360. O vermelho est 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 Saturao determinada pela
distncia do ponto ao centro do hexgono, e por isso, define a quantidade de branco que est
associada cor. Pontos mais distantes do centro representam matizes mais puros do que
aqueles mais prximos ao centro. Saturao e Intensidade tm valores no intervalo de 0 a 1.
Para se efetuar o realce dos atributos IHS de uma forma independente, antes de voltar ao
espao RGB (transformao inversa), a componente I pode ser linearmente ampliada para
realar as reas de baixo albedo, H rotacionado pela escolha de um ngulo apropriado para
destacar uma cor, e os valores de S podem ser linearmente reescalonados, a fim de aumentar
a saturao e tornar as cores mais vivas.
I
Green (120o)
amarelo
Green
amarelo
a
1,0 branco
ciano
S
Blue (240o)
p
p
Red (0 )
ciano
magenta
Blue
Red
magenta
p o ponto representando a cor

I = R + G + B/3
H = ap / ab
S = op / op
0,0 preto
Fig. 8.11 Modelo de representao dos atributos IHS da cor por meio da geometria do hexacone. (Adaptado de
Schowengert, 2007).
Como as imagens so armazenadas utilizando o espao de cores RGB, torna-se

necessrio a utilizao de equaes para a transformao IHS. Transformaes lineares
podem ser usadas para definir os componentes, o que tornam os algoritmos de transformao
de intensidade, matiz e saturao bastante simples e eficientes. Uma transformao bastante
conhecida a que foi proposta por Pratt (1991), que tem a seguinte formulao, tambm
baseada na geometria do hexacone:
132
Aps essa primeira transformao, os valores de matiz (H), saturao (S) e intensidade (I =
V) so obtidos por:
eq. 8.2

eq. 8.3
eq. 8.4
onde, 0 S, V 1 e 0 H 2
A transformao inversa para o espao RGB, para que a imagem possa ser visualizada
nos monitores coloridos que so de padro RGB, dada por:

eq. 8.5

eq. 8.6
eq. 8.7
Outras variaes de transformaes existem, tais como, HLS (hue, ligtness, saturao)
ou HSV (hue, satutao, value). No modelo HLS o espao de cor 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 obtm o mais forte nvel de luminosidade e saturao so em L=0,5 e S=1,
enquanto que no HSV, para se ter o mesmo efeito, teramos V=1 e S=1 (Foley et al., 1990).
Fig. 8.12 Modelo de cor HSL por meio da geometria do hexacone duplo. (Adaptado de Foley et al., 1991).
133
Independente de quais sejam as equaes de transformao, Souto (2000) observou

que um problema inerente aos componentes da cor a instabilidade de hue sob condies
variadas de saturao e/ou intensidade. O autor comprovou que percebida uma acentuada
instabilidade de matiz quando a cena exibe baixos valores de saturao. Na medida em que o
valor de saturao aumenta, a instabilidade de matiz diminui, at chegar a uma situao de
estabilidade. Para valores baixos de intensidade, o componente matiz mais sensvel (ou
instvel) s variaes de valores dos componentes no espao RGB.
8.5
Fuso de Imagens
A alternativa para descrever as cores de uma imagem decompondo-as nos
componentes de Intensidade (I), Hue (matiz) e Saturao (S), estende-se alm do seu uso para
a obteno de composies coloridas. Na realidade, a transformao IHS foi concebida como
uma poderosa tcnica para ser usada como um meio de combinar imagens de diferentes
sensores, com diferentes resolues espaciais. Essa tcnica ficou conhecida como fuso de
imagens e seu principal objetivo aumentar a resoluo espacial das imagens multiespectrais
de baixa resoluo espacial, utilizando-se de uma imagem de alta resoluo espacial, tal
como a banda pancromtica que atualmente diversos sensores possuem, ou ento usando uma
imagem de radar.
A representao no espao de cores IHS apresenta algumas propriedades, entre as
quais se destaca o ordenamento das resolues espaciais dos componentes I, H e S, na forma
como o olho humano capaz de perceb-las. A componente I percebida por mxima
resoluo, seguida de H e S, devido ao fato de que a retina do olho humano compe-se de
maior nmero de bastonetes (responsveis pela percepo de luminosidade ou brilho I) do
que de cones (responsveis pela percepo do matiz H). Para exemplificar isso imagine uma
foto area tomada com um filme preto e branco do visvel de uma rea do terreno, portanto,
colorida. As cores mais vivas da paisagem corresponderiam na foto preto e branco aos tons
de cinza claros e as cores escuras corresponderiam aos tons de cinza escuros. A foto area em
preto e branco seria, portanto, uma representao da intensidade I. Para compensar a falta dos
outros dois atributos da cor, elas tm com principal caracterstica a alta resoluo espacial, de
1 m ou mais, que possibilita a identificao dos objetos pela anlise de suas formas e no
pelas propriedades de matiz e saturao. Elas possuem assim, uma baixa resoluo espectral,
mas uma alta resoluo espacial. Ento, o ideal seria ter um sensor que pudesse registrar com
a mxima eficincia os trs componentes das cores com alta resoluo espacial. Mas o que
vemos uma maioria de sistemas sensores orbitais com um mdulo multiespectral com baixa
resoluo espacial, adicionado com uma banda de ampla largura espectral, tal como das fotos
areas e com uma alta resoluo espacial. Essa banda tem sido denominada de banda
pancromtica. Utilizando a tcnica IHS podemos processar conjuntamente as imagens
multiespectrais e a banda pancromtica, combinando as suas resolues e obtendo como
resultado uma imagem com alta resoluo espectral e espacial.
O processo de fuso de imagens feito em dois passos. O primeiro passo segue o
mesmo processo para a construo de uma composio colorida no espao IHS. O analista
deve selecionar trs bandas do mdulo multiespectral que contenham as melhores
informaes espectrais de seu interesse, e realizar a transformao para o espao IHS. Os
componentes H e S que guardam a informao espectral das cores so preservados e o
componente I descartado e substitudo pela imagem pancromtica de alta resoluo
espacial. O segundo passo consiste em reamostrar os componentes H e S para a resoluo
espacial da banda pancromtica, sintetizando uma imagem colorida com resoluo espacial
134
da banda pancromtica e com as cores do mdulo multiespectral. Opera-se ento a

transformao inversa para o espao de cor RGB. Apesar de ser uma tcnica bastante
utilizada, a fuso pelo mtodo IHS possui a limitao de permitir apenas a fuso de trs
bandas com a imagem de alta resoluo espacial.
Outras propostas de tcnicas de fuso surgiram baseadas em trs opes de modelos:
modelo no domnio espacial, no domnio espectral e por operaes algbricas. Os modelos no
domnio espacial utilizam as transformadas de Wavelets e a tcnica HPF (High-Pass Filter)
para retirar a informao espacial de alta frequncia da imagem de alta resoluo espacial e
combin-la com imagem multiespectral. O modelo no domnio espectral o da tcnica IHS, e
inclui outras duas novas tcnicas: Principais Componentes e Gram-Schmidt. E o modelo
algbrico das tcnicas Brovey e Multiplicativa usam operaes aritmticas pixel a pixel. Uma
breve descrio dessas tcnicas apresentada (Welch & Ahlers, 1987; Vrabel, 1996).
Brovey (cor normalizada)
Utiliza uma combinao matemtica de soma e multiplicao entre as imagens de
diferentes resolues espaciais. Cada banda da imagem multiespectral (MSi) multiplicada
pela imagem de alta resoluo (PAN) e dividida pelo somatrio das bandas multiespectrais
(equao 8.8). Isso normaliza a cor da imagem fusionada, contribuindo para diminuir a
instabilidade de H sob condies de baixa saturao e/ou intensidade. Somente trs bandas
multiespectrais so usadas. A fuso Brovey possui as mesmas limitaes da IHS, pois
trabalha com o sistema de cores RGB (Pinto et al., 2005). Mas mostra-se superior ao IHS
quando as bandas multiespectrais so da regio do infravermelho.

eq. 8.8
Principais Componentes (PC)

A fuso por Principais Componentes a forma de no limitar o nmero de bandas que
podem ser fusionadas, como ocorre com as tcnicas Brovey e IHS. Inicia-se com a
transformao das bandas multiespectrais em um mesmo nmero de componentes nocorrelacionados. O primeiro principal componente (PC1) substitudo pela banda
pancromtica, que antes passa por um processo de equalizao de mdia e varincia para que
fique mais parecida possvel com a PC1.
Gram-Schmidt (GS)
Este procedimento, assim como o de Principais Componentes, uma operao sobre
vetores, com o objetivo de torn-los ortogonais. A fuso inicia-se simulando a existncia de
uma banda pancromtica a partir das bandas multiespectrais de baixa resoluo espacial. A
banda pancromtica simulada deve estar dentro do intervalo espectral das bandas de baixa
resoluo. Na sequncia, uma transformao de Gram-Schmidt aplicada banda
pancromtica simulada e s bandas multiespectrais, e a pancromtica simulada considerada
como a primeira banda. Ento, a primeira banda Gram-Schmidt trocada pela banda
pancromtica de alta resoluo e uma transformao inversa aplicada para formar a imagem
sinttica de sada. O mtodo Gram-Schmidt mais preciso do que o mtodo Principais
135
Componentes porque ele usa a funo de resposta do sensor para estimar como a banda
pancromtica deve aparecer.
CN Spectral (normalizao espectral de cores)
A tcnica de fuso CN Spectral (color normalization) uma extenso do algoritmo
Brovey, mas sem restrio ao nmero de bandas e resoluo radiomtrica da imagem
sinttica de sada. Entretanto, h uma nica restrio para a execuo dessa fuso: o intervalo
espectral das bandas de entrada deve ser o mesmo da banda de alta resoluo espacial. O
processo de fuso comea com o agrupamento das bandas de entrada em segmentos
espectrais cujos intervalos espectrais so definidos pelo valor central do comprimento de
onda de cada banda, o que obtido do arquivo cabealho (txt.) da imagem. Em seguida
realizada uma operao aritmtica semelhante da fuso Brovey. Cada banda de entrada
multiplicada pela banda de alta resoluo espacial e normalizada pela diviso da soma de
bandas multiespectrias, na forma da equao 8.9.

eq. 8.9
Podemos considerar que o mtodo de fuso mais eficiente aquele que preserva as
cores da imagem original e que consegue transferir a informao espacial de alta frequncia
da imagem de alta resoluo espacial.
Exemplos desses mtodos so apresentados na Figura 8.13. As imagens so do sensor
ETM do Landsat 7, com seis bandas no mdulo multiespectral (0,45 m 2,35 m) de
resoluo espacial de 30 metros e uma banda pancromtica (0,55 m - 0,95 m) com
resoluo espacial de 15 metros.
Mdulo pancromtico
Resoluo espacial 15 m
Mdulo multiespectral
Resoluo espacial 30 m
136
CN
IHS
PC
GS
Fig. 8.13 Resultados da fuso da imagem multiespectral ETM de resoluo de 30m com a imagem pancromtica
de resoluo de 15m, pelos mtodos no modelo algbrico (CN) e no domnio espectral (IHS), Principal
Componente (PC) e Gram-Schmidt (GS).
137
ARITMTICA DE BANDAS

Tati de Almeida
9.1
As operaes aritmticas
Aritmtica de bandas uma das mais simples formulaes algortmicas de

processamento de imagens e que pode ter resultados expressivos. A facilidade para executar
as operaes aritmticas de soma, subtrao, multiplicao e diviso uma notvel
demonstrao das vantagens do uso de processamento de imagens multiespectrais. um
processo bastante rpido para ajustar e suavizar imagens muito ruidosas ou para se obter
realces de toda a rea de uma imagem ou de alvos especficos de interesse do analista. As
operaes aritmticas realizam um processamento de transformao dos dados a partir da
combinao de imagens, gerando como resultado uma nova imagem completamente distinta
das imagens de entrada. Uma nova matriz de dados gerada. O processo de transformao
executado pixel a pixel por meio de uma regra matemtica pr-definida envolvendo,
normalmente, no mnimo duas bandas do mesmo sensor ou bandas de datas de aquisio
diferentes (Figura 9.1). Nesse ltimo caso, as imagens devem ser co-registradas.
+
-
/
Fig. 9.1 Operaes aritmticas so executadas pixel a pixel entre duas bandas.
As operaes de uso mais comuns so a diviso e a subtrao, com reduzida aplicao

para as operaes de soma e multiplicao. Como o resultado uma nica imagem, as
operaes aritmticas so uma forma de recurso para reduzir o nmero de imagens, o que
uma vantagem em termos de armazenamento em disco. Conforme seja a operao pode
ocorrer perda de informao quando os novos valores ultrapassarem o intervalo de nmeros
digitais ou resultar em nmeros fracionrios. Por exemplo, para uma imagem de 8 bits os
valores que ficarem abaixo de 0 sero saturados em 0 e os valores acima de 255 sero
saturados em 255, para manter a imagem em 8 bits. E nos casos de os novos valores digitais
ficarem reduzidos a valores muito pequenos, como numa diviso de uma banda por outra,
requerido um fator de ganho (multiplicativo) e um off-set (aditivo), para que seja ampliado o
contraste visual da imagem transformada.
138
Em termos gerais, a soma e a multiplicao servem para realar similaridades

espectrais entre imagens de diferentes bandas ou datas, enquanto a subtrao e a diviso so
utilizadas para realar diferenas espectrais dos alvos.
9.2
Soma
Com um par de imagens ou n imagens, a operao soma definida como uma soma
normalizada de diferentes bandas espectrais ou de vrias imagens semelhantes tiradas em
datas distintas. Pode tambm ser aplicada para somar uma banda de um sensor com imagens
processadas de outro sensor. A expresso genrica para a soma :

eq. 9.1
sendo, n= nmero de bandas
De onde se pode perceber que a nova imagem (gsoma) uma mdia aritmtica dos
pixels de todas as bandas somadas (gi). Como so somados pixels bons com pixels ruidosos, a
soma tende a minimizar os rudos que podem estar presentes nas imagens originais. Deve-se
dividir a soma pelo nmero de bandas somadas, porque sempre o resultado ultrapassa a faixa
de valores digitais da imagem. Por exemplo, a soma entre os pixels de duas imagens de 8 bits
(faixa 0 a 255) poder ficar entre 0 a 510, o que obviamente excede a capacidade de memria
da imagem. Se simplesmente dividir o resultado por dois, a nova imagem reescalonada para
o intervalo 0 255.
A soma utilizada para realar similaridades entre imagens de diferentes bandas ou
datas, resultando no realce de alvos com respostas espectrais diferentes daquelas presentes
nas imagens originais. Segundo Florenzano et al. (2002) a adio de imagens pode tambm
ser aplicada para a obteno de uma banda pancromtica a partir, por exemplo, da adio das
imagens de bandas da regio do visvel (ex. bandas 1+2+3 ETM). Outra aplicao sugerida
por Crsta (1993) somar uma imagem original sua verso submetida a um filtro de
convoluo de realce direcional, o que permite combinar a informao tonal da imagem
original com a informao textural da imagem filtrada, obtendo-se um resultado de melhor
qualidade visual para fins de interpretao. Um exemplo numrico da soma mostrado na
Figura 9.2.
O exemplo mostrado na Figura 9.3 a soma das trs bandas do visvel do sensor
ETM, simulando o exemplo proposto por Florenzano et al. (2002) para se criar uma imagem
pancromtica. Nos software que permitem este processamento, a expresso computacional
do tipo:

eq. 9.2
onde, float usado para evitar erros de byte overflow durante os clculos.
139
120 120 80 50 50
120 120 80 50 50
120 160 160 160 50
160 160 160 160 50
180 180 180 90

180 180 205 90
180 205 205 205
205 205 205 205
g1
90
90
90
90
150 150 130 70 70

150 150 182 70 70
150 182 182 182 70
182 182 182 182 70
g2
g3
Fig. 9.2 Soma de duas bandas com similaridades, resultando numa imagem realada que a mdia aritmtica.
Banda 1 (450-552nm)
Banda 2 (552-600nm)
B1 + B2 + B3
Banda 3 (630-690nm)
Fig. 9.3 Operao aritmtica de soma de trs bandas do visvel para simular a criao de uma imagem
pancromtica.
140
9.3
Multiplicao
A multiplicao talvez a menos usada das operaes. Em sensoriamento remoto
pode-se ver alguma utilidade prtica da multiplicao, quando se multiplica uma banda por
outra. Uma das principais dificuldades com a multiplicao a faixa extrema de valores que
pode ser gerada. Uma imagem com 8 bits produzir valores de 0 a mais de 65000. Isso um
produto de 16 bits, condizentes com imagens de altssima resoluo, muito usadas na rea
industrial para controle de qualidade de produtos. Para as imagens de sensoriamento remoto,
o produto da multiplicao automaticamente reescalonado para o intervalo 0 a 255, o que
acarreta uma perda significativa de dados. A expresso abaixo normalmente usada na
multiplicao de duas bandas, e tem a finalidade de realar os dados que so semelhantes em
ambas.

eq. 9.3
onde, k 1 representa o valor mximo de quantizao. Numa imagem de 8 bits, k 1 = 255.

Florenzano et al. (2002) encontrou uma forma de usar a multiplicao de imagens
como recurso para obter uma imagem que agrega o realce da informao textural do relevo
com a informao espectral. Para isso, multiplicaram a banda 4 ETM do infravermelho
prximo, que em reas com cobertura vegetal consegue ter uma boa informao de relevo,
pelas bandas 2, 5 e 7, combinando os resultados dessa multiplicao em uma composio
colorida. Comparada com uma composio colorida simples RGB das bandas 2, 5 e 7, d
para perceber que uma imagem com maior valor para interpretao visual das formas de
relevo, enquanto se v uma leve suavizao das cores que ajuda a retirar, em benefcio do
intrprete, o efeito distrativo de cores saturadas de outros alvos (Figura 9.4).
Fig. 9.4 Imagens Landsat 5 TM da regio da serra do Tepequm (Roraima). Em a) composio 542/RGB e em
b) composio da multiplicao 4x5(R) 4x2(G) 4x7(B). (Copiado de Florenzano et al. 2002).
141
9.4
Subtrao
A subtrao de bandas uma operao de grande recurso prtico para detectar
mudanas temporais dos alvos presentes em uma rea, aplicao conhecida como change
detection. Tem amplo uso na deteco de impactos ambientais e na avaliao de
desmatamentos florestais. So necessrias duas imagens de datas diferentes da mesma banda,
o que mais fcil de realizar com imagens do mesmo sensor, do que com sensores diferentes.
Deve-se tambm dar preferncia para imagens tomadas com iguais ngulos de iluminao
(inclinao e azimutal solar), pois se sabe que as reas contendo alvos com forte controle de
organizao estrutural mostram reflectncia dependente da geometria de iluminao.
Nesse tipo de aplicao com frequncia ocorre das imagens tomadas em datas
diferentes apresentarem histogramas com mdias e desvio padro no coincidentes,
caracterizando uma mudana de radincia global da cena. ento preciso, antes de efetuar a
subtrao, equalizar a radincia das duas imagens para evitar a deteco de mudanas no
reais.
A subtrao entre os pixels das imagens pode resultar numa diferena mxima
negativa de 255 e numa diferena mxima positiva de +255, contando que sempre haver
nas imagens alguns pixels com valores digitais mnimos zero e mximos 255. Para
compensar os valores negativos de pixels, porque no existe radincia de energia negativa, ao
resultado da subtrao so adicionados 255 e assim o intervalo digital deslocado para 0 a
511. A seguir divide-se este intervalo por dois para ter a imagem reescalonada entre 0 255.
O esquema abaixo exemplifica a operao de subtrao de imagens.

eq. 9.4
Sem mudana
128
Direo e grau de mudana
aumenta mudana
aumenta mudana
255
De acordo com essa formulao matemtica de deteco de mudanas, os pixels com

valores de 128 so de reas sem mudanas, enquanto as reas que sofreram mudanas ao
longo das duas datas tero pixels com valores na direo de 0 ou de 255. Portanto, pode-se
dizer que diagnosticado uma direo de mudana. Vemos isso no exemplo da Figura 9.5 de
duas imagens tomadas em 2001 e 2006. Subtraindo a banda 3 ETM da imagem de 2006 da
imagem de 2001, os pixels na direo ao zero representam mudanas das classes de alvos que
eram mais claras (maior reflectncia) em 2001 do que eram em 2006, e os pixels na direo
a 255 so das classes de alvos que eram mais escuros em 2001 do que eram em 2006. Os
valores extremos 0 e 255 indicam mudanas extremas, e os valores de cinza intermedirios
indicam mudanas graduais. O histograma da imagem subtrao tem um pico centrado em
128, e rapidamente caindo para ambos os lados.
142
Caso o objetivo seja fixar uma magnitude de mudana, o algoritmo de subtrao

torna-se, simplesmente, em uma subtrao de valores absolutos dos pixels das duas imagens,
independente do sinal da subtrao ser negativo ou positivo.
(imagem ano 2001
imagem ano 2006)
imagem diferena
Fig. 9.5 Deteco de mudanas por meio de subtrao de imagens tomadas em diferentes datas. Na imagem
diferena os tons de cinza mais escuros indicam as reas que sofreram maiores mudanas.
9.5
Diviso de Bandas
No processo de extrao de informaes de imagens de sensores multiespectrais, em
muitas situaes h o interesse especfico de se discriminar na cena sutis variaes de
reflectncia de alvos especficos, como um tipo de litologia, solo, ou tipos de vegetao.
Nesse caso, deve-se buscar por meios que possam destacar exclusivamente as propriedades
daquele tipo de alvo, em detrimentos a todos os outros presentes na cena, sem interesse. A
diviso ou razo de bandas a operao aritmtica usada para esse fim e, por isso, se tornou
em uma das mais teis e abrangentes tcnicas de transformao de imagem. Ela se baseia em
parmetros dos aspectos fsicos do sensor e no comportamento da reflectncia dos alvos,
como veremos logo adiante. Matematicamente, a diviso de bandas na sua forma mais
simples do tipo,

eq. 9.5
onde, a = ganho; b = offset
Como mostra a equao 9.5, a diviso de imagens consiste na diviso do pixel de uma
banda pelo pixel de posio correspondente de outra banda, tal como representado na Figura
9.6. Como os valores da diviso resultam em nmeros pequenos e fracionrios, para fins de
exposio da imagem no monitor de vdeo eles devem ser multiplicados por um valor escalar
(a) para recoloc-los ou expandi-los para o intervalo 0 a 255 de uma imagem de 8 bits. Uma
constante (b) somada aos valores reescalonados para apenas obter um deslocamento (off
set) do histograma para uma posio mais central entre 0 a 255, a fim de possibilitar um
equilbrio no realce da imagem. Nesse tipo de algoritmo os valores de a e b so auto
calculados.
143
banda NIR
banda VIS
40
50
= 0,8 valor do pixel da

imagem de sada
Fig. 9.6 Processo de diviso de duas bandas.
A diviso trabalha no realce das assinaturas espectrais dos alvos e, para isso,
necessrio que o intrprete selecione corretamente as bandas do sensor. A seleo das bandas
decidida com base no conhecimento que o intrprete tem acerca do padro de reflectncia
do alvo de interesse. Da decorre ser uma tcnica controlada pelo intrprete, com resultados
que se tm mostrado importantes para o mapeamento litolgico, de solos ou de vegetao.
Por princpio, para se realar uma determinada litologia ou um tipo de solo especfico
por diviso de bandas, as reas destes alvos precisam expor na imagem padres homogneos
e bem definidos de reflectncia. Porm, em reas de relevos no planos, os sombreamentos
alteram os valores de reflectncia dos alvos, e o pressuposto de um padro de reflectncia
diagnstico daquele alvo perdido. Nesse caso, a recuperao da reflectncia do alvo
sombreado, implica na supresso da sombra. H dessa forma, um compromisso mtuo entre a
possibilidade de se realar alvos especficos e a supresso de sombras em imagens
multiespectrais. A situao demonstrada na Figura 9.7, para uma hipottica forma de
relevo. Nesta figura vemos pela geometria de iluminao do relevo, que o ngulo T formado
pela direo do raio solar incidente com a normal superfcie, diferente entre a face frontal
da encosta que fortemente iluminada, e a face oposta da encosta que sombreada. Isto tem
uma implicao matemtica. Como o valor do coseno do ngulo T parte da equao que
mede os valores quantitativos da reflectncia de uma superfcie (eq. 9.6 a 9.8), mesmo que as
duas encostas fossem constitudas da mesma litologia, a reflectncia da face oposta seria
diferente da face frontal devido ao sombreamento, e no poderia ser interpretada como uma
variao da reflectncia do alvo.
Normal superfcie
Normal
superfcie
1 2
2
Raio solar de
iluminao
Fig. 9.7 Influncia da variao do ngulo solar de iluminao () na reflectncia da superfcie do terreno em
virtude das inclinaes das vertentes frontal e oposta.
144
A demonstrao matemtica da diviso de bandas para supresso do sombreamento

mostrada a seguir. A equao matemtica que descreve a radincia medida pelo sensor para
cada banda, integra, alm do coseno do ngulo de incidncia (), as variveis relacionadas
irradincia da fonte (E), trajetria atmosfrica (T), reflectncia do alvo (p), e parmetros
fsicos do sensor (R), que podem ser expressos na forma da eq. 9.6.

eq. 9.6
onde,
EO = irradincia solar
RO = funo da resposta espectral do sensor
TO = transmitncia da atmosfera na trajetria descendente
TzO = transmitncia da atmosfera na direo znite refletida da superfcie
UO = reflectncia da superfcie
U = reflectncia da atmosfera, indicando a dependncia da elevao solar
Reescrevendo a equao 9.5 de uma forma mais simples, tem-se:

Eq. 9.7
onde,
E = irradincia solar
G = fator instrumental
T = transmitncia atmosfera
= reflectncia da superfcie
= ngulos de iluminao solar do terreno
N = radincia aditiva da atmosfera
Assim, a diviso de bandas equivale diviso das radincias de duas bandas

selecionadas.

