A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

MÓDULO PROCESSAMENTO DIGITAL DE IMAGENS do Curso ministrado totalmente a Distância, desenvolvido pelo INPE (OBT) em parceria com a Selper: INTRODUÇÃO AO.

Apresentações semelhantes


Apresentação em tema: "MÓDULO PROCESSAMENTO DIGITAL DE IMAGENS do Curso ministrado totalmente a Distância, desenvolvido pelo INPE (OBT) em parceria com a Selper: INTRODUÇÃO AO."— Transcrição da apresentação:

1 MÓDULO PROCESSAMENTO DIGITAL DE IMAGENS do Curso ministrado totalmente a Distância, desenvolvido pelo INPE (OBT) em parceria com a Selper: INTRODUÇÃO AO SENSORIAMENTO REMOTO

2 PROCESSAMENTO DE IMAGENS I Introdução ao SPRING: Adaptado de DPI_OBT/INPE

3 SPRING – Características Gerais
Sistema de Informações Geográficas-SIG Desenvolvido e mantido pela DPI – INPE Software Freeware – Download via Web Média de downloads/ano Versões em Windows e Linux (5.0 – Julho de 2008) 4 Idiomas: Português, Inglês, Espanhol e Frances Capacitação dos usuários é realizada em cursos presenciais, e a distância, de curta duração Tutoriais e livros on-line Sites Espelhos na Espanha e Argentina Manual online – browser estilo Web Funções para PDI, MNT, Álgebra de Mapas, Redes LEMBRAR: Para o sistema reconhecer um BANCO, deve-se posicionar no diretório imediatamente acima (exemplo no slide - C:\springdb ) e NÃO entrar do diretório do banco.

4 Download via Web - www.dpi.inpe.br/spring
LEMBRAR: Para o sistema reconhecer um BANCO, deve-se posicionar no diretório imediatamente acima (exemplo no slide - C:\springdb ) e NÃO entrar do diretório do banco.

5 SPRING - AJUDA OnLine LEMBRAR: Para o sistema reconhecer um BANCO, deve-se posicionar no diretório imediatamente acima (exemplo no slide - C:\springdb ) e NÃO entrar do diretório do banco.

6 O QUE É UM MAPA DIGITAL ? Mapa: modelos simplificados da realidade
Representação gráfica (ponto, linha, polígono, matriz) Normalmente em escala e em uma projeção Seleção de entidades abstratas sobre ou relacionadas com a superfície da Terra. Classificação em grupos (tipos de solo) Simplificação de elementos gráficos Exagero de elementos importantes Simbologia para apresentar dados

7 TIPOS DE MAPAS QUE O SPRING TRABALHA
Características dos mapas: diversidade de fontes geradoras e de formatos apresentados. O sistema se restringe a tratar os seguintes tipos de dados; Mapas Temáticos: conceitos qualitativos (uso do solo, vegetação); Mapas Cadastrais (localização de objetos do mundo – pontos, linhas e polígonos + tabela – ex. Lotes urbanos) Mapa de Redes (localização de objetos do mundo – nós e linhas orientadas – ex. Postes e rede elétrica) Mapas Numéricos (representação de superfícies) Imagens de Sensores Remotos (ex: aerofotos, satélites, radares);

8 MAPAS TEMÁTICOS Estrutura vetorial topológica construída
é do tipo arco-nó-região Pode ser armazenado no formato vetorial ou matricial A escolha entre a representação matricial ou vetorial para um mapa temático depende do objetivo em vista. Inseridos no sistema por digitalização ou classificação de imagens Ex: Mapa de Solos, Mapa Geológico, Mapa com classes de Declividade, Mapa de Uso e Ocupação da Terra

9 MAPAS CADASTRAIS/OBJETOS
Mapas de suporte à representação de objetos geográficos As entidades (pontos, linhas e polígonos) são Objetos Geográficos Objetos possuem atributos descritivos em tabelas Podem estar associados a várias representações gráficas Podem ter representações gráficas diferentes em mapas de escalas distintas Ex: Mapas de Lotes, Quadras, Propriedades Rurais São armazenados em forma de coordenadas vetoriais, com a topologia arco-nó-polígono associada Não é usual representar estes dados na forma matricial

