EXTRAÇÃO DE BORDAS EM IMAGEM DE ALTA RESOLUÇÃO UTILIZANDO

TÉCNICAS DE PROCESSAMENTO DE IMAGEM

Thaisa Manoela Silva França 1, Ana Lúcia Bezerra Candeias

2

1Acadêmico em Engenharia Cartográfica e Agrimensura, UFPE, Recife-PE thaisamanoela.pe01@gmail.com

2Engª Eletrônica, Professora do Depto. DECart, UFPE, Recife-PE,

alcandeias@yahoo.com.br

RESUMO: A partir da vetorização de ortofotos transfere-se as informações visíveis dos

modelos estereoscópios para o mapa de traços ou vetor, em geral, usa-se o instrumento chamado

de restituidor no qual manualmente, delineia-se feições segundo superposição da marca

flutuantes, logo a qualidade da restituição está atrelada a subjetividade do operador, no entanto,

a partir do processamento de imagem podemos identificar feições, utilizando a binarização das

fotografias, e geração de seu contorno de forma automática. Para isso, é necessário o estudo do

histograma da imagem e, desta forma, obtém-se o limiar para a binarização. A imagem de alta

resolução ortorretificada (ortofoto) é, então, simplificada em duas classes. A partir daí, delimita-

se as bordas das feições por processamento de imagem. Aqui, compara-se os filtros de Sobel,

Roberts e o gradiente morfológico na extração de bordas dos alvos de interesse. No

geoprocessamento, a transformação dessas bordas que estão no formato raster em vetor é uma

etapa importante para análise com informações espaciais e não espaciais. Nesse trabalho

utiliza-se uma ortofoto com resolução espacial de 30 centímetros (0,3 metros), situada na

Cidade Universitária, região metropolitana do Recife, Pernambuco. A componente S

(saturação) da transformação IHS é usada como imagem base na extração das feições de

interesse.

PALAVRA CHAVE: binarização, vetorização, Ortofoto.

INTRODUÇÃO: A subjetividade na vetorização das fotografias aéreas é um ponto que deve

ser melhorado. Dependendo do operador que desenvolve a vetorização a partir dos restituidores

que está sujeito a variáveis como: cansaço, conhecimento da área, etc., o resultado da extração

das feições pode sofrer alterações. Para diminuir essa subjetividade, tem-se as técnicas de

processamento de imagem como uma ponte importante na validação dos mecanismos que

otimize a restituição e a automatização vetorial.

O processamento digital de imagens, consiste em técnicas voltadas para a análise de dados

multidimensionais, adquiridos por diversos tipos de sensores, ou seja, é a manipulação de uma

imagem por computador de modo onde a entrada e a saída do processo são imagens (

www.dpi.inpe.br).

A partir do processamento de imagem pode-se identificar feições, de forma simplificada

utilizando a binarização das fotografias digitais, e a posteriori gera-se o contorno de forma

automática. Para isso, é necessário o estudo do histograma da imagem e, para obter o limiar para

a binarização da feição que se deseja.

A ortofoto é uma imagem retificada isenta de distorções devido à geometria e deslocamento do

relevo, possuem resolução espacial melhor que as imagens de satélites possibilitando um nível

de detalhamento importante na identificação dos objetos permitindo visualização com maior

nitidez, além de correlacionar a imagem (qualidade métrica) com o terreno. A imagem de alta

381

resolução (ortofoto) pode ser simplificada em duas classes, com base na definição de uma

Limiar no histograma. A partir daí, delimita-se as bordas das feições desejadas por

processamento de imagem.(Berberan et al, 2003)

Utilizando a foto ortorretificada desenvolve-se o modelo IHS do espaço de cores (Candeias et

al, 2016) que auxilia na extração das feições de interesse. A Figura 2 apresenta graficamente o

modelo IHS. Aqui deseja-se extrair estradas e utiliza-se a componente saturação (S) no

desenvolvimento da metodologia.

Figura 2 - Modelo IHS. Fonte: Gonzalez e Woods (2000).

Os filtros de Sobel e Roberts (GONZALEZ e WOODS, 2000) e o gradiente morfológico

(CANDEIAS et al, 2016; CANDEAIS et al 2015; ISHIKAWA, SILVA e NÓBREGA, 2010)

podem ser usados na extração de bordas dos alvos de interesse. No geoprocessamento, a

transformação dessas bordas que estão no formato raster em vetor pode auxiliar na análise de

informações espaciais e não espaciais.

Nesse trabalho utiliza-se uma ortofoto com resolução espacial de 30 centímetros (0,3 metros). A

Figura 1 apresenta a localização dessa área que fica situada na Cidade Universitária, região

metropolitana do Recife, Pernambuco.