eq. 9.8
Dos parmetros envolvidos na diviso, o nico termo que possui o mesmo valor nas
duas bandas o ngulo T de iluminao solar. A diviso anula o termo T e desta forma a
reflectncia das duas faces deixa de ter a influncia das variaes de iluminaes. O efeito na
imagem a eliminao (na realidade uma reduo) das variaes de relevo, deixando a
superfcie topogrfica plana, sem sombreamento. Sem o efeito de sombreamento a
reflectncia da superfcie do alvo torna-se uniforme e configura representar sua assinatura
espectral. Segundo Drury (1987), o efeito do sombreamento no completamente eliminado
por duas razes. Primeiro, os terrenos naturais no so uma superfcie Lambertiana, ou seja,
as reflectncias das superfcies variam em funo do ngulo entre as superfcies e a
iluminao incidente e tambm em funo das formas das estruturas, tal como o dossel de
uma vegetao. Segundo, os efeitos atmosfricos modificam os valores de razes de
diferentes encostas, de uma maneira imprevisvel. Devido a isso, aconselhvel corrigir a
atmosfera, transformando a imagem digital para imagem de reflectncia antes de se realizar a
diviso.
Suprimido o sombreamento quando a diviso de bandas executada,
automaticamente, o realce do alvo desejado se apresenta, razo pela qual a diviso de bandas
uma tcnica de realce de imagens de grande poder. Um exemplo prtico da aplicao da
diviso de bandas para realar alvos de interesse do interprete ilustrado pela Figura 9.8.
145
Imagine quatro diferentes tipos de alvos que tenham padres de reflectncia como no
esquema desta figura. Esses alvos, quando vistos na banda 1 ou na banda 2 no mostram
diferenas significativas de reflectncia entre si, exceo do alvo D. Sendo assim, os alvos
A, B e C dificilmente podem ser discriminados entre si, seja na banda 1 ou na banda 2, como
mostram na Tabela 9.1 os valores digitais dos pixels equivalentes aos valores de reflectncia
dos alvos A, B C e D, valores estes muito prximos entre si. Mas, com base na equao 9.5,
quando a banda 2 dividida pela banda 1, os valores digitais da imagem de sada se
transformam numa significativa diferena digital, e os quatro alvos passam a ser facilmente
discriminados.
banda 1
banda 2
Reflectncia medida na
imagem
A
B
C
alvos com baixos contrastes

nas bandas 1 e 2
Comprimento de onda
Fig. 9.8 Gradiente de diferena de reflectncia dos alvos como condio imposta para a diviso da banda 2 pela
banda 1.
Tabela 9.1 Valores digitais dos pixels referentes aos alvos da Figura 9.8
bandas
1
alvos
A
B
C
D
8
6
5
13
2
43
40
38
24
2/1
5,4
6,6
7,6
1,8
a=15
b=7
88
106
121
34
Para se chegar aos valores finais da Tabela 9.1 h uma condio estabelecida, e que
a regra bsica para se obter o realce de alvos pela operao de diviso de bandas. Essa regra
tem como princpio que o alvo deve ter uma boa diferena de reflectncia entre as duas
bandas, que na Figura 9.8 avaliada pela reta que mede o declive entre os valores de
reflectncia da banda 2 com a banda 1. Observe que os quatros alvos obedecem a esta regra.
E quanto maior for a diferena, maior o resultado da razo e maior realce o alvo apresentar
na imagem de sada. Ou seja, a razo diretamente proporcional razo de reflectncias das
duas bandas. Na prtica, para encontrarmos as bandas que satisfaam essa condio, o
intrprete deve primeiro identificar qual banda do sensor situa-se na regio da feio
espectral de maior absoro, e a seguir a banda situada no comprimento de onda em que o
alvo apresente a mais alta reflectncia. Assim, encontrar as duas bandas com a maior
declividade entre os valores de reflectncia. Embora a diviso seja definida em termos de
reflectncias dos alvos, ela largamente aplicada em imagens com valores de nmeros
digitais no calibrados.
146
bastante vantajoso o uso das imagens razo, para se obter composies coloridas a
partir da combinao de trs distintas imagens razo monocromticas. Essas composies
tm a vantagem de combinar informaes destacadas de vrias bandas, facilitando a
interpretao das sutis variaes espectrais dos alvos, alm de ser uma forma de reduzir a
dimenso de dados para anlise. Trs razes envolvem seis bandas.
9.5.1
ndice de Vegetao
O mais conhecido e didtico exemplo que claramente ilustra os princpios da diviso
de bandas que foram apresentados, a criao de ndices, sendo o ndice mais conhecido a
diviso de bandas visando o realce das variaes de densidade da cobertura vegetal, ao qual
se denomina de ndice de vegetao. Na Figura 9.9 est plotada a curva de reflectncia da
vegetao para demonstrar na prtica como um ndice deve ser criado. Os dois outros
espectros de reflectncia so de dois alvos sem cobertura vegetal, gua e rocha quartztica,
colocados na figura para demonstrar as diferenas da diviso, comparativamente com a da
vegetao. Na vegetao, a principal banda de absoro est centrada em 650 nm, regio
visvel da luz vermelha, e que nas imagens do sensor ETM do Landsat equivale banda 3,
situada em 630 nm a 690 nm. E a regio de maior reflectncia no infravermelho prximo,
onde se situa a banda 4, nos comprimentos de onda de 760 nm a 900 nm. Fazendo a diviso
da banda 4 pela banda 3 os pixels situados nas reas com vegetao resultaro em valores
bem maiores do que 1. Entretanto, os pixels da gua e da rocha quartztica resultaro em
valores prximos a 1, porque para ambos no h praticamente nenhuma diferena de
declividade de suas reflectncias entre as duas bandas. Essa outra regra das imagens razo,
que sempre mostra que alvos com diferentes radincias absolutas, mas com similares
declividades de curvas espectrais de reflectncia, aparecero com valores de pixels
aproximadamente iguais e baixos. Aplicando-se o escalonamento, os pixels da vegetao se
transformam para altos valores digitais, aparecendo nas imagens em tons muito claros, e os
outros dois alvos se transformam em valores digitais comparativamente bem mais baixos do
que os da vegetao, e surgem na imagem como alvos escuros, indicando serem reas sem
vegetao. Com isso foi criado um ndice para destacar as reas de vegetao das reas sem
cobertura de vegetao.
60
Bandas
Reflectncia %
40
quartzito puro
20
vegetao
gua
0,5
1,0
1,5
2,0
2,5m
Fig. 9.9 A reflectncia dos alvos mostra alto gradiente de reflectncia entre as bandas 4 e 3 para a vegetao e
gradientes quase nulos para a gua e o quartzito puro.
147
O ndice de vegetao Ratio Vegetation Index RVI universalmente o mais

conhecido. Como visto no exemplo anterior da Figura 9.8, esse ndice de vegetao consiste
na diviso da banda situada no infravermelho prximo (NIR), regio que a vegetao mostra
a mais intensa reflectncia, pela banda situada no vermelho (R), onde a vegetao possui a
mais alta absoro da luz solar visvel devido presena em sua constituio do pigmento
verde clorofila, indicativo de uma vegetao sadia. regra dividir a banda de maior
reflectncia pela banda de menor reflectncia. A forma matemtica bem simples, como
mostra a equao abaixo.
eq. 9.9
Os valores absolutos de RVI computados so sempre maiores que zero e assumem

valores positivos altos em reas de densa cobertura vegetal. O escalonamento, como se
comentou, necessrio para converter os valores da diviso para nmeros inteiros dentro do
intervalo numrico da imagem (por ex. 0 255), a fim de expor visualmente a imagem ao
intrprete. O resultado uma imagem monocromtica, com a gradao de tons de cinza
indicando a variao da biomassa ou o ndice de rea foliar. Quanto mais claro o tom de
cinza, maior a densidade de vegetao. Tons de cinzas mdios indicam pouca vegetao e
tons de cinza totalmente escuros indicam ausncia de vegetao, o que s pode ocorrer nas
reas de corpos de gua, de solos expostos, reas cobertas por neve, ou nuvens.
Um ndice similar, um pouco mais complexo, Normalize Difference Vegetation
Index NDVI envolve a diferena e a soma entre estas duas bandas do infravermelho
prximo e do vermelho, segundo a razo:

eq. 9.10
Os valores de NDVI computados variam de -1 a +1. A vantagem do NDVI sobre o

RVI que ele tende a ser linearmente mais proporcional biomassa. Tambm mais
apropriado quando se pretende fazer comparaes ao longo do tempo de uma mesma rea,
pois esperado de ser menos influenciado pelas variaes das condies atmosfricas. um
ndice preferido ao RVI, e amplamente utilizado numa escala continental ou global, de forma
comercial, com sensores como o SPOT. Inmeros trabalhos fizeram relao do NDVI com
diversos aspectos da vegetao, tais como: medida de ndice de rea foliar, determinao da
porcentagem de cobertura do solo, e estimativas da radiao fotossinteticamente ativa, que
foram usados em vrios modelos para estudos de fotossntese e sequestro de carbono.
Um exemplo numrico de valores dos ndices RVI e NDVI obtidos com a diviso
das bandas 4 e 3 do sensor ETM do Landsat, para dados com correo atmosfrica e
transformados para reflectncia, de uma rea agricultada com pivs de irrigao plantados,
solos expostos preparados para cultivos e gua represada, mostrado na Tabela 9.2. A Figura
9.10 mostra os grficos de reflectncia desses alvos, obtidos diretamente da imagem. Na
razo simples 4/3, por ser uma razo absoluta, no se pode ter uma previsibilidade de
resultado dos valores, e o que se observa uma significativa diferena de valores de razo.
Valores maiores so obtidos para a rea de piv de irrigao com vegetao de cultivo
plantado, valores baixos para solos expostos e valores menores que 1 para a gua. Os valores
obtidos para o NDVI, que se pode dizer que so valores modulados do RVI, so mais
indicativos para quantificar o valor numrico de ndice para vegetao, que se aproxima de 1
em reas de densa vegetao, valores negativos para reas com total ausncia de vegetao
(gua), e solos expostos ficando com valores que se aproximam de zero.
148
gua
solo
exposto
vegeta
o
Tabela 9.2 Valores de razo dos ndices RVI e NDVI de dados amostrados de uma matriz 3x3 em imagem
ETM-Landsat transformada para reflectncia.
Banda 4
95
106
84
76
74
77
85
114
80
Banda 3
8
9
8
8
6
8
10
11
11
11,8
10,5
12,3
4 /3
11,7
9,5
7,0
8,5
10,4
10,0
0,84
0,78
0,85
4-3/4+3
0,84
0,81
0,75
0,79
0,82
0,82
56
62
58
28
30
29
2,07
2,06
2,0
0,34
0,35
0,33
61
63
60
28
31
28
2,18
2,03
2,14
0,37
0,34
0,36
57
69
57
28
29
28
2,03
2,38
2,03
0,34
0,41
0,34
4
4
3
3
2
2
3
3
3
6
5
3
6
5
3
2
4
4
0,6
0,8
1,0
0,5
0,4
0,66
0,6
0,75
1,0
-0,2
-0,11
-0,16
-0,33
-0,42
-0,2
-0,25
-0.14
-014
solo exposto
vegetao
gua
Fig. 9.10 Imagem e espectros de reflectncia das bandas do sensor ETM para os alvos amostrados na Tabela 9.2.
A Figura 9.11 mostra, comparativamente, os resultados dos dois ndices de vegetao

RVI e NDVI. A imagem colorida uma composio das bandas do infravermelho prximo
e do visvel do sensor SPOT, com resoluo espacial de 20 m. As cores verdes so de reas
com cobertura vegetal de cultivo, havendo duas linhas de matas galerias, com tons de verde
mais carregado. As variaes da cor verde das reas de cultivo correspondem a variaes de
biomassa e de densidade de clorofila. As cores magenta so de solos expostos preparados
para cultivo, muitos com cobertura de palhada seca. Parcelas de solos nus compactados
aparecem em tons brancos. As imagens RVI e NDVI mostram um mapeamento detalhado de
tons de cinza, em que os tons de cinzas mais claros so das reas com mais densa cobertura
vegetal, gradando para tons de cinza intermedirios conforme a cobertura vegetal diminui, at
os tons de cinza escuros das reas sem qualquer cobertura vegetal. Ambas as imagens so
bem semelhantes, mas se observa na imagem NDVI uma melhor definio ou nitidez das
classes de alvos.
149
Imagem SPOT
NDVI
RVI
Fig. 9.11 ndice de vegetao obtido pela diviso das bandas do infravermelho prximo com a banda do
vermelho da imagem SPOT.
Apesar de grande aceitao do NDVI, Huete e Jackson (1987) constataram que esse
ndice no confirma ser um bom indicador de biomassa de vegetao se o terreno tiver uma
pobre cobertura de vegetao, como em reas semi-ridas, ou ridas. Propuseram um novo
ndice, Soil_Adjusted Vegetation Index (SAVI) que tem um melhor desempenho para as reas
com baixa cobertura vegetal, ou seja, com a presena natural de exposies de solos, e que se
mostra sensvel variao dos tipos de solos. Sua formulao a seguinte:

eq. 9.11
Onde L uma constante empiricamente determinada para minimizar a sensitividade

do ndice de vegetao s variaes de reflectncia dos tipos de solo. Como a primeira parte
da equao SAVI idntica ao ndice NDVI, se L for igual a zero o SAVI igual ao NDVI.
Para reas de cobertura vegetal intermediria, L tipicamente em torno de 0,5. O fator (1 +
L) assegura que o intervalo de valores de SAVI o mesmo que o do NDVI, isso , entre -1
+1.
Com essa mesma concepo do ndice de vegetao possvel modelar ndices para
gua, minerais ou solos. A dificuldade com os minerais e os solos, que eles apresentam uma
grande diversidade de composio e, assim, uma grande variedade de padres de reflectncia.
Para cada tipo de mineral ou de solo um ndice deve ser idealizado. Consequentemente
maior a exigncia de o sensor possuir muitas bandas para se ter uma possibilidade efetiva de
criar estes ndices. Uma rpida apresentao sobre ndices desses materiais mostrada nos
itens a seguir.
9.5.2
ndice de gua
Seguindo os mesmos preceitos estipulados para o ndice de vegetao, tambm
possvel, com base na curva de reflectncia da gua, criar um ndice de diferena normalizada
da gua (NDWI). Esse ndice requer o uso de uma banda situada na regio do comprimento
de onda prxima da cor verde ( 490 580 nm) e de uma banda situada no comprimento de
onda do infravermelho prximo ( 760 1000 nm), conforme a equao 9.12.
150
eq. 9.12
Na Figura 9.12 so mostradas as curvas de reflectncia de corpos dgua com

diferentes concentraes de partculas de sedimentos em suspenso. Segundo Novo (2001),
medidas em campo e experimentos em laboratrio comprovam que com o aumento da
concentrao de slidos totais em suspenso na gua, o material particulado tem como
principal efeito o aumento do coeficiente de espalhamento da reflectncia da gua. A anlise
do grfico da Figura 9.12 mostra um patamar de alta de reflectncia entre 500 nm a 700 nm,
que mais alto quanto maior a concentrao de sedimentos, e uma queda de reflectncia em
direo ao infravermelho prximo que se acentua com a diminuio da concentrao de
sedimentos. Essa condio configura valores de declividades diferentes para cada nvel de
concentrao de sedimentos, possibilitando com a aplicao do ndice de gua em um
mapeamento das plumas de sedimentos, distinguindo nveis de gua turva e de gua limpa.
400 nm
550 nmn
700nm
1000 nm
Fig. 9.12 Variao da reflectncia da gua devido s diferenas de concentraes de partculas slidas em
suspenso (Fonte: Novo, 2008).
Tomando-se imagens do sensor ETM, a aplicao do ndice da gua pela equao

consiste na diviso das bandas 2 (520 600 nm) pela banda 4 (760 900 nm). A Figura 9.12
de rios amaznicos, com efeito, confirma a validade desse ndice para diferenciar plumas de
sedimentos em suspenso.
(a)
(b)
Composio colorida ETM+ 543 (a) e a imagem ndice de diferena normalizada da

gua (b) com destaque para a linha em vermelho do fluxo de sedimentos em suspenso.
Fig. 9.12
151
9.5.3
ndices Minerais
Nas aplicaes geolgicas o uso da tcnica diviso de bandas tambm pode se
constituir numa excelente opo para a prospeco de alvos geolgicos com interesses de
pesquisa mineral. Devido ao fato de os minerais e as rochas serem os materiais que
apresentam a maior diversidade de bandas de absoro por causa de sua enorme variedade
composicional, teoricamente, seria possvel criar ndices para vrios tipos de rochas ou de
minerais, tal como o ndice de vegetao. Entretanto, para isso o sensor precisaria satisfazer
pelo menos dois requisitos. Primeiro, possuir bandas espectrais posicionadas em torno das
principais feies de absoro que caracterizam a composio dos materiais geolgicos, o
que implicaria em um sensor com muitas bandas espectrais. Infelizmente os atuais sensores
multiespectrais em operao, alm de terem poucas bandas que no esto situadas nos
comprimentos de onda favorveis geologia, restringem, atualmente, o uso de razo de
bandas para fins geolgicos. Segundo, como as feies de absoro de rochas ou minerais
normalmente tem uma largura muito estreita, as bandas desse sensor precisariam ter larguras
espectrais em torno de 10 a 30 nm, o que bem mais estreito que a largura das bandas dos
atuais sensores. O sensor multiespectral ETM do Landsat serve para ilustrar este problema. A
banda sete, no infravermelho de ondas curtas (2,08 2,35 m), foi includa para ser uma
banda geolgica para a identificao de reas com alterao hidrotermal, porque esses
minerais tipicamente apresentam as suas feies de absoro na regio espectral do
infravermelho de ondas curtas. Porm, os resultados no se mostraram muito eficientes para
esse propsito porque a largura da banda 7 muito ampla, com 270 nm, e tambm porque
nesse intervalo espectral que os argilos minerais de intemperismo possuem bandas de
absoro de 10 a 30 nm de largura, e isso torna difcil o uso dessa banda para identificar com
segurana se h ou no em uma rea a presena de alterao hidrotermal.
Atualmente, as seis bandas que o sensor ASTER possui em torno da regio espectral
da banda 7 do Landsat a melhor opo geolgica. Razes de bandas para identificao de
halos de alterao hidrotermal podem ser feitas com a banda 4 deste sensor (1,7 1,8 nm),
tipicamente onde os materiais geolgicos no alterados exibem altas reflectncias, e com uma
das cinco bandas existentes para a identificao de minerais de alterao hidrotermal: bandas
5 (2,145 2,185 m), 6 (2,185 2,225 m), 7 (2,235 2,285 m), 8 (2,295 2,3659 m) e 9
(2,360 2,430 m). Na Figura 9.13 so apresentados os espectros de reflectncia de alguns
minerais de hidrotermalismo.
Fig. 9.13 Exemplos de espectros de minerais de alterao hidrotermal que tm intensas bandas de absoro
posicionadas na regio espectral do infravermelho.
152
Se as imagens ASTER fossem utilizadas para se fazer uma discriminao de um halo

hidrotermal que contivessem os minerais da Figura 9.13 e outros, as seguintes razes de
bandas poderiam ser propostas (incluem as bandas 10 a 14 do mdulo termal).
Tabela 9.3 ndices minerais para o sensor ASTER usando razes de bandas (Fonte Cudahy & Souza Filho,
(2006).
Feies
Ferro frrico
Ferro ferroso
Laterita
Gossan
Silicatos frricos
(biotita, clorita e
amfiblio)
xidos de ferro
Bandas ou razes
Ferro
2/1
5/3+1/2
4/5
4/2
Rowan; CSIRO
Rowan
Bierwith
Volesky
5/4
CSIRO
4/3
Carbonatos/Minerais Mficos
Carbonato/ clorita/
(7+9)/8
epidoto
Epidoto/ clorita/
(6+9)/(7+8)
anfiblio
Anfiblio/ MgOH
(6+9)/8
Anfiblio
6/8
Dolomita
(6+8)/7
Carbonato
13/14
Referncias
CSIRO
Rowan
CSIRO
Hewson
Bierwith
Rowan; USGS
Bierwith,
Nimoyima, CSIRO
Silicatos
Sericita/ muscovita/
illita/ esmectita
Alunita/ caolinita/
pirofilita
Fengita
Muscovita
Caolinita
Argila
Alterao
Rocha hospedeira
Rochas ricas em
quartzo
Silica
Minerais de baixo grau
(garnierita,
clinopiroxnio, epidoto
e clorita)
SiO2
SiO2
Rochas silicticas
Slica
Slica
Slica
Vegetao
NDVI
(5+7)/6
Rowan (USGS);
Hewson (CSIRO)
(4+6)/5
Rowan (USGS)
5/6
7/6
7/5
(5x7)/62
4/5
5/6
Slica
Hewson
Hewson
Hewson
Bierwith
Volesky
Volesky
14/12
Rowan
(11x11)/(10x12)
Bierwith
12/13
Bierwith, CSIRO
13/12
12/13
(11x11)/(10x12)
11/10
11/12
13/10
Outras
3/2
(3-2)/(3+2)
Palomera
Nimoyima
Nimoyima
CSIRO
CSIRO
CSIRO
153
TRANSFORMAO POR ROTAO ESPECTRAL
10

Tati de Almeida
10.1
Correlaes de Bandas
A maioria das aplicaes de sensoriamento remoto, principalmente as que esto

voltadas para a explorao e monitorao dos recursos naturais, exige o uso de sensores com
um razovel nmero de bandas, visto que parece ser mais importante discriminar a natureza
de um objeto do que, simplesmente, detectar a sua presena. Isso quer dizer, que para se
distinguir uma rocha grantica de uma vulcnica, uma gua turva de uma gua lmpida ou
uma vegetao sadia de uma vegetao seca, o sensor deve possuir bandas posicionadas em
comprimentos de onda que permitam diferenciar as variaes de reflectncia referentes s
diferenas de composio dos materiais. Contudo, essa exigncia de um maior nmero de
bandas tem um compromisso crtico. Ao se comparar, visualmente ou numericamente, as
mltiplas bandas de um sensor, normalmente se observa alta semelhana entre algumas delas,
principalmente, entre as bandas contguas da mesma regio espectral. Diz-se que essas
bandas tm alta correlao, indicando que h redundncia de informaes de dados, ou seja,
repetio.
A alta correlao tem como causa a semelhana da reflectncia entre os alvos
presentes numa rea, como vemos na Figura 10.1. Destacam-se a combinao de dois fatores
para a alta correlao entre as imagens: i) muitos alvos, como exemplo a vegetao,
possuem uma reflectncia muito prxima nos comprimentos de onda do visvel ou do
infravermelho de ondas curtas, resultando em valores de radincia pouco diferenciados e,
portanto, as imagens desses comprimentos de onda so muito semelhantes entre si; ii) o
sombreamento topogrfico , espectral mente, o mesmo em todas as bandas pticas de um
sensor, aparecendo dominante em reas de relevo acidentado com baixo ngulo de
iluminao solar, e com isso, aumenta o grau de correlao entre as bandas. Uma alta
correlao tambm encontrada em reas com pouca variao de tipos de alvos.
Banda azul
Banda vermelha
Banda infravermelho
Fig.10.1 A similaridade entre as trs bandas indica a quantidade de correlao espectral dos dados.
154
A correlao tem um efeito muito mais significativo nas imagens de sensores

