DZDDPZ2 Pořizování dat. Doc. Dr. Ing. Jiří Horák - Ing. Tomáš Peňáz, PhD. Institut geoinformatiky VŠB-TU Ostrava

DZDDPZ2 Pořizování dat Doc. Dr. Ing. Jiří Horák - Ing. Tomáš Peňáz, PhD. Institut geoinformatiky VŠB-TU Ostrava

Pořizujeme data, která popisují množství zářivé energie odražené nebo emitované od zemského povrchu 2 technologické postupy: Registrace změn způsobených chemickou reakcí (fotografické kamery, konvenční metody) Registrace změn elektrických veličin (radiometry, nekonvenční metody)

Přístrojové parametry Potřebujeme je znát pro zpracování a interpretaci získaných dat Zahrnují: Čas snímání Vlnová délka (interval) použitého elmag. záření Polarizace použitého elmag. záření Geometrie měření Parametry přístroje (ohnisková vzdálenost, zorné pole, )

Typy měření Multispektrální ve více částech spektra Multitemporální ve více časových okamžicích Multipolarizační ve více kombinacích vysílání/přijímání polarizovaného záření (HH, HV, VH, VV) Hyperspektrální Ultraspektrální

Multispektrální: Paralelní současně se měří na více vlnových délkách Sekvenční - postupně se měří na více vlnových délkách musí být stacionární (nemění se místo snímání)

Z hlediska pohybu při měření Stacionární Nestacionární měření na linii (trasovací měření, např. výšky letu), měření v ploše zobrazující radiometry, skenery, které registrují záření z míst podél osy letu i napříč, výsledkem je obraz

Měření v ploše Obrazový záznam (nebo převod na něj) Prostorová rozlišovací schopnost přístroje Pixel Počet čar/1 mm

Elektronický (elektrooptický) skener Řádkové nebo maticové pole detektorů v ohniskové rovině objektivu Každé čidlo průběžně registruje záření z plochy 1 pixelu, která plošně navazuje na území snímané sousedním čidlem Řádka orientovaná kolmo na směr letu = stírací skener Zpravidla along-track scanner (posun zorného pole ve směru pohybu nosiče => podélné snímání)

CCD detektory Řádově jednotky μm Maticové uspořádání výhody větší citlivost vyšší radiometrické rozlišení větší spolehlivost - chybí mechanická část nevýhody potřeba kalibrace senzorů každý zvlášť příklady SPOT HRV IRS MOMS

Popis naměřeného souboru dat Měříme radiometrickou veličinu f v místě (x,y), která závisí na: čase t, vlnové délce λ, polarizační rovině p. Zapisujeme jako f m (x,y), označujeme jako obrazová funkce. Její funkční hodnoty jsou obrazovými daty a celý soubor je obraz. Zobrazování = vizualizace Máme-li více hodnot na stejném místě -> vícerozměrný soubor: Multispektrální Multitemporální Multipolarizační

Dobrovolný

Hlavní problémy obrazových dat 1. Ztráta informace při perspektivním zobrazení původně trojrozměrné scény do dvojrozměrné roviny čidla kamery. Všechny body na polopřímce dané bodem v obrazové rovině ve směru od středu promítání se zobrazí právě do bodu. 2. Komplikovaný a nejednoznačný vztah mezi měřenou radiometrickou veličinou (zář) a vlastnostmi scény, resp. objektů ve scéně. Závisí na druhových a stavových charakteristikách, poloze a vlastnostech zdrojů záření, orientaci vůči senzoru, čase, části elmag spektra, způsobu digitalizace. 3. Veliké množství obrazových dat 4. Šum, který je v obraze vždy přítomen 5. Vztah mezi pozorovaným detailem a zjišťovaným celkem. Algoritmy zpracování obrazu často pracují v malém okně. upraveno podle Linka et al.

