V - 011

20o CONGRESSO BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENTAL

UM MÉTODO PRÁTICO PARA ANÁLISES DE ALGAS EM

AMOSTRAS DE ÁGUA, BASEADO EM PROCESSAMENTO
COMPUTADORIZADO DE IMAGENS

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.

Endereços(1): Depto. de Zoologia e Depto. de Ciência da Computação - Universidade de

Brasília - Brasília - DF - CEP: 70910-900 - Brasil - Tel: (061) 307-2260 - Fax: (061) 272-
1497. Divisão de Monitoramento da Qualidade da Água - Companhia de Água e Esgotos
de Brasília - ETA Brasília - Setor de Áreas Especiais - Brasília - DF - Brasil - Tel: (061)
325-7374 - Fax: (061) 325-7398 - e-mail rbc@tba.com.br

RESUMO

As algas são indicadoras da qualidade de água, sendo portanto rotineiramente monitoradas

em programas de controle de água para abastecimento nas principais empresas de
saneamento do mundo. Entretanto, a complexidade dos processos biológicos que ocorrem
nos rios e lagos resulta em grande variação nas características do fitoplâncton dentro de
uma mesma região e entre regiões. Assim, o monitoramento usando as algas como
bioindicadores tem de ser adaptado a cada corpo d’água, de acordo com as algas de
interesse prioritário e suas concentrações típicas.

o
20 Congresso Brasileiro de Engenharia Sanitária e Ambiental 2169
V - 011
20o CONGRESSO BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENTAL

A Universidade de Brasília e a Companhia de Água de Esgotos de Brasília colaboram

desde 1996 em um projeto piloto com financiamento do CNPq/RHAE para atender aos
seguintes objetivos:

• Testar a viabilidade de desenvolver um “software” de computador para

reconhecimento automático de algas em imagens digitais.
• Desenvolver um sistema protótipo de contagem automática de algas, combinando um
microscópio, câmara de vídeo, e computador.
• Comparar a eficácia do sistema computadorizado com o sistema manual.

O “software” produzido apresenta características inéditas, voltado para o reconhecimento

de algas filamentosas, por classificação automática ou por classificação com supervisão. A
comparação quantitativa do sistema automatizado com o sistema manual mostrou um
índice de correlação de 0,876 (Pearson), indicando uma associação positiva bastante boa entre
os dois métodos. A contagem automática de algas por meio de software de reconhecimento de
imagens é um método viável e bastante promissor para enfrentar o desafio de processar grande
quantidade de amostras de água a custo competitivo e com replicabilidade.

PALAVRAS-CHAVE: Algas, Lago Paranoá, Brasília, Monitoramento Automático,

Tratamento de Imagens.

INTRODUÇÃO

O Lago Paranoá, situado em Brasília, DF, vinha enfrentando um rápido processo de

eutrofização oriundo de aportes de esgoto bruto ou parcialmente tratado. Formado por
represamento do ribeirão de mesmo nome em 1959, a qualidade de água do lago começou
a mudar na década de 1970, com dominância da alga filamentosa Cylindrospermopsis
raciborskii, e ocorrência de florações maciças da alga cianofícea Microcystis aeruginosa.
A CAESB iniciou nesta época um programa de monitoramento limnológico que
demonstrou ser o fósforo o fator limitante para o crescimento de algas no Paranoá. Em
conseqüência, foi iniciado em 1979 um projeto de recuperação voltado para a redução das
fontes externas de nutrientes, por intermédio de coleta e tratamento dos esgotos na bacia
de captação do lago. Duas novas estações de tratamento terciário de esgotos começaram a
operar em 1993 e 1994, com capacidades de 1500 l/s e 920 l/s, respectivamente. A carga
diária de fósforo aportada ao lago em 1992 foi de 449 kg/dia, sendo a contribuição das
estações de tratamento de 244 kg/dia. Em comparação, em 1995 a carga havia baixado
para 187 kg/dia, sendo 89 kg/dia provenientes das estações de tratamento (Branco e
Cavalcanti, no prelo).

O monitoramento do fitoplâncton do Lago Paranoá é um componente importante do

programa de controle limnológico. Até o momento, ele vem sendo realizado por meio de
contagens manuais da densidade de algas em amostras examinadas no microscópio óptico.

O objetivo deste trabalho é descrever o desenvolvimento de uma solução para a contagem

de algas em amostras de água, baseada em um software de reconhecimento automático de
imagens, por uma equipe de pesquisadores da Universidade de Brasília e da CAESB.

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.

A análise quantitativa de fitoplâncton neste reservatório envolve as seguintes etapas:

• Coleta de amostra de água e fixação com Lugol acético.