hiperespectrais, em razo das centenas de bandas que esses sensores adquirem, do que nas
poucas bandas dos sensores multiespectrais. Mas, o tratamento para solucionar o problema de
correlao das imagens encarado da mesma maneira, independente do nmero de bandas
que tm os sensores multiespectral e hiperespectral. No capitulo 14, sobre processamento de
imagens hiperespectrais, este assunto ser abordado mais detalhadamente.
Como se tem visto nas discusses dos captulos precedentes, pode-se generalizar que
a base do processamento de imagens multiespectrais a manipulao numrica dos dados
para a obteno de novas imagens com alto contraste, a fim de apresent-las em cores no
monitor de vdeo, para o analista executar as interpretaes. Entretanto, quando a correlao
entre algumas bandas alta, as possveis combinaes das bandas para se obter composies
coloridas, deixam de exibir diferenas de contrastes para uma boa interpretao. Sendo assim,
lgico pensar que por causa desta redundncia a anlise de todas as bandas no parece ser
necessria. Mas, de fato, a redundncia ou correlao no 100%, havendo sempre um
mnimo de informao no redundante que interessante de ser preservado.
Uma poderosa tcnica de processamento de imagens foi desenvolvida para eliminar a
alta correlao entre as bandas de um sensor, com o mnimo de perda de informao. Essa
tcnica conhecida como principais componentes. A tcnica principais componentes tem
seus princpios na estatstica para anlise de um grande nmero de variveis, e por isso,
largamente usada na biologia e geologia como um processo de reduo da dimenso dos
dados a serem analisados. A grande vantagem dessa tcnica a remoo de qualquer
correlao presente no conjunto de bandas originais, com uma simultnea compresso da
maioria da informao total presente em todas as bandas, isso , concentra a varincia total
para poucas dimenses. o mesmo de dizer, que de um conjunto de dez bandas, cerca de
90% a 95% de toda a informao das bandas fosse redistribuda e concentrada em apenas trs
novas imagens (principais componentes), sem que houvesse correlao entre elas. Os outros
10% ou 5% de informaes remanescentes se distribuem nos outros sete componentes, que
igualmente no mais se correlacionam.
Os novos componentes so relacionados aos valores de brilho do conjunto das
imagens originais, via uma transformao linear, que tem dois efeitos prticos: (i) tornar
evidentes feies que no eram anteriormente discernveis; e (ii) devido compresso de
dados que obtida, combinando-se os trs primeiros principais componentes, as informaes
de todas as bandas podem ser vista numa nica composio colorida. Porm, as imagens
componentes perdem as relaes fsicas da reflectncia dos alvos, o que torna o processo
interpretativo um tanto trabalhoso.
Neste captulo sero abordados os princpios da transformao de imagens
multiespectrais para o novo conjunto de componentes, primeiramente, com a tcnica
conhecida como Transformao por Principais Componentes (TPC), que permite operaes
com qualquer nmero de bandas. Uma derivao dessa tcnica apresentada, a seguir, para
um conjunto de apenas trs bandas, visando nesse caso, a obteno de composies coloridas
RGB com imagens componentes descorrelacionadas, mas com a diferena de que no h
perda das relaes fsicas da reflectncia das bandas envolvidas. Como ser visto a seguir,
ambos os processos envolvem uma rotao dos eixos dos dados originais, razo pela qual
essas tcnicas serem denominadas de rotao espectral.
10.2
Transformao por Principais Componentes
A natureza do formato das imagens multiespectrais possibilita representar os valores
de brilho dos pixels por suas posies dentro de um espao vetorial, com quantos eixos ou
155
dimenses forem as bandas espectrais. Isso foi visto na representao de cor das composies
coloridas, por meio do espao cbico das trs cores RGB, e que consistia, simplesmente,
plotar os valores de brilho dos pixels de cada uma das trs bandas, em um sistema ortogonal
de coordenadas, no espao tridimensional. O mesmo pode ser realizado para o espao ndimensional, com qualquer nmero de bandas que um sensor possua. No contexto da
transformao por principais componentes, o objetivo da representao do espao vetorial ndimensional determinar o nvel de correlao que pode haver entre n bandas e calcular o
grau de informao ou varincia que os dados apresentam, a fim de determinar os
coeficientes que transformam as imagens em novos componentes. Para facilitar o
entendimento matemtico e geomtrico, a discusso que segue se limitar ao espao de duas
dimenses, pelo fato de que dimenses maiores s podem ser algebricamente representadas.
Considere um espao de duas variveis x e y com um grande nmero de pixels
plotados neste espao, como na Figura 10.2a. Cada pixel pode ser descrito por seu vetor x,
enquanto, o vetor mdia m define a mdia das posies dos pixels neste espao. Se os valores
dos pixels so bastante correlacionveis, medidas simultneas de x e y traam uma linha reta
definida pelo eixo AB na Figura 10.2b. Se x e y no so perfeitamente correlacionveis, os
pixels so delimitados pelo espao de uma elipse, com seus dois eixos com dimenses,
significativamente, diferentes (Figura 10.2c). Haver uma direo predominante (AB) de
variabilidade que tem um eixo maior em relao a um segundo pequeno eixo traado
ortogonalmente (CD), que mostra ter baixa variabilidade. Se este eixo CD contm uma
pequena proporo do total da variabilidade dos dados, ele pode ser ignorado sem acarretar
muita perda da informao. Isso significa uma diminuio na dimenso dos dados de dois
para um. Dessa maneira, ao se representar a distribuio dos pixels na forma de uma elipse,
percebe-se que os eixos AB e CD revelam, mais apropriadamente, a estrutura interna que est
presente nos dados das imagens, do que os eixos x e y separados. Para confirmar essa
afirmativa, observe na Figura 10.2a, que as varincias das variveis x e y, que so medidas
pelo espalhamento dos pontos na direo paralela aos eixos x e y, so aproximadamente
iguais.
xn
B
C
x2
+
m
D
x1
x
a
A
b
A
c
Fig. 10.2 Espao bidimensional da representao dos dados mostrando: a) o vetor xi dos pixels e o vetor mdia
m; b) a alta correlao dos dados com a variabilidade em um nico eixo AB; c) a correlao positiva com os
eixos AB e CD medindo a variabilidade dos dados.
Segundo Mather (1987), o exemplo da Figura 10.2 mostra que h uma distino
importante a ser vista entre o nmero de variveis (bandas) e a dimensionalidade do conjunto
de dados. Na Figura 10.2b, o nmero de variveis dois, mas a dimensionalidade um. Na
Figura 10.2c, a dimensionalidade dos dados efetivamente um, embora o nmero de
variveis observadas seja de fato dois. O uso de um nico eixo AB substitui os eixos
separados x e y, com a vantagem de reduzir a dimensionalidade dos dados e, adicionalmente,
156
a informao transmitida pelo eixo AB maior do que a informao transmitida pelos dois
eixos separados. Normalmente, imagens multiespectrais tm uma dimensionalidade que
menor do que o nmero de bandas espectrais. A transformao por principais componentes
atua neste sentido, de reduzir o conjunto de dados, preservando a informao existente e, com
isso, minimizar o esforo de anlise de um grande nmero de variveis, no caso de
sensoriamento remoto, de um grande nmero de bandas.
A forma da elipse, como meio para descrever o espalhamento dos pixels no espao ndimensional, definida pela matriz de covarincia calculada para as n bandas espectrais. Por
definio, matriz de covarincia uma matriz simtrica, que mede como duas ou n variveis
variam conjuntamente, e seus valores so sempre positivos. A covarincia por vezes
chamada de medida de dependncia linear entre duas ou n variveis aleatrias. Calculando-se
o vetor mdia e a matriz de covarincia, determinam-se a localizao e a forma do
espalhamento dos pontos no espao n-dimensional e se conhece os valores numricos da
correlao existente entre o conjunto de bandas analisadas.
A matriz de covarincia um dos mais importantes recursos matemticos usados no
processamento de imagens multiespectrais e os valores da matriz enfatizam propriedades do
conjunto das bandas analisadas. Mas, h uma controvrsia em se usar a matriz de covarincia
ao invs da matriz de coeficientes de correlao para transformaes de bandas. Se a matriz
de covarincia for usada para definir a forma da elipse que encerra os pontos numa direo
particular, as medidas de cada varivel devem ser comparveis. E isso no o que de fato
acontece quando se compara os valores digitais entre bandas diferentes. Um nmero digital
de valor 52 numa dada banda representa um valor de radincia que no , fisicamente, o
mesmo valor de radincia para o nmero 52 em outra banda. Simplesmente, porque os
detectores de cada banda possuem valores especficos de ganhos e offset para efeitos de
calibrao. Sendo assim, so variveis no totalmente comparveis. Pode-se verificar isso na
Figura 10.3, que um extrato de pixels de duas bandas em diferentes comprimentos de onda,
da mesma rea. Na imagem esquerda o pixel situado na coluna 1, linha 2, tem ND=52. Esse
mesmo valor digital encontrado na imagem direita na posio coluna 1, linha 4. Observe a
diferena dos tons de cinza nas duas imagens para o mesmo valor digital 52. Nessa situao
que a matriz de coeficientes de correlao melhor para medir o grau de correlao entre
bandas espectrais. Os coeficientes de correlao so, simplesmente, a covarincia medida
para variveis padronizadas (Mather, 1987), e so encontrados na matriz, nos elementos fora
da diagonal.
banda 1
banda 2
Fig. 10.3 Imagens de duas diferentes bandas contendo pixels de igual valor digital, mas que exibem valores de
brilho diferentes. O pixel com contorno tracejado tem valor 52 nas duas bandas.
Como vem sendo destacado, a experincia nos mostra que qualquer sensor
multiespectral possui algumas bandas com alta correlao, de modo que os eixos de suas
157
funes de densidade de probabilidade (FDP), no so estatisticamente ortogonais, isso , as

variveis nos eixos no so independentes. A tcnica principais componentes envolve uma
rotao (e uma translao) num hipottico espao de atributos do sistema de coordenadas da
funo de densidade de probabilidade, produzindo novas variveis conhecidas como
principais componentes, ou eixos, que so combinaes lineares das variveis originais
(bandas originais). A rotao das coordenadas dos eixos originais um esforo para
ortogonalizar os novos eixos PC, fazendo-os coincidirem ao mximo com as direes de
distribuio dos dados, ou suas varincias.
Numa representao hipottica, considere a distribuio no espao bidimensional dos
valores de brilho dos pixels de duas bandas (Figura 10.4). Os pontos representam o espao de
distribuio dos pixels, que nas duas bandas originais ostentam quase que as mesmas
caractersticas espectrais (alta correlao). Na transformao por principais componentes,
isso , no novo sistema de eixos ou componentes ortogonais rotacionados, os pixels
apresentam no primeiro componente (PC1) ou primeiro eixo principal, maior varincia,
enquanto, que no segundo componente (PC2) a varincia menor. Desde que se assume que a
varincia uma medida do contedo de informao da imagem, o primeiro componente ou
primeiro eixo agrega uma maior quantidade de informao espectral, produzindo uma
imagem com maior detalhe de informao. Nesse novo espao de eixos rotacionados o
primeiro componente no tem correlao com o segundo componente. Situaes similares
podem ser imaginadas em espaos de n dimenses, ou n bandas, sabendo-se, contudo, que
todo o processo de transformao da imagem realizado numa concepo puramente
matemtica.
ND2
PC2
PC1
ND1
Fig. 10.4 Rotao espectral dos eixos originais com alta correlao, para novos eixos PC descorrelacionados.
Em sntese, no processamento das imagens por principais componentes, o objetivo

principal definir o nmero de dimenses que esto presentes no conjunto de dados e fixar os
coeficientes que especificam as posies dos eixos que apontem nas direes das mais altas
variabilidades dos dados. Portanto, eliminar a alta correlao das imagens tem a vantagem de
reduzir o volume de dados a ser analisado e de redistribuir a informao espectral entre os
novos principais componentes.
O clculo da transformao por principais componentes extenso e de relativa
complexidade. No livro Statistic and Data Analysis in Geology, de Davis (2002), o leitor
encontrar a base do desenvolvimento estatstico, com exemplos de aplicaes a variveis
geolgicas. Um exemplo prtico mostrado a seguir, com as seis bandas ETM da faixa
ptica do espectro. Primeiro, foram computadas as matrizes de correlao das seis bandas,
mas, cabe ao usurio decidir se todas as bandas ou apenas uma parte delas ser utilizada para
158
os clculos dos componentes. Ambas as matrizes so simtricas, e por isso desnecessrio

repetir os mesmos valores acima da diagonal. A Tabela 10.1 a matriz dos coeficientes de
correlao computada para as seis bandas. Os coeficientes variam de -1 a +1. Os altos valores
positivos indicam que se tem uma correlao positiva alta entre as bandas e a correlao
diminui quando o coeficiente se aproxima de zero. O sinal negativo indica que h correlao
inversa entre as bandas, ou seja, quando um pixel tem um alto valor digital numa banda, na
outra banda ele tem um baixo valor. Coeficientes negativos ocorrem devido presena de
vegetao, que na banda 4 do infravermelho prximo tm altos valores de brilho, enquanto,
nas outras cinco bandas, os valores so baixos. A Tabela 10.2 a matriz de covarincia cujos
valores medem quanto as bandas variam conjuntamente. tambm, chamada de matriz de
varincia-covarincia porque a diagonal a medida da varincia de cada banda. Note neste
exemplo que a banda 5 a banda que tem a maior varincia, ou seja, a banda que contem
maior informao e maior contraste espectral.
Tabela 10.1 Matriz de coeficientes de correlao computada de seis bandas do sensor ETM
Correlao
Banda 1
Banda 2
Banda 3
Banda 4
Banda 5
Banda 7
Banda 1
1,0
0,918
0,935
-0,430
0,876
0,881
Banda 2
Banda 3
Banda 4
Banda 5
Banda 7
1,0
0,953
-0,558
0,861
0,851
1,0
-0,418
0,893
0,906
1,0
0,457
0,332
1,0
0,965
1,0
Tabela 10.2 Matriz de covarincia das mesmas bandas da Tabela 10.1

Covarincia
Banda 1
Banda 2
Banda 3
Banda 4
Banda 5
Banda 7
Banda 1
20,408
15,747
32,681
17,661
78,381
37,743
Banda 2
Banda 3
Banda 4
Banda 5
Banda 7
14,411
27,963
19,231
64,667
30,633
59,751
29,357
136,773
66,452
82,474
82,191
28,639
392,147
181,325
90,045
O primeiro passo na transformao principais componentes consiste num clculo

algbrico linear que altera a matriz de coeficientes, determinando um conjunto de
quantidades denominado de autovalores (eigenvalues). Os autovalores so medidos em
termos de unidade de varincia, na diagonal da matriz da Tabela 10.3. Por conveno, eles
so arranjados em ordem decrescente de varincia. A varincia total das imagens
componentes mantm a mesma das imagens originais, s que a maior varincia agora est
localizada no primeiro componente, com valores sucessivamente menores para os
componentes de ordem maior. Como a varincia uma das medidas da quantidade de
informao presente numa imagem, os autovalores representam o tamanho dos eixos
principais do elipside de seis eixos. Fora da diagonal os valores zero indicam no haver
qualquer correlao entre os componentes. O nmero de principais componentes sempre ser
igual ao nmero de bandas originais.
159
Tabela 10.3 Matriz de autovalores (eigenvalues) calculados pela transformao dos coeficientes de
correlao.
Componentes
PC1
PC2
PC3
PC4
PC5
PC6
PC1
PC2
PC3
PC4
PC5
PC6
572,816
0
0
0
0
0
65,961
0
0
0
0
14,670
0
0
0
3,174
0
0
1,916
0
0,699
Para facilitar a percepo do impacto dessa transformao, pode-se apresentar os

autovalores, isso , as varincias, em porcentagens. Para se calcular a porcentagem de
varincia de cada imagem principal componente, basta dividir a varincia total dos seis
componentes pela varincia de cada componente. Seus valores esto mostrados na Tabela
10.4.
Tabela 10.4 Autovalores em porcentagens
Componentes
% varincia
PC1
86,891
PC2
10,005
PC3
2,225
PC4
0,481
PC5
0,291
PC6
1,107
% varincia
acumulada
86,891
96,896
99,121
99,602
99,893
100
Observe que os trs primeiros componentes somam 99,121%, o que se pode dizer
que praticamente a varincia total do conjunto das seis bandas originais. O restante da
varincia, que menor que 1%, seria muito pouco significativo em termos de contedo de
informao. Normalmente, considera-se que a partir do quarto componente as imagens
contm apenas rudos e podem ser desprezadas. Em outras palavras, separa-se a varincia no
aleatria (contedo de informao), da varincia aleatria (rudo), enquanto,
simultaneamente, qualquer redundncia entre as bandas eliminada. Como resultado prtico
os trs primeiros componentes, que contm 99,121% da varincia total original, podem ser
combinados em uma nica composio colorida RGB. Por essa razo, a transformao por
principais componentes uma forma de reduzir a dimenso dos dados originais, diminuindo a
obrigao de se analisar um grande nmero de variveis. Mas, antes que esse processo possa
ser concludo, uma segunda operao processada. Associados cada autovalor existe um
conjunto de coordenadas que define as direes dos eixos dos principais componentes. So
chamados de autovetores (eigenvectors). A Tabela 10.5 apresenta os autovetores computados.
Tabela 10.5 Matriz de autovetores derivados da matriz de coeficientes de correlao.
Componentes
PC1
PC2
PC3
PC4
PC5
PC6
Banda 1
0,171
-0,012
0,377
0,135
0,892
0,121
Banda 2
0,143
0,061
0,359
0,072
-0,064
-0,915
Banda 3
0,299
-0,045
0,736
0,167
-0,445
0,376
Banda 4
0,190
0,967
-0,023
-0,150
-0,001
0,073
Banda 5
0,823
-0,116
-0,429
0,351
-0,028
-0,018
Banda 7
0,384
-0,213
0,056
-0,896
0,035
-0,005
160
Os coeficientes da matriz de autovetores so interpretados como as direes cosenos

dos novos eixos em relao aos eixos originais, apontando na direo de qual a contribuio
ou peso das bandas originais na formao de cada principal componente. De uma maneira
bem simples, pode-se dizer que a banda original que mais contribui para a formao de um
principal componente a que tem na matriz de autovetores o valor absoluto maior. Na Tabela
10.5 o primeiro componente tem uma contribuio muito maior da banda 5. Como
consequncia, a imagem da PC1 ser muito semelhante, na aparncia, com a banda 5 original.
A diferena com a imagem original da banda 5 que a PC1 interpretada como sendo,
aproximadamente, uma imagem albedo, a qual descreve o brilho mdio da cena. A PC1
quase uma soma das mdias das imagens, enquanto os componentes restantes de algum modo
parecem diferenas entre pares das imagens originais.
Em termos numricos pode-se entender que os autovetores so definidos como uma
combinao aditiva e linear computada para cada pixel de uma banda original, para criar o
novo valor de pixel dos principais componentes. Tomando-se como exemplo os autovetores
do primeiro componente da matriz da Tabela10.5, a seguinte operao feita para se calcular
o novo valor de cada pixel da imagem principal componente. A mesma operao repetida
com os demais componentes.

onde,
PC1ij = valor do pixel na linha i coluna j do primeiro principal componente

xij1...6 = valor do pixel na linha i coluna j de cada uma das bandas originais 1 a 6
A Figura 10.5 mostra as imagens resultantes da transformao por principais

componentes, cujos dados so os das matrizes apresentadas. Como as imagens principais
componentes tm correlao zero, qualquer pixel lido em um componente tem um diferente
valor digital nos outros componentes.
Os trs primeiros principais componentes, que renem 99,121% da informao total,
podem ser combinados em uma composio colorida RGB, obtendo-se uma imagem de alto
contraste de cores. As cores so mais contrastantes do que as que so obtidas com as bandas
originais, e isso devido ausncia de correlao entre os componentes. Porm, h uma
grande dificuldade para se identificar as naturezas das classes dos alvos, porque sendo cada
uma das imagens componentes formadas pela soma das contribuies de informaes de
todas as bandas originais, so perdidas as relaes espectrais dos alvos com as imagens.
Crsta e Moore (1989) desenvolveram uma soluo para essa dificuldade de
identificao da natureza das classes nas imagens componentes principais, por meio da
aplicao de uma tcnica de anlise denominada Feature Oriented Principal Component
(FPSC), tambm denominada Tcnica Crsta. Essa tcnica possibilita identificar as classes de
alvos atravs da anlise da matriz de autovetores, reconhecendo qual componente contm a
informao diretamente relacionada assinatura espectral do alvo.
A primeira etapa da FPCS a avaliao do espectro do alvo a ser pesquisado, com o
objetivo de identificar duas bandas que contenham respostas de feies espectrais marcantes,
uma com alta absoro e outra com alta reflectncia. Aps selecionadas essas duas bandas,
so escolhidas outras duas bandas que contenham reflectncias mdias do alvo. Nessas quatro
bandas aplicada a transformao por principais componentes. A seguir so analisados os
valores e sinais da matriz de autovetores, considerando-se que a imagem principal
componente que contm a informao individualizada do alvo, aquela que apresenta os
maiores e menores valores absolutos nas bandas que tm as feies espectrais do alvo. Esse
componente conter a informao individualizada do alvo.
161
PC1
PC2
PC3
PC4
PC5
PC6
Fig. 10.5 Imagens principais componentes das seis bandas TM com os trs primeiros componentes acumulando
99,126% da varincia total das imagens originais.
162
Por exemplo, os espectros de reflectncia dos minerais hidroxilados caolinita,

montmorilonita e muscovita, apresentam uma forte feio de absoro na banda 7 e uma alta
reflectncia na banda 5 dos sensores TM e ETM+. Na Figura 10.6 mostrado o espectro para
o mineral muscovita e as posies espectrais das bandas do sensor ETM+. A aplicao da
tcnica crosta para mapeamento deste grupo mineral, e no caso deste exemplo da muscovita,
utiliza a rotao por principais componentes entre as bandas 1, 4, 5 e 7.
1 2
Fig. 10.6: Espectro da muscovita sobreposto ao intervalo das bandas 1, 2, 3, 4, 5 e 7 do sensor ETM+.
Na anlise da matriz de autovetores deve-se identificar o principal componente que

tenha sinais opostos e variaes de moderado a alto para as bandas 5 e 7, sendo esse o
principal componente que identifica as reas que concentram a presena de muscovita nas
rochas.
Um exemplo demonstrado com as imagens ETM+ do Granito Pedra Branca da
Provncia Estaninfera de Gois, municpio de Nova Roma (Figura 10.7a). Na matriz de
autovetores da Tabela 10.6 observa-se que os valores que apresentam a informao relativa
muscovita o PC4 (maiores sinais de valores opostos). A imagem do componente PC4
mostrada na Figura 10.7b, onde se destaca uma rea de forma oval, a qual coincide com a
faixa de greissen muscovtico mineralizado em estanho no granito Pedra Branca.
Tabela 10.6 Autovetores obtidos por principais componentes para as bandas 1, 4, 5 e 7 do sensor ETM+ do
satlite Landsat 7.
B1
PC1 0,199966
PC2 -0,191043
PC3 -0,875854
PC4 -0,395470
B4
0,250449
0,887538
-0,264005
0,282583
B5
0,780750
0,050195
0,387476
-0,487619
B7
0,536394
-0,416244
-0,114209
0,725244
163
541/RGB
PC4
Fig. 10.7 Na imagem esquerda composio colorida da rea do granito Pedra Branca e na imagem direita
exemplo da aplicao da tcnica Crsta (Feature Oriented Principal Component) com as bandas 1, 4, 5, 7 ETM,
destacando a rea de graissen no granito Serra Branca (GO).
10.3
Descorrelao de bandas
Outra tcnica que tambm zera a correlao entre as bandas de um sensor, com
princpios semelhantes tcnica principais componentes, muito usada para a obteno de
composies coloridas a partir da seleo de um conjunto de apenas trs bandas. Essa tcnica,
denominada de descorrelao de bandas, objetiva aumentar o contraste das cores, tendo em
vista que as composies coloridas obtidas com as bandas originais modificadas por tcnicas
de ajustes histogrmicos, somente exibem um alto contraste de cores se possurem baixas
correlaes espectrais. Quando so altamente correlacionadas, produz-se uma imagem na
qual algumas cores altamente saturadas no aparecem. Cores saturadas primrias ou
secundrias so cores com alto brilho e com alto contraste. A ausncia de cores saturadas na
imagem comprova que as modificaes de contraste por ampliaes histogrmicas falham no
sentido de no promover uma redistribuio equilibrada das cores, entre bandas que tenham
alto grau de correlao. Graficamente, esse efeito pode ser mostrado no espao cbico de
cores RGB (Figura 10.8a), onde a representao histogrmica tridimensional de trs bandas
uma distribuio de forma elptica, alongada segundo o eixo acromtico. O tamanho da elipse
dimensionado pelos seus trs eixos, ao longo dos quais so representados os espalhamentos
dos pixels de cada uma das trs bandas originais. O eixo maior da elipse e a sua direo
representam a variao de intensidade de brilho dentro da imagem, a qual a maior fonte de
correlao interbanda. Depois de ser aplicada uma modificao de contraste, individualmente
a cada uma das trs bandas, a elipse torna-se mais alongada e ocupa uma poro maior do
espao cbico de cores (Figura 10.8b). Mas, ainda mantida a mesma proporo bsica dos
eixos da elipse, indicando que a correlao entre as bandas realadas permanece. A
consequncia da manuteno dessa correlao que grande parte do espao volumtrico
tridimensional do espao de cores do cubo no utilizado.
164
Eixo acromtico
Regio no utilizada
Fig. 10.8. (a) No espao de cores RGB trs bandas geram um histograma em trs dimenses que assume a forma
de uma elipse alongada. (b) Um realce linear amplia a elipse mas, a correlao existente entre as bandas
permanece.
Para ocupar todo o espao de cores do cubo e, assim, se ter uma contribuio total ou
saturada de todas as cores representadas pelos trs eixos RGB do cubo, a elipse deveria
tornar-se uma esfera. Por definio, estatisticamente, a esfera ou o crculo representa o espao
da distribuio entre variveis no correlacionadas, ou seja, correlao zero, como pode ser
visto na Figura 10.9. Para obter isso, necessrio realizar uma transformao das bandas
originais, na qual cada um dos valores da imagem de sada, ou novos componentes, depende
dos valores conjuntos dos trs componentes de entrada e no dos valores individuais de cada
banda, como ocorre com a ampliao de contraste por manipulao histogrmica. Esse tipo
de transformao tem o pressuposto de obter uma distribuio esfericamente simtrica, que
resulta em trs novas imagens descorrelacionadas. Recordando o que se viu na sesso
anterior, tal transformao baseia-se no uso da transformao por principais componentes.
Varivel y
Varivel
Fig. 10.9 O crculo representa o espao de uma distribuio entre duas variveis no correlacionadas.
Os novos componentes descorrelacionados passam a ter uma distribuio que ocupa

quase todo o espao cbico de cores. Dessa forma, so maximizadas as feies de cores sem
que sejam alteradas, consideravelmente, as cores originais da imagem. Isso porque os
componentes no perdem a relao dos valores digitais transformados, com as propriedades
fsicas originais da radincia. O resultado a obteno de uma composio colorida com uma
intensidade de contraste de cores muito maior do que a da composio colorida primria. A
vantagem que a interpretao da imagem bem menos complexa do que a de principais
componentes e pode ser feita com base nas propriedades do comportamento de reflectncia
dos alvos, como se faz em uma composio RGB normal. A limitao dessa transformao
que a sua aplicao reduzida a trs bandas.
165
Os procedimentos de realce por descorrelao, optando-se pela apresentao da

transformao proposta por Soha e Scharwtz (1978), denominada de Whitening, consistem
numa transformao por principais componentes, cuja matriz uma matriz diagonal de
autovalores que tem a forma:
Segue um realce individual dos componentes por uma equalizao de varincia, a qual
assegura que os dados de cada componente tenham a mesma varincia e que ocupem em cada
eixo o volume mximo esfrico no espao de cores. O modelo de transformao
desenvolvido por Soha e Scharwtz (1978), tem a formulao segundo a equao 10.1. Nesta
equao, x so os vetores de valores de brilho da imagem original e y o correspondente
vetor de intensidade depois da transformao por principais componentes.

eq. 10.1
A nova matriz whitening tem a forma:
onde, O1... On da matriz W-1/2 so os autovalores e I a matriz de autovetores da matriz de

covarincia de x que promove a rotao dos eixos, eliminando a correlao original. W
simboliza Whitening.
A representao grfica em duas dimenses vista na Figura 10.10, mostra a rotao I
dos eixos originais para novos eixos ortogonais DEC1 e DEC2, que consistem nas novas
imagens descorrelacionadas.
Banda Y
DEC2
DEC1
Banda X
Fig. 10.10. Transformao da distribuio elptica dos dados originais com correlao positiva para uma
distribuio circular com correlao zero.
166
Como se procurou ressaltar inicialmente, o mais interessante do processo de

descorrelao de bandas fazer com que os dados das imagens transformadas retornem ao
espao original de cores. Nesse caso, o retorno com rotao I mais vantajoso do que no
mtodo de principais componentes, porque ele permite que as relaes de cores bsicas das
bandas da imagem original sejam preservadas. Isso facilita ao intrprete para mapear as cores
das imagens componentes, em concordncia com as radincias dos alvos. Como se v na
equao 10.1, para se retornar ao espao de cores originais efetua-se o inverso da
transformao por principais componentes, o que , simplesmente, a sua transposio.
Lembrar que uma matriz transposta uma matriz em que os elementos a (i,j) so trocados
pelos elementos a (j,i), isso , a matriz rotacionada ao redor da diagonal principal.
A eficincia desse processo de realce de cores das imagens pode ser visto no exemplo
da Figura 10.11, que compara uma composio colorida RGB das bandas ETM 5, 4, e 3
realadas, independentemente, por expanso linear de contraste, com a composio colorida
das bandas descorrelacionadas. Nota-se que as cores na imagem descorrelacionada so mais
claras (saturadas), da o nome da transformao se denominar Whitening. O lago na imagem
da composio colorida normal de um azul marinho escuro, mas que se confunde com um
tom preto, induzindo o intrprete a imaginar que o nvel de reflectncia da gua zero. Na
imagem por descorrelao a cor realada para um azul mais claro, mostrando de forma mais
correta que a gua no tem reflectncia zero nos comprimentos de onda das trs bandas.
543/RGB
543/DEC
Fig. 10.11 Comparao do realce das cores de uma composio colorida com contraste linear, com a
composio por descorrelao de bandas.
167
FILTRAGEM
Antonio Nuno de Castro Santa Rosa
11
11.1
Introduo
Nos captulos anteriores abordarmos sobre as tcnicas de processamento que visam
realar as imagens a partir de procedimentos que transformam os dados em funo do valor
individual de cada pixel, sendo por isso consideradas como tcnicas de transformaes
radiomtricas no domnio espectral da imagem. Outra alternativa de transformao enfatizar
ou reduzir as informaes contidas numa imagem por meio de operaes que envolvam os
pixels de uma vizinhana, portanto, considerando um certo espao geomtrico da imagem.
So as tcnicas que atuam no domnio espacial da imagem.
Em qualquer imagem sempre observado uma forte interdependncia da vizinhana
espacial dos valores dos pixels, porque os alvos na natureza tendem a mostrar uma
homogeneidade dentro de certos espaos. Essa interdependncia pode ser utilizada para
realar de forma seletiva detalhes geomtricos da imagem, como as bruscas mudanas ou
bordas entre reas aparentemente homogneas, que na realidade se configuram como limites.
Mas tambm observamos nas imagens a presena de feies que marcam, por assim dizer, o
rompimento desta interdependncia, e que no parecem estar associadas a limites ou bordas
de reas, e que neste caso so identificadas como rudos. As tcnicas de processamento que
atuam no sentido de realar as bordas ou limites e de reduzir a presena dos rudos, so
denominadas de filtragens. Os filtros so os mtodos de transformao da imagem no
domnio espacial.
Transformar o valor de um pixel significa determinar um novo valor para o mesmo.
Veremos neste captulo as configuraes de vrios tipos de filtros no domnio do espao ou
do tempo, mas introduziremos tambm o conceito da filtragem no domnio da frequncia,
conhecida como Transformada de Fourier. A necessidade de se transformar o valor de um
pixel de uma imagem o fato de ter seu valor contaminado por diversos tipos de rudos, ou
seja, o valor do pixel constitudo de parcelas que chamamos de sinal e de rudo. O sinal a
parcela do valor do pixel que queremos determinar e realar e o rudo a parcela que queremos
minimizar, uma vez que o rudo no pode ser completamente eliminado do valor do pixel,
pelo simples fato de desconhecermos seu percentual no valor do pixel.
Por ora vamos discutir a filtragem no domnio espacial, deixando para o final a
discusso da filtragem no domnio da frequncia, onde o operador, transformada de Fourier,
usa o contedo do espao global da imagem. A transformao no domnio do espao se
caracteriza por definir operaes de filtragem a partir da informao local da imagem, dentro
de um pequeno espao em torno de um pixel.
Para filtrar uma imagem importante conhecer a natureza do filtro que deve servir ao
resultado que se deseja obter do processo de filtragem da imagem. A natureza de um filtro
determinada pela sua configurao que, de maneira geral, so classificados nos seguintes
tipos:
Filtro passa-baixa: filtro que ressalta as estruturas maiores na imagem;
168
Filtro passa-alta: filtro que ressalta as estruturas de detalhe na imagem;