10 MAPAS DE REDES/OBJETOS
Mapa de suporte à representação de objetos geográficos As entidades (nós e linhas) são objetos geográficos Mapa vetoriais com topologia arco-nó (grafo) arcos tem um sentido de fluxo e atributos nós tem atributos (fontes ou sorvedouros) Forte ligação com BD Integração de dados Segmentação dinâmica Linguagem de visualização Capacidade de adaptação * Uso em serviços de utilidade pública, como água, luz e telefone, redes de drenagem (bacias hidrográficas) e rodovias

11 IMAGENS Dados obtidos por satélites, fotografias aéreas, "scanners" aerotransportados ou radares Armazenadas como matrizes (lin x col) Cada elemento de imagem ("pixel") tem um valor proporcional à reflectância do alvo imageado CARACTERÍSTICAS IMPORTANTES resolução espacial (km, m, cm); resolução espectral (num. bandas); resolução temporal (dias); resolução radiométrica ( 2n ).

12 MAPAS NUMÉRICOS grades regulares ou grades triangulares
São mapas utilizados para representar uma grandeza que varia continuamente no espaço - altimetria, precipitação, propriedades do solo ou subsolo (como aeromagnetismo). A superfície modelada é representada por grades regulares ou grades triangulares Tratamento da altimetria para mapas topográficos ou hipsométricos Análises de corte-aterro para projeto de estradas e barragens Mapas de declividade e exposição (geomorfologia e erodibilidade) Análise de variáveis geofísica e geoquímicas e apresentação tridimensional (em combinação com outras variáveis)

13 Representações de Mapas TEMÁTICOS
Vetorial preserva relacionamentos topológicos associar atributos a elementos gráficos melhor precisão eficiência de armazenamento permite preenchimento por hachura ou padrões. Matricial fenômenos variantes no espaço adequado para simulação e modelagem processamento mais rápido maior gasto em armazenamento

14 Representações de Mapas NUMÉRICOS
GRADE RETANGULAR Matriz de elementos de espaçamento fixo Valor estimado da grandeza Mais adequada p/ dados geofísica e vista 3D Facilita manuseio e conversão GRADE TRIANGULAR Conexão entre amostras Estrutura topológica arco-nó Representa melhor relevos complexos Capacidade de incorporar restrições (linha de quebra)

15 MÓDULOS DO SPRING Spring - entrada, análise e manipulação dos dados Scarta - elaboração de cartas (layout) Impima - leitura e conversão de imagens

16 IMPIMA Módulos do SPRING
Objetivo: Converter toda ou parte (recortar) de imagens e salvar no formato SPG para ser registrada. Entrada Tiff / GeoTiff SPG GRIB RAW DAT SITIM Saída SPG 16

17 SPRING Módulos do SPRING
Entrada TIFF / GeoTIFF RAW / JPEG / JP2 SPG DXF- DWG ASCII - SPRING Shape / ArcINFO Surfer - asc IDRISI – img asc KML Tabela ASCII DBASE Spacestat Conversores ShapeFile MID/MIF E00 DBF GRD (Surfer) Mesa digitalizadora Saída TIFF / GeoTiff RAW JPEG2000 Surfer IDRISI – img asc DXF- DWG ASCII - SPRING ArcINFO E00 ShapeFile KML Spacestat SpringWeb TerraLib 17

18 SCARTA Módulos do SPRING
Entrada PI’s de um banco e projeto do Spring Saída Arq. Carta Arq. Molde Arq. IPL Impressora Arquivos PDF PostScript BMP PNG GIF TIFF JPG 18

19 MODELO DE DADOS DO SPRING
Como serão modelados os diversos dados ? Quais tipos de categorias de dados serão criadas ? Qual a área a ser trabalhada ? Quais os mapas (PI’s) da área de trabalho ? Quais as representações dos mapas ? 19

20 BANCO DE DADOS Modelo de dados do SPRING
Depósito de informações do SPRING SGDB (Access, Dbase, Oracle, MySQL, PostgreSQL) – Tabelas Mapas – Dados espaciais em formato proprietário do SPRING Pode-se definir vários BD (apenas um ativo) Não está relacionado a uma área geográfica Um BD pode conter vários Projetos C:\springdb\Banco um sub-diretório (pasta) no sistema de arquivos. Nota: O sistema ativa automaticamente o último banco manipulado ou um pré determinado 20

