Plot de imagens
Antes de iniciar a parte prática, vamos relembrar brevemente alguns fundamentos e conceitos comuns quando trabalha-se com imagens digitais.
Fundamentos de cor
Basicamente, as cores que humanos e outros animais notam são determinadas pela natureza da luz refletida por um objeto. Como pode ser observado na Figura 63 a luz visivel é composta por bandas estreitas de frequências no espectro eletromagnético (Gonzales & Woods, 2007).
Os cones, sensores no olho responsáveis pela visão colorida, são capazes capaz de diferencias 3 categorias principais de cores: azul, verde e vermelho, de modo que a Figura 64 ilustra uma média experimental da luz absorvida, nos comprimentos de onda citados, pelo olho humano (Gonzales & Woods, 2007).
Aquisição de imagens e quantização
Sensores podem ser utilizados para medir a resposta de alvos e gerar imagens digitais. A Figura 65 ilustra esse processo, no qual uma fonte de iluminação interaje com um elemento de uma cena, é observado por um sistema imageador, projetado em um plano e digitalizado Gonzales & Woods (2007).
A saída da maioria dos sensores é uma tensão continua em forma de onda nos quais a amplitude e o comportamento espacial estão relacionados a um fenômeno físico sendo medido. Para criar uma imagem digital é necessário converter esse sinal contínuo em forma digital (discreto). Isso involve dois processos: amostragem e quantização. Digitalizar os valores de coordenada é chamado de amostragem enquanto que digitalizar a amplitude do sinal é chamado de quantização Gonzales & Woods (2007). Este processo é ilustrado na Figura 66
Imagens Coloridas
Sistemas imageadores geram imagens digitais para um determinado intervalos de comprimentos de onda, também chamado bandas espectrais. A amplitude de valores dessas imagens pode ser atribuída a cores que nossos olhos percebem (azul, verde e vermelho) para assim gerarmos imagens coloridas, como ilustrado na Figura 67.
Notebook Plot de imagem
Façamos agora um exercício consultando imagens do projeto Brazil Data Cube e plota-las utilizando um Python Notebook:
Referências
GONZALEZ, R. C.; WOODS, R. E. Digital image processing (3.ed.). Upper Saddle River, NJ, USA: Pearson, 2007. 976p. ISSN 1098-6596. ISBN 013168728X.
Nevit Dilmen, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=18673639