Filtro banda-passante: ressalta parte das maiores e menores estruturas da imagem.
valor de intensidade de brilho
A filtragem no domnio espacial uma transformao que realizada pixel a pixel, tal
como feito com as tcnicas de transformaes no domnio espectral (domnio da cor), com a
diferena, como mencionado a pouco, de que a transformao do pixel dependente dos
valores de brilho dos pixels vizinhos e, portanto, da distribuio espacial local. Como
brevemente comentado, essa dependncia da vizinhana dos pixels uma condio natural
existente nas diferentes classes de alvos que podem ser identificadas numa imagem. Por
exemplo, uma mata, um corpo de gua ou uma parcela de solo agricultado compem reas
que englobam muitos pixels em cada classe, e cada uma com valores de reflectncia muito
prximos, que somente mudam significativamente seus valores quando h a passagem para
outra classe de alvo. Sob esse ponto de vista a imagem pode ser considerada como uma
distribuio de padres de valores de pixels que se repetem com uma determinada taxa. Essa
taxa de repetio de pixels pode ocorrer em qualquer direo e representa as variaes
espaciais de brilho ou de nveis de cinza da imagem. Podemos ver isso na Figura 11.1 onde
mostrado o perfil de variao de brilho dos pixels medidos ao longo de uma linha na imagem,
que atravessa reas urbanas, lagos e reflorestamento. Note no perfil da figura direita que h
regies com alta variao de brilho (reas urbanas), e outras regies, semelhantes como a
marcada pela linha azul vertical, com baixa variao de brilho (lago e reflorestamento).
Fig. 11.1 direita perfil mostrando a variao da intensidade de brilho ao longo de uma linha de pixels
amostrada da imagem esquerda (linha vermelha).
Esse conceito de variao espacial aplicado aos mtodos de filtragem espacial, que
v a imagem como sendo formada de componentes espaciais a diferentes escalas. Quando
falamos em taxa de repetio de valores em uma imagem, estatisticamente estamos falando
de moda, o que bem entendido pela variao de brilho com mesma intensidade em locais
espacialmente diferentes. Mas tambm, quando falamos em taxa, intuitivamente no
deixamos de pensar em frequncia. Por isso, taxa de variao espacial de brilho e frequncia
espacial so muitas vezes empregadas como sinnimos. Lillesand e Kiefer (1994) referem-se
"frequncia" no domnio espacial como sendo a rugosidade das variaes tonais que
ocorrem em uma imagem. reas com alta frequncia espacial so tonalmente rugosas e
mostram as partes da imagem em que ocorrem rpidas mudanas dos valores de brilho, como
se v na Figura 11.1 das reas urbanas. Elas expressam os detalhes da imagem numa escala
local. As partes da imagem com baixa frequncia espacial mostram pouca variao tonal na
extenso de muitos pixels e, portanto, na escala de grandes reas. Elas expressam, mais
169
apropriadamente, o comportamento espectral dos objetos. Nesse sentido, a filtragem espacial

uma tcnica para realar ou suavizar localmente parte destas repeties de padro de brilho,
principalmente, quando os padres de variaes de brilho so sutis. Quando o desejo
enfatizar as altas freqncias de variaes de brilho, o filtro espacial genericamente
chamado de passa-alta, e quando o desejo enfatizar as baixas frequncias o filtro espacial
chamado de passa-baixa. Considerando que qualquer imagem composta de uma estrutura
espacial aleatria de regies com baixas e altas frequncias espaciais, matematicamente,
pode-se escrever esta relao como:

eq. 11.1
onde,
PB = passa-baixa
PA = passa-alta
A decomposio da imagem em uma soma de componentes de baixas e altas

frequncias de brilho a base para a filtragem espacial. Para a maioria dos tipos de filtros se
utiliza um operador de convoluo discreta. Convoluo um operador matemtico que vai
operar dois elementos distintos, a imagem e o filtro. A operao de convoluo discreta para
filtrar a imagem, usa uma mscara mvel sobre a imagem, fixando pesos para a mscara, e
tem a vantagem de ser um procedimento bastante rpido.
A funo de processamento de convoluo discreta entre a imagem de entrada e a
mscara mvel do filtro pode ser escrita na forma:

eq. 11.2
onde, g(i,j) a imagem processada, f(x,y) a imagem de entrada e T um operador de

transformao que atua sobre um conjunto de pixels vizinhos a (x,y) da imagem de entrada.
Matematicamente, a equao 11.2 para a imagem g(i,j) de sada (Schowengerdt, 1994) :

eq. 11.3
onde,
f = a imagem de entrada
w = funo de resposta da janela, ambas com tamanho Nx,, Ny
A maioria dos filtros programada dentro de uma janela mvel. Dois procedimentos
so realizados para filtrar a imagem:
(i) Primeiro define-se uma mscara de arranjo de uma pequena matriz que contm
coeficientes ou pesos. A matriz de pesos denominada de kernel de convoluo e,
normalmente, se usa tamanhos com nmeros mpares de pixels, para que seja mantida
uma simetria em relao ao pixel central.
(ii) A mscara movida sobre a imagem, linha por linha, coluna por coluna, e os valores
dos pixels da rea da imagem sob o filtro so multiplicados pelos correspondentes
pesos dos pixels do filtro. A mdia da soma deste produto ser o novo valor de brilho
do pixel situado na posio central da rea da imagem sob o filtro. Este valor salvo
e o processo continua.
170
O processo repetido varrendo-se toda a imagem pixel a pixel como no esquema da

Figura 11.2, e isso um processo que opera a cada momento num espao local da imagem.
Quando o ltimo pixel da imagem processado a imagem original modificada,
radiometricamente, resultando em realces ou suavizaes de feies de acordo com os
valores dos pesos que foram estabelecidos. A flexibilidade de se usar praticamente qualquer
peso na configurao de um filtro espacial faz da convoluo um instrumento de
processamento de imagem de muitas aplicabilidades.
Fig. 11.2- Movimento da mscara de tamanho 3 x 3 para filtrar a imagem. O pixel cinza o pixel central que
ter o seu valor modificado conforme sejam os pesos dos pixels do filtro.
Os filtros mais utilizados que usam o processo de convoluo, comumente se baseiam

em trs alternativas: na soma dos pesos, numa estatstica especfica, ou na noo de derivada.
H outras classes de filtros que transformam a imagem dentro dos mesmos conceitos de
filtragem no domnio espacial, mas que no utilizam um operador de convoluo. E, por fim,
tem-se a filtragem no domnio da frequncia. A filtragem aplicada individualmente a cada
banda original e comum e til aplicar um filtro em imagens que foram antecipadamente
processadas por outras tcnicas. A Tabela 11.1 lista as principais classes e tipos de filtros.
Tabela 11.1 Filtros de uso mais comum em sensoriamento remoto
Classe
Tipo
Passa alta
Domnio do Espao
(operador de convoluo)
Passa baixa
de mdia
de mediana
Supresso de rudo
Direcional
linear
Realce de bordas nas direes horizontal,

vertical e diagonal
Primeira derivada
gradientes de:
Roberts
Sobel
Prewit
Domnio do Espao
(operador no convoluo)
Domnio da Frequncia
Aplicao
Realce da imagem
Realce de bordas por operador no linear
Laplaciano
Realce de bordas sem especificar direo
Morfolgicos
Dilatao ou eroso da imagem
Texturais
Realce das variaes espaciais dos tons

da imagem
Adaptativos
Supresso de rudo com preservao do

detalhe local
Fourier
Realce em relao proporo da

informao associada com as frequncias
171
11.2
Filtro Passa-Alta
Os filtros passa-alta tendem a realar os detalhes da imagem, o que implica em realar
os componentes de alta frequncia espacial. Para isso, o filtro remove os componentes de
baixa frequncia de uma imagem enquanto retm os de alta frequncia (variaes locais). Isso
pode realar bordas entre diferentes reas, como tambm aguar as variaes de brilho da
imagem. Utiliza-se um kernel com alto valor central e com valores negativos circundantes.
Filtros passa-alta somente podem ter dimenses impares (3 x 3, 5 x 5, e maiores). Quanto
maior for o tamanho da janela ou da mscara mais se enfatizam as altas freqncias espaciais,
ou seja, os detalhes geomtricos da imagem. s vezes, filtros maiores que 100 x 100 pixels
so usados para seletivamente eliminar alguns tipos de baixa frequncia, como
sombreamentos.
Na Figura 11.3 so mostrados duas mscaras de tamanhos 3 x 3 e 5 x 5. A soma dos
pesos igual a zero, o que remove a mdia local e produz uma imagem a qual mede o desvio
do sinal de entrada em relao mdia local. Quando a mscara aplicada em regies
homogneas de uma imagem o resultado ser zero ou um valor digital muito baixo, enquanto
que nas regies no homogneas o resultado um realamento, o que consistente com o
princpio da filtragem passa-alta. A aplicao de um filtro passa-alta com esses valores de
peso pode resultar em nmeros digitais negativos. Isso automaticamente corrigido pelos
algoritmos, que aplicam aps a convoluo uma normalizao dos valores digitais para o
intervalo de quantizao da imagem.
1/9
-1
-1
-1
-1
+8
-1
-1
-1
-1
1/25
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
+25
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
Fig. 11.3 Configurao de mscara de filtro passa-alta cujos pesos tm valores uniformes.
Na Figura 11.4 mostrado o efeito do filtro passa-alta 3 x 3 em uma imagem do

visvel, com o objetivo de destacar o limite ou efeito de borda entre a rea de vegetao de
mata de galeria e o cerrado. Observe na grade de pixels da rea indicada pela seta branca na
imagem original, a transformao dos valores dos nveis de cinza que foi obtida com a
filtragem na rea limite das duas vegetaes.
Entretanto, quando o objetivo fazer uma interpretao visual temtica da imagem,
desejvel reforar os componentes de alta frequncia que representam os detalhes da imagem,
sem eliminar totalmente os componentes de baixa frequncia. Nesse caso, utiliza-se um filtro
passa-alta multiplicado por um fator de amplificao, que escrito na forma:

eq. 11.4
172
imagem original
imagem filtrada
grade de pixel imagem original
grade pixel imagem filtrada
Fig. 11.4 Efeito de borda por um filtro passa-alta com dimenso de 3 x 3 em imagem do visvel e o detalhe dos
valores dos pixels da imagem original e da imagem filtrada da pequena rea indicada pela seta branca na
imagem esquerda.
Exemplos desses filtros passa alta amplificados so mostrados na Tabela 11.2. A

soma de seus pesos igual a 1 o que significa que a imagem de sada tem a mesma mdia ND
da imagem de entrada (preserva a baixa freqncia), enquanto a quantidade de realce obtido
proporcional a K. A escolha do valor K depende do grau de realamento que desejado. No
exemplo da Figura 11.5 foi aplicado um fator de amplificao K=2.
Tabela 11.2 Exemplos de filtro passa-alta amplificado, com diferentes valores de K.
K=1
K=2
K=3
173
imagem original
imagem filtrada
Fig. 11.5 Resultado da aplicao de um filtro passa-alta com fator de amplificao K=2 que reala os detalhes
da imagem e preserva as baixas freqncias, a fim de se ter uma imagem possvel de interpretao visual
temtica.
11.3
Filtro Passa-Baixa
Os filtros passa-baixa preservam os componentes de baixa frequncia da imagem
custa de reduzir os de alta frequncia. So filtros de suavizao porque atenuam as regies de
bordas e detalhes finos da imagem, como rudos, que correspondem aos componentes de alta
freqncia. Dentre as tcnicas mais conhecidas de suavizao esto os filtros de mdia e da
mediana.
11.3.1
Filtro Passa-Baixa de Mdia
Os filtros passa-baixa de mdia devem conter os mesmos pesos, com valores positivos
1 para cada elemento kernel. Multiplicando-se os pesos da mscara pelos pixels da imagem e
dividindo o resultado pelo total do nmero dos pixels da mscara, o valor do pixel central da
imagem substitudo pela mdia dos valores dos pixels vizinhos sob a janela. Por isso um
filtro de mdia. O efeito de se usar um filtro passa-baixa de mdia reduzir a variabilidade
dos nveis de cinza da imagem e suavizar o seu contraste. Os pixels de valores maiores que os
seus vizinhos so reduzidos, de modo que os detalhes locais so perdidos. O produto uma
imagem de aparncia um pouco desfocada. Matematicamente, o filtro passa-baixa de mdia
escrito na forma:
eq. 11.5
Pela razo dos filtros passa-baixa reduzirem as altas frequncias de brilho de uma
imagem, eles so usados para remover rudos, e consequentemente, uniformizam os valores
174
de brilho da imagem. Isso porque, se geralmente os componentes de baixa frequncia

representam as caractersticas da reflectncia dos objetos ou materiais, os rudos aleatrios,
por serem pixels com valores esprios, representam as altas frequncias. Nesse caso, os
filtros passa-baixa tm como importante aplicabilidade ser um filtro para supresso de rudos
presentes na imagem. Em contrapartida uma tcnica que facilita a interpretao da imagem,
quando o interesse do intrprete identificar os padres gerais dos nveis de cinza e no os
seus detalhes, sem se incomodar com a perda de contraste de bordas.
Aumentando-se o tamanho da janela o filtro passa-baixa de mdia aumenta ainda mais
o efeito de suavizao da imagem, tornando-a com aparncia mais desfocada. Como o
tamanho do filtro est positivamente relacionado suavizao e resoluo espacial da
imagem, filtros maiores do que 9 x 9 no so usados com frequncia. As Figuras 11.6 e 11.7
mostram, respectivamente, exemplos de mscaras de filtro passa-baixa e o efeito de sua
aplicao nas imagens. Observe que o resultado obtido de uma imagem com aparncia
desfocada, porque os detalhes (altas frequncias) so atenuados.
1/9
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
1/25 +1 +1 +1 +1 +1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
Fig. 11.6 Valores de pesos uniformes de filtro passa-baixa.
imagem original
imagem filtrada
Fig. 11.7- Efeito de suavizao da imagem por filtro passa-baixa de tamanho 5 x 5.
11.3.2 Filtro de Mediana

Uma alternativa para minimizar um pouco a aparncia borrada da imagem pelo filtro
da mdia usar o filtro de mediana. O valor mediano de um conjunto de pixels na vizinhana
do pixel central de tal forma que metade dos valores menor que a mediana e a outra
metade maior. Tomando-se como exemplo um conjunto de pixels na imagem de dimenso
3 x 3, com os valores [11, 9, 12, 32, 13, 14, 8, 10, 9], para encontrar o valor mediano deve-se
175
primeiro ranquear esses valores em ordem ascendente de magnitude. No exemplo, a ordem

seria [8, 9, 9, 10, 11, 12, 13, 14, 32] com o valor mediano 11, que ento substitui o valor do
pixel central da imagem. A mdia 13,11, arredondada para 13, maior do que seis dos
valores, indicando ter a influncia do valor 32, o qual pode representar um pixel ruidoso na
imagem. Este valor extremo eliminado pelo filtro da mediana e as bordas so mais
preservadas do que com o filtro de mdia. H, assim, duas razes para a escolha da mediana e
no da mdia. (i) a mediana do conjunto de pixels sempre igual a um dos valores presentes
no conjunto de pixels. (ii) a mediana menos sensvel a pixels de valores extremos. O filtro
de mediana bastante eficiente em imagens de radar para suprimir um tipo muito comum de
rudo que estas imagens apresentam, chamado de speckle (rudo sal e pimenta). Um exemplo
da aplicao do filtro da mediana mostrado na Figura 11.8.
imagem original com rudo speckle
imagem com filtro de mediana
Fig. 11.8 Efeito de atenuao de rudo speckle em imagens de radar, com o uso de filtro de mediana.
11.4
Filtros de Bordas Direcionais
Alm do simples realce dos componentes de altas e baixas frequncias, um clssico
problema em processamento de imagem a deteco de repentinas mudanas nos valores de
brilho de um pixel para outro, sem que isso seja um rudo. Esse tipo de mudana indica um
limite, isto , uma borda entre dois objetos espectralmente distintos. Uma borda ,
simplesmente, uma fronteira entre duas regies com relativa diferena de nveis de cinza.
Numa imagem as bordas podem ter variadas direes, e a possibilidade de detectar essas
direes e real-las na imagem pode ser algo muito desejado. Esse tipo de filtragem indica a
direo preferencial em que ser realado os limites das bordas. Exemplos notveis de bordas
ocorrem em muitas das feies construdas pelo homem, e na geologia os lineamentos
estruturais, que normalmente ocorrem em vrias direes, so exemplos de feies naturais.
H diversas configuraes bastante simples de filtros direcionais que possibilitam
realar direes horizontal, vertical, diagonal ou isotrpica. Produzem imagens cujos valores
digitais dos pixels so proporcionais s diferenas entre os nmeros digitais de pixels
vizinhos, em uma dada direo. As bordas que forem evidenciadas podem, ou ser adicionadas
de volta imagem original para aumentar o contraste nas vizinhanas da borda, ou usar pixels
saturados pretos ou claros sobre elas, para real-las.
Os dois tipos de filtros de deteco de bordas mais utilizados so os filtros lineares de
deteco de borda e os que calculam a primeira derivada espacial, os quais so apresentados a
seguir.
176
11.4.1 Linear
, tipicamente, uma forma de filtro passa-alta, combinado com uma limiarizao de
valores de brilho. Exemplos de mscaras dos filtros lineares de borda, sugeridos por Richard
e Jia (2006), so apresentados na Tabela 11.3.
Tabela 11.4 Mscaras de filtros lineares de borda (Fonte: Richard e Jia, 2006)
Vertical
Horizontal
Diagonal
Diagonal

Note que a soma dos elementos kernel do filtro zero. O resultado que as reas com
valores de pixels homogneos so zeradas na imagem de sada, enquanto as reas com pixels
de brilho variado so apresentadas como bordas brilhantes. O resultado da aplicao do filtro
direcional linear na direo horizontal mostrado na Figura 11.9, em uma rea com forte
presena de lineamentos geolgicos. Visualmente, o efeito na imagem filtrada um forte
realce, destacando o relevo associado aos lineamentos na direo horizontal. Na imagem
filtrada se v que as reas onde foram detectadas as direes horizontais, so mais claras,
enquanto as reas ausentes de direo horizontal mostram tons de cinza escuros. Isso pode ser
considerado como uma forma muito prtica de se identificar numa rea os domnios
estruturais existentes.
imagem original
imagem filtrada
Fig. 11.9 Realce de lineamentos geolgicos com o uso de filtro linear direcional, na direo horizontal.
11.4.2
Primeira Derivada
Os filtros de borda que usam o conceito matemtico da primeira derivada tambm,
seletivamente, realam os componentes de direes especficas que a imagem possa ter,
177
calculando o gradiente direcional dos pixels. A derivada de uma funo contnua a taxa de
mudana da funo em um determinado ponto. Sendo a imagem uma funo de valores de
brilho, a taxa de mudana de brilho dos pixels num espao a primeira derivada. Para um
pixel de coordenada x e y, as derivadas em x e y so as medidas de quo rapidamente os
valores de brilho mudam na direo x e na direo y. Combinando os resultados por meio de
um clculo de vetor a cada pixel, a magnitude do gradiente local da imagem obtida para
qualquer direo, como demonstrado por Schowengerdt (1997) na Figura 11.10.
y
Fig.11.10- Geometria de vetor para clculo da imagem gradiente (fonte: Schowengerdt, 2007).
Na Figura 11.10 a magnitude do gradiente local da imagem dada pela

dimenso do vetor , que a derivada total (em relao a x e y) e que calculada como a
raiz quadrada da soma das duas derivadas individuais x e y. A direo do gradiente local
dada pelo ngulo entre o vetor e os eixos x e y. As respectivas equaes so:
;
eq. 11.6

eq. 11.7

eq. 11.8
Todos esses valores so calculados para cada pixel da imagem. Nas reas da imagem
que so homogneas as derivadas na direo x e y e a derivada total so pequenas, enquanto
nas reas em que ocorrem abruptas mudanas de brilho, as derivadas so altas. Neste sentido,
a primeira derivada, ou gradiente da imagem, detecta as regies de alta freqncia da
imagem.
Devido ao clculo do vetor magnitude, os filtros de derivada so no lineares. Com
base nessa formulao, as configuraes de filtros de derivada se fazem pelo produto escalar
da magnitude do vetor gradiente do pixel da imagem com os pesos particulares dos vetores.
Os filtros mais utilizados so conhecidos como gradientes Roberts, Sobel e Prewit, os quais
so mostrados na Tabela 11.4.
178
Tabela 11.4 Configuraes dos filtros gradiente (fonte: Schowengerdt, 2007).
Filtro
Componente
horizontal
Roberts

Sobel

Prewitt
Componente
vertical

No filtro gradiente 2 x 2 de Roberts, por ter uma configurao quadrada, no h

simetria do filtro em relao ao pixel central, e por isso o deslocamento da mscara de
pixel. As mscaras 3 x 3 deslocam-se pixel a pixel, e a deteco de bordas mais larga do
que a produzida pelos filtros 2 x 2. Porque o processo de deteco de bordas direcionais
computa um gradiente local, e porque as bordas detectadas so saturadas com valores de
cinza (como uma binarizao), necessrio a escolha de um valor de limiar, acima do qual as
bordas so aceitas. Onde o gradiente excede o limiar, o valor do pixel fixado a 255. A
escolha de um limiar baixo implica em um grande nmero de bordas largas, enquanto um
limiar alto resulta em segmentos de bordas finas. Em geral, os programas comerciais de
processamento de imagens embutem um limiar pr-fixado, sem dar opo ao usurio para
definir um novo limiar com base na sua experincia.
Ilustraes da aplicao de filtros gradientes so mostradas na Figura 11.11. Note que
um grande nmero de bordas em todas as direes detectado. A imagem filtrada est
adicionada com um background de 30% da imagem original.
Os resultados das aplicaes de filtros direcionais exemplificados nas figuras
anteriores mostram que os filtros direcionais lineares so mais eficientes na deteco de
lineamentos geolgicos, enquanto os filtros de primeira derivada aplicam-se melhor nas reas
urbanas e agrcolas.
11.5
Operadores Laplaciano
So filtros que utilizam a segunda derivada para realar bordas, sem considerar a
direo. Comportam-se como um filtro passa-alta. Geralmente utilizam um alto valor central
positivo na mscara, cercado por valores negativos nas direes vertical e horizontal.
O uso da segunda derivada para mximos e mnimos possibilita calcular que o valor
zero nas reas onde o gradiente (primeira derivada) constante, e valores positivos e
negativos onde encontrar o topo e a base do declive nos valores de brilho da imagem.
A Figura 11.2 exibe a mscara discreta de ordem 3 de um filtro Laplaciano e o
resultado de sua aplicao. O somatrio dos elementos da mscara nulo. Todos os filtros
laplacianos devem ter kernel de tamanho mpar.
179
imagem original
Filtro Sobel
Filtro Roberts
Fig. 11.11 Resultados da aplicao de filtros de gradientes (derivadas).

