ENVI_apostila_cprm

Prévia do material em texto

PROCESSAMENTO DIGITAL BÁSICO 
DE IMAGENS DE SENSORES 
REMOTOS ÓPTICOS PARA USO EM 
MAPEAMENTO GEOLÓGICO 
Programa ENVI@
TUTORIAL 
DISERE/2005 
Mônica Mazzini Perrotta 
DISERE 
perrotta@sp.cprm.gov.br
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
ÍNDICE 
I. PRÉ - PROCESSAMENTO E VISUALIZAÇÃO DE IMAGENS 1 
Preliminares 2 
1. Abrir imagens 2 
2. Visualizar as imagens 2 
3. Criar uma imagem no formato ENVI com todas as bandas 
de cada cena escolhendo-se a resolução e a projeção desejada 2 
4. Fechar as bandas que não serão mais utilizadas 3 
5. Mosaico de imagens 3 
6. Recorte da imagem na área de interesse 6 
7. Edição do cabeçalho da imagem 7 
8. Estatísticas da imagem: Histogramas 8 
8.1. Histogramas Gráficos 9 
8.2 Histogramas Textuais 9 
9. Correção Atmosférica 11 
9.1. Com base em corpos d’água ou sombras absolutas 12 
9.2. Método da quebra do histograma 15 
9.3. Aplicação da correção atmosférica 16 
10. Preparação da banda pancromática do LANDSAT com 
resolução de 14,25 m 18 
II. REALCES NO DOMÍNIO ESPECTRAL 19 
11. Ampliações de contraste 19 
12. Composições coloridas 20 
13. Bibliotecas Espectrais 21 
13.1. Visualização de bibliotecas espectrais 21 
13.2. Reamostragem de bibliotecas espectrais 21 
14. Razão de bandas 23 
15. Transformações do tipo IHS 25 
16. Realce por decorrelação 28 
17. Realce por saturação 29 
18. Contraste Fotográfico 29 
19. Análise de Principais Componentes (APC) 29 
20. Geração de imagem ASTER semelhante à 
pancromática LANDSAT, de resolução espacial de 15 m 32 
_______________________________________________________________________________ 
DISERE 
i
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
III. REALCES NO DOMÍNIO ESPACIAL 35 
21. Filtros 35 
21.1. Filtragens de suavização 35 
21.2. Filtragens de realce de bordas 36 
21.3. Filtragens direcionais 36 
22. Incremento na resolução dos produtos coloridos 
através da fusão com bandas de maior resolução 36 
22.1. Escolha da composição colorida e sua filtragem 
através de filtro laplaciano, com adição de 90 % 
da banda original, para aumento da definição da imagem 36 
22.2. Fusão de imagens 37 
23. Modelagem Topográfica – Sombreamento de relevo 38 
24. Visualização 3D 39 
25. Algumas sugestões de referências bibliográficas para consulta 40 
_______________________________________________________________________________ 
DISERE 
ii
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
PROCESSAMENTO DIGITAL BÁSICO DE IMAGENS DE SENSORES 
REMOTOS ÓPTICOS PARA USO EM MAPEAMENTO GEOLÓGICO 
Programa ENVI@
I. PRÉ - PROCESSAMENTO E VISUALIZAÇÃO DE IMAGENS 
Neste manual serão utilizadas, a título de exemplo, uma cena LANDSAT ETM+ 
obtida gratuitamente através do Global Land Cover Facility 
(http://glcfapp.umiacs.umd.edu/index.shtml) e duas cenas ASTER dentro da mesma 
área, mas os procedimentos aqui descritos podem ser adaptados para qualquer tipo de 
imagem de sensor óptico disponível. 
O roteiro pode ser seguido, acompanhando-se as sugestões sublinhadas, com as 
imagens fornecidas para treinamento que se encontram no diretório 
\DADOS_PROCESSAMENTO DIGITAL nos seguintes subdiretórios: 
LANDSAT: 
Conjunto de bandas do visível, infravermelho próximo e infravermelho de ondas curtas num 
arquivo compactado (LANDSAT.zip): p222r68_7t20010625_nn1.tif 
 p222r68_7t20010625_nn2.tif 
 p222r68_7t20010625_nn3.tif 
 p222r68_7t20010625_nn4.tif 
 p222r68_7t20010625_nn5.tif 
 p222r68_7t20010625_nn7.tif 
Banda pancromática: p222r68_7p20010625_nn8.tif 
ASTER: 
Duas imagens com resolução espacial de 30 m e espectral de 9 bandas já preparadas para 
este treinamento (vide “Guia de referência rápida - PRÉ-PROCESSAMENTO DE IMAGENS 
DO SENSOR ASTER NO SOFTWARE ENVI”): Aster_norte.img 
 Aster_sul.img 
Uma imagem da área de trabalho com resolução espacial de 15 m e espectral de 3 bandas 
(VNIR): Aster_VNIR_estudo.img 
DEM: 
Modelo digital de terreno SRTM (Shuttle Radar Topographic Mission) da área de estudo: 
 DEM_estudo.img 
Alternativo: 
Uma imagem Aster com 3 bandas para uso no exercício 24: Aster_alternativo_423.img 
Modelo digital de terreno SRTM (Shuttle Radar Topographic Mission) para uso no exercício 
24: DEM_alternativo.img 
Utilitários: 
Planilha para cálculo do Optimum Index Factor: calcula_OIF.xls 
Arquivos com tabelas constando o nome das 
imagens de entrada e as geradas para acom- 
panhamento deste tutorial: LANDSAT_geradas.pdf 
 ASTER_geradas.pdf 
 
_______________________________________________________________________________ 
DISERE 
1
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
Preliminares 
¾ No ENVI: File > Preferences > Default directories > Selecionar como 
diretórios de dados e de saída (data directory e output directory) o diretório de 
trabalho. Salvar a nova configuração. 
¾ Atenção: Ao final de cada sessão de trabalho para na próxima seção retomar 
de onde parou > File > Save Session to Script > escolher um nome para a 
sessão. No início de uma nova sessão > File > Restore Startup Script. 
1. Abrir imagens 
¾ File > Open image file> Input file Î escolher as cenas a serem trabalhadas: 
(diretório LANDSAT: p222r68_7t20010625_nn1.tif, p222r68_7t20010625_nn2.tif, 
p222r68_7t20010625_nn3.tif, p222r68_7t20010625_nn4.tif, 
p222r68_7t20010625_nn5.tif, p222r68_7t20010625_nn7.tif) > ok 
Observação: As cenas, obtidas através de várias fontes, podem ter vários formatos. O ENVI 
pode abrir vários formatos de arquivo, explore o menu File > Open External File, e encontre, 
se necessário o melhor caminho para abrir suas cenas. 
2. Visualizar as imagens 
¾ Available bands list > gray scale (escolher as várias bandas uma de cada 
vez). São abertas 3 janelas de display: Scroll, onde se visualiza toda a 
imagem; Image, onde se visualiza a área delimitada na janela Scroll com um 
retângulo vermelho; Zoom, onde se visualiza a área delimitada na janela Image 
com um retângulo vermelho. 
¾ Available bands list > RGB (escolher vários tripletes de bandas). 
¾ Se a caixa de diálogo Available Bands List estiver fechada para acessá-la: 
Menu Window > Available Bands List. Observar e experimentar outras opções 
do Menu Window. 
3. Criar uma imagem no formato ENVI com todas as bandas de cada cena 
escolhendo-se a resolução e a projeção desejada 
Observações: 
a. É comum que as bandas de uma mesma cena venham em arquivos separados (como por 
exemplo as imagens LANDSAT obtidas no Global Land Cover Facility), sendo bastante 
conveniente para o processamento que elas estejam no mesmo arquivo, facilitando cortes 
de áreas de interesse, mosaicos, etc. 
b. No caso de imagens do sensor ASTER as bandas vêm num arquivo único, mas com 
diferentes resoluções espaciais, que devem ser reamostradas, para que o processamento 
digital envolva todas as bandas desejadas. Refira-se ao manual “Pré-processamento de 
imagens do sensor ASTER no software ENVI”, para maiores explicações. 
c. A escolha da resolução depende da imagem original e da escala de trabalho. 
d. Normalmente as imagens já vêm georreferenciadas, no sistema UTM de projeção, e datum 
de referência WGS-84. Mantenha este sistema e datum paracompatibilização com o 
mosaico Geocover 2000. Refira-se ao manual “Registro de imagens com relação ao 
Mosaico Geocover 2000”. 
e. Procure definir uma extensão de sua preferência (img, dat, etc) para as imagens geradas 
no ENVI (como default elas não tem extensão, apenas o arquivo de cabeçalho da imagem, 
é gerado automaticamente com a extensão .hdr). 
_______________________________________________________________________________ 
DISERE 
2
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
¾ Basic tools > layer stacking > Import files > Input file Î (todas as bandas 
carregadas no item 1) > Reorder Files (para colocar as bandas na ordem 
correta de numeração) > na janela Reorder files, com o botão da esquerda do 
mouse pressionado arraste a banda para a posição desejada > Na projeção de 
saída, aceitar UTM, o datum WGS84, a zona e corrija o hemisfério, se 
necessário > No tamanho do pixel de saída aceite 28,5 m ou digite a resolução 
desejada > Output file Î escolher um nome de saída (landsat.img) (Figura 1). 
4. Fechar as bandas que não serão mais utilizadas 
¾ Na caixa de diálogo Available bands list > clicar no título da banda a ser 
fechada, com o botão da direita do mouse > close selected file. 
 