Reprezentace obrazu Reprezentace obrazu podle počítačového vidění: 1. Nejnižší úrovní reprezentace jsou digitální obrazy, které mají podobu obrazových dat, tj. celočíselné matice s údaji o jasu v příslušných bodech. 2. Druhou úrovní reprezentace jsou příznaky. Části obrazu jsou spojeny do skupin, které pravděpodobně patří k jednotlivým objektům. 3. Třetí úrovní reprezentace jsou objekty, které jsou výsledkem segmentace. 4. Nejvyšší úrovní reprezentace obrazových dat jsou relační modely, které postihují kvantitativní i kvalitativní vlastnosti objektů v obraze. Linka et al.

Dobrovolný

Vzorkování obrazu 1. Určení intervalu vzorkování vzdálenost mezi nejbližšími vzorkovacími body v obraze. řeší Shannonova věta o vzorkování: vzorkovací frekvence musí být alespoň dvakrát větší než nejvyšší zajímavá frekvence ve vzorkovaném signálu. přirozená fyzikální interpretace: interval vzorkování se musí volit tak, aby byl menší nebo rovný polovině rozměru nejmenších detailů v obraze. Při zpracování obrazů je rozumné vzorkovat alespoň 5-krát jemněji než je teoretická mez daná vzorkovací větou. 2. Výběr vzorkovací mřížky plošné uspořádání bodů při vzorkování. Zpravidla pravidelná mřížka. Existují jen tři pravidelné mnohoúhelníky, jejichž síť úplně pokrývá rovinu, a to rovnostranné trojúhelníky, čtverce a pravidelné šestiúhelníky.

Kvantování obrazu Kvantování obrazové funkce. Amplituda ve vzorkovaném obraze musí být pro zpracování počítačem vyjádřena jako digitální údaj. Počet kvantovacích úrovní musí být dostatečně velký, aby byly přesně vyjádřeny jemné detaily obrazu. Zpravidla kvantování do k stejných intervalů. Obrazová funkce má omezený obor hodnot. Podle konvence odpovídá v monochromatickém obrazu nejnižší hodnota černé a nejvyšší bílé. Mezihodnoty odpovídají různým stupňům šedi.

Digitální obrazová data

Histogram Udává frekvenci výskytu jednotlivých hodnot obrazové funkce Nikdy není rovnoměrný, protože nejsou ani jednotlivé typy povrchu stejně zastoupeny na snímku (kromě vodních ploch )

Digitální obrazová data uložena v tzv. rastrových souborech (image files) na paměťových mediích počítače obrazový element pixel nebo pel (picture element)

Číselné hodnoty obrazu číselné hodnoty (data file values) uloženy v tzv. rastrových souborech (image files), na paměťových mediích počítače hodnota DN (digital number) číselná hodnota pro jednotlivý obrazový element vyjadřuje hodnotu statistického znaku průměrná hodnota pro plochu reprezentovanou jedním obrazovým prvkem statistický soubor (n-rozměrný)

Dobrovolný

Členění digitálního obrazu obrazový element (pixel) - představuje horizontální strukturování dat uvnitř souboru obrazové pásmo (band, layer) - představuje vertikální strukturování dat uvnitř souboru

Dobrovolný

Základní manipulace s rastrovými obrazy Úprava velikosti rastru EDA průzkumová analýza dat

Zvětšení, zmenšení rastrového obrazu angl. Image Reduction and Magnification obvyklé operace zvýšení počtu řádků a sloupců

Snížení počtu řádků a sloupců angl. image reduction teoretický postup prakticky převzorkování Landsat TM data of Charleston originální obraz počet řádků a sloupců obraz ½ počet ¼ počet ⅛ počet

Zvýšení počtu řádků a sloupců angl. Image Magnification operace Zoom-In, Zoom-Out Převzorkování (viz další kapitola)

Profilové charakteristiky angl. profiles, transects podávají informace o DN pixelů umožňují alternativní pohled na digitální rastrový obraz profily: spektrální prostorové plošné

angl. spectral profiles Spektrální profily křivky spektrálního chování informace o DN vybraného pixelu ve více pásmech význam především pro hyperspektrální data SW vykreslí spektrální profil nebo profily po výběru konkrétního pixelu či konkrétních pixelů ukázka v prostředí ERDAS Imagine