21 MODELO DE DADOS Modelo de dados do SPRING
Define os diversos tipos de dados (ou categorias de dados) Agrupa grandezas geográficas semelhantes em um único modelo. Uma categoria é comum aos vários Projetos criados no Banco de Dados. Uso_Terra (Temático), Solo (Temático) Imagem_TM (Imagem), Foto_8000 (Imagem) Altimetria (MNT) Cadastro_Rural (Cadastral) Logradouros (Rede) C:\springdb\Banco\Categorias arquivos (tabelas) debaixo do diretório do banco 21

22 PROJETO Modelo de dados do SPRING
Define a região de interesse: Área geográfica definida por um retângulo Tem uma projeção cartográfica e Contém um conjunto de Planos de Informações (PI’s) do mesmo tamanho ou menor que a região geográfica, em escalas específicas. Mapa de solo; Imagens Landsat; Mapa altimétrico, etc. C:\springdb\Banco\Projeto um sub-diretório (pasta) do diretório do banco Nota: O sistema ativa automaticamente o último projeto manipulado ou um pré determinado. 22

23 PLANO DE INFORMAÇÃO Modelo de dados do SPRING
Representa o espaço geográfico com características básicas comuns definidas pela categoria do dado Condição: existência de um Projeto e da Categoria do Dado Cada PI está associado apenas a uma categoria Uma categoria define o tipo de dado de vários PI’s Ex: Mapas de Uso de 1970 e 1980 (Temático) - Bandas 3, 4 e 5 do Landsat (Imagem) - Mapa altimétrico (MNT) - Mapa de fazendas (Cadastral) - Mapa de Logradouros (Rede) C:\springdb\Banco\Projeto\PI.lin corresponde a arquivos debaixo do diretório do projeto * Sempre existirá um PI ativo no Painel de Controle. 23

24 Objeto e Não Espacial Modelo de dados do SPRING
Define-se um objeto do mundo real por meio de uma tabela que têm atributos descritivos (e.g. países, lotes, etc.) e uma ligação (GEOID) com uma geometria na forma de pontos, linhas ou polígonos. Dados individualizáveis pelo atributo Rótulo com atributos descritivos. Pode ter várias representações gráficas em planos cadastrais e/ou redes. Objeto : paises com atributos GEOID Rótulo/ Nome Area / Perimetro Pais Pib (US $ milhoes Populacao (milhoes) 1 BR / BR nn / nn Brasil 350 160 2 AG /AG Argentina 295 34 PI de uma categoria cadastral * Cada objeto tem seu visual definido e seus atributos em uma tabela de banco de dados relacional. 24

25 Objeto e Não Espacial Modelo de dados do SPRING
Tabela de dados alfanuméricos sem vínculo com geometria, mas que pode se conectar com uma tabela de objeto por um atributo comum. Objeto : fazenda geoid area Cad_INCRA 22 1500 019331 INCRA_cod ITR dono 019331 Olacyr PI Cadastral com polígonos de fazendas 12000 Tabela Não Espacial : fazendeiro 25

26 CLASSE TEMÁTICA Modelo de dados do SPRING
Define uma subdivisão específica de uma categoria do modelo temático Armazena atributos de apresentação (cor e preenchimento) Todas as Classes de uma categoria são comuns a quantos projetos existirem no banco de dados Ex: Classes de Uso_Terra (Mata, Capoeira, etc) Drenagem (Principais, Secundários, etc) Solo (Podzólico, Latosolo) Cl 3 Cl 1 Cl 2 * Se alterar o visual de uma classe temática, todos PI’s de qualquer projeto do mesmo banco sofrerão a alteração. 26

27 RESUMO DO MODELO DE DADOS SPRING
Nome Diretório SGBD Banco de Dados Imagem Numérico Cadastral Rede Temático Classe 1 Classe 2 Categorias Tabelas Objeto Não Espacial Nome Projeção Ret. Envolvente Projeto A Projeto B Nome Categoria Resolução Escala Ret.Envol PI 1 PI 2 PI 3 PI 4 PI 1 PI 2 1 Objeto com atributos Id Rótulo/ Nome Area / Perimetro Pais Pib (US $ milhoes Populacao (milhoes) 1 BR / BR nn / nn Brasil 350 160 2 AG /AG Argentina 295 34 27