imagem original
imagem filtrada
Fig. 11.12 Configurao da mscara do filtro Laplaciano e o resultado da imagem filtrada.
180
11.6
Filtros Morfolgicos
Os filtros morfolgicos atuam nas propriedades geomtricas utilizando dois conceitos
bsicos: fechamento e abertura. Podemos combinar essas duas propriedades com as
sequncias: abertura seguida de fechamento, que se denomina dilatao e, fechamento
seguido de abertura, que se denomina eroso. Esses filtros podem possuir algoritmos para
imagens binrias e em tons de cinza. No processamento a forma da mscara chamada de
elemento estruturante, e a operao dos componentes kernel morfolgicos sobre a imagem
completamente diferente da operao de convoluo. As formas da mscara podem ser
quadradas, retangulares, diagonais, ou qualquer forma desejada. A escolha da forma
importante porque dela depende a mudana induzida na imagem.
O filtro morfolgico de eroso provoca efeitos de eroso (reduo) das partes claras
da imagem, gerando imagens mais escuras. O filtro morfolgico de dilatao age de forma
contrria, provoca efeitos de expanso das partes claras da imagem. Eles possuem aplicaes
na remoo do rudo e na segmentao da imagem para classificao. Alguns exemplos de
kernel estruturantes so mostrados na Tabela 11.5. Os valores dos elementos estruturantes so
sempre zero ou 1.
Tabela 11.5 Exemplos de mscaras de filtros morfolgicos
As Figuras 11.13 e 11.14 ilustram os procedimentos para filtrar uma imagem com os
filtros morfolgicos (Leite, 2010). O procedimento apresentado utiliza a primeira forma de
mscara da Tabela 11.5, e o mesmo procedimento se repete para qualquer uma das outras
formas. Na dilatao (Figura 11.13), o filtro quando se move sobre a imagem realiza uma
unio de todos os pontos da imagem quando o elemento estruturante Bx intercepta X.
Bx
=X
Fig. 11.13 Processo de filtragem da imagem X com o filtro dilatao.
181
Com o filtro eroso (Figura 11.14) o processo de eroso ocorre para o conjunto de X,
quando Bx est totalmente includo em X.
Bx
=X
Fig. 11.14 Processo de filtragem da imagem X com o filtro eroso
Resultados da aplicao dos filtros morfolgicos so mostrados na Figura 11.15.
imagem original
Filtro eroso
Filtro dilatao
Fig. 11.15 Resultados da aplicao de filtros morfolgicos de eroso e de dilatao.
11.7
Filtro de Textura
No contexto de imagens espectrais de sensoriamento remoto, textura uma
propriedade importante na percepo de regies e de superfcies, contendo informaes sobre
182
a distribuio espacial das variaes de tonalidade dos objetos. Na imagem a textura se

manifesta pela variao quase peridica de valores digitais (tons), que tem origem na
reflectncia dos objetos e sombras e sombreamentos devidos topografia do relevo. O
esforo o de tentar reconhecer variaes de padres de formas por meio de uma anlise das
variaes de padres de tons de cinza. No h uma definio geral para textura tonal e tal
dificuldade refletida pelo grande nmero de mtodos de anlise de texturas encontrados na
literatura (Reed e Dubuf, 1993). Haralick et al. (1973), definiram textura a partir de medidas
de uniformidade, densidade, aspereza, regularidade e intensidade, dentre outras
caractersticas da imagem.
O uso da matriz de co-ocorrncia est entre os mtodos mais utilizados para anlise de
texturas. Matrizes de co-ocorrncia de nveis de cinza so funes de distribuio de
probabilidades conjuntas de ocorrncia dos atributos de pares de pixels separados por uma
determinada distncia em uma direo fixa sobre uma imagem em tons de cinza (Sabino,
2004). Ou seja, a partir dessa matriz podem ser calculados vrios parmetros que representam
a distribuio dos valores das probabilidades de co-ocorrncia de pixels. um mtodo
baseado na abordagem de propriedades estatsticas de dados espaciais, que h tempo
aplicado na explorao mineral, de recursos naturais e na medicina, de onde se originou, e
que mais recentemente foi estendido para aplicaes em imagens de sensoriamento remoto. A
matriz de co-ocorrncia contm uma grande quantidade de informao acerca da variao
espacial da imagem, mas o maior problema como extrair as informaes que possam
descrever as caractersticas texturais da imagem. Para isso, a abordagem estatstica para a
anlise da textura utiliza um conjunto de medidas estatsticas locais para representar uma
imagem texturizada. Essas medidas estatsticas de textura, extradas da matriz de coocorrncia, incluem a mdia, varincia, homogeneidade, contraste, segundo momento,
correlao, e outras. Cada uma dessas medidas uma tentativa de se calcular feies texturais
da imagem baseadas nas propriedades da matriz de co-ocorrncia. Como mtodo de filtragem
no domnio do espao, o seu princpio o mesmo dos filtros apresentados, ou seja, ele
descreve a imagem, ou uma regio de interesse na imagem, em termos da relao entre os
valores dos pixels com os valores dos pixels vizinhos. A diferena que no se busca gerar
uma imagem realada para o analista visualizar a informao desejada. A textura um
mtodo de processamento para ser usado no processamento de segmentao e classificao
de imagens (Nascimento, et al. 2003, Schwarts & Pedrini, 2006).
Medidas de co-ocorrncia usam uma matriz de dependncia espacial de tons de cinza
entre pixels vizinhos para calcular o valor da textura. dessa forma uma matriz de frequncia
relativa cujos valores dos pixels ocorrem em duas janelas de processamento vizinhas,
separadas por uma distncia e uma direo especfica (ENVI, 2006). Dita de outra maneira, a
matriz de co-ocorrncia contm uma tabulao da frequncia relativa P(i, j, h, ),
considerando dois pixels vizinhos (pares) separados pela distncia h na orientao , um pixel
com tom de cinza i e o outro com tom de cinza j. O pixel i chamado de pixel de referncia e
o pixel j de pixel vizinho. A escolha do pixel vizinho pode ser em qualquer direo : da
linha, da coluna, ou das diagonais. A vizinhana pode ser de 1 pixel (h), 2, 3, ou qualquer
valor. Haver tantas matrizes de co-ocorrncia quanto forem os valores de h e .
O exemplo mostrado na Figura 11.16 ilustra uma matriz de co-ocorrncia produzida
utilizando-se um deslocamento de valor X = 1 na direo Y = 0 (horizontal), para uma janela
3 x 3. A tabulao mostra o nmero de ocorrncias da relao entre o pixel e seus vizinhos
especificados. Na primeira clula da matriz temos a informao de quantos pixels de valor 3
(trs) tm como vizinho outro pixel de valor 3 na imagem de tons de cinza. Na segunda clula
da primeira linha o valor corresponde a quantos pixels de valor 3 tm como vizinho um pixel
com valor 4, e assim sucessivamente calculado o nmero de pares de pixels de distncia h
entre os pares de pontos localizados em i e j.
183
janela base
4
3
6
3
5
4
5
6
3
janela
deslocamento
3
5
4
5
6
3
tons de cinza
3
6
3
6
4
5
6
0
2
0
1
0
0
0
1
2
0
0
0
1
0
2
0
Matriz de
co-ocorrncia
Fig. 11.16 Valores tabulados da matriz de co-ocorrncia a partir dos valores dos pixels da janela base com a
janela de deslocamento de distncia igual a 1 na direo horizontal (Fonte: ENVI, 2006).
Para executar uma operao de filtragem textural deve-se primeiro escolher uma
banda e selecionar a regio de interesse. , ento, calculada a matriz de co-ocorrncia da
regio selecionada, computando-se uma, ou simultaneamente, vrias medidas estatsticas para
serem usadas como medidas de textura (entropia, contraste, homogeneidade, mdia...). Os
software de processamentos oferecem vrias opes de medidas para caracterizar a textura da
imagem.
Uma vez calculados os valores da matriz de co-ocorrncia para as medidas estatsticas
selecionadas, elas podem ser comparadas por valores numricos representados em grficos,
para se verificar como cada medida distingue as texturas de diferentes classes de alvos. Um
exemplo prtico mostrado na Figura 11.17, a partir de trs segmentos de reas extrados de
uma imagem na banda do visvel e que se sabe possurem padres texturais distintos. Os
valores estatsticos so mostrados para contraste e dissimilaridade, apenas para ilustrar o
processo.
vegetao cerrado
relevo
dissimilaridade
60
50
contraste
rea agrcola
40
30
20
6
5
4
3
2
10
5
10
15
20
d (distncia entre pares de pixels)
5
10
15
20
d (distncia entre pares de pixels)
Fig. 11.17 Valores das feies texturais de contraste e dissimilaridade obtidos da matriz de co-occorrncia para
as classes de vegetao, relevo e reas de cultivo, dos segmentos de imagens mostrados acima dos grficos.
184
11.8
Filtragem no Domnio da Frequncia
intensidad
Nas sees anteriores vimos que no domnio do espao uma imagem pode ser
decomposta em seus componentes de alta e baixa frequncia. Acontece que uma imagem no
s composta de altas e baixas frequncias. Se plotarmos em um grfico as variaes das
frequncias de brilhos que uma imagem pode conter, obteremos uma curva complexa do tipo
mostrado na Figura 11.18. Essa curva complexa (no peridica) pode ser decomposta em
vrios componentes de seno e coseno, que nos d uma idia da distribuio espacial de
frequncia da imagem (Crsta, 1999). Para decompor a imagem em seus componentes de
seno e coseno, como visto nesta figura, usa-se a Transformada de Fourier. No domnio de
Fourier cada ponto da imagem representa uma frequncia nica que est contida no domnio
espacial da imagem.
intensidade
pontos ao longo da linha
pontos ao longo da linha
Fig. 11.18 Decomposio das freqncias da imagem em seus componentes senos e cosenos (Adaptado de
Crsta, 1999).
A Transformada de Fourier outra opo para filtrar a imagem, mas seu uso estendese s vrias aplicaes para reconstruo e compresso de imagens, tomografia e deteco de
vozes. Matematicamente, seu entendimento bem mais complexo do que filtrar uma imagem
no domnio do espao, mas a transformada Fourier torna mais fcil processar ou examinar
certas frequncias que influenciam na estrutura geomtrica da imagem. Como exemplo, a
presena de rudos peridicos que frequentemente so encontrados em quase todos os tipos
de imagens de sensoriamento multiespectral (Penteado, et al. 1998).
Para o processamento de imagem digital, a qual uma funo bidimensional discreta,
se utiliza da Transformada de Fourier Discreta, que uma verso da transformada Fourier. A
transformada discreta no contm todas as frequncias da imagem, mas apenas um conjunto
de frequncia que suficiente para descrever o domnio espacial da imagem, completamente.
Como est demonstrado na Figura 11.19, o processo de filtragem no domnio da
frequncia um processo de dois passos. Primeiro, para que os dados do domnio espacial
sejam analisados no domnio da frequncia necessitamos utilizar a Transformada de Fourier
185
direta. Segundo, a Transformada de Fourier inversa usada no sentido contrrio, ou seja, de

volta ao espao original da imagem (frequncia no tempo).
O valor de brilho mdio da imagem, isto , o componente de freqncia zero,
mostrado no centro da imagem transformada. Os pixels distantes do centro representam
crescentes componentes de frequncia espacial da imagem. Diversas opes de filtro podem
ser utilizadas para remover um componente particular de frequncia da imagem.
T f(t)
F (w) transformada direta
imagem original de radar
imagem transformada direta de Fourier
T-1 F(w)
f (t) transformada inversa
Fig. 11.19 As imagens ilustram o processo de filtragem da imagem no domnio da freqncia pela transformada
de Fourier e o resultado final da imagem filtrada.
11.8.1
Amostragem
Existe uma relao que descreve o compromisso entre o domnio do espao (tempo) e
o domnio da frequncia, que chamada relao de Nyquist (equao 11.9). Essa relao
deve ser respeitada em funo de ocorrerem efeitos denominados de aliasing.

Eq. 11.9
onde, dt o intervalo de amostragem no tempo e f uma frequncia no intervalo de amostragem na frequncia.
186
Esse limite de amostragem permite que a relao de tempo e espao possa ser
realizada sem perda de informao do sinal original. Vamos realizar um exemplo com a
imagem original que estamos utilizando de tamanho de 400 x 400 pixels amostrados para
1200 x 1200 pixels. Calculando a Transformada de Fourier das duas imagens temos os
resultados na Figura 11.20.
F (W) espectro da imagem 400x400 pixels
F (W) espectro da imagem 1200x1200 pixels
Fig. 11.20 Espectros da transformada direta de Fourier da imagem amostrada de 400 pixels para 1200 pixels.
A relao entre as operaes nos dois domnios, tempo e frequncia, isto , a

convoluo no domnio do tempo corresponde multiplicao no domnio da frequncia.

eq.11.10
onde, F(W) espectro do sinal e H(W) corresponde ao espectro do filtro.
Alguns tipos de filtros so definidos:

Filtro Passa-Alta Circular. Corta as frequncias externas ao circulo (regio cinza) e deixa
passar as frequncia internas ao circulo (regio clara). Pode-se concluir que a regio clara da
Transformada de Fourier est associada s altas frequncias e a regio cinza s baixas
frequncias necessrio que o analista defina alguns parmetros, tais como o raio em pixel
do crculo. Utiliza-se esse tipo de filtro para obter as feies de detalhe na imagem (passaalta), como mostra a Figura 11.21.
H (W)
F (W)
187
imagem original
imagem filtrada
Fig. 11.21 Transformada Fourier Discreta com uso do filtro passa-alta circular.
Filtro Passa-Baixa Circular. Corta as frequncias internas ao circulo (regio clara) e deixa
passar as frequncias externas ao circulo (regio cinza). Nesse caso, utiliza-se esse filtro para
obter as feies de regionais na imagem (passa-baixa) (Figura 11.22).
H (W)
imagem original
F (W)
imagem filtrada
Fig. 11.22 Transformada Fourier Discreta com uso do filtro passa-baixa circular.
Filtro Banda-Passante Circular Interno. Corta as frequncias internas ao crculo menor e

externas ao circulo maior (regio com traos azuis) e deixa passar as frequncias internas ao
circulo maior e externa ao menor (regio clara). Pode-se concluir que o filtro banda-passante
188
deixa passar as frequncias na regio entre os crculos e corta as demais frequncias. Utilizase esse filtro para obter as feies de detalhes limitados (Figura 11.23).
H (W)
imagem original
F (W)
imagem filtrada
Fig. 11.23 Transformada Fourier Discreta com uso do filtro banda-passante circular interno.
Filtro Banda-Passante Circular Externo. Corta as frequncias entre os dois crculos (regio
com traos azuis) e deixa passar as demais frequncias. Pode-se concluir que as frequncias
entre os crculos so de frequncias baixas e muito altas. Quando utilizamos esse filtro para
obtermos as feies de maiores detalhes e regionais (Figura 11.24).
H (W)
F (W)
189
imagem original
imagem filtrada
Fig. 11.24 Transformada Fourier Discreta com uso do filtro banda-passante circular externo.
190
REFERNCIAS BIBLIOGRFICAS
Balzerek, H. Applicability of IKONOS Satellite scenes monitoring, classification and
evaluation of urbanisation processes in Africa. Case Study of Gombe/Nigria. Disponvel em:
<http://www.rzuser.uni-heidelberg.de/~bu1/sfb/d1/regensb/balzerek.htm > Acesso em: 20
abr. 2002.
Bartleson, C.J. Colorimetry. Editor Macbeth Color and Photometry Divison Kollmorgem
Corporation. Section 16, p.880-922. 1995.
Bias, E. S. Vantagens e limitaes das imagens de alta resoluo como suporte ao
planejamento urbano: o exemplo de Sobradinho-DF. Tese (Doutorado). Instituto de
Geocincias e Cincias Exatas, UNESP, Rio Claro, SP, 2002. 280p.
Bias, E. S.; Baptista, G. M. M. Utilizao de imagens de alta resoluo espacial na anlise do
verde urbano como ferramenta ao planejamento. In: CONGRESSO INTERNACIONAL
SOBRE PLANEJAMENTO E GESTO AMBIENTAL EM CENTROS URBANOS, 4.
Florianpolis, 2002. ECOURBS 2002. CENTROSUL. p.52 - 53.
Bias, E. S.; Baptista, G. M. M.; Lombardo, M.A. Anlise do fenmeno de ilhas de calor
urbanas por meio da combinao de dados LANDSAT e IKONOS. In: SIMPSIO
BRASILEIRO DE SENSORIAMENTO REMOTO, XI. Belo Horizonte, 2003. Anais XI
SBSR. UFG: 2003. p.1741 1748.
Brites, R.S.; Soares, V.P.; Ribeiro, C.A.A.S. Comparao de desempenho entre trs ndices
de exatido aplicados a classificaes de imagens orbitais. In: SIMPSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 8, 1996, Salvador, BA. Anais... So Jos dos Campos:
INPE, 1996. p.813-821.
Cmara G; Souza R.C.M.; Freitas U.M.; Garrido J. SPRING: Integrating remote sensing and
GIS by object-oriented data modelling. Computers & Graphics, 20: (3) 395-403, 1996.
Ceccato, V.A. Proposta metodolgica para avaliao da qualidade de vida urbana a partir de
dados convencionais e de sensoriamento remoto, sistema de informaes geogrficas e banco
de dados relacional. 1994. Dissertao (Mestrado em Sensoriamento Remoto) - INPE, So
Jos dos Campos, 1994.
Chavez, P.S. Jr. An improve dark-subtraction technique for atmospheric scattering correction
of multispectral data. Remote Sensing of Environment, 24:459-479, 1988.
Congalton, R.G. A review of assessing the accuracy of classifications of remotely sensed
data. Remote Sensing of Environment, 37(1): 35-46, 1991.
Correia, J. D. Atualizao cartogrfica na escala 1:50.000 utilizando imagens SPOT. 1997.
Dissertao (Mestrado em Engenharia Cartogrfica) Instituto Militar de Engenharia, Rio de
Janeiro, 1997.
Corte, A.P.D.; Dlugosz, F.L.; Centeno, J.A.S. Testes de limiares para a segmentao de
imagens SPOT-5 visando a deteco de plantios florestais. Revista Acadmica Cincias
Agrrias e Ambientais, v.6, (2) 249-257, 2008.
258
Costa, S.M.F. Metodologia alternativa para o estudo do espao metropolitano, integrando as

tecnologias de SIG e sensoriamento remoto: aplicao rea metropolitana de Belo
Horizonte. 1996. 177 f. Tese (Doutorado em Engenharia de Transportes) - Universidade de
So Paulo, So Paulo, 1996.
Crsta, A.P. ; Moore, J. M.. Geological mapping using Landsat Thematic Mapper Imagery in
Almeria Province, Se Spain. International Journal of Remote Sesing. V.10 n.3, kp.1147-1160,
1989
Crsta, A.P. Processamento Digital de Imagens de Sensoriamento Remoto. 3 ed. IGUNICAMP. 170 p. 1992.
Cudahy, T.; Souza Filho, C.R. Spectral sensing solutions to mineral exploration challenges. 4
Simp. Bras. Explorao Mineral Simesmin, 2006, Ouro Preto, MG.
Darwish, A.; Leukert K.; Reinhardt W., 2003. Image segmentation for the purpose of objectbased classification. In: Geoscience and Remote Sensing Symposium, Neubiberg:2003.
Disponvel em <http://www.definiens.com/pdf/publications/FR07_1420.PDF>. Acesso em:
outubro 2006.
Davis, C. J. Statistic and data analysis in geology. Third Edition. IE Wiley, 2002.
Drury, S.A. Image interpretation in Geology. Allen & Unwin, 135-140. 1987.
Dutra , L.V.; Meneses, P.R. Aplicao da transformao IHS para realce de cores em
imagens Landsat. In: SIMPSIO LATINO AMERICANO DE SENSORIAMENTO
REMOTO, I, 1986, Gramado, RS. Anais, p.675-681, 1986.
Dutra , L.V., Meneses, P.R. Realce de cores em imagens de sensoriamento remoto utilizando
rotao de matiz no espao IHS. In: SIMPSIO BRASILEIRO DE
TELECOMUNICAES, 5, 1987, Campinas, SP. Anais, p.209-212, 1987.
Elachi, C.; Zyl van, J. Introduction to the physics and techniques of Remote Sensing. 2rd
edition. John Wiley & Sons Inc. Publication, 2006. 552p.
Engesat: http://www.engesat.com.br/?system=news&eid=433, acesso realizado em 14 de
setembro de 2010.
ENVI Manual Guide: Introduction to ENVI 2006.
Florenzano, T.C.; Tavares Jr. S.S.; Lorena, R.B.; Melo, D.H.T.B. Multiplicao e adio de
imagens Landsat no realce de feies da paisagem. In SIMPSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 10, 2001, Foz do Iguau, PR. Anais (cd-rom). So Jos dos
Campos, SP: INPE, 2001.
Freitas, M.A. O uso de imagens de satlite na anlise dos padres de verticalizao em reas
metropolitanas: estudo de caso: So Paulo. 1997. Dissertao (Mestrado em Geografia) FFCL Universidade de So Paulo, So Paulo, 1997.
259
Gao, J. Digital analysis of remotely sensed imagery. New York, NY, USA: McGraw-Hill
Professional Publishing, 2009. 439 p.
Gonalves, R.M; Cortes, J.B.R.; Schimidt M.A.R.; Schimalski, M.B. Classificao
hierrquica e fuzzy de imagens de alta resoluo. IN: SIMPSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 13, 2007, Florianpolis. Anais (cd-rom). So Jos dos
Campos, SP: INPE, p.547 - 554.
Gonalves, L.; Fonseca, A.M.; Caetano, M.: Explorao de imagens de alta resoluo do
Satlite IKONOS. Disponvel em papers/esig41.pdf. Acesso em: 10 abr. 2002.
Gonzalez, R. C., Woods, R.E. Digital Image Processing. Second Edition. Upper Saddle River
NJ: Prentice Hall, 2002.
Haralick, R.M.; Shanmugam, K.S; Dinstein, I. Textural features for image classification.In:
IEEE Transactions on Systems, Man, and Cybernetics, SMC-3, 610-622, 1973.
Hamburger, D.S. Utilizao de informaes derivadas de caractersticas texturais de imagens
orbitais na definio de classes de uso do solo urbano. 1993. 122 f. Dissertao (Mestrado em
Sensoriamento Remoto) - INPE, So Jos dos Campos, 1993.
http://fisica.ufpr.br/grimm/aposmeteo/cap2/Image119.jpg acesso em 30 de setembro de
Huet, A.R. A soil-adjusted vegetation ndex (SAVI). Remote Sensing of Environment, 25:
295-309, 1988.
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE) - Manuais: tutorial de
geoprocessamento SPRING. 2008.
Ishikawa, M. I; Da Silva, E. Determinao da escala mxima de uso de imagem IKONOSGEO para aplicao em reas urbanas: estudo de caso Araoiba da Serra-SP. Sociedade &
Natureza, 17 (32) 77-85, 2005.
Jacob, E.; Franois, P.; Schmugge, T.; Vermote E.; French, A.; Oawa, K.. Comparasion of
land surface emissivity and radiometric temperature derived from MODIS and ASTER.
Remote Sensing of Environment, 90:137-152, 2004.
Jensen, J.R. Introductory Digital Image Processing: A Remote Sensing Perspective. Upper
Saddle River: Pearson Prentice Hall, Third Edition, 2004.
Jensen, J.R. Sensoriamento Remoto do Ambiente: Uma Perspectiva em Recursos Terrestres.
Traduo portugus 2 Ed. Parentese Editora. So Jos dos Campos SP, 2009. 598p.
Kasser, M., Y, Egels. Digital Photogrammetry. Taylor & Francis, London and New York,
2002.
Kury, E. B. & Vieira, C. A. O. Classificao automtica de imagens de alta resoluo. In
UFVGEO (2001). Acessado em: 18 jan. 2011.
260
Landis, J.R.; Koch, G.G. The measurement of observer agreement for categorical data.
Biometrics, 33(1):159-174, 1977.
Leite, N.J. Introduo ao processamento e anlise de imagens. IC-UNICAMP 2010.
htpp/www.ic.unicamp.br/~afalcao/sensremoto/processamento.ppt Acesso em Julho 2011.
Lillesand, M.T. & Kiefer, F.W. Remote Sensing and Image Interpretation. John Wiley &
Sons, Inc. 3a ed. 1994.
Lillesand, T. M.; Kiefer, R.W.; Chipman, J.W Remote Sensing and Image Interpretation.
NY.: John Wiley & Sons Inc., 5 ed., 2004.
Lillesand, T.M.; Kiefer, R.W.; Chipman, J.W. Remote Sensing and Image Interpretation.
Hoboken: John Wiley & Sons Inc., 6 ed., 2008.
Ma, Z.; Redmond, R.L.. Tau coefficients for accuracy assessment of classification of remote
sensing data. Photogrammetric Engineering and Remote Sensing, 61(4):453-439, 1995.
Mather, P.M. Computer Processing of Remotely Sensed Images: an Introduction. St
Edmundsburi Press Ltd, 1987.
Meneses, P.R.; Madeira Netto, J.S. Sensoriamento Remoto: Reflectncia dos Alvos Naturais
(org.). Braslia: Editoras UnB- Embrapa Cerrados. 2001. 262p.
Moran, M.S.; Peters-Lidard, C.D.; Watts, J.M.; McElroy, S. Estimating soil moisture at the
watershed scale with satellite-based radar and land surface models. Canadian Journal of
Remote Sensing, 30(5):805-826, 2004.
Moreira, A .M. Fundamentos do Sensoriamento Remoto e Metodologias de Aplicao. Ed
Editora UFV, 2a Ed., Viosa MG, 2003.
Nascimento, J.P.R.; Madeira, H.M.F.; Pedrini, H. Classificao de imagens usando
descritores estatsticos de textura . In: SIMPSIO BRASILEIRO DE SENSORIAMENTO
REMOTO, 11, 2009, Belo Horizonte, MG. Anais (CDROM)...So Jos dos Campos, SP:
INPE, 2003.
Neubert, M.; Herold, H.; Meinel, G. Evaluation of remote sensing image segmentation
quality further results and concepts. 2006.
http://www2.ioer.de/recherche/pdf/2006_neubert_obia.pdf. Acesso em 20/04/2011.
Niero, M.; Foresti, C. Uso do solo urbano da rea metropolitana de So Paulo atravs da
anlise automtica de dados LANDSAT. So Jos dos Campos: INPE, 1983. 34 p.
Novo, E.M.L. M. Comportamento espectral da gua. In: Paulo Roberto Meneses, Jos da
Silva Madeira Netto. (org.) Sensoriamento Remoto: Reflectncia dos Alvos Naturais. Editora UNB, EMBRAPA Cerrados, Brasilia, 2001.
Novo, E.M.L.M. Sensoriamento Remoto: Princpios e Aplicaes.. Ed. Edgard Blucher Ltda,
3a Edio, So Paulo, 2008. 363 p.
261
Oliveira, M.L.N.; Foresti, C.; Niero, M.; Parreiras, E.M.M.F. Estudo da evoluo urbana de
Braslia atravs do uso de dados LANDSAT. So Jos dos Campos: INPE, 1984. 26 p.
Paradella, W.R.; Santos, A.R.; Veneziani, P.; Cunha, E.S.P. Radares imageadores nas
Geocincias: estado da arte e perspectivas. Revista Brasileira de Cartografia, 57(01): 56-62,
2005.
Penteado, A.H.D.G.; Crsta, A.P.; Souza Filho, C.R. Filtragem de rudos peridicos por
transformadas de Fourier e realce por decorrelao em imagens termais do sensor Geoscan
Amss Mk-li no greenstone belt do rio Itapicuru, Ba. In SIMPSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 9, 1998. Anais (CDROM)...So Jos dos Campos, SP:
INPE, 1998.
Polidorio, A. M.; Franco, C.; Imai N. N.; Tommaselli, A. M. G.; Galo, M. T. Correo
radiomtrica de imagens multiespectrais CBERS e Landsat ETM usando atributos de
reflectncia e de cor. In: SIMPSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12,
2005, Goinia, GO. Anais. So Jos dos Campos, SP: INPE, 2005.
Ramos, O. T. H. Anlise Comparativa entre os principais formatos de armazenamento de
imagens. Dissertao de Mestrado - Universidade Presbiteriana Mackenzie. So Paulo. 2000.
Reed, T.E.; Dubuf, J.M.H. A review of recent texture segmentation and feature extraction
techniques. CVGIP: Image Understanding, v.57, n.3, p.355-372, 1993.
Richards, J. A.; Jia X. Remote Sensing Digital Image Analysis. An Introduction. 4a ed.,
Springer 2006.
Schowengerdt, R. A. Remote Sensing Models and Methods for Image Processing. 3a ed.,
Elsevier, 2007.
Sabino, N.O.; Ushizima. D.M.; Costa, L.F.; Rizzati, E.G.; Zago, M. A. A texture aprouch to
Leukocyte recognition. In: Real-Time Imaging, Volume 10. Elsevier, 2004, Disponvel online
25 setembro de 2004.
Sabins F. F. Jr. Remote Sensing Principles and Interpretation. NY: Freeman, 1997.
Sano, E.E.; Rosa, R.; Brito, J.L.S.; Ferreira, L.G. Land cover mapping of the tropical savanna
region in Brazil. Environmental Monitoring and Assessment, 166:113-124, 2010.
Santos, A.R.; Peluzio, T.M.O; Saito, N.S. SPRING 5.1.2 passo a passo aplicaes prticas.
Alegre, ES: Grfica F&M, 2010. 153p. Disponvel em:
http://www.mundogeomatica.com.br/spring5x.htm , acesso em 23/05/2011.
Souto, R.P. Segmentao de imagem multiespectral utilizando-se o atributo matiz. So Jos
dos Campos: INPE, 2000. Disponvel em www.obt.inpe.br/pgsere/Souto-R-P2000/publicacao.pdf. Acesso em: 21 jan. 2011.
Tavares Jnior, J. B.; Ouverney, M. l. M.; Uberti, M. S.; Antunes, M. A. H.: Avaliao de
imagens Ikonos II e Quickbird para obteno de bases cartogrficas para o cadastro tcnico
262
municipal. In. COBRAC 2006 Congresso Brasileiro de Cadastro Tcnico Multifinalitrio.

