Baixe o app para aproveitar ainda mais
Prévia do material em texto
DECIFRANDO GEOTECNOLOGIAS Núcleo de Estudos de Hidrogeológico e do Meio Ambiente (NEHMA) Instituto de Geociências Universidade Federal da Bahia 1 ESPAÇO DE CORES Objetivo: Demonstrar a importância do espaço de cores para trabalhar com dados matriciais no software SPRING. Palavras-Chaves: Visualização, monocromática, RGB André Carvalho dos Reis; Danilo Heitor Caires Tinoco Bisneto Melo As cores só existem se três componentes estiverem presentes: observador, um objeto e luz. A percepção da luz branca é o resultado da combinação particular de toda as cores da radiação eletromagnética na faixa do visível. Por outro lado, a ausência das cores da faixa do visível, tem-se a percepção da cor preta, portanto, remete a percepção da cor. De acordo com Gonzalez e Woods (1992), o uso de cores no processamento digital de imagens se faz pelo seguinte fato do sistema visual humano discernir uma quantidade maior de tons e intensidade de cores quando comparado com uma imagem em tons de cinza. O objetivo deste relatório técnico é demonstrar como o Sistema de Informação Geográfica realiza a visualização de dados matriciais no espaço de cores. Para isto, foi adquirida uma imagem do satélite Landsat 8 (Landsat Data Continuity Mission – LCDM), de órbita 218 e ponto 067 (acordo com o WRS, versão 2), obtidas da base de dados da USGS (2015) e importadas no Projeto Remanso no SPRING, versão 5.5.3. Contudo, antes de realizar esta tarefa, importante relembrar alguns conceitos sobre espaço de cores. ESPAÇO DE CORES Feitosa-Santana et al (2006) relatam a existência de diversas definições sobre este tema, mas concluem que a expressão “espaço de cores” reporta a três situações: “representação gráfica das relações entre as cores, nos espaços de cores obtidos por experimentos fisiológicos e percepção por métodos psicofísicos”. Neste mesmo artigo, Feitosa-Santana et al (2006) cientificam uma retrospectiva das descobertas do homem na compreensão das cores e que contribuíram para a consolidação dos conceitos básicos na sua visualização e representação. Com destaque para a teoria tricromática de Young- DECIFRANDO GEOTECNOLOGIAS Núcleo de Estudos de Hidrogeológico e do Meio Ambiente (NEHMA) Instituto de Geociências Universidade Federal da Bahia 2 Helmholtz (1850), os sistemas de Cores proposta por Munsell (1905) e a cromaticidade proposta pela Comission Internationale de l’Eclairage (1931). Por conseguinte, Burger e Burge (2009), Crosta (1993), Meneses (2012) reportam a importância em compreender como ocorre a percepção da cor no Sistema Visual Humano (SVH), a qual sente a radiação eletromagnética na faixa do visível usando uma combinação da informação advinda de células chamadas de cones e bastonetes. Os bastonetes são mais adaptados a situações de pouca luz, detectando a intensidade da luz; os cones, por outro lado, funcionam melhor com intensidades maiores de luz e são capazes de discernir as cores, existindo três tipos e cada um especializado num comprimento de luz: curtos (C), médios (M) ou longos (L), como ilustrado na Figura 01. Isso caracteriza o processo de discriminação de cor do olho, chamado de tricromacidade. Figura 01: Sensibilidade relativa dos cones ao espectro da Luz. Adaptada: CVRL (2018) Assim, a sensação da cor ocorre em três comprimentos de onda da radiação eletromagnética, a saber: azul, verde e vermelho (comumente conhecido pelo acrônimo, em inglês, RGB – red, green, blue). O MODELO DE COR RGB Este modelo baseia-se num sistema de coordenadas cartesianas, com três vértices vermelho (r), verde (g) e azul (b). Os subespaços de cores de interesse formam um cubo, possibilitando representar quantitativamente qualquer cor com um grupo de três números ou coeficientes, como demostrado no Figura 02. Os três coeficientes vão definir o quanto de cada cor será necessária para produzir qualquer tonalidade. Matematicamente, uma cor qualquer C é dada por: 𝐶 = 𝑟 ∗ 𝑅 + 𝑔 ∗ 𝐺 + 𝑏 ∗ 𝐵; Onde R, G e B são as três cores primárias r, g e b são os coeficientes de mistura, que no caso das imagens digitais é dada pelo valor do nível de cinza do pixel. Portanto, DECIFRANDO GEOTECNOLOGIAS Núcleo de Estudos de Hidrogeológico e do Meio Ambiente (NEHMA) Instituto de Geociências Universidade Federal da Bahia 3 variando-se a intensidade, uma enorme variedade de cores pode ser produzida pela adição de vermelho, verde e azul. Por isto, elas são chamadas de cores primárias aditivas. A cor C pode ser plotada no espaço de cores RGB usando-se os coeficientes de mistura (r, g, b) como coordenadas. Figura 2: Cubo de cores