28 Apresentação de dados no SPRING
DICAS Apresentação de dados no SPRING

29 Apresentação de dados SPRING
1 - Selecionar uma Categoria 2 - Selecionar um Plano de Informação 3 - Selecionar uma representação disponível 4 - Desenhar na tela ativa Duplo clique no PI desmarca o mesmo Duplo clique na Categoria desmarca PI’s Cada alteração no Painel é necessário clicar em Desenhar Importante - Definir a prioridade na aba “PI Selecionados” – desenha de baixo para cima. Desenha por último 29 Desenha primeiro

30 ZOOM Apresentação de dados no SPRING
1 - Ativar Cursor de Área 2 - Marcar ponto superior esquerdo (1) 3 - Mover o mouse p/ baixo e p/ direita 4 - Marcar ponto inferior direito (2) 5 - Clicar em [Executar – Desenhar] ou 1 2 * Clicar BD desmarca a área selecionada * Após marcar o ponto (2) pode-se mover qualquer das laterais ou todo o retângulo marcado 30

31 Barra de Ferramentas Apresentação de dados no SPRING
Cursor Zoom) Auto: ajusta imagem p/ dimensões padrões da tela Pleno: pontos de imagem = pontos da tela Escala: ajusta dados p/ escala informada Manipulação de Banco, Projeto Modelo de Dados, Obj. - Não Espacial e Plano de Informação Cursor de Área Cursor de Voo (pan) Cursor de Info Desenhar Gráfico Palheta de Cores Painel de Controle Cursor de Janelas Cursor de Ponto Acoplar Ampliar 2,4 ou 8x Recompor Área do proj. Cursor de Mesa Mostra coordenadas Planas, Geográficas ou Info Zoom + (2 x centro da tela) Anterior Zoom - (2 x centro da tela) Zoom PI 31

32 Acoplar Tela Apresentação de dados no SPRING
Apresentar os dados de uma Tela dentro de uma janela móvel sobre a Tela Principal 1 - Ativar e apresentar um PI na Tela Principal 2 - Ativar Tela 2 e selecionar outro PI 3 - Clique em Acoplar na barra de ferramentas e escolha Tela 2 4 - Marque na Tela Principal um retângulo com cursor de área sem Desenhar 5 - Clique na parte interna do retângulo e mova sobre a Tela 1 Somente a Tela Principal pode estar associada a outras telas (2,3,...) ou a tela Auxiliar 32

33 REGISTRO DE IMAGENS

34 3 (0,63-0,69 m) (0,76-0,90m) (1,55-1,75 m) Infra-V próximo Visível (V) Infra-V médio Composição R(4)G(5)B(3)

35 IMPIMA Parâmetros de Entrada Parâmetros de Saída (Cursor) * Amostragem
- Aplicativo do SPRING utilizado para leitura de imagens em diversos formatos que serão armazenadas no formato SPG+DSC (com ou sem recorte) para posterior correção geométrica (registro). Parâmetros de Entrada Parâmetros de Saída (Cursor) * Amostragem 10

36 Correção geométrica Importância Requerimentos
eliminação de distorções sistemáticas estudos multi-temporais integração de dados em SIG Requerimentos conhecimento das distorções existentes escolha do modelo matemático adequado avaliação e validação de resultados

37 Fontes de distorções geométricas (MSS, TM, HRV, AVHRR, WFI)
Correção geométrica Fontes de distorções geométricas (MSS, TM, HRV, AVHRR, WFI) rotação da Terra (skew) distorções panorâmicas (compressão) curvatura da Terra (compressão) arrastamento da imagem durante uma varredura variações de altitude, atitude e velocidade do satélite

38 Efeitos das distorções geométricas
Correção geométrica Efeitos das distorções geométricas

39 Transformações geométricas
Ortogonal - 3 parâmetros 1 rotação, 2 translações Similaridade - 4 parâmetros 1 rotação, 1 escala, 2 translações Afim ortogonal - 5 parâmetros 1 rotação, 2 escalas, 2 translações Disponíveis no SPRING Afinidade - 6 parâmetros (polinômio de grau 1) 1 rotação, 1 rotação residual, 2 escalas, 2 translações Polinomiais de grau 2 e 3

40 Registro: Qual o problema?
Identificar a transformação espacial T que modela a distorção entre os dados (Lin x Col)Imagem  (X, Y) sistema referência 11

41 Modelo Polinomial - Registro
Polinômio de grau m: Onde : (X,Y) : coordenadas de referência (x,y) : coordenadas da imagem a e b : coeficientes do polinômio determinados a partir dos pontos de controle.