Anais COBRAC. UFSC Florianpolis, Outubro 2006.
Vasconcelos, R. M. GeoTiff - uma abordagem resumida do formato. CPRM - Servio
Geolgico
do
Brasil,
Rio
de
Janeiro.
2002.
Disponvel
em
www.cprm.gov.br/publique/media/geotiff.pdf. Acesso em: 10 fev. 2011.
Vaughn, R, C.; Calvin, W. M.; Taranik, J. V. SEBASS Hyperspectral thermal infrared data:
surface emissivity measurement and mineral mapping. Remote Sensing of Environment,
85:48-63, 2003.
Veronese, V. F; Gonalves, R. N.; Marques, N. M. G.; Da Silva, M. L. P.; Sokolonski, H.
H. Utilizao de segmentao e edies ps-classificatrias na soluo de confuses de
classificao. In: SIMPSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 11,
2003,Belo Horizonte, MG. Anais, So Jos dos Campos, SP: INPE, p. 2151 - 2153. 2003
Vrabel, J. Multispectral Imagery Band Sharpening Study. Photogrammetric Engineering &
Remote Sensing, 62: 9, p. 1075-1083. 1996.
Welch, R. and W. Ahlers. Merging Multiresolution SPOT HRV and Landsat TM Data.
Photogrammetric Engineering & Remote Sensing, 53:3, p. 301-303. 1987.
Schwartz, W.R., Hlio Pedrini, H. Segmentao de imagens de terrenos baseada na
associao de caractersticas de texturas com dependncia espacial modelada por campo
aleatrio de Markov. In: SIMPSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12,
2005, Goinia, GO. Anais, So Jos dos Campos, SP: INPE, p. 4311-4318, 2005.
Wolf, P. R., Dewitt, B. A.: Elements of Photogrammetry with Applications in GIS. McGrawHill, 2000.
263
Fase da onda, 60
Feies de absoro, 20, 46
Frequncia, 5
FLAASH, 223
Filtros
banda-passante, 169
natureza, 168
peso, 172, 178
classes, 171
mediana, 175
bordas, 176, 177
lineares, 177
primeira derivada, 179
segunda derivada, 179
gradiente, 184
morfolgico, 178 179
Floating point, 79
Fluxo radiante, 21
Fluxo de processamento, 82
Fonte artificial, 57
Fontes de distores geomtricas, 91, 93
Formato nativo, 80
Forshortening, 67, 68
Fton, 8, 47
FOV, 25
Funo polinomial, 96
G
Georreferenciamento, 94
GeoEye, 242, 251
Grade de pixels, 91
H
Hexacone, 122, 132
Hue, 124, 130
I
IFOV, 25, 26
IHS, 134, 137
IKONOS II, 250
Imageador, conceito, 35
Imagem digital, 77
Imageadores multiespectrais, 34
INPE, 1
Interao macroscpica, 5, 6
Interao microscpica, 9
Interferncia: construtiva e destrutiva, 69
Interpolao, 95, 101
Intervalos espectrais, 20
Irradincia, 22
J
JPEG, 80
K
Kernel, 176
k-mdia, 197
L
Layover, 67, 67
Lei de Planck, 12
Lei de Stephan-Boltzman, 54
Lei de Wien, 50
Linha ruidosa, 85
Lbulo, radar, 67
Looks, 64
LUT, 110
Luz coerente, 69
M
Mapeamento do uso da terra, 239
Moda, 169
Mscara, 170
Matriz
co-ocorrncia, 183
de dados, 77
Mecanismos de interao, 41
Medidas de textura, 184
Misso GT-4, 2
Modelo corpuscular, 8
Modelo ondulatrio, 4
Modelo quntico, 43
N
Near range, 63
Nveis de energia, 8, 9
Nyquist, 186, 2563
O
rbita heliossncrona, 32
Ordem de transformao, 96,99
Ortorretificao, 2242
P
Passa-baixa, 174
Passa-alta, 172
Pixels ruidodos, 85
PNG, 80
Polarizao cruzada, 61
Polarizao plano-paralela, 61
265
Polinmios, 95
Pontos de controle, 95, 96
Pr-processamento, 84
Pseudocores, 123
Transformada de Fourier, 168

Transio eletrnica, 43
Transopaco, 43
Tringulo de cor, 121
Q
Quantizao, 30
QuickBird, 250
U
Unimodal, 110
R
Radiao eletromagntica
onda, 4
energia, 8
Radiao termal, 49, 52
Radiador seletivo, 54
Radincia, 21
Radincia aditiva, 16, 145
RAR, 58
Razo de contraste, 17
Reamostragem, interpolao, 102
Reflectncia, 24
Reflectncia, especular, difusora, 6
Registro, 99
Resolues
espacial, 25
espectral, 27
radiomtrica, 30
temporal, 32
RMS, 97
Rudo coerente, 86
Rudos esprios, 82, 85
V
Varredura mecnica, 36
Varredura eletrnica, 38
Varincia, 105
Vizinho mais prximo, 101
W
WorldView 2, 252
Wien, lei, 50
S
SAR, 58
Saturao, 108
Sensor fotogrfico, 34
Sensoriamento remoto, definies, 3
Sinal eltrico, 35
Speckle, 69, 176
Striping, 86
Superfcies lisa, rugosa, 6
T
Taxa, 178
Tempertura
Aparente, 54
Cintica, 54
TIFF, 80
TIROS-1, 1
Transformao afim no plano, 96
266
CAPTULO 3
Morfologia Matemtica
Contriburam:
Agnaldo Izidoro de Souza, Cleiton Almeida dos Santos
O que Morfologia Matemtica ?

O estudo morfolgico concentra-se na estrutura geomtrica das
imagens. A morfologia pode ser aplicada em diversas reas de processamento de imagens, como realce, filtragem, segmentao, esqueletizao e outras afins. Morfologia a forma e estrutura de um objeto ou
os arranjos e inter-relacionamentos entre as partes de um objeto. Os
mais antigos usos desta palavra esto relacionados com linguagem e
biologia. Em lingstica, morfologia o estudo da estrutura das
palavras. Em biologia, morfologia esta relacionada mais diretamente
forma de um organismo. A forma de uma folha pode ser usada para
identificar uma planta ou a forma de uma colnia de bactrias pode ser
usada para identificar sua variedade.
Morfologia digital um caminho para descrever ou analisar a forma de
um objeto digital. A morfologia digital uma cincia relativamente
recente, pois s os computadores digitais permitiram seu uso na pratica.
Por outro lado os matemticos a consideram uso da teoria de conjuntos
que uma area bem estudada.
A idia de morfologia digital que uma imagem consiste de um
conjunto de "picture elements" (pixels) que so reunidos em grupos
tendo uma estrutura bidimensional (forma). Certas operaes matemticas em conjuntos de pixels podem ser usadas para ressaltar aspectos
Introduo Viso Computacional
49
CAPTULO 3.Morfologia Matemtica
especficos das formas permitindo que sejam contadas ou reconhecidas.

A base da morfologia consiste em extrair de uma imagem desconhecida
a sua geometria atravs da utilizao da transformao de uma outra
imagem completamente definida, seja, consiste em extrair as informaes relativas a geometria e a topologia de um conjunto desconhecido
(no caso uma imagem) pela transformao atravs de outro conjunto
bem-definido, chamado elemento estruturante. Com isso torna importante ao contexto a utilizao de teoria dos conjuntos, pois esta a base
utilizada na morfologia, assim com esta teoria que ser descrita e
apresentada uma imagem. Por exemplo a definio de um vetor
bidimensional onde ser exposta as coordenadas (x, y) para sua representao grfica.
As operaes bsicas da morfologia digital so a eroso, em que pixels
que no atendem a um dado padro so apagados da imagem, e
dilatao, em que uma pequena area relacionada a um pixel alterada
para um dado padro. Todavia, dependendo do tipo de imagem sendo
processada (preto e banco, tons de cinza ou colorida) a definio destas
operaes muda, assim cada tipo deve ser considerado separadamente.
Tipos de Operaes Morfolgicas

Operaes morfolgicas esto divididas em operaes morfolgicas
binrias e operaes morfolgicas sobre imagens coloridas ou de tons
de cinza. H uma diferena de enfoque nos dois grupos.
Operaes morfolgicas binarias so definidas em imagens com pixels
pretos e brancos somente. Um objeto considerado ser um conjunto
matemtico de pixels pretos, cada pixel identificado pelos seus ndices
de linha e coluna sendo chamado de um ponto no espao bidimensional
(E2 ). Ex. A= {(1,1),(3,3),(7,3)}. Aqui um pixel ser, quando for
afetado por uma operao, substitudo pelo seu valor oposto.
Nas operaes morfolgicas sobre imagens com tons de cinza ou cores,
as operaes de conjunto realizadas no implicam na retirada ou
incluso de um pixel (substituio de seu valor por preto ou branco),
mas sim na modificao parcial de seu valor.
50
Aldo von Wangenheim
Teoria dos Conjuntos
Organizao deste Captulo

Antes de conhecer as operaes bsicas da morfologia binaria precisamos
rever algumas definies bsicas com conjuntos matemticos. Imagens
com nveis de cinza sero representados em vetores de 3 elementos, sendo
os dois primeiros coordenadas do pixel e o terceiro o do tom de cinza.
Assim ser feito um estudo superficial na teoria do conjuntos, pois no e o
escopo deste captulo fazer um amplo estudo sobre conjuntos, mas
somente dar uma noo da utilizao na morfologia para seu entendimento.
Aps estes conceitos matemticos sero explanados os conceitos bsicos
e fundamentais da morfologia que a dilatao a eroso e seus correlatos
pois entende-se que estes sejam um dos principais pontos da morfologia.
Em segundo nvel sero visto o funcionamento dos algoritmos de abertura
e fechamento, para assim fechar os principais mtodos morfolgicos, pois
qualquer algoritmo de processamento de imagens podem ser descrito com
essas combinaes e correlatas.
Aps o entendimento destas definies bsicas que e a base da morfologia ser incorporado ao trabalho vrios algoritmos morfolgico como
(limiarizao, erro e acerto, engorda, emagrece e outros .
Concluindo ser feito um estudo sobre morfologia em tom de cinza , com
isso pretende-se dar uma noo geral das principais formas de morfologia
e suas aplicaes no contexto de processamento digital de imagens.

Conjunto como prprio nome diz e uma coleo de objetos sem
repetio. Se um conjunto no e muito grande, este pode ser descrito
listando-se os seus elementos em qualquer ordem por exemplo:
A = {1 , 2 , 3 , 4}
Se um conjunto e muito grande ou infinito, este pode ser descrito atravs
de propriedades requeridas de seus membros:
51
X = {x| x e um n inteiro, positivo e par}

x X , se x esta em X, caso contrario x X.
Exemplos:
Se A= {x| x2 + x 6 = 0} e B={2, -3} ento A = B
Se C={1, 3} e A = {1 , 2 , 3 , 4} ento C e um subconjunto de A.
Combinao de Conjuntos
Sejam dois conjuntos X e Y:
UNIO
A unio de dois conjuntos X e Y o conjunto de elementos que
pertencem ou X ou Y ou ambos:
X Y = { x | (x X) ou (x Y)}
Exemplo:
Considere dois conjuntos A = { 1, 3 , 5} e B = {4 , 5 , 6}
ento
A B = {1, 3 , 4 , 5 , 6}
INTERSEO
A interseo de dois conjuntos X e Y o conjunto de elementos pertencentes a ambos X e Y:
X Y = { x | (c X) e (x Y)}
Exemplo:
Considere dois conjuntos A = { 1, 3 , 5} e B = {4 , 5 , 6} ento
A B = {5}
DIFERENA
A diferena entre os conjuntos X e Y o conjunto de elementos que
pertencem a X mas no pertencem a Y:
52
Aldo von Wangenheim
X Y = { x | (x A) e (x B)}
Exemplo:
Considere dois conjuntos A = { 1, 3 , 5} e B = {4 , 5 , 6} ento
A - B = {1 , 3}
B - A = {4 , 6}
COMPLEMENTO
O complemento do conjunto X o conjunto dos elementos no pertencentes ao conjunto X. Se nos pensarmos em imagem este poderia corresponder aos pixels brancos na figura ou na linguagem da teoria dos
conjuntos:
Ac ou X = {x | x X}
Exemplo:
Seja o conjunto V = { 1 , 2 , 3 , 4 , 5} e A = {1 , 3 , 5} ento
A = {2 , 4} e o complemento de A em relao a V.
DISJUNO
So disjuntos quando no existem elementos comuns entre eles.
X Y = 0 ento X e Y so disjunto.
Exemplo:
Seja o conjunto A = { 1 , 4 , 5} e B = {2 , 6} ento
A e B so disjuntos.
TRANSLAO
A translao do conjunto X pelo ponto x definida, em notao de
conjuntos, como:
X = { y | y = a + x, x X}
Exemplo:
53
Seja o conjunto X = {1 , 2}
ento todos os pixels da imagem sero movidos uma coluna para a
direita e duas linhas para baixo conforme exemplificado abaixo com
uma imagem:
Figura 3.1.
Translao
REFLEXO
A reflexo do conjunto X definida como:
X = { y | y = -x, x X}
Figura 3.2.
Esta uma rotao de 180o sobre a origem
Original
Refletida
Operaes Bsicas da Morfologia

Matemtica
A Morfologia Matemtica se caracteriza por um conjunto especfico de
operaes sobre imagens enquanto conjuntos de pixeis. Podemos
dividi-las em operaes realizadas sobre imagens binrias e operaes
realizadas em imagens em tons de cinza e coloridas. Comearemos
examinando as operaes sobre imagens binrias. Para cada operao
binria existe uma correspondente para tons de cinza e imagens em
cores.
54
Aldo von Wangenheim
Operaes Bsicas da Morfologia Matemtica
Dilatao Binria ()
A dilatao, tambm as vezes chamada de dilao, uma transformao
morfolgica que combina dois conjuntos usando adio vetorial. Seu
smbolo . Como o nome diz, o resultado ser uma imagem
engordada.
A dilatao de um conjunto A pelo conjunto B e definida por:
AB={c|c=a+b,aA,bB}
Onde A representa a imagem sendo operada e B um segundo conjunto
onde chamado elemento estrutural e sua composio define a natureza
especifica da dilatao, sendo assim a dilatao expande uma imagem.
Ela pode ser representada pela unio A B = B.
Seja o conjunto A = { (0,1) , (1,1) , (2,1) , (2,2) , (3,0)} e B = {(0,0) ,
(0,1)} ento o resultante da dilatao e :
A B = {A + {(x1 B)} A + {(x2 B)}
A B = { (0,1) , (1,1) , (2,1) , (3,0) , (0,2) , (1,2) , (2,2) , (2,3) , (3,1)}
Figura 3.3.
Exemplo: A B
A = { (0,1) , (1,1) , (2,1) , (2,2) , (3,0)} =
B = {(0,0) , (0,1)} =
A B = { (0,1) , (1,1) , (2,1) , (3,0) , (0,2) , (1,2) , (2,2) , (2,3) , (3,1)} =
logo:
A B = [A+ {(0,0)}] [A + {(1,0)}] resulta em:
A B = {(1,1),(1,2),(2,1),(2,2),(3,1),(3,2)}
55
O pixel marcado com um x representa a origem (0,0) de cada

imagem. A localizao da origem muito importante; no exemplo
anterior se a origem do conjunto B fosse o pixel da direita, {(1,0),(0,0)}, a dilatao acrescentaria pixels a esquerda na imagem A.
Pode-se visualizar todo o processo da melhor forma graficamente:
Figura 3.4.
Seqncia de passos na Dilatao de A por B
A + {(0,0)} = {(1,1),(1,2),(2,1),(2,2)} =
(1,1) + (0,0) = (1,1)
(1,2) + (0,0) = (1,2)
(2,1) + (0,0) = (2,1)
(2,2) + (0,0) = (2,2)
A + {(1,0)} = {(2,1),(2,2),(3,1),(3,2)} =
(1,1) + (1,0) = (2,1)
(1,2) + (1,0) = (2,2)
(2,1) + (1,0) = (3,1)
(2,2) + (1,0) = (3,2)
A B = {(1,1),(1,2),(2,1),(2,2),(3,1),(3,2)} =
A Figura 3.5. mostra mais dois exemplos de dilatao binria que

devem esclarecer quaisquer dvidas que ainda persistam.
Eroso Binria ()
A eroso basicamente encolhe uma imagem e pode ser vista como uma
transformao morfolgica que combina dois conjuntos usando vetores
de subtrao. Ela expressa como a interseo de A e B. Assim e
definido A B = B A.
A eroso da imagem A pelo elemento estrutural B pode ser definida
como:
A B = ( x | x + b A para todo b B)
56
Aldo von Wangenheim
Figura 3.5.
Exemplo 1:
Mais dois exemplos de dilatao binria
A=
B=
AB=
A=
B=
AB=
Exemplo 2:
A={(1,1),(1,2),(2,1),(2,2)}
B={((-1,0),(0,-1),(0,1),(1,0)}
A B = [A+ {(-1,0)}] [A+ {(0,-1)}] [A+ {(0,1)}] [A+ {(1,0)}]
A+ {(-1,0)} = {(0,1),(0,2),(1,1),(1,2)}
A+ {(0,-1)} = {(1,0),(1,1),(2,0),(2,1)}
A+ {(0,1)} = {(1,2),(1,3),(2,2),(2,3)}
A+ {(1,0)} = {(2,1),(2,2),(3,1),(3,2)}
A B = {(0,1),(0,2),(1,0),(1,1),(1,2),(1,3),(2,0),(2,1),(2,2),(2,3),(3,1),(3,2)}
ou
A B = { c | B A } definio de Matheron (1967).
Assim define-se que a eroso e o conjunto de todos os pixels, e o
elemento estruturante B e transladado pelo c corresponde a um conjunto
de pixel em A.
Podemos visualizar a eroso atravs do exemplo dado a seguir. Assim
verifica-se que cada elemento de B e um elemento de A ou seja B esta
contido em A.
A Figura 3.7. mostra mais alguns exemplos de eroso binria.
57
Figura 3.6.
Exemplo de eroso binria
A=
AB=
B=
O conjunto A B o conjunto de translaes de B que alinham B

sobre o conjunto de pixels pretos em A. Isso Significa que nem todas as
translaes necessitam ser consideradas, mas somente aquelas que
inicialmente localizam sua origem de B em um membro de A. Existem
quatro dessas translaes:
B(1,1) = {(1,1),(2,1)}
Como os pixels (1,1) e (2,1) so pretos na imagem A.
O pixel (1,1) no resultado ser preto.
B(1,2) = {(1,2),(2,2)}
Como os pixels (1,2) e (2,2) so pretos na imagem A.
O pixel (1,2) no resultado ser preto.
B(2,1) = {(2,1),(3,1)}
Como o pixel (3,1) no preto na imagem A.
O pixel (2,1) no resultado no ser preto.r
B(2,2) = {(4,4),(5,4)}
Como o pixel (5,4) no preto na imagem A.
O pixel (4,4) no resultado no ser pretor
A B = { (1,1) | B(1,1) A} { (1,2) | B(1,2) A} =
58
Aldo von Wangenheim
Figura 3.7.
Exemplo 1:
Outros exemplos de eroso binria
A=
B=
AB=
A={(1,1),(3,3),(3,4),(4,3),(4,4)}
B={(0,0),(0,1),(1,0),(1,1)}
B(1,1) = {(1,1),(1,2),(2,1),(2,2)}
B(3,3) = {(3,3),(3,4),(4,3),(4,4)}
B(3,4) = {(3,4),(3,5),(4,4),(4,5)}
B(4,3) = {(4,3),(4,4),(5,3),(5,4)}
B(4,4) = {(4,4),(4,5),(5,4),(5,5)}
A B = { (3,3) | B(3,3) A}
Exemplo 2:
A=
B=
AB=
A={(3,3),(3,4),(4,3),(4,4)}
B={(-1,0),(0,-1),(0,1),(1,0)}
B(3,3) = {(2,3),(3,2),(3,4),(4,3)}
B(3,4) = {(2,4),(3,3),(3,5),(4,4)}
B(4,3) = {(3,3),(4,2),(4,4),(5,3)}
B(4,4) = {(3,4),(4,3),(4,5),(5,4)}
AB=
Exemplo 3:
59
Dualidade entre Dilatao e Eroso

A eroso no o inverso da dilatao, somente em alguns casos de
eroso isso ocorre. Eroso e dilatao so duais no seguinte sentido:
( A E )c = Ac
Isso significa que o complemento de uma eroso o mesmo que uma
dilatao do complemento da imagem pelo elemento estrutural
refletido.
Quando os operadores so dual de outros, estes meios que um pode ser
escrito em termos de um outro. Dilatao e eroso so relatados em
seguida . Se B denota a reflexo de B.
( A E ) = A E
( A E ) = A E
Em outras palavras, dilatao a primeiro plano esta a mesmo como
eroso a plano fundo, mas o elemento estruturante reflete entre estas
elas. Igualmente, eroso a plano fundo e dilatao a primeiro plano.
Usando Dilatao e Eroso

Suponha que voc queira achar todos pixels do um limite de um objeto.
Nos poderamos executar a seguinte operao:
BoundEXT A = (A E) - A
Figura 3.8.
Exemplo de um detetor de bordas externas usando morfologia

matemtica binria
(A E)
A = (A E) - A
Onde B tem uma matriz 3X3 como elemento estruturante contando

todos 1s. Isto iria dar todos pixel que limitam o objeto. Ou se
quisermos todos os pixels que limitam o pano fundo, nos usariamos,
60
Aldo von Wangenheim
com isso e possvel extrair contorno de um conjunto A, executando uma

eroso de A por E , ento calculando a diferena entre A e sua eroso:
BoundINT A = {A - (A E)}
Onde E um elemento estruturante adequado.
Figura 3.9.
Exemplo de um detetor de bordas internas usando morfologia matemtica

binria
(A E)
A = {A - (A E)}
Dilatao Condicional ( | I )
Condicional de Dilatao essencialmente envolve a dilatao de uma
imagem seguida por uma interseo com alguma outra condio da
imagem. Em outras palavras novos pixels so adicionados ao original.
Deste modo a imagem viria a ser uma mascara sobre a dilatao. Isto e
escrito como:
A | I B = ( A B) I
Aqui isto e um exemplo de como podemos usar condicional de dilatao.
Suponha que antes de aplicar certo operador morfolgico para achar um
ponto especifico na imagem nos queremos achar o componente conectado
original dentro deste ponto. Na essncia , nos queremos crescer este ponto
fora para encher o componente conectado original. Um obvio modo iria
ser para combinar o componente conectado rotulando com operador
morfolgico, entretanto voc pode fazer isto com o condicional de
dilatao.
61
A | I B = ( A B) I
Figura 3.10.
Exemplo de dilatao condicional.
( A B)
I = Outra condio imagem
A | I B = ( A B) I
Gradiente Morfolgico
Esta operao e composta de trs outras operaes bsicas da morfologia: a dilao, eroso e a subtrao e definida da seguinte forma:
X = ( A B) (A B)
onde:
A a imagem original e
B o elemento estruturante
Uma importante aplicao do gradiente e para achar a fronteira.
Figura 3.11.
Deteo de bordas com gradiente morfolgico binrio
( A B)
(A B)
X = ( A B) (A B)
Abertura (Opening )
A abertura em geral suaviza o contorno de uma imagem, quebra
estreitos e elimina proeminncias delgadas, a operao de abertura e
usada tambm para remover rudos da imagem. A abertura de um
conjunto A por elemento estruturante B e denotado A B e definida
como:
A B = (A B) B
62
Aldo von Wangenheim
A aplicao de uma eroso imediatamente seguida de uma dilatao

usando o mesmo elemento estrutural uma operao de abertura, ela
tende a abrir pequenos vazios ou espaos entre objetos prximos numa
imagem. Ou seja em outras palavras uma abertura e uma eroso seguida
de uma dilatao usando um mesmo elemento estruturante, relembrando
que a eroso acha todos os lugares onde o ajuste do elemento estruturante
esta dentro a imagem, mas isto somente marca esta posio a origem de
um elemento.
Porm seguinte uma eroso por uma dilatao, nos enchemos de brancos
os lugares onde o ajuste do elemento estruturante estiver dentro do objeto.
Na abertura podem se considerar para ser a unio de todos copias traduzidos de um ajuste elemento estruturante que possam estar dentro do
objeto.
A B = (A B) B
Exemplos de uma abertura. Observe-se que as sujeiras ao redor de A
foram eliminadas.
Figura 3.12.
B=
A=
AB=
(A B) B =
Fechamento (Closing)
O fechamento funde pequenos quebras e alargas golfos estreitos elimina
pequenos orifcios, se uma abertura cria pequenos vazios na imagem, um
fechamento ir preencher ou fechar os vazios, estas operaes podem
remover muitos dos pixels brancos com rudos, ou seja basicamente ele e
igual a abertura s que primeiramente e feita a dilatao e aps e feita a
eroso assim ela se define como:
A B = (A B) B
Em outras palavras o fechamento trabalha de um modo oposto ao mtodo
abertura, onde ela remove todos os pixels onde o ajuste do elemento
estruturante no esta dentro da imagem (primeiro pano), fechamento
63
enche todos os lugares onde o elemento estruturante no iria ajustar na

imagem (pano fundo).
Entretanto operaes inversas, abertura e fechamento no iro estabelecer a imagem original.
A B = (A B) B
Figura 3.13.
Dois exemplos de fechamento. Observe-se que o furo em diagonal em A

no exemplo 1 foi eliminado.
B=
A=
AB=
(A B) B =
Exemplo 2:
Propriedades da Aplicao Conjunta de Abertura e Fechamento

