Beruflich Dokumente
Kultur Dokumente
Roberto B. Cavalcanti(1)
Biólogo com Doutorado e Pós-Doutorado em Biologia (Ecologia, Conservação
da Biodiversidade). Professor Adjunto da Universidade de Brasília, Vice-Diretor
do Instituto de Ciências Biológicas. Conduz ensino e pesquisa em ecologia
animal, conservação da biodiversidade, e tratamento de imagens.
Renato da V. Guadagnin
Engenheiro, com Doutorado em Informática Aplicada à Administração,
Professor Adjunto da Universidade de Brasília. Chefe do Departamento
de Ciência da Computação. Conduz ensino e pesquisa em visão
computacional, tratamento de imagens, inteligência artificial.
Cristine Gobbato B. Cavalcanti
Bióloga, com Especialização em Limnologia e Manejo de Reservatórios, responsável pelo
monitoramento biológico dos lagos Paranoá, Descoberto e Santa Maria, Companhia de
Água e Esgotos de Brasília - CAESB. Atua na análise de dados e elaboração de relatórios
de qualidade de água e balneabilidade de reservatórios do Distrito Federal.
Marcos Sarres de Almeida
Bacharel em Ciência da Computação, bolsista do programa RHAE/CNPq, junto à
Universidade de Brasília e à CAESB. Especialista em processamento de imagens e
computação gráfica.
Simone de Sá Vasconcelos
Bióloga, bolsista do programa RHAE/CNPq, junto à Universidade de Brasília e à CAESB.
Trabalha com identificação de fitoplâncton e zooplancton. Colabora no projeto de
Biomanipulação do Lago Paranoá.
Rafael Sarres de Almeida
Graduando em Ciência da Computação, bolsista do programa RHAE/CNPq, junto à
Universidade de Brasília e à CAESB.
RESUMO
o
20 Congresso Brasileiro de Engenharia Sanitária e Ambiental 2169
V - 011
20o CONGRESSO BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENTAL
INTRODUÇÃO
o
20 Congresso Brasileiro de Engenharia Sanitária e Ambiental 2170
V - 011
20o CONGRESSO BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENTAL
MATERIAIS E MÉTODOS
A qualidade da água do Lago Paranoá é avaliado pela CAESB por meio de amostragem
regular que gera os seguintes parâmetros biológicos: clorofila a, densidade de
zooplâncton, biomassa algal, e coliformes fecais.
Com base nestes procedimentos, identificamos a seguinte estratégia para fazer a conversão
do sistema manual para o sistema automatizado de contagem de algas do Paranoá:
o
20 Congresso Brasileiro de Engenharia Sanitária e Ambiental 2171
V - 011
20o CONGRESSO BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENTAL
RESULTADOS
O algoritmo tem por objetivo detectar algas filamentosas, e é otimizado para a espécie
Cylindrospermopsis raciborskii. Em termos computacionais, isto significa extrair da
imagem digitalizada os “píxeis” pertencentes às formas finas e compridas.
Inicialmente é necessário escolher o aumento a ser utilizado para geração das imagens a
serem interpretadas, pois dele decorre a espessura dos filamentos correspondentes ao
fitoplâncton. O aumento adotado faz com que esta espessura fique no intervalo de 2 e 4 píxeis.
A imagem captada é binarizada, com a finalidade de separar as algas do material do fundo da
imagem. A utilização de corantes tais como rosa-de-bengala pode melhorar este procedimento.
O primeiro passo do algoritmo consiste na detecção das bordas que delimitam todos os
objetos da imagem binarizada. Em seguida são destacados os píxeis, que possuem quatro
ou mais pontos de borda em sua vizinhança, possuam duas ou mais entradas em sua
vizinhança e não fazem parte da borda. Estes pixels são marcados como parte de uma alga.
O segundo passo consiste em detectar quais dos píxeis destacados são candidatos a pixel
de centro (CCP). Os CCP possuem dois ou três pontos de bordas em sua vizinhança, que
não fazem parte das bordas da imagem.
O terceiro passo consiste em definir se os CCP são realmente pixels de centro (CP). Um
CCP será considerado um CP se atender às duas condições: a) existência de um ou mais
CCP na vizinhança do pixel em questão, e b) inexistência de ponto de borda do píxel em
questão em comum com pontos de borda de outros CCP.
