3. ESPAÇOS DE CORES -...

II Simpósio Brasileiro de Geomática Presidente Prudente - SP, 24-27 de julho de 2007

V Colóquio Brasileiro de Ciências Geodésicas

D.C Silva; Zhang, Y

2001; Silva & Dalmolin, 2002) e sugerem alternativas como mosaico de fotografias com eliminação das manchas de nuvens e sombras ou vôos abaixo das nuvens (Silva, 2006). Para a redução de sombras de prédios com processamento de imagens um dos poucos trabalhos é o de Li et. al. (2004c) que usa um método de equalização de histogramas da área sombreada com a vizinhança e modelos da sombra em função da forma dos prédios. Li et. al. (2004b) compara a recuperação geral de imagens degradadas pelo efeito de vinheta com vários métodos. Por outro lado alguns processamentos de imagens digitais já estão sendo usados pela indústria e computação gráficas em imagens com alto intervalo dinâmico (High Dinamic Range) de intensidade de luminância, com a finalidade de reproduzir, em monitores ou impressoras, todos os detalhes de áreas sombreadas e pontos luminosos (Reinhard et al , 2002; Ashikmin, 2002). Esses algoritmos podem ser usados em fotogrametria. Este artigo discute inicialmente o registro de informações em áreas escuras e claras em imagens digitais com alto intervalo dinâmico e um espaço de cor adequado para processamento. Em seguida discute e testa alguns métodos disponíveis e outros em desenvolvimento usados para redução de sombras em imagens digitais. Finalmente discute os problemas específicos da fotogrametria que necessita de métodos automáticos para o processamento de lotes de fotografias. 2. INTERVALO DINÂMICO ALTO Em termos de percepção das cores as definições adotadas para matiz, saturação e luminância são: matiz é a tonalidade cromática e pode ser representada pela onda de cor; saturação define a diluição da cor com a luz branca; e luminância representa a intensidade luminosa e pode corresponder à tonalidade de cinza se a cor for reproduzida em P&B. Os intervalos de contraste entre o mais escuro e o mais claro, normalmente considerados em fotogrametria são: o alto, com variação de 1000:1; o médio, com 8:1, para testes com figuras com 0,9 de densidade mais alta que a densidade do fundo; e o baixo, com 1,6:1. O alto é usado apenas para medições em laboratório com figuras impressos formados por faixas ou círculos pretos sobre fundo branco e que corresponde a densidade 3.0. O baixo é considerado como as condições prevalecentes nas fotografias aéreas de grande altitude e para a grande maioria das paisagens e é testado com densidade 0,2 mais alta que o fundo (McGlone, 2004). Análises em imagens digitais considerando a capacidade do olho humano para perceber a menor diferença entre dois níveis de cinza mostram que 64 níveis são necessários para uma escala do branco ao preto, portanto a quantização com 8 bits (256 níveis) ou com 24 bits (8 bits por cor, 16 777 216 cores ) é suficiente para um bom registro das imagens em situações normais. Mas as câmaras digitais fotogramétricas e satélites de alta resolução como o QuickBird já estão com 12 ou mais bits por canal de cor. Essa tendência de aumentar a quantização é seguida pela indústria e computação

gráficas que fazem análise diferente da fotogrametria e mostram que em muitas situações uma cena real fotografadas o padrão com 8 bits não é suficiente para preservar todos os detalhes, seja na tomada ou depois na impressão (Drago et al, 2003). O intervalo de luminância que ocorre no mundo real é vasto: cobre aproximadamente 10 ordens de intervalos absolutos, do céu totalmente escuro até à neve sob o sol; e de 4 ordens da sombra até os pontos mais luminosos numa cena simples. Enquanto isto o intervalo que pode ser reproduzido em impressoras ou telas de computadores é apenas de duas ordens (Reinhard et. al., 2002). Os fotógrafos profissionais já usam correntemente câmeras digitais de alta qualidade com 12 bits e programas que processam essas imagens, como o Picture Window Pro (Sinkel, 2006) e outros. As imagens são obtidas em formato RAW que são arquivos em que o valor do pixel é proporcional à intensidade da luz, enquanto os arquivos JPG ou TIF com 24 bits já foram processados segundo uma curva que é adequada para os monitores : Luminância do Pixel = (Nível pixel original) gama (1 )