Dualidade entre Abertura e Fechamento
Abertura e dual a fechamento.
(A B) = A B
64
Aldo von Wangenheim
Uma eroso pode ser implementada usando uma dilatao e vice versa,
abertura pode ser implementada usando um fechamento e vice-versa.
Idempotncia entre Abertura e Fechamento
Uma importante propriedade de operadores abertura e fechamento que
eles so idempondente, ou seja se voc aplicar mas de uma vez, nada
muda antes da primeira aplicao, ou seja:
ABB=AB
ABB =AB
Acerto e Erro (Hit and Miss)

Nos podemos combinar eroso e dilatao para produzir um operador
que tem uma ao como esta: acerto e erro . O operador leva dois
elementos o primeiro e o acerto e o outro e o erro. O operador definido
como o segue, se o elemento estruturante J(acerto) e K(erro) so
aplicados a imagem A:
A (J , K) = (A J) (A K)
A (J , K) = (A J) (A K)
Em outras palavras o elemento estruturante J deveria ajustar dentro do
objeto e o elemento K deveria ajustar fora do objeto nesta posio.Este
forma de modelo binrio e inicializado. Por exemplo o seguinte elemento
estruturante dado, para detectar os cantos:
Figura 3.14.
Dois elementos estruturantes para utilizao com hit & miss para encontrar
a borda superior direita de um objeto.
J elemento estruturante
K elemento estruturante
65
O elemento J acha os pontos com correo a esquerda e abaixo do

vizinho, e o K acha os pontos superior a direita do vizinho. Esta forma
talvez seja a mais usada para visualizar qual e elemento estruturante e
designado. Aplica-se diferente operadores um de acerto e outro de erro.
Exemplo:
A (J , K) = (A J) (A K)
Figura 3.15.
Resultado da aplicao de hit & miss para determinar a borda superior de

um objeto. O exemplo 2 mostra a deteco de cantos.
AJ
A K
A (J , K) =
Exemplo 2:
66
Aldo von Wangenheim
Engorda e Emagrecimento (thickening/thinning)

Nos podemos usar operador erro e acerto para achar pontos especficos,
somando ou removendo para o objeto. Se nos acharmos tal pixel e adicionarmos para o objeto ento constitumos um operador de engorda
(thickening):
A
Figura 3.16.
(J , K) = A (A (J , K) )
Thickening
A (J , K)
(J , K) = A (A (J , K) )
Se removermos Similarmente nos achamos um operador de emagrecimento (thinning):

A
Figura 3.17.
(J , K) = A - (A (J , K) )
Thining
A (J , K)
(J , K) = A - (A (J , K) )
Outra expresso para o afinamento ou emagrecimento de A baseada em

uma sequncia de elementos estruturantes: B = {B1, B2, B3, B4, ... BN}
67
Em outras palavras , o processo consiste em afinar A por um passo com

B1, ento afinar o resultado com o passo B2, e assim sucessivamente,
at que A seja o afinado com um passo de Bn. O processo todo e
repetido at que no ocorram outras mudanas.
Esqueletonizao
Uma abordagem importante para representar a forma estrutural de uma
regio plana e reduzi-la a um grafo. Este reduo pode ser implementada obtendo a esqueletonizao da regio atravs de um algoritmo.
Existem vrios algoritmos para essas transformaes um dele e o MAT
(Medial Axis Transformation) proposto por Blum e definada como " A
MAT de uma regra R com fronteira B e obtida da seguinte forma: Para
cada ponto p em R, encontra-se seu vizinho mais prximo em B. Se p
tem mais de um vizinho a mesma distancia mnima, diz-se que p
pertence ao eixo mdio de R.".
Outra forma de obter a esqueletonizao e atravs de tcnicas morfolgicas. Atravs de eroso e aberturas ou seja imagine a regio A atravs
desta tcnica obtm S(A) que e a esqueletonizao de A. Isto e definida
como:
S (A) = S K (A)
Com
S K (A) = {(A kB) [A kB) B]}
Onde B e um elemento estruturante (A kB) indica k eroso sucessivas
de A; ou seja:
(A kB) = ((...(A B) B)...) B
k vezes e K e o ultimo passo iterativo antes de A resultar, por eroso
em um conjunto vazio. Em outras palavras:
K = max {k | A kB) <> 0}.
Essas equaes indicam que S(A) e o esqueleto de A, pode ser obtido
pelo subconjuntos de esqueletonizao de S K(A). Pode-se mostrar,
alm disso, que A pode ser reconstrudo a partir destes subconjuntos
utilizando a equao:
68
Aldo von Wangenheim
A = (S K (A) KB
Onde (S K (A) KB) denota k dilataes sucessivas de S K (A).
Figura 3.18.
Exemplo de esqueletonizao atravs de morfologia binria
Algoritmos com buscas heursticas muitas vezes produzem resultados

melhores, pois os com formulaes matemticas removem a conectividade dos elementos da imagem original.
Uma esqueletonizao de um objeto e um simples pixel, de um conjunto
magro (mnimo) de pixel produzido por repetidamente emagrecimento de
um objeto. Nos no podemos fazer isto usando somente eroso. Porque
nos temos que ser capaz detectar quando a delao de um pixel iria fazer o
objeto desconcertar. Nos teramos para uso o erro/acerto.
Limiarizao ( Tresholding)
O principio bsico da limiarizao consiste em separar as regies de uma
imagem quando esta apresenta duas classes (fundo e objeto). A forma
mas simples da limiarizao consiste na bipartio da imagem, convertendo os pixels cujo tom de cinza e maior ou igual a um curto valor (T)
em brancos e os demais em pretos.
69
Esta operao pode ser descrita como uma tcnica de processamento de

imagem na qual uma imagem de entrada f (x,y) de N nveis de cinza
produz uma sada g(x,y), chamado de imagem limiarizada, cujo numero
de nveis de cinza e menor que N, normalmente g(x,y) apresenta dois
nveis de cinza.
g(x,y) =
1 se f(x,y)>= T
0 se f(x,y)< T
onde os pixels rotulados com 1 correspondem aos objetos e os pixels

com 0 correspondem ao pano de fundo , conforme exemplo:
Morfologia de Tons de Cinza

O uso de tons de cinza introduz uma enorme complicao tanto no
conceito como na implementao. Um pixel pode agora ter qualquer
valor inteiro, assim a facilidade de considerar a imagem como um
conjunto desaparece.
A idia bsica de Morfologia binaria estende-se para tom de cinza, mas
operaes lgicas simulam a converso aritmticas: Unies se tornam
mximos e intersees se tornam mnimo etc.
Relembrando que imagens so funes do tipo espacial: I (x,y).
A sombra (umbra) e uma funo de um conjunto de todas as posies
(x,v) tal que o valor e menor que ou igual a f(x).
70
Aldo von Wangenheim
Figura 3.19.
Viso geral das operaes da morfologia matemtica binria
Original
Dilatada
Erodida
Abertura
Fechamento
Hit and Miss bem feito
Esqueletonizao
{(x,v' | v<= f(x) }

Esta construo permite que consideremos tambm escala de cinza, da
mesma forma que usvamos para imagens binarias.
Nos podemos igualmente considerar uma dimenso como elemento
estruturante g para ser um conjunto considerado sombra:
71
(x,v) | v <= g(x).

Nos podemos estender estas idias para imagem duas dimenses I(x,v)
por considerar o conjunto de posies (x,v) e possvel intensidade I.
(x,v,y) | v <= I (x,y).
Dilatao de Tons de Cinza

A dilatao em imagens de tons de cinza pode ser calculada como:
(A B) = max {A(i x , j y) + B(x , y) | (i x , j y) A , (x, y) B}
onde B um elemento estrutural e A a imagem de tons de cinza. Para
calcular a dilatao faz-se o seguinte:
1.
2.
3.
4.
Posiciona-se a origem do elemento estrutural sobre o primeiro pixel da

imagem a ser dilatada.
Calcula-se a soma de cada par correspondente de valores de pixels do
elemento estrutural e da imagem.
Acha-se o valor mximo de todas essas somas, e armazena-se o pixel
correspondente na imagem de sada para este valor.
Repete-se este processo para cada pixel da imagem a ser dilatada.
Os valores dos pixels do elemento estrutural tambm so tons de cinza e
podem ser negativos. Uma vez que pixel de valores negativos no
podem ser mostrados, existem dois possveis modos de tratar com
pixels negativos na imagem resultado:
Figura 3.20.
72
Resultado de uma dilatao em tons de cinza. Observe que as partes claras

da imagem esto exacerbadas.
Aldo von Wangenheim
Valores negativos podem ser alterados para zero (underflow).

A imagem inteira poderia ter seus valores aumentados para que o menor
valor de pixel fosse zero mantendo os valores relativos entre os pixels.
Eroso de Tons de Cinza

A eroso em imagens de tons de cinza pode ser calculada como:
(A B) = min {A(i x , j y) B(x , y) | (i x , j y) A , (x, y) B}
Onde B um elemento estrutural e A a imagem de tons de cinza. Para
calcular a eroso faz-se o seguinte:
1.
2.
3.
4.
Posiciona-se a origem do elemento estrutural sobre o primeiro pixel da

imagem que sofre eroso.
Calcula-se a diferena de cada par correspondente de valores de pixels do
elemento estrutural e da imagem.
Acha-se o valor mnimo de todas essas diferenas, e armazena-se o pixel
correspondente na imagem de sada para este valor.
Repete-se este processo para cada pixel da imagem que sofre eroso.
A mesma dualidade entre eroso e dilatao apresentada para imagens
preto e branco vale para imagens tons de cinza. A Figura 3.21. mostra o
ressultado de uma eroso em tons de cinza, ressaltando as partes escuras
da imagem, que ficam mais gordas.
Figura 3.21.
Resultado de uma eroso em tons de cinza. Observe que as partes escuras

da imagem esto exacerbadas.
73
Abertura de Tons de Cinza

O processo de abertura funciona da mesma forma que definido anteriormente s que usa dilatao e eroso de tons de cinza. Isto , a
abertura usa uma eroso de tons de cinza seguida de uma dilatao de
tons de cinza usando o mesmo elemento estrutural.
Suponha que nos primeiramente erodimos, ento dilatamos uma funo
1-d por algum elemento estruturante. Isto uma abertura em tons de
cinza.
f g (G) = (f g G) g G
ou para um constante elemento estruturante:
f g (G) = max (a g) min (b g) f (x-a+b)
considerar que acontea a abertura de tons de cinza:
1.
2.
3.
4.
5.
6.
Refletir a posio do elemento estruturante na posio x.

pointwise adicionar o elemento estruturante em cima do neighborhood.
levar o mximo da qual resultado acima do neighborhood
no refletir a posio do elemento estruturante na posio x.
pointwise subtrair o elemento estruturante acima do neighborhood e
levar o mnimo deste resultado acima do neighborhood.
Fechamento de Tons de Cinza

O processo de fechamento funciona da mesma forma que definido
anteriormente s que usa a dilatao e eroso de tons de cinza. Isto , o
fechamento usa uma dilatao de tons de cinza seguida de uma eroso
de tons de cinza usando o mesmo elemento estrutural ou seja e uma
dilatao seguida de uma eroso:
f g (G) = (f g G) g G
ou para uma constante elemento estruturante:
74
Aldo von Wangenheim
f g (G) = min (a g) max (b g) f (x+a+b)

Figura 3.22.
Exemplo de um fechamento em tom de cinza
Morfologia em Imagens Coloridas

basicamente a mesma coisa que em imagens em tons de cinza. Trabalhamos no espao RGB ou outro espao de cores ao invs de trabalharmos
no espao vetorial unidimensional dos tons de cinza. Uma outra opo
simplificante, mas eficaz, a de trabalharmos com a luminncia do pixel
colorido, ao invs de o representarmos no espao tridimensional de sua
cor. Se fizermos isto, podemos aplicar diretamente os algoritmos para
tons de cinza sobre o valor da luminncia do pixel como sendo seu valor
para fins de morfologia.
Na Figura 3.24. pode-se observar alguns exemplos de operaes realizadas com uma imagem da Ponte Herclio Luz em Florianpolis. Observe
um fenmeno interessante: como o objeto, no caso a Ponte, escuro e
portanto responde por ausncia de sinal para o algoritmo, neste
exemplo ocorre exatamente o contrrio do que esperamos. Na eroso a
Ponte aumenta e na dilatao ela diminui. Na verdade na dilatao o
cu claro que aumenta, pois como o cu possue valor de pixel mais alto,
ele o objeto na imagem que de fato dilatado.
75
Figura 3.23.
Exemplo de uma seqncia de operaes realizada sobre uma imagem

para extrair os dois sulcos maiores.
R ULJ LQ D O
IH F K D P H Q WR
V X E WU D F W
OLP LD UL] D o m R V LP S OH V
H V T X H OH WR Q L] D o m R
e sq u e le to n iz a o 2
a b e rtu ra
76
WK LQ Q LQ J
subtrao de imagens
projeo do resultado sobre o original
Aldo von Wangenheim
Figura 3.24.
Exemplo de morfologia sobre imagens a cores. Nesta foto onde o objeto

uma silueta escura, ocorre o contrrio do que espervamos.
O rig in al
E ro d id a
D ilatad a
77
Ferramentas de Software para Morfologia

Matemtica
Implementaes de algoritmos de morfologia matemtica so bastante
difundidas, inclusive pela sua simplicidade de implementao.
At a maioria dos programas de desenho possui alguma rotina de
morfologia, nem sempre das melhores, mas muitas vezes sufuciente
para um processamento manual de uma imagem. Geralmente estas
implementaes em programas comerciais para uso domstico no
possuem a possibilidade de que se edite o elemento estruturante, vindo
com operaes do tipo dilatar ou erodir prontas, com elementos
estruturantes pr-definidos. H pouco o autor conseguiu constatar at
em um software para operao de um tomgrafo computadorizado um
ponto de menu indicando a possibilidade de se submeter as imagens do
paciente a operaes morfolgicas.
Uma das melhores implementaes de morfologia, tanto para operaes
binrias como para tons de cinza a que se encontra no pacote Khoros
[3.5][3.7]. Este pacote est descrito no captulo de ferramentas deste
trabalho.
Referncias
78
[3.1]
Gonzalez, Rafael C. & Woods, Richard E.. Digital Image

Processing. Reading, Addison-Wesley ,1992.
[3.2]
Parker, J. R.. Algorithms for Image Processing and Computer Vision.

New York, John wiley & Sons, 1997.
[3.3]
Russ, John C. . The image processing handbook. 2 ed., Boca Raton,

CRC Press, 1995.
[3.4]
Marques Filho, Og & Vieira Neto, Hugo. Processamento digital de

Imagens. Rio de Janeiro, Brasport, 1999.
[3.5]
www.ime.usp.br/mac/khoros/mmach.old/
Aldo von Wangenheim
Referncias
[3.6]
www.ph.tn.tudelft.nl/Courses/
[3.7]
www.khoral.com/
[3.8]
www.hig.no/bibliotec/
79
80
Aldo von Wangenheim

%\)ODYLR9LROD
),/75$*(012'201,2'$)5(4h1&,$
Pode-se entender filtragem de uma imagem, como sendo tcnicas de transformaes
aplicadas a cada SL[HO da imagem, levando em conta os nveis de cinza de uma regio vizinha
de cada pixel desta imagem.
As tcnicas de filtragem podem ser divididas em dois tipos: filtragem no domnio
HVSDFLDO e filtragem no GRPtQLRGDIUHTrQFLD.
A filtragem no GRPtQLRHVSDFLDO refere-se ao conjunto de SL[HOV que compem uma
imagem e um conjunto de valores que operam diretamente sobre esses SL[HOV, podendo ser
expressa como:
J ( [, \ ) = 7 [ I ( [, \ )]
(1)
onde I ( [, \ ) a imagem de entrada; J ( [, \ ) a imagem processada e 7 um
operador sobre I , definido sobre alguns SL[HOV vizinhos ao SL[HO ( [, \ ) .
A filtragem no GRPtQLRHVSDFLDO baseia-se na utilizao de PiVFDUDV. Essas mscaras

so pequenas matrizes bidimensionais e os valores de seus coeficientes determinam o objetivo
a ser alcanado durante o processamento (GONZALEZ e WOODS, 2000).
Na filtragem no GRPtQLR GD IUHTrQFLD, o principal objetivo deste texto, tem suas
tcnicas fundamentadas no WHRUHPD GD FRQYROXomR, que uma das propriedades da

transformada de Fourier e ser descrito mais a frente.
Portanto, o SURFHVVDPHQWR GH LPDJHQV QR GRPtQLR GD IUHTrQFLD realizado,
usualmente atravs de WUrVSDVVRVconforme o esquema da figura 1:
Aura 2007

1- a imagem WUDQVIRUPDGDGRGRPtQLRHVSDFLDOSDUDRGDIUHTrQFLD, usando a

transformada de Fourier;
2- operaes so realizadas nessa imagem;
3- e para que a imagem possa ser exibida e vista por olhos humanas, ocorre o
processo inverso, onde a imagem no domnio da freqncia WUDQVIRUPDGDSDUD
RGRPtQLRHVSDFLDO
Este ltimo passo ser realizado atravs da WUDQVIRUPDGDLQYHUVDGH)RXULHU. Assim,

seguir ser descrita a transformada de Fourier, devido a sua importncia e grande aplicao no
processamento de imagens.
)LJXUD(VTXHPDGHSURFHVVDPHQWRQRGRPtQLRGDIUHTrQFLDXVDQGRDWUDQVIRUPDGDGHLPDJHQV
75$16)250$'$'()285,(5
A transformada de Fourier (desenvolvida pelo matemtico francs Jean Baptiste

Joseph Fourier, que viveu de 1768 a 1830) uma ferramenta matemtica fundamental na
soluo de problemas de processamento de imagens digitais.
A utilizao de suas formas Discreta (DFT 'LVFUHWH )RXULHU7UDQVIRUP) e Rpida
(FFT - )DVW)RXULHU7UDQVIRUP) e o entendimento de suas propriedades so muito importante,
pois, a mudana de domnio do espao [\para o domnio da freqncia XY e vice-versa,
ocorre atravs dessas transformadas.
Na transformada de Fourier, QmR Ki SHUGD GH LQIRUPDomR GXUDQWH D PXGDQoD GH
GRPtQLRV, apenas a informao visual da imagem est representada de uma outra forma, no
domnio da freqncia.
Aura 2007

A princpio parece difcil entender a visualizao da imagem, pois, um ponto de uma

imagem representada no domnio Fourier (ou da freqncia) pode conter informaes sobre
toda a imagem no domnio espacial (figura 2), indicando quanto desta freqncia h na
imagem (WATT e POLICARPO, 1998).
)LJXUD$OJXPDVIXQo}HVELGLPHQVLRQDLVHVHXVHVSHFWURVGH)RXULHU
A WUDQVIRUPDGDGH)RXULHU de uma funo contnua I ([) de uma varivel real [

definida como sendo
) (X ) =
I ( [) exp[ M 2X[]G[ , onde
M = 1
(2)
e a partir de ) (X ) , pode-se obter I ([) atravs da transformada LQYHUVDGH)RXULHU
I ( [) =
) (X) exp[ M 2X[]GX
(3)
Aura 2007

Essas duas equaes so chamadas de SDU GH WUDQVIRUPDGD GH )RXULHU e podem
existir se forem integrveis e se I ([) for contnua.
Por exemplo, a transformada de Fourier da Funo Gaussiana 1D:

J[ H[S%[
(verifiquem!!!! 6HUi" )
* (X ) =
J ( [) exp[ M 2X[]G[ = exp([) exp[ M 2X[]G[ =
exp[ X ]

2
A transformada de Fourier de uma funo I ([) uma funo complexa e pode ser
expressa pela soma de suas FRPSRQHQWHV UHDO H LPDJLQiULD, representados por 5 e ,,

respectivamente, ou seja,
) (X ) = 5 (X ) + M, (X )
(4)
Freqentemente, para obter-se o espectro de Fourier e o ngulo de fase da

funo I ([) , faz-se necessrio expressar a equao 4 na forma exponencial:
) (X ) = ) (X ) H
(
(5)
Com isso obtm-se o HVSHFWURGH)RXULHU:
(6)
(X ) = tan 1 [, (X ) / 5 (X )]
(7)
) (X ) = 5 2 (X ) + , 2 (X )
1/ 2
e o kQJXORGHIDVH
Alm disso, pode-se obter o HVSHFWURGHSRWrQFLDGDIXQomR, elevando-se o espectro

da funo ao quadrado:
3 (X ) = 5 2 (X ) + , 2 (X )
(8)
Aura 2007

!" #$%$ &'((
A figura 2, mostra os espectro de Fourier de alguma imagens simples: um ponto, um

segmento de reta vertical e quatro segmentos de reta. Repare que como j comentado, um
ponto no espao foi representado em todo o domnio da freqncia.
A varivel X que est presente na transformada de Fourier chamada de varivel de
freqncia, derivada do termo exponencial, exp[ M 2X[] e pela frmula de Euler obtm-se:
exp[ M 2X[] = cos 2X[ M sen 2X[
(9)
Portanto, uma funo pode ser decomposta pelo somatrio de VHQRV H FRVHQRV e a
transformada de Fourier computa a distribuio (amplitudes, freqncias e fases) desses senos
e co-senos (GONZALEZ e WOODS, 2000).
A transformada de Fourier de uma funo unidimensional pode ser entendida para
uma IXQomR ELGLPHQVLRQDO I ( [, \ ) . E assim tem-se o seguinte par de transformadas de

Fourier:
) (X, Y) =
I ( [, \) exp[ M 2 (X[ + Y\)]G[G\
(10)
e a partir de ) (X , Y) , pode-se obter I ( [, \ ) atravs da transformada inversa de Fourier

I ( [, \ ) =
) (X, Y) exp[ M 2 (X[ + Y\)]GXGY
(11)
A transformada de Fourier ELGLPHQVLRQDO de uma funo de I ( [, \ ) uma funo

complexa e pode ser expressa pela soma de componentes real e imaginrio, representados por
5 e ,, respectivamente, ou seja,
) (X, Y) = 5 (X , Y) + M, (X , Y)
(12)
Como no caso unidimensional, o HVSHFWURGH)RXULHU, o kQJXORIDVH e o HVSHFWURGD
SRWrQFLDpodem ser representados, respectivamente, conforme as equaes seguir:
) (X , Y) = 5 2 (X , Y) + , 2 (X , Y)
1/ 2
(13)
Aura 2007
)*+,-
./ 0121 )3455
(X , Y) = tan 1 [, (X, Y) / 5 (X , Y)]
(14)
3 (X , Y) = 5 2 (X , Y) + , 2 (X, Y)
(15)
O objetivo neste momento a utilizao da transformada de Fourier aplicada ao

processamento de imagens.
Uma imagem pode ser representada atravs de uma IXQomR ELGLPHQVLRQDO por
exemplo,
, ( [, \ ) e esta pode ser transformada em um conjunto de freqncias
espaciais ) (X , Y) . Neste caso a visualizao em 2D do espectro de Fourier uma superfcie

senoidal bidimensional. Um nico ponto ) (X , Y) , representa quanto de freqncia espacial
contida pela imagem, no domnio de freqncias (WATT e POLICARPO, 1998).
A figura 3.mostra o espectro de Fourier da funo seno, uma nica senide, cuja
representao do espectro de Fourier somente um par de pontos simetricamente dispostos
sobre a origem no domnio da freqncia.
)LJXUD)XQomRVHQR[DGRPtQLRGRHVSDoRHEVHXHVSHFWURGH)RXULHU
75$16)250$'$',6&5(7$'()285,(5
Imagine que uma funo continua assuma a seguinte seqncia discreta:

^I[ 6 I[ 6 [I[ 6 [I[ 6 >1@[`, com um nmero finito de pontos.
Aura 2007
)*+,-
./ 0121 )3455
Neste exemplo, 1 so amostras separadas em intervalos de [ unidades. Para utilizar [
como uma varivel discreta, defini-se: I[ I[ 6 Q[, com Q assumindo os valores discretos
1.
Com isso, pode-se denotar amostragens de 1 valores com intervalos uniformemente
espaados de uma funo contnua atravs da seqncia: ^IIII1`. Com base
na transformada de Fourier de funes contnuas e a partir desta discretizao de [, pode-se
definir o par de WUDQVIRUPDGDV GLVFUHWDV GH )RXULHU como sendo uma soma finita de
exponenciais complexas. Considerando o domnio da freqncia tambm discreto e

representado por X = X X1X, onde X /1[. A transformada discreta se
obtm atravs de:
7
1 1
) (X ) = I ( [) exp[ M 2X[/N ]
1 8 =0
(16)
e sua inversa por:

9
1 1
I ( [) = ) (X ) exp[ M 2X[/N ]
1 : =0
(17)
Considerando a partir daqui [ uma discretizao, para [ = (1).

Aplicando estas equaes para uma funo bidimensional, o par de transformadas
discretas de Fourier passa a ser:
=
1 1 1
X[ Y\
) (X, Y) =
I ( [, \ ) exp M 2 ( + )
>
<
01 =0 =0
0 1
(18)
para X e Y, discretizados com X = (0) e Y = (1) e a inversa

I ( [, \ ) =
X[
Y\
) (X , Y) exp M 2 ( + )
B
@
0 1
=0
(19)
=0
para [ e \ assumindo valores discretos, isto : [ = (0) e \ = (1).