 Figura 1 
5. Mosaico de imagens 
Observação: O mosaico de várias cenas que compõem a área de trabalho dá bons resultados 
quando as cenas mosaicadas são de mesma data e órbita, caso contrário variações nas 
condições climáticas podem gerar imagens com características espectrais diversas e mosaicos 
_______________________________________________________________________________ 
DISERE 
3
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
heterogêneos, com alteração dos dados espectrais originais. Neste caso, para melhores 
resultados na interpretação, o processamento de cada cena deve ser feito independentemente. 
¾ File > Open file > Input file Î escolher as cenas adjacentes a serem 
trabalhadas (Aster_norte.img, Aster_sul.img) 
¾ Basic tools > Mosaicking > Georeferenced > Na caixa de diálogo Map Based 
Mosaic > Import > Import Files and edit properties > Na caixa Mosaic Input 
Files > selecionar as imagens a serem mosaicadas (Aster_norte.img, 
Aster_sul.img) > ok 
 Figura 2 
¾ Na caixa de edição das imagens de entrada (figura 2): 
em Data Value to Ignore > Preencha com 0, caso as imagens a serem 
mosaicadas tenham uma área de contorno sem dados. 
em Feathering Distance > Escolha uma quantidade de pixels (~20) que serão 
misturados entre as duas imagens, esta opção deve ser usada principalmente 
quando o mosaico inclui imagens de órbitas adjacentes, ou de mesma órbita 
mas de datas distintas. 
em Mosaic Display escolha gray scale ou RGB pressionando o botão , 
escolhendo em seguida as bandas que deseja visualizar. 
em Color balancing: -escolha No para cenas de mesma órbita e data. 
-escolha Fixed para a cena que não será balanceada 
-escolha Adjust para as cenas que serão 
balanceadas com base no histograma da cena 
fixada. 
¾ Na janela do mosaico, pressionando-se o botão da direita do mouse sobre o 
título da imagem pode-se reposicioná-la (procurar manter acima a cena de 
melhor qualidade), removê-la ou reeditar os parâmetros de entrada (figura 3). 
_______________________________________________________________________________ 
DISERE 
4
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
Ainda na janela do mosaico, em File > Apply > preencher os parâmetros da 
caixa de diálogo Mosaic Parameters (figura 4). Caso em color balance tenha-
se optado por fix e adjust, esta caixa terá na sua porção inferior a opção Color 
Balance using, em que se pode escolher entre stats from overlapping 
regions ou stats from complete file, pressionando-se o botão (figuras 5 e 
6) > Output file Î escolher um nome de saída (Aster.img).
 Figura 3 
_______________________________________________________________________________ 
DISERE 
5
 Figura 4 
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
 Figura 5 
 Figura 6 
6. Recorte da imagem na área de interesse 
¾ Basic tools > Resize Data (Spatial/Spectral) > Na caixa de diálogo Resize 
Data Input file > escolha a imagem que vai ser cortada e pressione o botão 
spatial subset > Na caixa de diálogo Select Spatial Subset em Subset Using 
pressione Map > defina as coordenadas (podem ser em utm ou geográficas, 
para optar entre elas clique no botão ). Observe que devem ser estabelecidas 
as coordenadas do canto superior esquerdo e canto inferior direito (figura 7) > 
ok > ok > Na caixa de diálogo Resize Data Parameters em Enter Output 
Filename Î defina um nome para a imagem cortada (Aster_estudo.img) > ok 
(Na Figura 7 estão preenchidas as coordenadas utilizadas para a produção da 
imagem Aster_estudo.img). 
 Figura 7 
Para cortar a imagem LANDSAT na mesma área experimente o seguinte 
procedimento: 
_______________________________________________________________________________ 
DISERE 
6
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
¾ Basic tools > Resize Data (Spatial/Spectral) > Na caixa de diálogo Resize 
Data Input file > escolha a imagem LANDSAT.img > pressione o botão spatial 
subset > Na caixa de diálogo Select Spatial Subset em Subset Using 
pressione File > Na caixa de diálogo Subset by file input file selecione a 
imagem Aster_estudo.img > ok > ok > ok > Na caixa de diálogo Resize Data 
Parameters em Enter Output Filename Î defina um nome para a imagem 
cortada (Landsat_estudo.img) > ok 
7. Edição do cabeçalho da imagem 
Observação: O ENVI cria para cada imagem produzida um arquivo cabeçalho de extensão 
.hdr, que pode ser visualizado e editado, por exemplo para se certificar das coordenadas 
limítrofes da imagem, completar dados tais como valor do comprimento de onda de cada 
banda, ou mudar o nome das bandas, o que pode ser muito útil, já que os nomes de bandas 
produzidos incluem todos os procedimentos percorridos para alcançá-la, e podem ser muito 
extensos e pouco práticos. Estas informações podem ser copiadas para um campo específico 
para observações. 
¾ File > Edit ENVI Header > Na caixa de diálogo Edit ENVI Header input file > 
Escolher a imagem que quer editar o cabeçalho (landsat_estudo.img). 
Alternativamente, na caixa Available bands list clicar com o botão da direita do 
mouse sobre o título da imagem cujo cabeçalho quer editar, aparecerá a opção 
Edit Header. 
Na caixa de diálogo Header Info, um espaço em branco, que já contém a última 
operação realizada na produção da imagem pode ser complementado com as 
informações desejadas (figura 8). 
 Figura 8 
_______________________________________________________________________________ 
DISERE 
7
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
Clicando em Edit Attributes encontra-se uma lista de informações da imagem 
que podem ser lidas e editadas. Para simplificaçãodo nome da banda: Band 
names... > Edit o nome de cada banda > ok > ok. 
Uma informação útil em vários processamentos é o comprimento de onda médio de 
cada banda: 
¾ Edit Attributes > Wavelenghts > Preencher conforme as tabelas abaixo: 
Banda 
LANDSAT 
Comprimento 
de Onda 
1 0.485 
2 0.560 
3 0.665 
4 0.830 
5 1.650 
7 2.215 
 