42 Distribuição dos Pontos de Controle

43 Pontos de Controle

44 Reamostragem (interpolação)
VPM - pega o NC mais próximo ao resultado do mapeamento inverso Efeito de blocos Processamento rápido Não cria novos valores de NC (mantém estatísticas da imagem)

45 Reamostragem (interpolação)
Bilinear O valor obtido pela média ponderada dos NCs dos pontos E e F é transferido para a posição X Efeito de suavização devido a operação de média

46 Reamostragem (interpolação)
Efeitos da Interpolação VMP

47 Registro – Procedimentos Gerais
Selecionar / Carregar Imagem (arquivo spg + dsc) Se projeto não ativo ==> Definir Projeção Criar/Adquirir Ponto (mesa - tela - teclado) Selecionar pontos e a equação de mapeamento – grau do polinômio - Testar Salvar Pontos com menor erro. Importar SPG - Registra a imagem por reamostragem (Interpolação) Vizinho mais próximo Bilinear (*) Convolução cúbica (não disponível)

48 Registro - Observações
Reconhece imagens TM com correção de nível 5 e 6 => Ativa a opção com correção de sistema => Permite registro com 1 ponto Escolher pontos de controle bem distribuídos Avaliar o Erro nos Pontos - depende da aplicação: * 0,5 pixel para precisão * 0,5mm x denom. escala de trabalho Antes de salvar ==> avalie várias combinações Os Pontos ficarão armazenados no arquivo descritor *.dsc Importar a imagem ==> Efetiva o Registro

49 REALCE DE CONTRASTE

50 Realce de Contraste Melhorar a qualidade visual da imagem
Contraste de uma imagem - intervalo de níveis de cinza assumidos pelos pontos da imagem Avaliação do contraste de uma imagem - histograma

51 Exemplos de imagens e seus histogramas
Baixo contraste => os níveis de cinza ocupam um pequeno intervalo de valores possíveis

52 Exemplos de imagens e seus histogramas
Alto contraste => os níveis de cinza ocupam quase todo o intervalo de valores possíveis

53 Realce de Contraste ENTRADA SAÍDA

54 Realce de Contraste Uma função y=f(x) mapeia os pixels com um valor x para um novo valor y O resultado depende da forma da função

55 Realce de contraste: Linear
ENTRADA define uma função de transferência linear maior a inclinação da reta  maior o realce SAÍDA imin imax

56 CLASSIFICAÇÃO DE IMAGENS

57 Classificação É o processo de extração de informação da imagem para reconhecimento de padrões e objetos homogêneos Como resultado de uma classificação cada ponto (ou região) da imagem é mapeado para um tema.  Pixels associados a temas (cores)

58 Espaço de Atributos ... ...... .. água mata urbana Banda 1 Banda 2 Os elementos de imagem pertencentes a um mesmo objeto (tema) aparecem plotados como uma nuvem de pontos (aglomerado) Os três aglomerados de pontos definem três diferentes alvos

59 Classificadores Implementados no Spring
Nome Tipo de Análise (classificador) Tipo de Treinamento Isoseg Regiões Não- Supervisionado Bhattacharya Supervisionado MaxVer Pixel MaxVer-Icm Distancia Euclidiana

60 Tipos de Classificadores
Classificadores por PIXEL: classifica cada pixel isoladamente mapeando-o para um dos temas de treinamento baseado somente no seu valor. Classificadores por REGIÕES: classifica regiões (um conjunto de pixels) mapeando todos os pixels que formam a região para um mesmo tema baseando-se no valor de todos os pixels que formam a região

61 Tipos de Classificadores (outro critério)
Classificadores supervisionados: o usuário informa a-priori o conjunto de temas para as quais os pontos da imagem serão mapeados (exige treinamento) Classificadores não supervisionados: o usuário não fornece nenhuma informação a priori relativa ao conjunto de temas para as quais deve-se mapear a imagem utiliza um algoritmo de agrupamento para determinar o número de classes diferentes presentes na imagem