Em que normalmente gama= 2,2 Uma discussão sob ponto de vista prático é apresentada por Koren (2006) que compara a quantidade de níveis de cinza de imagens com 10, 12, 14 e 16bits, concluindo que imagens com 8 bits podem ser suficientes para cenas normais e exposição corretas, mas com mais bits se tem grande garantia de visibilidade nas áreas com sombras. A comparação é faz uma correspondência entre os níveis de cinza, agrupados em zonas de 1 a 11 com o equivalente à ordem dos f-stop usados para indicar abertura da câmera. A equivalência seria para os números: (1; 1,4; 2; 2,8; 4; 5,6; 8; 11; 16; 22; 32). Uma alteração de exposição de uma zona, ou o equivante f-stop, envolve duplicar ou dividir o nível do pixel. Portanto a metade dos níveis estão na zona do topo, na área de mais brilho; um quarto na segunda zona; um oitavo na terceira e assim por diante. Um arquivo linear de 8 bits (256 níveis discretos) contém 128 no topo, 64 no segundo, etc. A zona do topo pode ter muito mais níveis que o olho pode distinguir, enquanto as zonas mais baixas tem relativamente poucas zonas. Na Tabela 1, nas colunas 4 e 5, estão as quantidades de níveis para 8 e 12 bits de imagens no formato RAW. Nas colunas 6 e 7 estão os níveis após o processamento com gama=2,2. A distribuição de níveis por Zona (coluna 1) mostra que imagens com 8 são suficientes para cenas com intervalo dinâmico de até 7 zonas e com poucos níveis nas zonas mais escuras o registro de detalhes fica prejudicado. O processamento com correção do gama melhora a distribuição (coluna 6). As colunas 5 e 7 mostram a grande quantidade de níveis por zona da imagens com 12 bits quando comparadas com 8 bits.



D.C Silva; Zhang, Y

Tabela 1. Comparação da quantidade de níveis de cinza para imagens com 8 e 12 nos formatos RAW e processadas com gama 2,2 RAW Gama 2,2 Z 1

Nível normal. 2

Fr. por zona 3

N. 8 bits 4

N. 12 bits 5

N. 8 bits 6

N. 12 bits 7

1 1,0 ½ 128 2048 71 571 2 0,5 ¼ 64 1024 52 417 3 0,25 1/8 32 512 38 303 4 0,125 1/16 16 256 27 222 5 0,0625 1/32 8 128 20 161 6 0,03125 1/64 4 64 15 118 7 0,015625 1/128 2 32 10 86 8 0,007812 1/256 16 8 63 9 0,003906 1/512 8 6 46 10 0,001953 1/1024 4 4 34 11 0,000977 1/2048 2 3 24 3. ESPAÇOS DE CORES Diversos espaços de cores têm sido definidos matematicamente para atender a vários usos específicos como à hardwares (RGB para telas de monitores, CMY para impressoras, YIQ para televisão) ou processamento de imagens como o HSI e HSV. As cores nestes espaços são tratadas principalmente sob o enfoque de percepção pelo ser humano e pela forma mais eficiente de tornar o registro da reflectância dos objetos num sistema sensor, como filmes ou CCD, e torná-los visíveis aos olhos de um observador padrão. Maiore destalhes sobre eles podem ser encontradas em Pratt (1991) e McGlone 2004 ou Gonzales et. al. (2004). Neste artigo será discutido apenas o modelo HSI que segundo Gonzales et. al. (2004) é o ideal para algoritmos de processamento de imagens (Figura 1 ). O modelo HSV é similar ao HSI, com as diferenças na figura 1 que I é substituido por V (de Value) e tem apenas o cone inferior com o branco no topo. O modelo HSI é tridimensional. A cada nível de intensidade no eixo vertical (varia do escuro total ao claro total) o círculo de cores é completo. As cores, ou matizes, variam angularmente (começa no vermelho, em 120° fica o amarelo e em 240° o verde). A saturação varia do centro para fora e quanto mais fora mais a cor é pura. Sob grande intensidade de luz os objetos são percebidos como mais brilhantes mas nem sempre a intensidade equivale ao brilho. Uma paleta máxima de cores numa cena real ocorreria quando existissem reflexão ou transmissão segundo padrões ótimos, mas como essas condições não ocorrem a paleta em situações normais é sempre menor. A associação de uma paleta máxima coincide melhor com a região do topo do modelo HSV. É possível igualar a saturação das cores de uma área de sombra em imagens digitais, com as cores de área

equivalente alterando a intensidade do escuro para o claro, conforme o modelo HSI desde que a exposição tenha sido correta e haja suficientes níveis da quantização.

Figura 1. Modelo de cores HSI (baseado em Gonzales et. al., 2004) Exemplos de alterações de cores da imagem da figura 2 no sistema HSI são dados nas figuras 3 a 7, processadas com rotinas em MATLAB.