Banda 
ASTER 
Comprimento 
de Onda 
1 0.556 
2 0.661 
3 0.807 
4 1.656 
5 2.167 
6 2.209 
7 2.262 
8 2.336 
9 2.400 
8. Estatísticas da imagem: Histogramas 
Representam graficamente a freqüência de ocorrência de pixels no intervalo de 
níveis de cinza da cena. Fornece a informação de quantos pixels ou qual a 
proporção de pixels que na imagem possuem um determinado valor de NC (Nível 
de Cinza). São apresentados, no geral, na forma normalizada. 
O espalhamento dos valores de NC no histograma dá a medida do contraste da 
imagem. 
Associam-se ao histograma da imagem parâmetros estatísticos tais como média, 
mediana, desvio padrão e variância da distribuição da população de níveis de cinza. 
¾ Preliminares: File > Preferences > Display defaults > Display default stretch 
> % linear > 0,0 > gravar a nova configuração no arquivo default. 
_______________________________________________________________________________ 
DISERE 
8
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
Observação: Este procedimento é recomendado para que seja possível a visualização da 
imagem original, sem qualquer tipo de ampliação de contraste, de forma a facilitar o 
entendimento do resultado das manipulações nos histogramas. 
8.1. Histogramas Gráficos 
¾ Available Bands List > Carregar a banda 1 da imagem aberta 
(Landsat_estudo.img). 
¾ Nas funções do display > Enhance > Interactive Stretching > Histogram 
Source > band (observar o histograma – figura 9). 
 Figura 9 
¾ Repetir para as demais bandas e comparar os histogramas e as imagens, 
tentando perceber a correspondência entre a forma do histograma e a imagem. 
Observe que para os histogramas (no geral de forma gaussiana) mais 
espalhados, que refletem maior desvio padrão dos dados, as imagens 
apresentam originalmente mais contraste. Conforme o nível de cinza (NC) em 
que se encontra a média da distribuição, pode-se notar que a imagem é mais 
escura (NC baixo) ou mais clara (NC alto). 
8.2. Histogramas textuais 
¾ Basic tools > Statistics > Compute Statistics > Input file Î arquivo 
carregado > preencher os parâmetros da caixa de diálogo conforme a figura 10 
(com o nome e caminho da imagem que estiver sendo utilizada) 
(landsat_estudo.img). 
_______________________________________________________________________________ 
DISERE 
9
¾ Na tela dos resultados estatísticos, a parte superior é de visualização gráfica, 
clicando-se o botão Select Plot e selecionando-se o gráfico de cada banda 
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
estes vão sendo desenhados na tela. Pressionando o botão da direita do mouse 
sobre o gráfico selecione a opção plot key para visualização do nome das 
bandas mostradas no gráfico (figura 11). 
 Figura 10 
¾ Pressionando o botão Select Stat selecionar o histograma textual de cada 
banda. No exemplo abaixo foi extraído um fragmento do histograma textual da 
banda 4 da imagem Landsat_estudo. A primeira coluna traz o DN (Digital 
Number), Número Digital ou Nível de Cinza (NC), que em formatos do tipo byte 
com 8 bits pode variar de 0 a 255. A segunda coluna traz o número de pontos ou 
pixels da imagem que têm aquele NC. A terceira coluna traz o número de pontos 
acumulados até aquele NC. A quarta coluna traz a porcentagem de pixels da 
imagem naquele NC. E a quinta coluna traz a porcentagem acumulada até 
aquele NC. 
DN Npts Total Percent Acc Pct 
8 2 2 0.0000 0.0000 
9 5 7 0.0001 0.0001 
10 11 18 0.0002 0.0004 
11 44 62 0.0009 0.0012 
12 92 154 0.0018 0.0030 
13 334 488 0.0066 0.0096 
14 885 1373 0.0174 0.0270 
15 037 2410 0.0204 0.0475 
16 1111 3521 0.0219 0.0693 
17 1294 4815 0.0255 0.0948 
_______________________________________________________________________________ 
DISERE 
10
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
 Figura 11 
¾ Explorar os resultados de todas as bandas. 
9. Correção Atmosférica 
O tipo de correção atmosférica descrito a seguir é comumente aplicado em imagens 
LANDSAT. Trata-se de uma correção de distorções espectrais causadas pelo 
espalhamento da radiação eletromagnética devido a sua interação com a 
atmosfera. No geral o efeito mais importante é devido ao espalhamento atmosférico 
que causa adição de valores à resposta original. Sua magnitude é inversamente 
proporcional ao comprimento de onda de forma que os comprimentos de onda mais 
curtos são mais afetados. Neste método são escolhidos valores de NC a serem 
subtraídos de cada banda. 
_______________________________________________________________________________ 
DISERE 
11
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
9.1. Com base em corpos d’água ou sombras absolutas (levando-se em 
consideração que se não houvesse influência da atmosfera os pixels relativos 
a água límpida ou sombras perfeitas teriam valor 0). 
¾ Carregar a banda 7 da imagem landsat_estudo.img no display (grayscale). 
Teoricamente a banda 7 (no infravermelho de ondas curtas) sofre a menor 
influência da atmosfera no conjunto de bandas LANDSAT, além de 
corresponder à região do espectro eletromagnético onde há importante feição 
espectral de absorção da água. 
¾ Verificar se existem corpos d’água límpida ou sombras absolutas. 
¾ Verificar os valores DN destas feições na banda 7. Estes valores devem ser 
baixos: 
a. Na janela de imagem, Menu tools > cursor location/value (figura 12), 
pode-se verificar o valor e posição de cada pixel na imagem, encontrando-se 
os valores mais baixos. 
A curva espectral de cada pixel pode ser visualizada da seguinte forma: 
¾ Menu Tools > Profiles > Z profile (Spectrum). Na janela aberta pode-se 
verificar os valores daquele pixel em todas as bandas, passeando-se sobre 
o gráfico com o botão da esquerda do mouse pressionado (figura 13). 
Estes valores devem estar próximos dos valores procurados para a 
subtração em cada banda. 
_______________________________________________________________________________ 
DISERE 
12
 Figura 12 
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
 Figura 13 
b. Desenhando-se uma região de interesse (ROI – region of interest) sobre o 
corpo d´água: 
¾ Na janela de imagem: Menu Tools > Region of Interest > ROI tool (figura 
14). Vai ser aberta uma caixa de diálogo para a manipulação das áreas de 
interesse. Nesta caixa, no menu ROI_type, marque polygon (figura 15), e 
selecione zoom como a janela que vai ser desenhada. Desenhe um 
polígono sobre o corpo d’água com sucessivos cliques com o botão da 
esquerda do mouse. Terminada a área, clique 2 vezes com o botão da 
direita para fechamento do polígono (figura 16). Várias áreas podem ser 
delimitadas desta forma. 
¾ Pressionando o botão Stats da janela de ROI (figura 16), calcular as 
estatísticas da área de interesse de forma a conhecer os valores destes 
pixels nas demais bandas, para a escolha do NC que deve sersubtraído 
dos pixels de cada uma delas. Na figura 17 mostra-se o resultado da 
estatística dos pixels da região de interesse delimitada. Nota-se que os 
valores a serem subtraídos de cada banda estariam por volta de: banda 1 – 
51, banda 2 – 33, banda 3 – 23, banda 4 – 14, banda 5 – 10 e banda 9 – 9; 
considerando-se a média calculada. Estes valores são razoáveis, já que os 
_______________________________________________________________________________ 
DISERE 
13
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
desvios padrões são baixos. Por outro lado, na banda 7 os pixels 
selecionados vão até o valor 13, com média de 9, que pode ser 
considerado alto, já que pode representar, em parte, pixels de água com 
partículas em suspensão. Assim, antes da decisão dos valores a serem 
excluídos, avalie o histograma total da imagem, aplicando-se o método da 
quebra do histograma, descrito a seguir. 
 Figura 14 
 
_______________________________________________________________________________ 
DISERE 
14
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
 Figura 15 
 Figura 16 
9.2. Método da quebra do histograma 
¾ Carregar o arquivo de estatísticas da imagem a ser analisada 
(landsat_etudo.img: landsat_estudo.sta), preparado no item 8. Verificar o 
histograma textual da banda 7 e procure a quebra do histograma, isto é, 
aquele valor de pixel (NC) em que após uma variação de número de pixels 
irregular, segundo o NC, inicia-se uma variação coerente, depois de um 
_______________________________________________________________________________ 
DISERE 
15
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
incremento relativamente brusco no número de pixels (figura 18). No caso da 
imagem landsat_estudo, este DN corresponderia a 6, que será o valor a ser 
subtraído da banda 7. 
 Figura 17 
¾ Verificar o histograma textual de cada banda e procurar um valor para corte 
que não exceda muito os 238 pixels (acumulados) encontrados na banda 7 
para se tornarem 0. 
¾ Verificar os resultados e escolher o valor que deve ser subtraído de cada 
banda para realizar a correção atmosférica. 
9.3. Aplicação da correção atmosférica 
¾ Basic Tools > Preprocessing > Generic Purpose Utilities > Dark subtract > 
User Value (figura 19) (Preencher com os valores definidos para cada banda) 
> Output fileÎ escolher um nome pra a imagem criada 
(Landsat_estudo_ca.img). 
 
