Leandro Cruz

Para utilizar imagens em aplicações relacionadas com terrenos, é necessário antes definir quais informações são possíveis de serem extraidas de uma imagem e como extrai-las. Nessa seção iremos listar algumas dessas características observadas em imagens de paisagens e citaremos algumas possíveis aplicações. Nosso objetivo é mostrar o potencial de utilizar informações extraidas de imagens em outras aplicações. Porém, não faz parte do escopo deste projeto definir o processo de extração dessas características. Alguns desses processos são, por si só, uma outra linha de pesquisa.

As primeiras experiencias sobre, quais características da imagem poderiamos explorar foram aproveitar alguns métodos classicos de manipulação de imagem e tentar analisar seu potencial. A primeira experiência foi calcular o histograma de uma imagem. Histogramas são ferramentas muito poderosas quando usados do modo correto.

O esquema abaixo mostra os histogramas de cada canal (Red, Green e Blue) da imagem, assim como o histograma dessa imagem em escala de cinza.

  

  

O histograma apresenta uma informação global da imagem. Porém, existem métodos de extração de descritores em imagens que utilizam métricas baseadas em análises de histogramas locais (histograma calculado para uma vizinhança do pixel). Além disso, algumas vezes calcula-se o histograma de alguma outra característica da imagem. O SIFT (Scale-invariant feature transform), apresentado em 1999 por David Lowe, é um exemplo de método que utiliza histogramas de atributos locais para identificar certas características em uma imagem.

Outra informação que pode ser identificada em uma imagem, que pode ser útil, são quinas (corners). Estes são aqueles pontos com alta curvatura na imagem. Existem diversos métodos conhecidos na literatura para detecção de quinas. A Figura abaixo mostra um exemplo de detecção de quinas em uma imagem de uma paisagem.

     

Muitos métodos para extrair informação de uma imagem basea-se em análises feitas a partir das arestas. Esta análise pode ser feita na imagem em diferentes escalas. Esquema abaixo mostraremos três pares de imagens com suas respectivas arestas. A primeira é a imagem original e colorida. A segunda é a imagem original em escala de cinza. A terceira é a imam uma escala mais baixa.

  

  

  

Informações mais estruturadas, como certos elementos (por exemplo, os elementos naturais ou os não naturais listados na seção da base de dados) em uma paisagem, podem ser feitas obtidas aés de técnicas de segmentação. Podem haver aplicações que utilizem informações referentes à esses elementos. Abaixo mostramos um exemplo aonde uma imagem é segmentada em três partes. A primeira refere-se a ilha, a segunda referente as ondas e a terceira referente ao oceano.

  

  

Segmentar uma imagem pode ajudar a extrair outras características. Cada segmento tem características globais proprias. Abaixo segue um exemplo do calculo do histograma das imagens acima. Em seguida apresentaremos uma analise das informações destes histogramas.

	Imagem	Rochas	Ondas	Oceano
Resolução	1608x1102	1608x1102	1608x1102	1608x1102
Pixels Validos	1.772.016	499.607	429.317	797.664
Media-Mediana: Red	118-100	106-105	200-219	82-71
Media-Mediana: Green	133-112	102-99	217-239	108-97
Media-Mediana: Blue	122-97	88-83	213-237	94-80

Como citado anteriormente, uma operação que pode ser bastante interessante, na relação fotografia e aplicações com terrenos, refere-se a identificação de certos elementos nas imagens. Uma possibilidade é a identificação de árvores. As imagens abaixos referem-se a fotografias, tiradas por satélite à mesma altitude, de uma floresta tropical, da caatinga e de um deserto. Notem que, na floresta tem-se muita árvore, disposta densamente; na caatinga se tem algumas árvores dispostas mais rarefeitamente; enquanto no deserto não há árvores. Sabendo identificar o que é árvore nessas imagens é possivel reconhecer automaticamente qual o bioma fotografado. Por outro lado, sabendo qual o bioma fotografado, sabe-se como aparecem as árvores, podendo facilitar a elaboração de um algoritmo para identifica-las.

     

As imagens abaixos referem-se a fotografias retiradas da amazônia, do pantanal e de um vale em uma região desertica, e um esquema que destaca em azul o que é água e deixa em verde o restante da imagem. Sabemos que a amazônia é uma região cortada por vários rios, muitos bastante tortuosos; o pantanal é uma região parcialmente alagada, que contém várias grandes poças de agua; enquanto normalmente vales são regiões cortadas por rios. Analogamente, se soubermos identificar o que é água em uma imagem podemos identificar o tipo de região, assim como se soubermos de qual região a fotografia foi tirada, pode-se criar um algoritmo para identificar o que é agua. Após as imagens segue uma breve análise referente as porções da imagem referente a água.

  
  
  

	Amazonia	Pantanal	Vale
Porcentagem	19%	17%	16%
Componentes Conexas	8	20	1
Porcentagem Média por Componente	2.4	0.85	16

Analisando fotografias retiradas de satélites podemos identificar crescimento urbano (identificando qual porção da imagem refere-se a cidades e comparando com outra fotografia retirada posteriormente da mesma posição); localização de desmatamento (quando locaiza-se outro elemento em regiões que esperava-se árvores); monitoramento de queimadas (através de identificação de fumaça ou através da analise de mudança na vegetação), etc. As imagens abaixo representam as aplicações supracitadas.

  

  

  

Essas são algumas possibilidades de aplicações que relacionam informações, ou descritores que podemos retirar de uma fotografia com aplicações relacionadas à terrenos. Outras informações, como silhuetas de morros, bases de relevos, cursos de rios, regiões de certas vegetações, localização geográfica, etc, serão discutidas nas outras seções deste trabalho relacionando fotografias com processos específicos de modelagem de terrenos, síntese e mapeamento de textura, entre outras aplicações que relacionam fotografias e terrenos.