Figura 1 – Localização da área, na Cidade Universitária, Recife-PE.

O objetivo de estudo é automatizar a vetorização para diminuir a subjetividade e otimizar os

resultados, pois o procedimento de restituição é o mais oneroso e demorado, além de fazer

necessário definir rotinas para o operador manusear os restituidores para obter a melhor

qualidade possível no produto final (mapa vetorial), logo é de suma importância a

382

automatização, pois aumenta a precisão na identificação dos alvos utilizando métodos de

processamento de imagem.

MATERIAIS E MÉTODOS: Como materiais, utiliza-se uma ortofoto com resolução espacial

de 30 centímetros (0,3 metros), situada na região metropolitana do Recife, Cidade Universitária

– Pernambuco, e o software SPRING desenvolvido pelo Instituto Nacional de Pesquisas

Espaciais. Como método tem-se as etapas:

a) Importação da ortofoto para o SPRING

b) Transformação da imagem RGB em IHS

c) Utilizando a componente S, obtém-se o histograma, o limiar e a imagem binária

d) A partir do negativo da imagem binária obtém-se os resultados com os filtros de Sobel,

Roberts e o gradiente morfológico na extração de bordas dos alvos de interesse.

e) Compara-se com um perfil da imagem os resultados com a imagem original.

RESULTADOS: Utilizando as etapas descritas no item anterior tem-se a Figura 3 que

apresenta a imagem original, a imagem ‘S’ saturação e a respectiva imagem binária a partir do

limiar do histograma de ‘S’.

(a)

(b)

(c)

(d)

Figura 3 – Área utilizada. (a) ortofoto. (b) Componente da Saturação S. (c) Imagem binária. (d)

histograma de (b) limiar para obter (c).

383

O negativo da imagem binária (Figura 4(a)) mostra os alvos de interesse com o valor máximo.

Nessa imagem aplica-se as filtragens de Sobel, Roberts e gradiente morfológico (Figura

4(b),4(c) e 4(d))

(a)

(b)

(c)

(d)

Figura 4 – Extração das bordas. (a) Negativo da Imagem Binária. (b)Com filtro de Sobel.

(c)Com filtro de Roberts. (d) gradiente morfológico.

(a) (b) (c) (d) (e)

Figura 4 – Ampliação da Extração das bordas. (a) Componente S. (b) Negativo da Imagem

Binária. (c) Com filtro de Sobel. (d) Com filtro de Roberts. (e) gradiente morfológico.

384

CONSIDERAÇÕES FINAIS: Este trabalho apresentou etapas para obtenção de bordas de uma

imagem de alta resolução (ortofoto) usando a componente S da transformação IHS. Deseja-se

com isso automatizar a extração de feições sem a subjetividade humana. Tem-se que a imagem

negativa binária gera uma simplificação da imagem original. Mas devido aos ruídos ainda

presentes, a extração de bordas fica prejudicada em todos os métodos observados. É necessário

um pre-processamento na imagem binária para que os contornos gerados fiquem melhor

definidos. O gradiente morfológico é o que apresentou menor ruído.

AGRADECIMENTOS: Ao Projeto aprovado pelo CNPq da 2ª autora, processo: 311120/2014-

8, Chamada: PQ 2014, e intitulado “EXTRAÇÃO DE FEIÇÕES EM IMAGENS DE

SENSORIAMENTO REMOTO UTILIZANDO MORFOLOGIA MATEMÁTICA”

REFERENCIAS:

CANDEIAS, ANA LÚCIA BEZERRA; NASCIMENTO, P. H. O.; TAVARES JUNIOR, J. R.;

SILVA, E. A. Edges Extraction with Mathematical Morphology Tools and Canny Filter: A

Comparison. American Journal of Computer Science and Engineering Survey.v. 3, p. 062-

070, 2015.

CANDEIAS, A. L. B.; TAVARES JUNIOR, J. R.; NASCIMENTO, P. H. O.; MOURA, C. J.

M.; SILVA, E. A. Morfologia Matemática na Extração de Bordas de uma Imagem Ikonos-2

RGB Fusionada. Revista Brasileira de Geomática. v. 4, p. 26-35, 2016.

GONZALEZ, R. F.; WOODS, R. E. Processamento de Imagens digitais. São Paulo: Edgard

Blücher, 2000.

ISHIKAWA, A. S.; SILVA, E. A.; NÓBREGA, R. A. A. Extração de Rodovias em Imagens

Digitais de Alta Resolução com O Uso da Teoria de Morfologia Matemática. Revista

Brasileira de Cartografia. Nº 63/01, 2010. (ISSN 0560-4613)

385