B1: 47 B4: 12 
B2: 31 B5: 6 
B3: 22 B7: 6 
 
_______________________________________________________________________________ 
DISERE 
16
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
 Figura 18 
_______________________________________________________________________________ 
DISERE 
17
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
 Figura 19 
¾ Calcular a estatística do novo conjunto e carregar as bandas da imagem 
produzida analisando-se os histogramas. 
¾ Repita o procedimento para a imagem ASTER (Aster_estudo.img), utilizando 
como base a banda 8. 
10. Preparação da banda pancromática do LANDSAT com resolução de 14,25 m 
Esta banda será utilizada mais adiante para refinamento de composições coloridas. 
¾ Carregar o arquivo correspondente à banda 8 (pancromática) do sensor 
LANDSAT ETM+ (p222r68_7p20010625_nn8.tif) 
¾ Cortar a imagem conforme as coordenadas da imagem LANDSAT que vem 
sendo utilizada (Landsat_estudo.img): Basic tools > Resize Data 
(Spatial/Spectral) > Na caixa de diálogo Resize Data Input file > escolha a 
imagem que vai ser cortada (p222r68_7p20010625_nn8.tif) e pressione o 
botão spatial subset > Na caixa de diálogo Select Spatial Subset em Subset 
Using pressione File > escolher a imagem que servirá como base para o 
recorte (Landsat_estudo.img) > ok > ok > Na caixa de diálogo Resize Data 
Parameters em Enter Output Filename Î defina um nome para a imagem 
cortada (B8_TM_estudo.img) > ok 
¾ Fazer uma correção atmosférica da imagem, através do método da quebra do 
histograma (item 9.2). Output Filename Î defina um nome para a imagem 
cortada (B8_TM_estudo_ca.img) > ok 
_______________________________________________________________________________ 
DISERE 
18
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
II. REALCES NO DOMÍNIO ESPECTRAL 
11. Ampliações de contraste 
O contraste de uma imagem é a medida do espalhamento dos níveis de cinza que 
nela ocorrem. As ampliações de contraste permitem ampliar o espalhamento de um 
intervalo comprimido de níveis de cinza, comum nas imagens originais, dentro do 
intervalo possível de DNs, facilitando a discriminação entre alvos. 
Funções de transferência de contraste: Função que calcula para cada pixel seu 
novo valor de DN após a aplicação do contraste. 
Funções mais comuns: 
Linear: Mais comum. Função de transferência é uma reta cuja inclinação controla a 
quantidade de aumento de contraste. 
Equalização: Através desta função modifica-se a distribuição de forma que cada 
nível de cinza tenha a mesma quantidade de pixels. São usadas em imagens que 
contém áreas extensas de intensidade uniforme, permitindo a discriminação de 
alvos originalmente muito semelhantes. 
Normalização ou aumento gaussiano de contraste: Através da aplicação de uma 
função gaussiana aproxima-se uma distribuição irregular de uma distribuição normal 
ou gaussiana (forma de sino). 
Logarítmica e Raiz Quadrada: Utilizadas no realce das porções mais escuras de 
uma imagem. 
Exponencial: Utilizada no realce das porções mais claras de uma imagem. 
¾ Carregar as diversas bandas, uma a uma no display grey scale. 
¾ Para cada uma, na janela de imagem: menu enhance > interactive stretching 
(um histograma gráfico é exibido numa janela gráfica, e pode ser manipulado 
interativamente. Observar que são exibidos na realidade dois histogramas, o da 
esquerda é o original e o da direita é o resultante da ampliação do contraste que 
será definida). No histograma original pode-se mover a barra pontilhada 
posicionada originalmente nos dois extremos do histograma, de forma a se 
cortar parte dos dados (valores de NC que contém poucos pixels), e ampliar-se 
o contraste. Observar que na parte inferior do histograma da esquerda 
aparecem informações que são atualizadas conforme a barra se move. Pode-se 
visualizar o número de pixels em cada NC, a porcentagem de pixels em cada 
NC e a porcentagem acumulada de pixels em cada NC. Interativamente no 
gráfico da direita vai aparecer a nova forma do histograma com a aplicação da 
ampliação de contraste 
¾ Escolher histogram source > band (para contar com a estatística de toda a 
banda, lembre-se que a estatística da janela de scroll é semelhante à completa, 
mas não igual, pois é reamostrada, com exclusão de vários pixels para 
visualização mais rápida da janela). 
¾ Aplicar diversos tipos de ampliações de contraste (botão Stretch_Type) e vários 
cortes (saturação) nos extremos dos histogramas (raciocine em termos de 
porcentagem acumulada em cada extremo do histograma, assim um contraste a 
2% de saturação significa que o histograma original foi cortado a 2% doextremo 
_______________________________________________________________________________ 
DISERE 
19
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
inferior e 98% do extremo superior, como no exemplo da figura 20, em que foi 
aplicado um contraste tipo gaussiano). 
 