• Homogenização de material e extração de sub-amostra para câmara de Utermöhl, com
volume de 0,13 ml.
• Sedimentação do plâncton no fundo da câmara.
• Contagem das algas da câmara de Utermöhl, usando microscópio invertido e ocular
reticulada. A contagem é feita preferencialmente em termos de células. No entanto
algumas espécies de Cianofíceas, como é o caso da alga dominante no Lago Paranoá,
Cylindrospermopsis raciborskii, tal procedimento é inviável. Neste caso, conta-se o
número de quadrados do reticulado correspondente a cada filamento, estimando-se
assim indiretamente o comprimento total de algas filamentosas contidas na amostra.
• Cálculo da biomassa algal, a partir do volume da câmara e da superfície ocupada pelas
algas.

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:

• Desenvolvimento de um programa de computador de reconhecimento de imagens, para

realizar a contagem das algas diretamente a partir de uma imagem obtida no
microscópio. Este procedimento é muito facilitado em virtude da quase monocultura
da alga C. raciborskii no lago Paranoá, sendo que esta espécie tem um formato
filamentoso estruturalmente simples e suscetível de reconhecimento automático.
• Desenvolvimento de uma interface para o programa que permita a entrada de dados de
configuração (aumento do microscópio, diluição da amostra) e recursos de
supervisão/editoração do processo de reconhecimento.
• Calibração do Software em comparação com a contagem manual.
• Desenvolvimento de um sistema de “hardware”, composto de microscópio, câmara de
vídeo, e computador, para realizar a contagem de algas e armazenamento dos
resultados em tempo real.

O programa de reconhecimento de imagens foi desenvolvido em linguagem C++ para a

plataforma Windows 95. O programa foi testado com imagens digitalizadas de fotografia e
“slides” obtidos em fotomicroscópio ótico, mostrando campos com as espécies de alga do
lago Paranoá.

o
20 Congresso Brasileiro de Engenharia Sanitária e Ambiental 2171
V - 011
20o CONGRESSO BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENTAL

A comparação entre a interpretação manual e a interpretação automatizada foi feita com

base em 20 imagens de fotomicroscópio. Para a interpretação manual, sobre cada imagem
foi sobreposta uma folha transparente contendo uma grade reticulada, de forma a simular a
visão do campo do microscópio. Em seguida, uma pessoa especializada fez a contagem
das algas usando a mesma técnica das observações ao microscópio. Para a interpretação
automatizada, cada imagem foi digitalizada e processada pelo “software”. Em seguida, os
resultados da contagem bruta automatizada foram multiplicados por um índice fixo de
forma a ficar na mesma escala de valores da contagem manual. A comparação estatística
entre as contagens manuais e automatizadas foi feita pela correlação de Pearson.

RESULTADOS

Programa Computacional de Reconhecimento de Algas

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.

Comparação Reconhecimento Manual x Reconhecimento Automático

O sistema manual e o sistema automático produziram resultados com bom índice de

correlação (r=0,876). O erro médio entre as percentagens foi da ordem de 3,1 (Tabela 1).
Entretanto, verificamos que o sistema manual é bem menos preciso que o sistema
automático, em virtude da aproximação feita pelo método de quadrículas. Ao passo que o
sistema manual conta a superfície de toda a quadrícula em que se encontre uma alga, o
sistema automático calcula somente a área ocupada pelas algas, mesmo que sejam frações
de quadrículas. Desta forma, é necessário a multiplicação por um indicador fixo para fazer
a comparação entre os métodos, pois necessariamente o sistema automático gera
contagens mais conservadoras.

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

Tabela 1. Percentagem de quadrículas com presença de alga filamentosa (sistema

manual) e porcentagem da imagem com presença de algas (sistema automático
convertido), para 20 imagens digitalizadas de amostras de alga fotogradas com
fotomicroscópio.
Análise Manual Análise do Sistema Erro
27 26.7 0.3
27 26.4 0.6
14 9.6 4.4
18 15,7 2,3
32 29,9 2,1
14 10,7 3,3
14 13,1 0,7
18 18,2 0,2
23 19,5 3,5
18 13,1 4,9
18 15,4 2,6
23 19,7 3,3
40 42,7 2,7
23 26,7 3,7
18 16,0 2,0
18 23,5 5,5
23 15,4 7,6
14 16,5 2,5
18 25,0 7.0
14 16,3 2,3

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.

A situação do lago Paranoá, com uma quase monocultura da alga Cylindrospermopsis

raciborskii, está bem adequada à implementação de um monitoramento automático da
biomassa de algas, aumentando a eficiência do laboratório da Divisão de Monitoramento
da Qualidade da Água da CAESB e servindo de exemplo para disseminação desta
metodologia.

Um sistema automático de contagem de algas permite que os dados brutos (imagens)

sejam arquivados para posterior consulta e identificação de outros elementos da biota
aquática, como zooplâncton, desta forma extraindo uma maior quantidade de informações
de um mesmo conjunto de dados de campo.

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