62 Classificadores por pixel
Classificadores por pixel (todos supervisionados): MaxVer : utiliza parâmetros estatísticos inferidos das amostras de treinamento como critério de decisão sobre que tema um pixel irá pertencer MaxVer-ICM: variação do MaxVer onde numa segunda etapa a informação contextual é levada em conta. Pixels são reclassificados de acordo com os temas atribuídos aos vizinhos Distância Euclidiana: associa cada pixel a um tema cuja distância euclidiana de seu valor ao valor médio da classe (obtido das amostras) seja mínimo

63 Processo de Treinamento
Identifica amostras para cada uma dos temas As amostras de um tema devem ser homogêneas As amostras devem conter toda a variabilidade espectral esperada para cada tema Analisar as amostras antes da classificação  grau de confusão entre os temas água reflorestamento área urbana cultura

64 Pós-Classificação: refinamento
Elimina pixels isolados Define-se um peso e um limiar Cada pixel é comparado com os seus vizinhos (3x3) Substitui o pixel pelo tema de maior frequência nessa vizinhança EX: Peso 3 e Limiar 3 Antes Depois Imagem Classificada original Imagem Classificada modificada 1 3 3 = 1 x 3 (peso) 4

65 Mapeamento para Classes Temáticas
A imagem classificada continua pertencendo a categoria do modelo IMAGEM O mapeamento de classes gera uma imagem temática em alguma categoria do modelo TEMÁTICO Todos os temas obtidos no processo de classificação devem ser mapeados para alguma classe da categoria do modelo temático

66 Passos para se executar uma classificação por PIXEL
Criar arquivo de contexto (bandas + método) Executar treinamento (criar amostras - retangular / poligonal) Analisar amostras Classificar (criar imagem classificada) Executar pós-classificação (não Obrigatório) Mapear para classes temáticas (criar PI temático) Mesmo PI Imagem Imagem Temático Temático TREINAMENTO Matriz Matriz Vetor M ->V Matriz MAPEAMENTO CLASSIFICAÇÃO Polígonos c/ classes Temáticas I. Classificada Mapa c/ classes Temáticas Imagens Mono Bandas em NC

67 SEGMENTAÇÃO DE IMAGENS

68 Segmentação Processo executado antes da Classificação por Regiões
Segmentação: Identifica as regiões homogêneas dentro da imagem Região: um conjunto de pixels contíguos bi-direcionalmente que possuem uma semelhança espectral Atributos estatísticos são usados

69 Segmentação no SPRING Crescimento de regiões: Detecção de Bacias
Cada pixel é inicialmente rotulado como uma região Segundo um critério de similaridade regiões adjacentes vão sendo agrupadas O processo é repetido até que nenhum outro agrupamento possa ser feito Detecção de Bacias

70 Crescimento de Regiões:exemplo
TM-Lansdat JERS-1

71 CLASSIFICAÇÃO DE IMAGENS

72 Classificadores por regiões
Isoseg não-supervisionado as regiões são caracterizadas pela média, matriz de covariância e por sua área as regiões são agrupadas segundo uma medida de similaridade: distância de Mahalanobis

73 Classificadores por regiões
Bhattacharya supervisionado usa as amostras (treinamento) para estimar a função densidade de probabilidade de cada classe a região será mapeada para a classe cuja distância de Bhattacharya calculada entre elas seja menor

74 Passos para se executar uma classificação por Região
Executar a Segmentação (imagem rotulada - vetor) Criar arquivo de contexto (bandas + método + Imagem Rotulada) Extrair informações estatísticas de média e variancia de cada região definida na imagem rotulada resultante da segmentação Executar treinamento (se classific. supervisionada) Analisar amostras (se classific. Supervisionada) Classificar (criar imagem classificada - Isoseg ou Bhattacharya) Executar pós-classificação (não Obrigatório) Mapear para classes temáticas (criar PI temático)

75 Passos para se executar uma classificação por Região
Imagem Imagem SEG. Vetor Matriz I. Rotulada Mesmo PI Imagens Mono Bandas em NC Temático + Imagem Temático Matriz Vetor TREINAMENTO Matriz M ->V MAPEA- MENTO Imagem CLASSIFICAÇÃO Mapa c/ classes Temáticas Polígonos c/ classes Temáticas I. Classificada Matriz Imagens Mono Bandas em NC