 Figura 20 
12. Composições coloridas 
Sintetizam numa única imagem a informação contida em três bandas escolhidas 
para constituir o triplete. As bandas são atribuídas respectivamente aos canais RGB 
(vermelho, verde e azul). Realces de contraste nas bandas individuais devem ser 
procedidos, como por exemplo uma normalização para que uma banda não se 
sobressaia às outras. 
Um método objetivo de escolha do triplete visualmente melhor é o cálculo do OIF 
(Optimum Index Factor), segundo a fórmula: 
•OIFxyz = Σ (Dpx + Dpy + Dpz) / Σ(Ccxy+Ccxz+Ccyz) 
em que: 
Dpn é o desvio padrão de cada banda do triplete avaliado, quanto mais alto este 
valor maior o contraste. 
Ccxy é o coeficiente de correlação entre as bandas duas a duas, quanto menor o 
coeficiente de correlação entre as bandas, menor a redundância de informação. 
Quanto maior o OIF, visualmente melhor e mais tonalmente variada deve ser a 
composição colorida, com a possibilidade de maior discriminação de alvos. 
Estes dados podem ser encontrados no relatório estatístico da imagem. É um 
cálculo que, apesar de útil, não pode substituir a visualização de várias 
possibilidades de composições coloridas para que se escolha a ou as que melhor 
se adaptem ao problema geológico a ser resolvido. No diretório Utilitários, em anexo 
a este manual encontra-se uma planilha Excel (calcula_OIF.xls) que calcula os OIF 
dos tripletes possíveis, tanto para o ASTER como para o LANDSAT. 
¾ Carregar diferentes composições nos canais RGB. 
¾ Experimente diferentes funções do display, disponíveis nos menus da janela de 
imagem: 
_______________________________________________________________________________ 
DISERE 
20
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
Enhance: Realce automático a partir das diversas janelas. 
Enhance > filter 
Interactive Stretching (observar que cada banda pode ter seu contraste 
manipulado individualmente, utilize a estatística 
da banda) 
Tools: Link (liga dois displays com imagens de mesma dimensão e 
coordenadas) 
Profiles 
Color mapping 
Cursor Location/Value 
Animation 
2D Scatter plots 
¾ Pressionando o botão direito do mouse sobre a janela de imagem observar as 
diversas funções disponíveis. 
¾ Ao final destes procedimentos escolha um triplete com realce adequado e grave-
o como um grupo de display: Na janela de imagem: File > Save as display 
group > (p.ex. ASTER413.grp ou LANDSAT453.grp) 
13. Bibliotecas Espectrais 
Bibliotecas espectrais de minerais e rochas, incorporadas no ENVI, são muito úteis 
na seleção de bandas para tripletes, considerando-se as feições de reflexão e 
absorção no espectro eletromagnético características de cada alvo investigado. 
13.1. Visualização de bibliotecas espectrais 
¾ Spectral > Spectral Libraries > Spectral Library Viewer > Spectral Library 
Input File: Open Spec Lib: Abrir do diretório jhu_lib o arquivo veg.sli e do 
diretório jpl_lib o arquivo jpl1.sli. 
¾ Selecionar a biblioteca jpl1.sli e clicar no nome de alguns minerais para ver 
suas curvas espectrais de laboratório. Faça o mesmo com a biblioteca de 
vegetação. 
¾ Fechar as janelas de plotagem de gráficos. Selecionar da biblioteca jpl1.sli os 
minerais gibsita e caolinita. Da biblioteca de vegetação selecionar grama. 
¾ Com o mouse da direita sobre cada gráfico clicar em plot key. 
¾ Trocar a cor das curvas como na figura 21: na janela de plotagem, menu edit > 
data parameters, clicar na caixinha de cor com o mouse da direita e escolher 
as cores a partir das listas. No menu edit > plot parameters trocar as cores do 
background para branco e foreground para preto. 
¾ Com o botão esquerdo do mouse pressionado, arrastar o nome Grass da 
janela de plotagem da vegetação para o gráfico dos minerais. Comparar as 
curvas (figura 22). 
13.2. Reamostragem de bibliotecas espectrais 
¾ Incluir outros minerais de interesse no gráfico de curvas espectrais. 
¾ Excluir a curva da vegetação clicando com o botão da direita do mouse sobre 
o nome grass > remove. 
_______________________________________________________________________________ 
DISERE 
21
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
¾ Gravar a janela de plotagem de minerais como uma nova biblioteca espectral: 
No menu file da janela de plotagem: save plot as > Spectral library > Select 
all itens > ok > Output Spectral library Î Minerais_treinamento.sli > ok 
¾ Spectral > Spectral Libraries > Spectral Library Resampling > Spectral 
Resampling input file > minerais_treinamento.sli > em spectral resampling 
parameters pressionar Pre-defined filter function > Escolha o sensor que 
está trabalhando (ASTER ou LANDSAT) > Output filename Î dê um nome 
para o novo arquivo: minerais_treinamento_ASTER.sli ou 
minerais_treinamento_TM.sli > ok 
¾ Repetir a reamostragem da biblioteca de vegetação > Output filename Î 
vegetação_treinamento_ASTER (ou TM).sli 
 Figura 21 
 
 Figura 22 Figura 23 
_______________________________________________________________________________ 
DISERE 
22
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
¾ Visualizar as bibliotecas mineral e vegetal produzidas. Arrastar a curva da 
vegetação para a janela dos minerais. Para melhor visualização no menu 
options da janela de plotagem > stack plots (figura 23). Observar as feições 
de absorção e reflexão dos diferentes materiais, montando tabelas como os 
exemplos abaixo, tentando evidenciar as feições de absorção e reflexão mais 
importantes. 
Banda ASTER Absorção Reflexão 
1 caolinita 
2 vegetação gibsita 
3 vegetação, gibsita 
4 caolinita, montmorillonita 
5 caolinita montmorillonita 
6 caolinita, montmorillonita 
7 gibsita caolinita, montmorillonita 
8 gibsita 
9 caolinita, montmorillonita gibsita 
 
mineral absorção – banda ASTER reflexão – banda ASTER 
caolinita 1, 5, 6, 9 4, 7, 
gibsita 7 2, 3, 8 
montmorillonita 6, 9 4, 5, 7 
vegetação 1, 2 3 
 
Banda TM5 
ou 7 
Absorção Reflexão 
1 vegetação, caolinita, montmorillonita, 
gibsita 
 
2 vegetação 
3 vegetação gibsita 
4 vegetação, caolinita, gibsita, 
montmorilonita 
5 caolinita, montmorillonita 
7 caolinita, montmorillonita, gibsita 
 
mineral absorção – banda TM5 ou 7 reflexão – banda TM5 ou 7 
caolinita 1, 7 4, 5 
gibsita 1, 7 3, 4 
montmorillonita 1, 7 4, 5 
vegetação 1, 3 2, 4 
 
14. Razão de bandas 
Mais utilizada das operações aritméticas. Para sua aplicação é absolutamente 
necessária a correção atmosférica das bandas. É capaz de realçar intensamente as 
diferenças espectrais de um par de bandas. Elimina o efeito do sombreamento 
_______________________________________________________________________________ 
DISERE 
23
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
relativo à topografia e tem a vantagem de englobar em um triplete a informação de 
várias bandas. Tabelascomo as do item 13 são úteis na definição dos pares a 
serem divididos. As bandas de maior contraste no geral ficam no numerador. 
Algumas razões clássicas: 
TM4/TM1: realce da variação vegetal 
TM3/TM1: realce de materiais de óxidos de ferro. 
TM5/TM7: realce de hidroxilas. 
Observando as tabelas acima, e refletindo sobre a abundância dos minerais, 
escolher algumas razões entre bandas para realçar os materiais estudados. 
Sugestões ASTER: 
óxidos > 2/7 
vegetação > 3/2 
minerais hidratados > 4/6 
Sugestões LANDSAT: 
óxidos > 3/1 
vegetação > 4/2 
minerais hidratados > 5/7 
¾ Transform > band ratios> escolher os pares de bandas, quantos quiser > 
Output file Î escolher um nome para a imagem produzida 
(razoes_ASTER.img ou razoes_LANDSAT.img) (figura 24). 
¾ carregar as diferentes bandas produzidas em gray scale e depois composições 
coloridas de três das novas bandas. 
 Figura 24 
_______________________________________________________________________________ 
DISERE 
24
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
15. Transformações do tipo IHS 
Transformação de um triplete atribuído ao espaço RGB ao espaço IHS (Intensity-
intensidade, Hue-matiz, Saturation-saturação), alternativo a representação das 
cores. Segue-se a ampliação do contraste dos canais produzidos e retorno ao 
espaço RGB. 
¾ Color transforms > RGB to HSV > escolher as bandas que vão ser 
transformadas (triplete escolhido no item 12 – figura 25), ou, de preferência, 
carregue o triplete escolhido, com ampliação de contraste, no display e escolha 
display para a transformação > Output file Î escolher um nome para a imagem 
produzida (por ex. AST_413_RGB_HSV.img) 
¾ Calcular a estatística da nova imagem. 
¾ Carregar as bandas, individualmente, avaliar os histogramas de cada uma, notar 
o intervalo possível de valores (0-360 para o canal H, 0-1 para o canal S, 0-1 
para o canal V), fazer uma ampliação de contraste (gaussiana neste caso tem 
dado melhores resultados) cortando dos extremos dos histogramas os valores 
pouco representativos, mas preservar este intervalo. 
¾ Basic tools > stretch data > escolher a imagem HSV > spectral subset > 
escolher um canal de cada vez (figura 26) > fazer o stretch segundo os valores 
escolhidos com base nos histogramas de cada canal (figuras 27, 28 e 29): > 
Output file ÎAST_413_H.img 
 AST_413_S.img 
 AST_413_V.img
 Figura 25 
_______________________________________________________________________________ 
DISERE 
25
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
 Figura 26 
 
 Figura 27 
_______________________________________________________________________________ 
DISERE 
26
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
 