Figura 2. Trecho de imagem com 3x8bits Uma alteração em H (matiz) equivale a girar todas as cores segundo o plano horizontal do cone da figura 1. A figura 3 mostra o resultado de um incremento de 36°.



D.C Silva; Zhang, Y

Figura 3. Imagem com H + 10% ou 36° O efeito de aumento de I em 30% pode ser visto na figura 4 e redução de 30% na figura 5.

Figura 4. Imagem com I +30

Figura 5. Imagem com I -30 A redução da saturação pode ser vista na figura 6 (com -40%). A redução de saturação é similar ao que ocorre nas áreas com sombras. A recuperação é conseguida com a operação inversa de incrementar a saturação em 66,6%.

Figura 6. Imagem com S -40% 4. MÉTODOS PARA ATENUAÇÃO OU REMOÇÃO DE SOMBRAS A eliminação de sombras de nuvens ou de colinas e prédios ainda não está implementada em programas comerciais para fotogrametria. Alguns dos métodos mais simples sugeridos na literatura para melhorar a visualização de detalhes em sombras são: uso de funções com raiz cúbica ou quadrática, equalização de sub-imagens, restauração RGB-HSI-RGB, uso de máscaras e o dodging-burning. Estes métodos serão discutidos segundo as possibilidades de uso em fotogrametria. 4.1 Aplicação de funções O uso de funções como a raiz quadrada (2) ou raiz cúbica (3) clareiam as partes escuras, embora as demais também fiquem um pouco mais claras. Os níveis de cinza da imagem original [G(x,y)] com 8 bits são normalizados com a divisão por 255; são calculadas as raízes quadradas ou cúbicas; Os resultados são os novos valores para a imagem F(x,y). Em imagens coloridas as fórmulas abaixo são usadas para as bandas R, G e B:

F(x,y)=[G(x,y)/255] 1/2 *255 (2)

F(x,y)=[G(x,y)/255] 1/3 *255 (3) Este método pode tornar visíveis detalhes numa parte escura da imagem original, e resolver satisfatoriamente para um trabalho de restituição, mas não para produção de uma ortofoto-carta. Nas figuras 7 e 8 estão a imagem original com sombra e a imagem processada com a raiz cúbica.



D.C Silva; Zhang, Y

Figura 7. Sombra de prédio

Figura 8. Imagem Processada com função raiz cúbica

4.2 Equalização de sub-imagens Existem vários métodos de equalização de histogramas que podem ser aplicados sistematicamente em sub-imagens de uma imagem que tem diferenças de intensidade. Alguns desses métodos são encontrados em programas comerciais de formação de mosaicos, como no Image Equalizer e mas podem ser usados em uma imagem. As dimensões das sub-imagens são definidas pelo operador, e então são calculados os histogramas e estatísticas dos valores dos pixels: máximo, mínimo, média e desvio padrão para cada uma das subdivisões. Em seguida é escolhida como referência a média geral ou uma das sub-imagens, e as demais são processadas para que cada histograma se aproxime daquela de referência. Esta transformação é aproximada (Kraus, 1997) e pode funcionar bem para alguns casos e outros não. Na Figura 9 está a imagem aérea original com sombras de nuvens e na 10 a processada com o programa Equalizer™ usando a equalização de histogramas entre as

sub-imagens. Houve uma melhoria na parte sombreada, mas as cores não foram bem recuperadas e a parte escura permanece bem visível. O mesmo processo aplicado na figura 11, (parte da imagem da figura 10) e o resultado foi melhor (figura 12), mais ainda se pode notar a sombra.

Figura 9. Imagem aérea com sombra de nuvem.

Figura 10. Imagem processada com programa Equalizer

Figura 12. Sub imagem da figura 11 com nuvem.



D.C Silva; Zhang, Y

Figura 10. Imagem processada com balanceamento de cores pelo programa Equalizer 4.3 Recomposição HSI Guo & Moore(1993) apresentam uns métodos de transformação de cores RGB→HSI (Hue, Saturation, Intensity) em que substitui a componente I pela banda termal em imagens de satélites. Fazendo a transformação HSI para RGB as sombras de nuvens seriam suprimidas. Para gerar as componentes H e S livres de sombras as mesmas devem ser suprimidas antes da recomposição RGB- HSI. Uma solução é subtrair de cada componente o valor do cinza médio das três bandas ou o cinza referente a primeira componente principal. Guo & Moore (1993) sugere que esta subtração não modificaria a matiz (Hue). Como não existe uma banda termal para imagem comum em RGB, foram feitos testes substituindo a componente I pela imagem média das três componentes RGB e pela primeira imagem obtida por Componentes Principais, mas os resultados não foram satisfatórios (Figura 13) e a área com sombra ainda é muito visível na parte azulada central.