Spektrální profily

angl. spatial profiles Prostorové profily informace o DN vybrané množiny pixelů zvoleného pásma výběr pixelů na pomocí uživatelem vyznačené linie pásmo volí rovněž uživatel ukázka prostorového profilu v oblasti zatopené štěrkovny u Hlučína pro pásma G-R-NIR SPOT XS (prostředí ERDAS Imagine)

Prostorové profily

Profily povrchu obrazového rastru angl. surface profiles informace o DN vybraných pixelů zvoleného pásma výběr pixelů s pomocí pravoúhelníku vyznačeného uživatelem ukázky profilu povrchu obrazového rastru v oblasti zatopené štěrkovny u Hlučína pro pásma G-R-NIR SPOT XS (prostředí ERDAS Imagine)

Plošné profily

Oblasti obrazu Oblast je tedy množina takových pixelů, že každá dvojice pixlů tvoří dvojici souvislých pixelů (dva pixely mezi nimiž existuje cesta) K oblasti lze připojit atributy, které se získají při interpretaci obrazu. některé oblasti obrazu lze označit za objekty segmentace obrazu - postup udávající, která oblast bude chápána jako objekt v příslušném modelovém světě

Paradoxy souvislosti digitalizovaného obrazu 1. Představme si úsečku v digitálním obraze se sklonem 45. Při uvažování 4-okolí je však v každém obrazovém elementu nesouvislá. Protíná-li úsečku jiná úsečka, může nastat situace, že buď mají (průsečík vlevo dole), nebo nemají (průsečík vpravo nahoře) společný bod. 2. Z Euklidovské geometrie je známo, že uzavřená křivka (např. kružnice) dělí rovinu na dvě nesouvislé části. V obrazech digitalizovaných ve čtvercové mřížce lze vést ve čtvercovém rastru z "vnitřku" uzavřené křivky souvislou čáru do "vnějšku", aniž tato protne uzavřenou křivku (nemá s ní společný bod). To však znamená, že "vnitřek" i "vnějšek" uzavřené křivky jsou jedinou oblastí, neboť mezi nimi existuje cesta.

Hranice oblasti Hranice oblasti je množina všech pixelů oblasti, z nichž každý má alespoň jednoho souseda, který nepatří do oblasti. Hranice oblasti odpovídá intuitivní představě bodů na samém okraji oblasti. V matematické abstrakci, kterou poskytuje spojitá obrazová funkce, je hranice nekonečně tenká. V digitálním obraze, pokud je hranice chápána jako složená z pixelů, je třeba rozlišit vnitřní a vnější hranici. Vnitřní hranice potom odpovídá předchozí definici hranice. Vnější hranice by byla hranicí pozadí, tj. množinového doplňku k oblastem. k lepší definici hranice vede topologie zavedená pomocí celulárních komplexů. Odpovídá lépe představě zavedené ve spojité matematice, kde má hranice nulovou tloušťku.

Konvexní obal Konvexní obal objektu je nejmenší oblast obsahující objekt taková, že každé dva body oblasti mohou být spojeny úsečkou, jejíž všechny body patří do oblasti. Konvexní obal se může použít pro popis tvaru objektů (oblastí). Množině bodů uvnitř konvexního obalu, které objektu nepatří, se říká deficit konvexnosti objektu. Existují dva druhy deficitu konvexnosti: První tzv. jezera jsou plně ohraničena objektem. Druhé tzv. zálivy leží mezi konvexním obalem a objektem. V některých aplikacích se objekty popisují pomocí konvexního obalu, jezer a zálivů. Pro diskrétní mřížku musíme poněkud modifikovat význam konvexního obalu, aby si definice zachovala předchozí smysl. Objekty jako trojúhelníky a kružnice je třeba považovat za konvexní, i když jejich hranice mají schodovitý charakter.