Espaço de cores

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.