RGB. A Figura 02 mostra que os vértices do cubo representam as cores RGB, com intensidade variando de 0 a 255. As extremidades dos vértices tem-se a cor pura, com valor de 255; no outro extremo, que será o ponto de origem, corresponde a ausência das cores, tendo a percepção da cor preta (0). Cada lado do cubo é formado por duas cores, possibilitando efetuar todas as misturas possíveis de cores. O encontro dos valores máximo de dois vértices, tem-se uma cor subtrativa: ciano (B + G), magenta (B + R) e amarela (G + R). O encontro da intensidade máxima dos vértices tem-se a percepção da cor branca. A tonalidades das cores variam conforme a intensidade da cor. Pode-se traçar uma diagonal entre a cor preta e a branca, obtem-se diferentes tons de cinza, denominada de eixo acromático, onde os valores r, g e b são proporcionalmente iguais. A imagem formada a partir deste eixo acromático é denominada de monocromática. A introdução de uma representação matemática no processo de especificação de cor gera muitos benefícios, pois possibilita quantificar as sensações visuais das cores. Assim, o modelo de cores RGB foi implementado em dispositivos eletrônicos como monitores de TV e computador, projetores, scanners e câmeras digitais, assim como na fotografia tradicional. DECIFRANDO GEOTECNOLOGIAS Núcleo de Estudos de Hidrogeológico e do Meio Ambiente (NEHMA) Instituto de Geociências Universidade Federal da Bahia 4 VISUALIZAÇÃO DE IMAGEM NO SPRING As imagens de sensoriamento remoto multiespectrais são compostas por inúmeras bandas (também denominada de faixa ou canal), onde cada uma registra um determinado comprimento de onda da radiação eletromagnética. No caso da imagem do Landsat 8 há um total de 11 bandas espectrais, sendo 9 bandas do sensor Operational Land Imager – OLI (1 banda pancromática e 8 multiespectrais) e 2 bandas do sensor Thermal InfraRed Sensor – TIRS. No SPRING cada banda espectral pode ser importada para um Plano de Informação (PI) o que possibilita efetuar inúmeras combinações de bandas, desde que tenham a mesma resolução espacial. Existem duas formas de visualização da imagem, monocromático e no espaço de cores R G B. No modo monocromático, visualiza-se os tons de cinza de banda selecionada e a variação das tonalidades está em conformidade com as informações espectrais dos alvos e produção da imagem. Para isto basta selecionar no Painel de Controle, o Plano de Informação (PI) desejado e escolher no modo de exibição, a visualização monocromática (M), como apresentado na Figura 3. Figura 03: Visualização do PI no modo monocromático (PI). A visualização no espaço de cores funciona com a combinação de três bandas distintas (triplete), sendo colocada num filtro, ou plano de cor, vermelho (R), azul (B) e verde (G). Desta forma, a banda colocada no filtro vermelho terá seus níveis de cinza convertidos em níveis de vermelho, o mesmo ocorre com as bandas colocadas no verde e azul. A combinação destas bandas resulta numaimagem colorida, como apresentada na Figura 4. DECIFRANDO GEOTECNOLOGIAS Núcleo de Estudos de Hidrogeológico e do Meio Ambiente (NEHMA) Instituto de Geociências Universidade Federal da Bahia 5 A composição das cores de conjuntos de três bandas (tripletes) constituem-se numa poderosa forma de sintetizar, numa única imagem, uma grande quantidade de informação, ao mesmo tempo em que representam essa informação em diferentes cores, facilitando sua interpretação. As composições coloridas são por isso um dos produtos mais comuns do processamento digital de imagens de sensoriamento remoto (IBGE, 2001). REFERÊNCIAS BURGER, W.; BURGE, M. J. Principles of digital image processing: core algorithms. London: Springer- Verlag, 2009. CROSTA, A. P. Processamento digital de imagens de sensoriamento remoto. Campinas: Unicamp, 1993. DIVISÃO DE PROCESSAMENTO DIGITAL DE IMAGEM (DPI). Ajuda SPRING. São José dos Campos: INPE, 2018. FEITOSA-SANTANA, C. et al. Espaço de cores. Psicologia USP [online]. 2006, v.17, n.4, pp.35-62. Disponível em: <http://dx.doi.org/10.1590/S0103-65642006000400003>. Acesso em 29 de ago. 2018. GONZALEZ, R. C.; WOODS, R. E. Digital image processing. Boston: Addison-Wesley Publishing Company, 1992. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Introdução ao processamento digital de Imagens. Rio de Janeiro: IBGE, 2001. (Manuais técnicos em geociências, 9). Disponível em: <https://biblioteca.ibge.gov.br/visualizacao/livros/liv780.pdf> acesso em 15 out. 2019. UNITED STATE GEOLOGICAL SURVEY (USGS). Landsat 8. Reston: USGS, 2015. Disponível em: <http://earthexplorer.usgs.gov/>. Acesso em: 31 dez. 2015.
Compartilhar