Onde X /0[e Y /1\
Na prtica, em aplicaes de processamento de imagens, as transformadas discretas de
Fourier so sempre calculadas utilizando o algoritmo da WUDQVIRUPDGD UiSLGD GH )RXULHU
(FFT - )DVW)RXULHU7UDQVIRUP) que devido as suas caractersticas de implementao fazem
com que a FRPSOH[LGDGH caia de 1 para 1 ORJC 1 operaes. Representando assim, uma
C
Aura 2007
DEFGH
IJ KLML DNOPP
significativa economia computacional, particularmente quando o valor de 1 muito grande,

conforme apresentado em GONZALEZ e WOODS (2000).
A transformada de Fourier possui algumas SURSULHGDGHV que facilitam a sua
utilizao em aplicaes computacionais, tais como: separabilidade, translao, periodicidade
e simetria conjugada, rotao, distributividade, mudana de escala, valor mdio, laplaciano,
convoluo, correlao e amostragem. Dentre essas, a propriedade da FRQYROXomR de

fundamental importncia para a compreenso das tcnicas de processamento de imagens
baseadas na transformada de Fourier (GONZALEZ e WOODS, 2000) e ser apresentada a
seguir.
7(25(0$'$&2192/8d2
De uma forma geral a FRQYROXomRGHXPDLPDJHP I ( [, \ ) com uma RXWUDLPDJHP
K( [, \ ) gera uma terceira imagem J ( [, \ ) . Estando os valores de [ e \ compreendidos no
intervalo >0@ e >1@ respectivamente. Sendo 0 e 1 a quantidade de linhas e colunas
dessas imagens e o RSHUDGRr que indica a FRQYROXomR. Podem-se escrever as seguintes

equaes:
J ( [, \ ) = I ( [, \ ) * K( [, \ )
Q
(20)
1 1 1
J ( [, \ ) =
I (P, Q)K( [ P, \ Q)
01 R =0 T =0
(21)
O sinal negativo P e Q significa que a funo no processo de clculo da

convoluo espelhada sobre a origem (GONZALEZ e WOODS, 2000, p.72). No caso de
funo 1D ou mesmo sinais , uma tima dica para entender esta operao brincar no site :
http://www.jhu.edu/~signals/convolve/index.html para entender a convoluo de funes
continuas, e no site: http://www.jhu.edu/~signals/discreteconv2/index.html para funes
discretas.
Pode-se entender a equao 21 do seguinte modo:

-
faz um espelhamento da funo K[\ sobre a origem;
Aura 2007
DEFGH
IJ KLML DNOPP
desloca-se esta funo K[\com respeito I[\ pelo incremento dos valores de
PQ e
-
calcula-se a soma dos produtos sobre todos os valores de P e Q, para cada
deslocamento. Os deslocamentos PQ so incrementos inteiros que param quando

as funes no mais se sobrepem.
Como )XY e +XY so as transformadas de Fourier de I[\ e K[\,
respectivamente, R WHRUHPD GD FRQYROXomR diz que I[\ K[\ e )XY+XY constituem
um par de transformadas de Fourier. Ento, a partir do teorema da convoluo obtm-se a
seguinte relao no domnio da freqncia:
I ( [, \ ) * K( [, \ ) ) (X , Y) + (X , Y)
(3.22)
I ( [, \ )K( [, \ ) ) (X , Y) * + (X , Y)
(3.23)
Esta relao indica que a convoluo pode ser obtida pela transformada de Fourier
inversa do produto )XY+XY
Portanto, a convoluo entre duas funes QR GRPtQLR HVSDFLDO WHP FRPR
WUDQVIRUPDGD D PXOWLSOLFDomR GDV WUDQVIRUPDGDV GDV GXDV IXQo}HV QR GRPtQLR GD
IUHTrQFLD, e vice versa.
352&(66$0(172'(,0$*(1612'201,2'()285,(5
Aps serem apresentados os conceitos da transformada de Fourier, da transformada

discreta de Fourier e do teorema da convoluo, ser mais simples entender como ocorre o
SURFHVVDPHQWRGHLPDJHQVQRGRPtQLRGH)RXULHU.
A idia bsica para o processamento neste domnio pode ser observada no esquema
apresentado na figura 4. Em um primeiro passo, a imagem ,[\ transformada para o
GRPtQLR GH )RXULHU, atravs da sua transformada discreta, utilizando o algoritmo FFT. A
imagem no domnio de Fourier representada por )XY e esta convoluda com o filtro
+XY. Ao produto )XY +XY aplicada a inversa da transformada de Fourier para
retornar ao domnio espacial, onde se tem a imagem processada ,[\.
Aura 2007
DEFGH
IJ KLML DNOPP
)LJXUD(VTXHPDLOXVWUDQGRRVSDVVRVGDILOWUDJHPQRGRPtQLRGH)RXULHU
A maioria das imagens no domnio de freqncias possui como amplitude

caracterstica, picos no centro do domnio. Segundo WATT e POLICARPO (1998),
neste ponto a imagem atinge o seu maior valor, pois nele computada justamente a menor
freqncia presente na imagem e pode-se deduzir que este o valor mdio da imagem.
Analisando DLPDJHPQRHVSHFWURGH)RXULHU pode-se observar que diferentes categorias de

imagens podem apresentar diferentes categorias de espectros de Fourier.
Em WATT e
POLICARPO (1998), apresentado um exemplo de uma imagem da natureza, uma imagem

de uma construo feita pelo homem e uma imagem com textura criada pelo homem,
conforme as figuras 5 a 7. Os testes realizados para exemplificar a filtragem por Fourier e
gerar as imagens do espectro de Fourier foram feitos com o aplicativo ' )DVW )RXULHU
7UDQVIRUP do CD que acompanha o livro (WATT e POLICARPO, 1998).
)LJXUD,PDJHP3DOPHLUDVHOHPHQWRVGDQDWXUH]DHVHXHVSHFWURGH)RXULHU
Aura 2007
DEFGH
IJ KLML DNOPP
)LJXUD,PDJHP$UFRVGD/DSDXPDFRQVWUXomRHOHPHQWRDUWLILFLDOHVHXHVSHFWURGH)RXULHU
)LJXUD,PDJHP3DOKDGHXPDWH[WXUDQDWXUDOHVHXHVSHFWURGH)RXULHU
Observando essas figuras, percebe-se que a imagem da cena natural, figura 5, tem uma
tendncia a no apresentar estruturas caractersticas no espectro de Fourier.
Na figura 6, observa-se que h uma representao de muitas linhas repetidas e
paralelas. No espectro de Fourier isto vai ficar caracterizado. Primeiro h uma repetio de
linhas gerada pela cerca da linha do trem no topo dos arcos. Existe tambm uma
descontinuidade entre os arcos de cima (linhas tambm verticais) e os de baixo que provocam
o aparecimento de linhas no espectro de Fourier. H tambm duas estruturas representadas
como linhas diagonais ao longo do eixo X, no espectro de Fourier, que caracterizam os lados
dos arcos. H ainda coerncia em relao ao sentido vertical, no espectro de Fourier, devido
s descontinuidades horizontais manifestadas pelas sombras.
Na figura 7, a relao entre as texturas da imagem e as estruturas apresentadas no
espectro de Fourier bastante evidente. As texturas so caracterizadas pelas estruturas que se
parecem com uma linha diagonal borrada. E a folha de palha isolada representada pela
outra estrutura diagonal mais fina.
A importncia de entender a representao da imagem do espectro de Fourier que a
partir desse entendimento, torna-se mais simples e intuitivo determinar um filtro apropriado a
ser aplicado imagem. Atravs das informaes geradas pela imagem do espectro de Fourier
Aura 2007
DEFGH
IJ KLML DNOPP
pode-se realar (manter) ou reter (eliminar) os coeficientes das componentes de determinadas

freqncias.
Uma outra informao muito importante que se pode obter do espectro de Fourier a
LQIRUPDomRGDIRUoDGDLPDJHP (LPDJHSRZHU). Atravs desta informao, observa-se que a

fora da imagem, a partir do seu centro no espectro de Fourier, est concentrada nas
componentes de baixas freqncias.
A figura 8 apresenta uma imagem no domnio de
Fourier, com crculos de diferentes raios. Os crculos representam uma proporo de quanto
da informao da imagem est contida em cada crculo. Calculando-se a proporo da soma
total de ) (X, Y)
sobre cada crculo, encontra-se a relao exibida na figura 8. Esta
informao bastante relevante na hora de determinar um filtro a ser aplicado a imagem.

Sendo possvel determinar, aproximadamente, a percentagem da imagem que ser retida ou
atenuada.
)LJXUD,PDJHPGHLPSUHVVmRGLJLWDOVHXHVSHFWURGH)RXULHUFRPFtUFXORVLQGLFDQGRDIRUoDGDLPDJHP
Neste momento, podem-se entender os tipos de filtros e como utiliz-los no

processamento de imagens. A filtragem mais simples e mais utilizada realizada atravs de
um ILOWURSDVVDIDL[D, ou do tipo de filtragem SDVVDEDQGD que remove regies selecionadas

de freqncias entre altas e baixas freqncias. Quando esta faixa est prxima origem, o
filtro chamado de SDVVDEDL[D. Quando est afastada, o filtro chamado de SDVVDDOWD. A

figura 9 exemplifica esses trs tipos de filtro.
Aura 2007
DEFGH
IJ KLML DNOPP
)LJXUDD)LOWURSDVVDEDL[DE)LOWURSDVVDDOWDHF)LOWURSDVVDEDQGD
As imagens de fundo apresentadas na figura 9, )XY , so as transformadas de

Fourier de uma imagem a ser filtrada. A dificuldade escolher a funo de transferncia do
filtro +XY, que a filtragem desejada. Essas funes de transferncia afetam as partes real e
imaginria de )XY,exatamente da mesma forma, sem alterar a fase da transformada. Esses
filtros so chamados de ILOWURV GH GHVORFDPHQWR GH IDVH ]HUR. Para realizar essas filtragens
utilizamos um filtro circular simtrico.
),/75$*(03$66$%$,;$
Como dito anteriormente D PDLRU IRUoD GH XPD LPDJHP TXDVH VHPSUH est
concentrada nas componentes de EDL[D IUHTrQFLD. Conseqentemente, as componentes de

alta freqncia representam pouca fora da imagem. Isto simples de entender, pois so os
GHWDOKHV GD LPDJHP TXH JHUDP HVVDV DOWDV IUHTrQFLDV. Detalhes da imagem so, por
exemplo, ERUGDVODGRVHRXWUDVWUDQVLo}HVDEUXSWDVGHQtYHOGHFLQ]D. Portanto, utilizando

um filtro passa baixa obtm-se uma imagem menos ntida, blurred ou suavizada, ou seja,
ocorre uma perda de detalhes que so os componentes de altas freqncias.
Nas figuras 10a e 10b, apresentada uma imagem de impresso digital de boa
qualidade, sem apresentar rudo, e seu espectro de Fourier. Nas figuras 10c e 10d,
apresentada a mesma imagem da figura 10a, s que agora com rudos do tipo VDOW DQG
SHSSHU e seu novo espectro de Fourier. Este tipo de rudo freqentemente gerado dentro de
equipamento eletrnico, pela sua transmisso, e se manifestam numa imagem como

manchinhas pretas em regies brancas ou manchinhas brancas em reas escuras.
Observando o espectro de Fourier das duas imagens fcil perceber a presena dos
rudos representados pelas altas freqncias na imagem, ou seja, as informaes que esto
Aura 2007
DEFGH
IJ KLML DNOPP
mais afastadas da origem. Este um exemplo clssico em que a utilizao de um filtro SDVVD
EDL[D melhora a qualidade da imagem. Neste caso, as baixas freqncias sero mantidas e as
altas freqncias, fora do crculo de raio U, presentes na transformada da imagem, )XYsero
removidas, conforme a filtragem mostrada na figura 11.
)LJXUD&RPSDUDomRGRHVSHFWURGH)RXULHUGHLPDJHQVGHLPSUHVVmRGLJLWDOVHPUXtGRHFRPUXtGR
Portanto, se
X 2 + Y 2 !U ento )XY De forma equivalente pode-se especificar
um filtro +XY, da seguinte forma:

U
+XY = 1 se X Y U

U
+XY = 0 se X Y U
Aura 2007
DEFGH
IJ KLML DNOPP
Esse filtro chamado de SDVVD EDL[D LGHDO, pois todas as freqncias, dentro do
crculo de raio U, so passadas sem atenuao e todas as fora do crculo so retidas
completamente. O ponto de transio entre +XY = 1 e +XY = 0 , U, chamado de

freqncia de corte.
)LJXUD5HVXOWDGRGDILOWUDJHPSDVVDEDL[D
),/75$*(03$66$$/7$
Pode-se entender a filtragem SDVVD DOWD como uma operao contrria filtragem
passa baixa. Na filtragem passa altos, os componentes de alta freqncia da transformada de

Fourier no so alterados, enquanto os de baixa freqncia so removidos. Isto faz com que os
detalhes finos da imagem sejam enfatizados.
Neste caso, as baixas freqncias sero removidas e as altas freqncias, fora do
crculo de raio U, presentes na transformada da imagem, )XY sero mantidas, conforme a
filtragem mostrada na figura 12.
Portanto, se
X 2 + Y 2 U ento )XY De forma equivalente pode-se especificar
um filtro +XY, da seguinte forma:

U
+XY = 0 se X Y U

U
+XY = 1 se X Y U
Esse filtro chamado de passa alta ideal, pois todas as freqncias, fora do crculo de
raio U, so passadas sem atenuao e todas as dentro do crculo so retidas completamente.
Aura 2007
DEFGH
IJ KLML DNOPP
Um exemplo de filtragem passa alta em imagem de impresso digital mostrado na figura 12.
As figuras 12a, 12b e 12c, apresentam, respectivamente, a imagem original, o filtro passa alta
utilizado e a imagem com detalhes finos aps a filtragem.
)LJXUD5HVXOWDGRGDILOWUDJHPSDVVDDOWD
),/75$*(0325809$/25'(&257(
Neste tipo de filtragem um determinado valor percentual informado e os coeficientes

cuja intensidade de _)XY_ est abaixo desse valor so zerados , ou seja, so retirados da
imagem. No caso de imagens de impresso digital, isto representa, dependendo da definio
do valor uma melhora na qualidade da imagem, ocorrendo uma suavizao da mesma.
A seguir para exemplificar este filtro, ser utilizada uma imagem de impresso digital
na qual deseja-se localizar o ncleo e o delta. Esta localizao realizada pelo aplicativo
apresentado desenvolvido na dissertao de mestrado de F. Viola, 2006, disponvel no site de
dissertaes do IC/UFF: http://www.ic.uff.br/PosGraduacao/lista_dissertacao.php?ano=2006.
A figura 13a, apresenta o espectro de Fourier da imagem da figura 13b e a figura 13c
apresenta o resultado do processamento desta imagem. Cabe ressaltar que a imagem da figura
13b no sofreu nenhum pr-processamento. Nesta imagem, foram encontrados o ncleo
(quadrado branco) e o delta (quadrado preto), mas tambm foram encontrados falsos ncleos
e deltas. Com objetivo de melhorar a imagem a ser processada, pelo aplicativo, foram
aplicados a ela filtros com valor de corte de 30% , 20%, 15% e 12%. Estes valores foram
arbitrados, baseado em testes e observaes dos resultados. O resultado pode ser observado
nas figuras 14 a 17. Estas figuras mostram a imagem da figura 13b, aps a filtragem, seu
espectro de Fourier e o resultado da localizao, pelo aplicativo. Na tabela 1 so apresentados
Aura 2007
DEFGH
IJ KLML DNOPP
o percentual dos coeficientes da FFT removidos das imagem, aps a filtragem, de acordo com
o valor de corte utilizado.
Com o valor de 12% a imagem apresentou um melhor resultado tanto visual quanto ao
ser processada pelo programa que localiza ncleos e deltas nas impresses digitais. Aps a
filtragem, com este valor, s foram encontrados o ncleo e o delta que realmente existem na
imagem, conforme a figura 16. Embora este valor de 12% tenha sido o melhor resultado
encontrado nas imagens testadas, esses testes no possibilitaram definir um valor de corte
ideal a ser utilizado em todas as imagens.
)LJXUD/RFDOL]DomRGHQ~FOHRHGHOWDDQWHVGDILOWUDJHP
)LJXUD/RFDOL]DomRGHQ~FOHRHGHOWDDSyVILOWUDJHPFRPYDORUGHFRUWHGH
Aura 2007
DEFGH
IJ KLML DNOPP
Aura 2007
DEFGH
IJ KLML DNOPP
Valor de corte Coeficientes da FFT removidos

30%
97,66%
20%
95,72%
15%
93,88%
12%
92,30%
7DEHOD3HUFHQWXDOGHFRHILFLHQWHVGD))7UHPRYLGRVDSyVDILOWUDJHP
Alm dos filtros apresentados anteriormente, existem outros que podem ser aplicados
s imagens no domnio de Fourier, dependendo do efeito que se deseja alcanar. Em SCURI
(1994) e WATT e POLICARPO (1998), alm dos filtros circulares (passa baixa, passa alta e
passa banda), so apresentados filtros retangulares horizontais (isolar freqncias verticais) e
verticais (isolar freqncias horizontais).
Outro tipo de filtro apresentado chamado de circular no centrado na origem ,
utilizado quando se deseja isolar as freqncias que se manifestam atravs de pontos
brilhantes no domnio da freqncia, apresentado nas figuras 18 e 19. H ainda, um filtro
chamado de IDQ (setor angular) aplicado a imagens com freqncias distribudas ao longo
de uma direo inclinada. Este ltimo filtro bastante utilizado em imagens com rudos com
uma freqncia peridica, como por exemplo, as linhas diagonais da imagem, como
apresentado na figura 20. As imagens utilizadas para os testes mostrados nas figuras que
seguem foram adquiridas em KWWSZZZHQHDWHIUHHVHUYHFRXN.
Aura 2007
DEFGH
IJ KLML DNOPP
)LJXUD(VSHFWURGH)RXULHUGDLPDJHP
Aura 2007
DEFGH
IJ KLML DNOPP
)LJXUD5HVXOWDGRGDILOWUDJHPXWLOL]DQGRILOWURFLUFXODUQmRFHQWUDGRQDRULJHP
Aura 2007
DEFGH
IJ KLML DNOPP
)LJXUD5HVXOWDGRGDILOWUDJHPXWLOL]DQGRILOWURVHWRUDQJXODU
,0$*(16'(,035(662',*,7$/12'201,2)285,(5
At o momento, as filtragens foram aplicadas nas imagens como um todo, retirando

rudos, suavizando e enfatizando detalhes finos das mesmas. Porm no caso de impresses
digitais podem ser realizadas melhorias em partes da imagem. Para isso faz-se necessrio um
melhor entendimento das caractersticas dessas impresses digitais no domnio de Fourier.
Segundo JAIN e PANKANTI (1997), uma impresso digital formada por
linhas que possuem largura aproximadamente constante, e ao se analisar um
fragmento pequeno da impresso, observa-se que ele tem um comportamento
semelhante a uma funo senoidal bidimensional, conforme mostra a figura 21.
Aura 2007
DEFGH
IJ KLML DNOPP
)LJXUD)UDJPHQWRGHXPDLPSUHVVmRGLJLWDOHDLPDJHPGHXPDVHQyLGHELGLPHQVLRQDOFRPDPHVPD
GLUHomR
Como dito anteriormente e observando a figura 22, uma parte pequena de

impresso digital se assemelha a uma senide, e com isso, seu espectro de Fourier
bem parecido com o espectro de uma senide, que so dois impulsos
simetricamente posicionados em relao origem.
)LJXUD)UDJPHQWRGHXPDLPSUHVVmRGLJLWDOHVHXHVSHFWURGH)RXULHU
Ao se analisar o espectro de Fourier de uma impresso digital, como um

todo, percebe-se um acmulo de energia em torno de um anel, devido ao fato das
cristas se comportarem como senides, apresentando freqncias bem definidas.
Como as linhas de uma impresso digital podem ocorrer em vrias direes
diferentes, e como a freqncia no domnio da transformada de Fourier
bidimensional calculada pela distncia do ponto ao centro do grfico, verifica-se
que a imagem de uma impresso digital formada por vrias senides, com
freqncias bem definidas em diferentes direes (THOM e MARQUES, 2005),
conforme pode ser observado na figura 23.
Aura 2007
DEFGH
IJ KLML DNOPP
Dependendo do tamanho da regio da impresso digital, por exemplo, [ SL[HOV,

suas cristas apresentam caractersticas semelhantes quanto direo e freqncia. Isto pode
ser observado na figura 23, onde apresentada uma impresso digital, quatro fragmentos
desta e seus espectros de Fourier. Nos espectros de Fourier, dos fragmentos desta imagem,
aparecem dois picos de intensidade simtricos, em relao origem. De acordo com a
localizao desses picos, no domnio de Fourier, duas caractersticas da impresso digital
podem ser observadas: a distncia e a direo das cristas na regio. A freqncia indicada
pela distncia entre esses picos e a direo das cristas indicada pela direo de uma linha
perpendicular imaginria linha que conecta esses pontos (RATHA e BOLLE, 2004).
)LJXUD)UDJPHQWRVGHXPDLPSUHVVmRGLJLWDOHVHXVHVSHFWURVGH)RXULHU
Aura 2007
DEFGH
IJ KLML DNOPP
A figura 24 mostra duas imagens sintticas, semelhantes a fragmentos de uma

impresso digital, com inclinao das cristas de 45 graus e suas espessuras com 5 (figura 24a)
e 9 (figura 24c) SL[HOV, respectivamente. As figuras 24b e 24d apresentam o espectro de
Fourier das figuras 24a e 24c, respectivamente. Ainda na figura 24b e 24d, est desenhada
uma linha vermelha indicando a direo e uma outra amarela indicando a distncia. Vale
destacar que a direo representada no espectro de Fourier a mesma nas duas figuras,
enquanto a distncia menor na figura cuja espessura das cristas menor.
)LJXUD,PDJHQVVLQWpWLFDVUHSUHVHQWDQGRXPIUDJPHQWRGHLPSUHVVmRGLJLWDOHVHXVHVSHFWURVGH
)RXULHU
Como j apresentado na definio da transformada de Fourier, cada elemento do

espectro de Fourier contm um valor proporcional amplitude de uma senide, cuja
freqncia proporcional distncia deste elemento ao centro do espectro. Por exemplo, seja
)XYa transformada de Fourier de uma funo I[\, onde Xe Yrepresentam as freqncias
horizontal e vertical respectivamente. Se o elemento )X V Y V for igual a $ V , sabe-se que a

senide de freqncia
X 02 + Y02 e direo , dada por =DUFWDQY V XV , possui amplitude,
ou energia, proporcional a $ V .
Pode-se concluir ento, que a transformada de Fourier varia com a rotao,
ou seja, apresenta resultados distintos para fragmentos de impresses digitais
Aura 2007
WXYZ[
\] ^_`_ Wabcc
cujos fluxos das cristas estejam orientados em direes diferentes, conforme se

pode visualizar na figura 25, onde apresentado um conjunto de imagens
sintticas, caracterizando partes de impresses digitais, com a inclinao das
cristas variando de 0 a 157,5 graus e com intervalos de 22,5 graus e seus
espectros de Fourier, caracterizando a direo e a distncia dessas cristas.
Observa-se que a distncia a mesma em todas as imagens, pois as espessuras
das cristas so iguais, enquanto as direes se modificam conforme o ngulo de
inclinao das cristas.
)LJXUD,PDJHQVVLQWpWLFDVFRPOLVWUDVLQFOLQDGDVHVHXVHVSHFWURVGH)RXULHU
Aura 2007
WXYZ[
\] ^_`_ Wabcc
Com base na informao da distncia (freqncia) e da direo, obtidas atravs do

espectro de Fourier das imagens, pode-se definir filtros e procedimentos para melhorar a
qualidade dessas imagens. A utilizao da transformada discreta de Fourier est presente em
vrios trabalhos, tais como: SHERLOCK et al (1994), KAMEI e MIZOGUCHI (1995) e
(ROSS et al, 2003), que realizam melhoramentos na imagem atravs de filtros direcionais por
Fourier; PARK e PARK (2005), que apresentam um mtodo para classificao de imagens
utilizando a transformada rpida de Fourier. Por fim o trabalho de THOM e MARQUES
(2005) que utiliza informaes da freqncia e direo obtidas pelo espectro de Fourier, para
segmentao de imagens de impresso digital.
(Para as referncias bibliogrficas aqui citadas que no constam da pagina do curso

veja
original
da
dissertao
de
mestrado
de
Flavio
Viola
em:
http://www.ic.uff.br/PosGraduacao/lista_dissertacao.php?ano=2006 )
Aura 2007

LivroApostilaPDImestrado PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

LivroApostilaPDImestrado PDF

Uploaded by

Copyright:

Available Formats

PAULO ROBERTO MENESES

7.4 Expanso Linear por Partes 111

PRINCPIOS DE SENSORIAMENTO REMOTO

Introduo ao Processamento de Imagens de Sensoriameto Remoto

de observar a Terra so, obrigatoriamente, uma classe de sensores remotos. O filme

Introduo ao Processamento de Imagens de Sensoriameto Remoto

Por costume de uso, em sensoriamento remoto sempre nos referimos radiao

fotogrfica. conhecido de todos que se no dia do levantamento areo houver alguma

Quando a imagem do objeto classificada como uma superfcie

Introduo ao Processamento de Imagens de Sensoriameto Remoto

Introduo ao Processamento de Imagens de Sensoriameto Remoto

Substituindo-se por O a partir da equao 1.1 do modelo ondulatrio, tem-se que:

Da equao 1.4 verifica-se que um fton de energia E inversamente proporcional ao

Em resumo, pode-se dizer que devido dualidade da natureza da radiao

condies de iluminao do relevo com as informaes do padro de comportamento da

Imagem do infravermelho prximo

curva de reflectncia da vegetao

= energia radiante espectral medida em W m-2 m-1;

Resolvendo matematicamente a equao 1.5 de Planck, chega-se s curvas de

Radiao corpo negro

Radiao corpo negro

Emitncia radiante (W/m2 m)

Radiao corpo negro

Introduo ao Processamento de Imagens de Sensoriameto Remoto

total ou parcialmente a radiao eletromagntica solar. Essas absores so o motivo dos

O espalhamento (difuso ou disperso) corresponde mudana aleatria da direo de

(4) radincia refletida

(5) radincia L total

(3) energia radiante

Introduo ao Processamento de Imagens de Sensoriameto Remoto

Teoricamente o espalhamento pode ser dividido em trs diferentes categorias,

De acordo com a lei de Rayleigh, a influncia mais prejudicial do espalhamento

Como no espalhamento Mie o tamanho das partculas atmosfricas

Introduo ao Processamento de Imagens de Sensoriameto Remoto

brilho sem espalhamento

5 unidades de brilho adicionadas

O mecanismo final de espalhamento o no-seletivo. Ele ocorre quando o tamanho

Tabela 1.1 Tipos de espalhamento atmosfrico

Introduo ao Processamento de Imagens de Sensoriameto Remoto

Foi a partir dessa experincia que o homem props a diviso do espectro

pequenas diferenas de limites dos intervalos espectrais. As faixa espectrais em negrito so as

Cor da luz refletida

Sabendo que a radiao eletromagntica de cada comprimento de onda interage de

5,0 Pm 1 mm 1mm 100 cm

tem a habilidade de operar em condies atmosfricas adversas, com coberturas de nuvens ou

rea A da superfcie do alvo

Fig. 1.14 Componentes radiomtricos da trajetria da radiao eletromagntica, da fonte ao sensor.

1. Energia radiante Q a energia que se propaga da fonte na forma de ondas

4. Radincia L = / AcosT a medida feita pelo sensor da densidade de fluxo

O conceito de ngulo slido importante em sensoriamento remoto. Ele descreve a

onde: = ngulo slido em esferorradiano

Fig. 1.15 Conceito de ngulo slido.

Introduo ao Processamento de Imagens de Sensoriameto Remoto

Os sensores imageadores no medem a irradincia solar, e por isso a imagem uma

algoritmos de classificao espectral, a imagem digital precisar, obrigatoriamente, ser

=altura do sensor em metros

Introduo ao Processamento de Imagens de Sensoriameto Remoto

Introduo ao Processamento de Imagens de Sensoriameto Remoto

Resoluo espacial (m)

Obs. Escalas determinadas experimentalmente com imagens em composies coloridas realadas.

1.20 de uma banda do infravermelho prximo. Nessa banda os rios so facilmente

Valendo-se do poder da resoluo espectral que os sensores multiespectrais

banda no infravermelho prximo