 Figura 28 
 
 Figura 29 
_______________________________________________________________________________ 
DISERE 
27
¾ Retorno ao espaço RGB: Color transforms > HSV to RGB > Atribuir aos 
canais HSV as bandas com ampliação de contraste (figura 30) > Output file Î 
AST_413_HSV_RGB.img > carregar a nova composição obtida e comparar com 
a original. 
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
¾ Repetir para o triplete LANDSAT escolhido (p. ex. 453). 
 Figura 30 
Observação: Fusão de imagens 
Uma aplicação importante da transformação IHS é na fusão de imagens. No geral atribui-se ao 
canal intensidade uma imagem de resolução espacial maior. Exemplos: 
- Combinação de bandas espectrais com banda pancromática. 
- Combinação de componentes de cor de um mapa com um modelo digital de terreno (MDT). 
- Integração de imagens aerogeofísicas com imagens de sensores remotos. 
16. Realce por decorrelação 
Visa o realce da distribuição de cores, através da eliminação da correlação entre 
bandas. 
Ela é aplicada a tripletes de bandas e segue os passos na Análise de Principais 
Componentes (ver item 19), até que as imagens produzidas tenham seu contraste 
ampliado. Estas são, em seguida, rotacionadas inversamente às PCs, produzindo 
uma composição colorida semelhante à original mas com intervalos de cor maiores, 
e portanto mais contrastadas. 
¾ Carregar o grupo de display gravado no item 12 (p. ex. AST413.grp). 
¾ Transform > Decorrelation Stretch > escolher o display onde está carregado o 
grupo > Output file Î AST_413_DS.img 
¾ Carregar a nova composição e ampliar o contraste. 
¾ Repetir para o triplete LANDSAT escolhido (p. ex. Landsat453.grp). 
_______________________________________________________________________________ 
DISERE 
28
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
 Figura 31 
17. Realce por saturação 
Semelhante à transformação IHS, produz na volta ao espaço RGB apenas uma 
ampliação de contraste do tipo gaussiana no canal da Saturação. 
¾ Carregar o grupo de display gravado no item 12 (p. ex. AST413.grp). 
¾ Transform > Saturation Stretch > escolher o display onde está carregado o 
grupo > Output file Î AST_413_SS.img 
¾ Carregar a nova composição e ampliar o contraste. 
¾ Repetir para o triplete LANDSAT escolhido (p. ex. Landsat453.grp). 
18. Contraste Fotográfico 
A partir das bandas do visível produz uma imagem semelhante a que seria vista 
pelo olho humano. É mais adequado aplicar o realce fotográfico em imagens 
LANDSAT que tem as bandas 1, 2 e 3 na região do visível do espectro 
eletromagnético, nos comprimentos de onda correspondentes ao azul, verde e 
vermelho. Estas serão as bandas utilizadas neste tipo de processamento. Caso 
queira empregá-lo em imagens ASTER utilize as bandas 1 e 2, atribuindo a 2 ao 
canal do vermelho e repetindo a banda 1 (do verde) nos canais G e B. Note que 
clicando com o botão da direita do mouse sobre o nome de uma imagem no 
Available bands list, existe a opção de carregar uma composição do tipo True Color. 
Mas para isso no cabeçalho da imagem deve ter a informação dos comprimentos de 
onda das bandas (ver item 7). 
¾ Carregar no display as bandas 1, 2 e 3 do LANDSAT na forma R=3, G=2, B=1 
¾ Transform > Photographic Stretch > escolher o display carregado acima > 
Output file Î TM_321_PS.img 
¾ Carregar a nova composição sem ampliar o contraste. 
_______________________________________________________________________________ 
DISERE 
29
19. Análise de Principais componentes (APC) 
Determina a extensão da correlação (redundância de informação) entre as n bandas 
de uma cena e remove esta correlação produzindo n bandas sem correlação. 
Baseia-se no cálculo estatístico de alguns parâmetros das imagens, tais como a 
variância, que representa a medida do contraste de cada banda espectral e a 
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
covariância entre cada par de bandas, que descreveo quanto duas bandas são 
correlacionadas entre si. Esta última pode ser expressa em termos de coeficiente de 
correlação. Características gerais do novo conjunto: a PC1 irá conter a informação 
que é comum a todas as bandas (concentra o albedo, por exemplo, e feições de luz 
e sombra, sendo bastante útil para interpretação estrutural), a PC2 irá conter a 
feição espectral mais significante do conjunto e assim sucessivamente, de forma 
que as últimas irão conter as feições espectrais menos significativas e ruídos. Deve 
ser procedida nas bandas originais, sem correção atmosférica. Estima-se que como 
o efeito atmosférico é variável de banda para banda, conforme a faixa do espectro 
em que se situa, este ficará restrito às últimas componentes principais. É um 
processamento bastante útil no tratamento de imagens de sensores hiperespectrais, 
que contém centenas de bandas. 
Como, no geral, a informação espectral contida num conjunto de bandas é bastante 
redundante, normalmente, no caso de sensores multiespectrais como o LANDSAT e 
ASTER, as 3 ou 4 primeiras componentes principais resumem mais de 90% de toda 
a informação contida na cena. Nas estatísticas da imagem calculadas na 
transformação por principais componentes, dois conjuntos de dimensões devem ser 
avaliadas, os auto-valores, que mostram o quanto cada nova banda produzida 
contém da informação total, e os auto-vetores, uma matriz que mostra a 
contribuição de cada banda original em cada componente produzida. Este valor que 
varia em termos absolutos entre 0 e 1 (zero para nenhuma contribuição e 1 para 
contribuição total) pode ser positivo ou negativo, caso a banda esteja representada 
de forma negativa, isto é, valores de NC baixos contribuem como altos e vice-versa. 
Uma desvantagem das novas bandas geradas na Análise de Principais 
Componentes é a perda da noção do que cada uma representa individualmente do 
ponto de vista espectral, isto é, qual a porção do espectro eletromagnético que está 
representando. 
Para entender o conceito de correlação entre bandas: 
¾ Carregar uma composição colorida da imagem original no display. No menu 
Tools da janela de imagem > 2D Scatter plots > Escolha duas a duas as 
bandas para serem plotadas num gráfico xy. Note como uma banda plota com 
relação a outra. Quanto maior a correlação entre elas mais o gráfico vai se 
aproximar de uma reta, isto é, dado um valor de DN de uma é possível prever 
qual será o valor ou intervalo de valores da outra. No geral a forma do gráfico 
será uma elipse. Quanto mais circular a forma da distribuição da nuvem de 
pontos, menor a correlação entre as bandas. 
¾ Depois de proceder com a Análise de Principais Componentes repita o mesmo 
procedimento para avaliar a correlação entre as novas bandas produzidas. 
Procedimento da Análise de Principais Componentes: 
¾ Transform > Forward PC rotation>Compute Statistics and Rotate> Input file 
(Landsat_estudo.img) > Output statistics filename (PC_TM.sta) > Calculate 
using: Covariance matrix ou Correlation Matrix (utilizar a matriz de correlação 
caso o intervalo dos dados varie muito entre as bandas de forma que uma 
normalização seja necessária) > Output filename Î PC_TM.img (Output data 
type: floating point) (figura 32). 
¾ Analisar os resultados estatísticos (autovalores, matriz de correlação, auto 
vetores) 
_______________________________________________________________________________ 
DISERE 
30
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
¾ Analisar os gráficos estatísticos 
¾ Carregar as bandas individualmente no display em escala de cinza. Observe 
como a quantidade de informação varia, diminuindo em direção às componentes 
mais altas. 
¾ Carregar diferentes composições coloridas RGB no display, e ampliar o 
contraste. Escolher um triplete adequado e salvar como grupo de display (save 
as display group no menu file da janela de imagem). 
¾ Repetir para a imagem do sensor ASTER gerando a imagem PC_AST.img. 
 Figura 32 
Alternativa à APC (geração de arquivos no formato byte): 
¾ Transform > Forward PC rotation > Compute Statistics and Rotate > Input 
file Î Landsat_estudo.img > Output statistics filename Î PC_TM_byte.sta 
> Calculate using: Covariance matrix > Output filename Î PC_TM_byte.img 
(Output data type: byte). 
¾ Carregar as PCs no display e observar os histogramas destas bandas, 
verificando-se que neste tipo de resultado uma ampliação de contraste com 
normalização já é produzida automaticamente. O produto gerado é distinto do 
anterior com maior realce entre as diferenças espectrais entre os alvos. Caso 
goste do resultado grave também um grupo de display. 
¾ Repetir para a imagem do sensor ASTER gerando a imagem 
PC_AST_byte.img. 
_______________________________________________________________________________ 
DISERE 
31
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
20. Geração de imagem ASTER semelhante à pancromática LANDSAT, de 
resolução espacial de 15 m 
Neste procedimento serão utilizadas duas técnicas combinadas para se produzir 
uma imagem ASTER de alta resolução espacial com apenas uma banda. Esta 