O quarto passo consiste em verificar quais bordas detectadas pertencem a uma alga.
Primeiramente são destacadas as partes das bordas, que respeitam a pelo menos uma das
regras: a) existência de quatro ou mais pontos de bordas na vizinhança do ponto de borda
em questão, e/ou b) existência de um ou mais píxeis de centro (CP) na vizinhança da
borda. Em seguida são destacadas as últimas bordas válidas, que são caracterizadas por
terem pelo menos uma borda válida em sua fronteira.
Ao final destes passos, a imagem das algas é formadas pelo preenchimento dos espaços
desde os píxeis de centro (CP) até as bordas válidas. Antenas ou prolongamentos de
pequenos seres vivos, ou mesmo sujeira, podem ser incluídos na detecção feita pelo
algoritmo. Para permitir eventuais ajustes na imagem de fitoplâncton gerada pelo
algoritmo, foram inseridos comandos para inclusão ou exclusão de partes da imagem,
alcançando-se assim uma aferição aceitável.
o
20 Congresso Brasileiro de Engenharia Sanitária e Ambiental 2172
V - 011
20o CONGRESSO BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENTAL
Figura 1. Tela do programa “Alga”, mostrando (da esquerda para a direita e de cima para
baixo) a imagem original, a imagem binarizada, a imagem com as algas reconhecidas em
verde, e o histograma de intensidades de píxeis da imagem original mostrando o ponto de
corte para binarização. Programação: Marcos e Rafael Sarres de Almeida.
A boa correlação entre os dois métodos permite que a contagem automática possa ser
implementada gradualmente, coexistindo com análises manuais no mesmo laboratório.
o
20 Congresso Brasileiro de Engenharia Sanitária e Ambiental 2173
V - 011
20o CONGRESSO BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENTAL
CONCLUSÕES
As bases do sistema automático para contagem de algas estão bem estabelecidas, com o
programa de computador desenvolvido mostrando boa correlação de resultados com os
métodos manuais atualmente existentes.
o
20 Congresso Brasileiro de Engenharia Sanitária e Ambiental 2174
V - 011
20o CONGRESSO BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENTAL
REFERÊNCIAS BIBLIOGRÁFICAS
1. ALTAFIN, I.G.. MATTOS, S.P.. CAVALCANTI, C.G.B. AND ESTUQUI, V.R.,"Paranoá Lake -
Limnology and Recovery Program". Limnology in Brazil, 1996.
2. ARCELLI, C., DI BAJA, G. S., "A width-independent fast thinning algorithm", IEEE Trans. Patt.
Anal. Mach. Intell. 7, pp. 463-474, 1985
3. BLUM, H., NAGEL, R. N., "Shape Recognition using weighted symetric axis features", Pattern
Recogn. 10, 167-180, 1978.
4. BRANCO, C. W. C. E CAVALCANTI, C. G. B. A ecologia das comunidades planctônicas no
Lago Paranoá. Trabalho no prelo.
5. CAVALCANTI, R.B., R. GUADAGNIN, C. G. B. CAVALCANTI, S. P. MATTOS, V. R.
ESTUQUI.A Contribution to Improve Biological Analysis of Water Through Automatic Image
Recognition. Pattern Recognition and Image Analysis 7(1):18-23, 1997.
6. DANIELSSON, P., SEGER, O., "Rotation invariance in gradient and higher order derivative
detectors", Computer Vision, Graphics and Image Processing, 49, pp. 198-221, 1990.
7. DAVIES, E. R., PLUMMER, A. P. N., "Thinning algorithms: a critique and a new methodology",
Pattern Recogn. 14, pp. 53-63, 1981.
8. WESKA, J. S., NAGEL, R.N., ROSENFELD, A., "A thresholding selection technique", IEEE
Trans. Comput. 23, pp. 1322-1326, 1974.
9. WESKA, J. S., "A survey of thresholding selection techniques", Comput. Graphics Image
Processing, vol. 7, pp. 259-265, 1978.
o
20 Congresso Brasileiro de Engenharia Sanitária e Ambiental 2175