76 Edição Matricial Disponíveis 5 modos de operações:
Editar Área - Utiliza edição de linhas fechadas (ilhas) digitalizadas sobre o PI ativo; Copiar área - Utiliza um plano de informação de referência (imagem classificada, rotulada, planos temáticos ou cadastrais) para associar ou trocar as classes no PI ativo; Classificar Área - permite pintar a imagem temática com classes temáticas sobre as áreas (polígonos), que estão representadas pelos próprios pixels da imagem Limpar Pixels – elimina áreas de pixels contíguos menores que o limiar informado Deslocar Imagem - desloca todo o plano matricial na direção informada

77 Edição Matricial – Barra de Ferramentas
Permite editar Mapas temáticos matriciais Imagens classificadas Imagens sintéticas Selecionar operação: Editar, Classificar, Copiar, Limpar, Deslocar Operações na fila Executar operações Visual da classe Sair Selecionar classe Cor da classe Remover item da fila Remover todos os itens Deslocamento

78 Edição Matricial - Editar Área
Botão da direita fecha o polígono Executar para alterar os polígonos editados

79 Edição Matricial - Copiar Área
Selecionar PI de referência Selecionar polígono vetor ou matricial na tela Auxiliar a área a ser pintada Executar para alterar

80 Edição Matricial - Classificar Área
Selecione a cor da classe que deseja atribuir Selecione o polígono na tela do PI ativo. Executar para confirmar.

81 Edição Matricial - Limpar Pixels
Digite o número de pixels contíguos que deseja substituir. Executar para confirmar.

82 Edição Matricial - Deslocar Imagem
Digite o valor de deslocamento em X e Y. Executar para confirmar. O que ultrapassar o retângulo envolvente do PI será recortado.

83 Módulo SCARTA - Geração de Cartas

84 ELEMENTOS OBSERVAR Elementos da Carta Título Escala Tamanho do Papel
Legenda Localização Dado (PI’s) Grade OBSERVAR Equilíbrio e Lay-out Contraste de Padrões Cores Disposição dos Elementos Claridade e legibilidade Composição do Dado (PI’s)

85 Módulo SCARTA - Geração de Cartas
Interface semelhante ao Spring Painel de Controle e Tela de Visualização Exige Banco de Dados e Projeto ativos Criar/Carregar a carta Elaborar a carta 1 - Características da Carta (Papel e Dados) + PI’s 2 - Elementos da Carta Texto - Símbolos - Legenda - Escala 3 - Grade 4 - Quadros e Linhas Gerar arquivo IPL / Salvar Carta Imprimir ou salvar em arquivo

86 1 - Características da Carta e PI’s

87 1 - Características do Papel e dos Dados
F1, F2 - tamanho do papel COORD1, COORD2 - área de dados U1, U2 - área útil (Projeto/PI/ sub-área) P1, P2 - Área de dados COORD P1

88 2 - Elementos da Carta (Texto )

89 2 - Elementos da Carta ( Símbolo )
Biblioteca em DXF ou BMP C:\Arquivos de Programas\spring\etc\chart\symbol

90 2 - Elementos da Carta ( Legenda )

91 2 - Elementos da Carta ( Escala )

92 3 – Grade ( Planas )

93 3 – Grade ( Geográficas )

94 4 - Quadros e Linhas

95 Gerar arquivo IPL / Salvar Carta / Imprimir
Criar arquivo *.ipl p/ abrir no IPLOT Salvar Carta para alterações posteriores Imprimir Exportar PostScript EPS CGM BMP PCX GIF TIF

96 IPLOT: Visualização e Impressão

97 Opção de Edição e Impressão : CorelDRAW
PostScript EPS CGM

98 PROCESSAMENTO DIGITAL DE IMAGENS
Obrigado! PROCESSAMENTO DIGITAL DE IMAGENS Eliana Maria Kalil Mello José Carlos Moreira


Carregar ppt "MÓDULO PROCESSAMENTO DIGITAL DE IMAGENS do Curso ministrado totalmente a Distância, desenvolvido pelo INPE (OBT) em parceria com a Selper: INTRODUÇÃO AO."

Apresentações semelhantes


Anúncios Google