banda será utilizada mais adiante para refinamento de composições coloridas e nas 
filtragens. 
¾ Carregar a imagem ASTER com 3 bandas do VNIR na sua resolução original (15 
m) Aster_VNIR_estudo.img. 
¾ Processar uma APC de suas bandas: Transform > Forward PC rotation > 
Compute Statistics and Rotate > Input file (Aster_VNIR_estudo.img) > Output 
statistics filename (PC_AST_VNIR.sta) > Calculate using: Covariance 
matrix > Output filename Î PC_AST_VNIR.img (Output data type: floating 
point) 
¾ Somar as duas primeiras componentes geradas: Basic tools > Band maths > 
na caixa de diálogo Band Math prencher Enter an Expression como na figura 
33 > Pressionar o botão Add to list > OK > definir as bandas a serem somadas 
> Output filename Î AST_VNIR_PC1_mais_PC2.img (figura 34). 
¾ Ampliar o contraste da imagem produzida: Na janela de imagem, menu 
Enhance > Interactive Stretching > Na caixa de diálogo do Interactive 
Stretching Menu: Histogram_Source > band > cortar 1% em cada extremo do 
histograma (figura 35) > Menu Stretch_Type > Gaussian > Na janela da 
imagem Menu File > Save image as > Image File > Preecher a caixa de diálogo 
conforme a figura 36 > Output filename Î 
AST_VNIR_PC1_mais_PC2_agc.img. 
¾ Para visualizar a diferença na resolução espacial desta imagem com as demais, 
trabalhadas anteriormente, carregue em displays diferentes esta e alguma 
banda, como por exemplo a PC1da imagem PC_AST.img. Faça um link de 
displays: na janela de imagem menu Tools > Link > Geographic Link (pois as 
dimensões das imagens a serem ligadas são diferentes) > escolher os displays a 
serem ligados pressionando –se os botões on/off e posicionando-se em On para 
cada banda a ser ligada (figura 37). 
_______________________________________________________________________________ 
DISERE 
32
 Figura 33 
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
 Figura 34 
 Figura 35 
_______________________________________________________________________________ 
DISERE 
33
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
 Figura 36Figura 37 
_______________________________________________________________________________ 
DISERE 
34
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
III. REALCES NO DOMÍNIO ESPACIAL 
21. Filtros 
Filtros podem ser entendidos como janelas móveis de matrizes quadradas de 
dimensões variáveis que caminham sobre a imagem original, a passos de um pixel 
na direção das linhas (até o final de cada uma) e colunas, modificando-a, pois a 
cada passo, conforme a operação feita no seu interior (média, mediana, etc), 
modificam o pixel central da janela correspondente na imagem original (figura 38). 
0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 00 0 00 0 00 0
0 00 00 0 00 0 00 0
0
x1 x2 x3
x4 x5 x6
x7 x8 x9
Imagem de entrada Imagem de saída
A B
M
Janela ou máscara
Crósta 1992
 Figura 38 
São três os principais tipos de filtro: 
Filtros de passa-baixa ou suavização- eliminam as altas freqüências da imagem, 
muitas vezes relacionadas a ruídos ou falhas na imagem, são muito usados na 
suavização de modelos digitais de terreno construídos a partir de dados vetoriais. 
Exemplos de filtros de suavização: filtros de média, de média ponderada, de moda, de 
mediana. 
Filtros de passa-alta ou realce de bordas – eliminam as feições de baixa freqüência, 
realçam as diferenças bruscas entre alvos. (Exemplo de filtros de realce de bordas: 
filtro laplaciano, filtro de Sobel, filtro de Roberts). 
Filtros direcionais – são filtros de passa-alta que realçam direções pré-determinadas. 
21.1. Filtragens de suavização 
¾ Filter > convolutions and morphology > convolutions > escolha um de cada 
vez os filtros de passa baixa (Low Pass, Gaussian Low Pass, Median) > aceite 
as configurações default de tamanho do Kernel (janela) e porcentagem de 
contribuição da imagem original (image add back) > quick apply > escolher a 
imagem b8_Landsat_estudo_ca.img para aplicação > observar o resultado 
fazendo link entre displays da imagem original e da filtrada. 
_______________________________________________________________________________ 
DISERE 
35
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
¾ Variar o tamanho da janela do filtro (Kernel Size:- 5X5, 7X7, etc) > quick apply 
> observar os resultados e notar a diferença entre eles. 
¾ Variar a porcentagem de contribuição da imagem filtrada (image add back). 
Esta opção pode ser muito útil, por exemplo para aumento na definição da 
imagem usando-se um filtro de passa alta, no geral Laplaciano adicionado de 
uma porcentagem entre 80 e 90% da imagem original. 
¾ Para mudar a banda atribuída ao quick apply > Na caixa de diálogo 
Convolution and Morphology > Menu Options > Change Quick-Apply Input 
Band. 
21.2. Filtragens de realce de bordas 
¾ Filter > convolutions and morphology > convolutions > escolha um de cada 
vez os filtros de passa alta (High Pass, Laplacian, Gaussian high Pass, 
Sobel, Roberts) > aceite as configurações default de tamanho do Kernel 
(janela) e porcentagem de contribuição da imagem original (image add back) > 
quick apply > escolher a imagem b8_Landsat_estudo_ca.img para aplicação > 
observar o resultado fazendo link entre displays da imagem original e da filtrada. 
¾ Aplicar novamente o filtro Laplaciano com 90% de contribuição da imagem 
original. 
¾ Comparar os resultados. 
21.3. Filtragens direcionais 
¾ Filter > convolutions and morphology > convolutions > directional > 
Escolher o ângulo do filtro que, no caso de realce de direções NE/SW e NW/SE, 
deve ser perpendicular à direção que vai ser realçada. Já no caso das direções 
NS e EW, ou muito próximas a elas, a direção do filtro é paralela à direção da 
estrutura a ser realçada > Quick Apply > Escolher a banda a ser filtrada > 
b8_Landsat_estudo_ca.img. 
22. Incremento na resolução dos produtos coloridos através da fusão com 
bandas de maior resolução 
22.1. Escolha da composição colorida e sua filtragem através de filtro 
laplaciano, com adição de 90 % da banda original, para aumento da 
definição da imagem 
¾ Escolher um triplete (p. ex. R=PC1, B= PC2, B= PC3 da imagem PC_Aster.img). 
¾ Aplicar um filtro laplaciano com 90% de contribuição da imagem original: Filter > 
convolutions and morphology > convolutions > Laplacian > Image Add 
back (0-100%) > 90 (figura 39) > Apply to file > PC_Aster.img > Spectral 
Subset > Escolher apenas as bandas 1, 2 e 3 (figura 40) > ok > Output 
filename Î PC_ASTER_LP_90.img. 
¾ Carregar o triplete no display e dar um contraste adequado. 
¾ Gravar como novo arquivo de imagem: Na janela de imagem Menu File > Save 
Image as > Image File > PC_ASTER_LP_90_agc.img (este nome foi escolhido 
pois foi aplicada ampliação gaussiana de contraste ao triplete). Alternativamente 
não grave a imagem mas deixe-a carregada no display para a aplicação da 
fusão. 
_______________________________________________________________________________ 
DISERE 
36
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
 Figura 39 
 Figura 40 
22.2. Fusão de imagens 
¾ Transform > Image Sharpening > HSV > Em select input RGB escolher a 
imagem gravada no item anterior ou o display em que está carregada > Em high 
resolution input file escolha AST_VNIR_PC1_mais_PC2_agc.img > Output 
filename Î AST_AR.img 
¾ Repita com um triplete qualquer escolhido das imagens LANDSAT, utilizando-se 
a imagem b8_Landsat_estudo_ca.img como imagem de alta resolução > Output 
filename Î LANDSAT_AR.img. 
_______________________________________________________________________________ 
DISERE 
37
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
23. Modelagem Topográfica – Sombreamento de relevo 
Para se produzir uma sensação de sombreamento de relevo, a partir de um Modelo 
Digital de Terreno, simula-se uma iluminação artificial, o que nada mais é do que a 
aplicação de um filtro digital. Este filtro vai ter sua configuração conforme a 
definição, pelo usuário, dos ângulos de elevação e azimute da iluminação artificial. 
¾ Topographic > Topographic Modelling > na caixa de diálogo topo model > 
Input File > DEM_estudo.img > ok > Na caixa de parâmetros Topo Model 
Parameters selecionar Shaded Relief (existem várias opções de modelagem 
topográfica que podem também ser utilizadas, tais como declividade, aspecto e 
parâmetros de convexidade do relevo) > manter o Topographic Kernel Size em 
3 (experimente depois as outras opções de tamanho da janela de filtragem, note 
que kernel maior funciona como um filtro de suavização) > Para escolha da 
elevação da iluminação lembre-se que quanto mais baixo o valor mais 
sombreamento e para a escolha do azimute estime um ângulo perpendicular à 
estruturação regional, ou perpendicular a alguma direção estrutural que queira 
investigar (no exemplo – figura 41 - foi utilizada uma elevação de 45o e azimute 
de 315o) > ok > Output filename Îrel_somb_45_315.img. 
 Figura 41 
¾ Repita o procedimento com a imagem DEM_alternativo.img 
_______________________________________________________________________________ 
DISERE 
38
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
24. Visualização 3D 
 