Figura 13. Imagem processada pelo método de Guo & Moore (1993) com transformações RGB-HSI-RGB. 4.3 Uso de máscaras

O método de redução de sombras em imagens digitais com máscaras é usado pelos fotógrafos e já foi usado por Li et. al. (2004a) para localizar sombras em imagens de satélites. Programas como o Picture Window (Sinkel, 2006) trazem funções para preparar e usar máscaras. Ela pode ser feita a partir de uma banda RGB que tenha o maior contraste; da média em tons de cinza da imagem, ou ainda traçada manualmente. Depois é obtido um negativo são feitos ajustes de brilho e contraste. Finalmente é feito o processamento usando a máscara para controlar as partes da imagem que podem ser alteradas, e neste caso as partes escuras que devem ficar mais claras. Foi realizado um teste com o programa Picture Window na imagem da figura 14 cujo resultado aparece na Figura 15. As máscaras funcionam bem para clarear áreas da imagem com limites bem nítidos em caso contrário o processo manual é demorado até que se obtenha um bom resultado. O uso de máscaras em fotogrametria é viável com um algoritmo sofisticado que faça a máscara de forma automática e eficiente.

Figura 14. Imagem com sombra de prédio.

Figura 15. Redução de sombra com máscara



D.C Silva; Zhang, Y

3.4 Perspectivas do Processamento automático para eliminação de sombras. Em aerofotogrametria a quantidade de imagens a serem processadas é muito grande e as imagens com sombras fora das especificações devem ser corrigdas com programas que façam as correções automaticamente como os comentados a seguir. Li et. al. (2004c) que desenvolveu algoritmo para eliminar sombras das imagens da câmara digital ADS40. Ele mede o padrão de cores existente na área vizinha à área com sombra e manipula as cores desta última para torná-las iguais à vizinhança. Além disso usa informações sobre a direção das sombras. O processo foi aplicado na Figura 16 mas não conseguiu eliminar totalmente as sombras (Figura 17). O resultado é similar ao uso de máscara.

Figura 16. Imagem da câmera ADS40 (Li et. al.,2004c)

Figura 17. Com remoção da sombra (Li et. al.,2004c) Os métodos que estão sendo desenvolvidos para a indústria e computação gráficas são muito promissores e alguns se inspiraram nos métodos usados tradicionalmente na revelação de fotografias analógicas de dodging & burning.

• Dodging é o artifício de usar um cartão em movimentos laterais como obstáculo à luz do ampliador sobre o negativo, como forma de clarear certas áreas da fotografia.

• Burning é usado um cartão com pequena abertura circular para permitir que certas áreas da fotografia recebam mais luz e assim escurece essas áreas.

Os métodos como o de (Ashikhmin, 2002) e Reinhard et. al. (2002) conseguem tornar visíveis detalhes em partes muito escuras ou muito claras de imagens (Figura 18) usando algoritmos que usam o princípio de adaptação do intervalo de contraste, para mapear os níveis da imagem para os níveis possíveis de serem reproduzidos em telas e impressoras. A partir da observação dos tipos de imagens que foram processadas, e da complexidade de várias delas, se pode concluir que as fotografias aéreas com sombras podem ser corrigidas com esses algoritmos.

a) b) Figura 18. Mapeamento de tons em imagens com alto contraste. a) Imagem original b) Imagem processada pelo mapeamento de tons (Ashikhmin , 2002). 5. CONCLUSÕES Os métodos apresentados mostraram algumas soluções disponíveis para resolver o problema de recuperar a visibilidade de objetos nas áreas escuras, mas para a uso em fotogrametria na geração de ortofotocartas ainda não são adequados. Entre eles apenas o de uso de máscaras parece ser mais promissor mas consome muito tempo e necessita que seja automatizado. De modo geral todos os métodos alteram também os matizes e além do processamento sobre a intensidade também é necessário um algoritmo para preservar as cores o melhor possível. Com grande potencial para largo uso em fotogrametria estão os algoritmos em desenvolvimento pela indústria gráfica e computacional que se destinam a impressão de imagens com alto intervalo de luminância e preservação de detalhes. Esses algoritmos serão de grande valor para atenuar e remover sombras em imagens de grande escala e alta resolução destinadas à restituição e geração de ortofotos.