¾ Carregar no diplay uma boa composição colorida > Por exemplo a composição 
colorida RGB da imagem Aster_alternativo_423.img > na janela deimagem 
Menu tools > 3D SurfaceView > Em associated DEM file escolher 
DEM_alternativo.img > ok > Preencha a caixa de parâmetros como abaixo > 
ok > Quando a imagem for carregada experimentar as ferramentas e opções de 
visualização e movimentação constantes no menu Options > Surface Controls, 
Motion Controls, etc (figura 42). 
 
 Figura 42 
_______________________________________________________________________________ 
DISERE 
39
Divisão de Sensoriamento Remoto 
 
Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico 
25. Algumas sugestões de referências bibliográficas para consulta 
CRÓSTA, P. 1992. Processamento digital de imagens de sensoriamento remoto. 
IG/UNICAMP. 170 p. 
INPE, on line. Introdução ao sensoriamento Remoto. INPE. 
http://www.dpi.inpe.br/spring/teoria/index.html 
MATHER, P.M. 1994. Computer processing of remotely-sensed images. An 
Introduction. John Wiley & Sons, London, 352 p. 
MOREIRA, M.A. 2003. Fundamentos do Sensoriamento Remoto e metodologias de 
aplicações. UFV, 307 p. 
PARADELLA, W.R. 1990. Introdução ao processamento digital de imagens de 
sensores remotos aplicado a geologia. INPE Publicação 5023-RPE/616. 45 p. 
Research Systems International. 2003. ENVI - The environment for Visualizing 
Images. User´s Guide, 1084 p. Disponível na forma digital. 
SABINS, F. 1987. Remote sensing: Principles and interpretation. W.H. Freeman & 
Co. New York, 449 p. 
 
 
_______________________________________________________________________________ 
DISERE 
40
Divisão de Sensoriamento Remoto 
	ÍNDICE
	I. PRÉ - PROCESSAMENTO E VISUALIZAÇÃO DE IMAGENS 1
	Fechar as bandas que não serão mais utilizadas 3
	Mosaico de imagens 3
	Recorte da imagem na área de interesse 6
	Edição do cabeçalho da imagem 7
	Estatísticas da imagem: Histogramas 8
	8.1. Histogramas Gráficos 9
	8.2 Histogramas Textuais 9
	Correção Atmosférica 11
	9.1. Com base em corpos d’água ou sombras absolutas 12
	9.2. Método da quebra do histograma 15
	9.3. Aplicação da correção atmosférica 16
	Preparação da banda pancromática do LANDSAT com
	resolução de 14,25 m 18
	Ampliações de contraste 19
	Composições coloridas 20
	Bibliotecas Espectrais 21
	13.1. Visualização de bibliotecas espectrais 21
	13.2. Reamostragem de bibliotecas espectrais 21
	Razão de bandas 23
	Transformações do tipo IHS 25
	Realce por decorrelação 28
	Realce por saturação 29
	Contraste Fotográfico 29
	Análise de Principais Componentes (APC) 29
	Geração de imagem ASTER semelhante à
	pancromática LANDSAT, de resolução espacial de 15 m 32
	III. REALCES NO DOMÍNIO ESPACIAL 35
	Filtros 35
	21.1. Filtragens de suavização 35
	21.2. Filtragens de realce de bordas 36
	21.3. Filtragens direcionais 36
	Incremento na resolução dos produtos coloridos
	através da fusão com bandas de maior resolução 36
	22.1. Escolha da composição colorida e sua filtragem
	através de filtro laplaciano, com adição de 90 %
	da banda original, para aumento da definição da imagem 36
	22.2. Fusão de imagens 37
	Modelagem Topográfica – Sombreamento de relevo 38
	Visualização 3D 39
	Algumas sugestões de referências bibliográficas para consult
	I. PRÉ - PROCESSAMENTO E VISUALIZAÇÃO DE IMAGENS
	Abrir imagens
	Visualizar as imagens
	Fechar as bandas que não serão mais utilizadas
	Mosaico de imagens
	Recorte da imagem na área de interesse
	Edição do cabeçalho da imagem
	Estatísticas da imagem: Histogramas
	Histogramas Gráficos
	Histogramas textuais
	Correção Atmosférica
	Com base em corpos d’água ou sombras absolutas (levando-se e
	Método da quebra do histograma
	Aplicação da correção atmosférica
	Calcular a estatística do novo conjunto e carregar as bandas
	Repita o procedimento para a imagem ASTER (Aster_estudo.img)
	Preparação da banda pancromática do LANDSAT com resolução de
	Esta banda será utilizada mais adiante para refinamento de c
	Ampliações de contraste
	Composições coloridas
	Bibliotecas Espectrais
	Visualização de bibliotecas espectrais
	Reamostragem de bibliotecas espectrais
	Razão de bandas
	Sugestões ASTER:
	óxidos > 2/7
	vegetação > 3/2
	minerais hidratados > 4/6
	óxidos > 3/1
	vegetação > 4/2
	minerais hidratados > 5/7
	Transformações do tipo IHS
	Transformação de um triplete atribuído ao espaço RGB ao espa
	Realce por decorrelação
	Figura 31
	Realce por saturação
	Semelhante à transformação IHS, produz na volta ao espaço RG
	Contraste Fotográfico
	A partir das bandas do visível produz uma imagem semelhante 
	Análise de Principais componentes (APC)
	Figura 32
	Alternativa à APC (geração de arquivos no formato byte):
	Geração de imagem ASTER semelhante à pancromática LANDSAT, d
	Filtros
	Filtragens de suavização
	Filtragens de realce de bordas
	Filtragens direcionais
	Incremento na resolução dos produtos coloridos através da fu
	Escolha da composição colorida e sua filtragem através de fi
	Fusão de imagens
	Modelagem Topográfica – Sombreamento de relevo
	Visualização 3D
	Algumas sugestões de referências bibliográficas para consult