D.C Silva; Zhang, Y

REFERÊNCIAS ASHIKHMIN, A. A tone mapping algorithm for high contrast images. Eurographics Workshop on Rendering. 2002.

CORTEN, IR. F.L.: List of specifications for aerial photography. ITC - International Institute for Aerial Survey and Earth Sciences: Enschede, Holanda. 37 P. 1980.

DALMOLIN, Q.; SILVA, D. C.: Esboço de padrões para fotografias aéreas. Tradução do inglês: Draft aerial photography standard. UFPR. Curitiba. 25 p. 1999.

DRAGO, F; MYSZKOWSKY, K; ANNEN, T; CHIBA, N. Adaptaive Logarithmic Mapping for Displaying High Contrast Scenes. Eurographics 2003. v. 22, n. 3.2003.

FLEMING, E.A.: ICAS Specifications for aerial photography. The Canadian Surveyor. v. 37 n.3. p. 145-155. 1983.

GONZALEZ, R. C; WOODS, R. E; EDDINS, S. L. Digital Image Processing using Matlab. Prentice Hall. 2004. GUO, L. J., MOORE, J. McM. Cloud-Shadow Suppresion Technique for Enhancement of Airborme Thematic Mapper Imagery. Photogrammetric Engineering & Remote Sensing. v. 59. n. 8. p. 1287-1291. Aug. 1993.

GWASPARI, J.: The problems of specifications. Photogrammetric Record. v. 87 n. 15. p. 365-369. apr. 1996.

INANICI, M. N. Evaluation of high dynamic range photography as luminance data acquisition system. Lightiing Res. Technol. v. 38 n. 2, p. 123-136. 2006.

KOREN N. Tonal Quality and Dinamic Range in Digital Cameras. Disponível em www.normankoren.com acessado em 29.05.2006.

KRAUS, K. Photogrammetry Volume 2 Advanced Methods and Applications (4th Edition). Bonn: Dümmler Verlag. 466 p., 1997. KURE, J.: Guidelines in establishing mapping specifications. The ITC Journal. v. 4. p. 345-348. 1988 LI, M., LIEW, S. C., KWOH, L. K. Automated Production of Cloud-Free and Cloud Shadow-Free Image Mosaics form Cloudy Satellite Imagery. In: XXth ISPRS Congress, Instambul. International Archives of Photogrammetry and Remote Sensing. v. XXXV-B4. DVD. 2004a.

LI, Z. J., ZHANG, Z. X. ZHANG J. Q. Dodging in Photogrammetry and Remote Sensing. In: XXth ISPRS Congress, Instambul. International Archives of Photogrammetry and Remote Sensing. v. XXXV-B5. DVD. 2004b. LI, YAN; SASAGAWA, T; GONG, PENG. A System of the Sahadow detection and Shadouw remoival for High Resolution City Aerial Photo. In: XXth ISPRS Congress, Instambul. International Archives of Photogrammetry and Remote Sensing. v. XXXV-B3. DVD. 2004c. MCGLONE, J. C.(Ed). Manual of Photogrammetry (5th Edition). Bethesda, Maryland, EUA: American Society for Photogrammetry and Remote Sensing. 1151 p. 2004. PRATT, W. K. Digital Image Processing (Second edition). New York: John Wiley & Sons. 698 p. 1991. REINHARD, E; STARK, M; SHIRLEY P; FERWERDA J. Photographic Tone Reproduction for Digital Images. Preccedins of the SIGGRAPH 2002. SILVA, D. C. Metodologias para processamento de dados de nebulosidade para fins fotogramétricos. Tese Doutorado. Curitiba: Curso de Pós-Graduação em Ciências geodésicas. 235 p. 2001. SILVA, D. C. Non-Metric Digital Camera Images Versus High Resolution Satellite Images in Regions with High Cloudiness. In: XXIII INTERNATIONAL FIG CONGRESS, 2006. Munique: International Federation of Surveyors, CD. v. 1, p. 1-15. 2006. SILVA, D. C.; DALMOLIN, Q. Mapeamento Incremental: Solução Teórica para Fotogrametria em Áreas Nubladas. Boletim de Ciências Geodésicas, Curitiba, v. 8, n. 2, p. 55-66, 2002. SINKEL, S. User Guide for Picture Windows and Picture Windows Pro. Acessado em 06.09.2006. Disponível em http://www.dl-c.com/Temp/

3. ESPAÇOS DE CORES -...

Documents

Transcript of 3. ESPAÇOS DE CORES -...