# Aba Analisar

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FeYEe4UWchkKQ9TCawM9K%2Fmcc_tabs_a.JPG?alt=media&#x26;token=a05f7fc0-ea88-4fa7-97ff-16c5ee57de54" alt=""><figcaption></figcaption></figure>

## Abra a Imagem para Analisar

Para começar a analisar uma imagem, pressione o botão BROWSE e selecione uma imagem.

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FA9q1jJYToinr8mk2qpHe%2Fimage.png?alt=media&#x26;token=2000d3e3-1b2e-4558-974e-36b85a5a0cd5" alt=""><figcaption></figcaption></figure>

A imagem será aberta na caixa de visualização da imagem:

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FEy36jnNM9UxyuWzhGYhr%2Fimage.png?alt=media&#x26;token=98df6bb4-a48d-4a9b-8745-c4287bc7d535" alt=""><figcaption></figcaption></figure>

Nosso  [MAPIR Survey3W RGN ](https://www.mapir.camera/collections/survey3/products/survey3w-camera-red-green-nir-rgn-ndvi)imagem de exemplo mostra nosso  [MAPIR Camera Reflectance Calibration Ground Target Package (V2)](https://www.mapir.camera/collections/survey-camera-accessories/products/mapir-camera-reflectance-calibration-ground-target-package-v2) em cima de alguma grama. A câmera Survey3 foi portátil durante a captura da imagem, a cerca de 1 m de distância. Existem regiões na grama que variam de sujeira, grama de saúde mais baixa e grama de saúde mais alta. Uma folha morta também está no primeiro plano da imagem. Esta imagem TIFF de 16 bits foi previamente convertida de RAW e calibrada para refletância usando a [Aba Processar](https://mapir.gitbook.io/mapir-camera-control-mcc/portugues/guias-de-interface/aba-processar) no MCC.

## Índice Raster

Para aplicar uma equação raster, como o índice NDVI à imagem, pressione o botão EDIT INDEX para abrir a janela pop-up 'Raster Index Calculator":

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FkZeYB63eBabTONHUnUva%2Fimage.png?alt=media&#x26;token=df91ff69-699a-475f-8a8b-ee72e33c2ac8" alt=""><figcaption></figcaption></figure>

Selecionar um índice no menu suspenso "Índice:" exibirá a foto da fórmula do índice:

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FC5RzPoxYqkDwcTMOtSt3%2Fimage.png?alt=media&#x26;token=a833eef8-8b41-4720-a742-3858534d945d" alt=""><figcaption></figcaption></figure>

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FgLL84jEkCCUPElWnpygy%2Fimage.png?alt=media&#x26;token=f89949e8-17df-4da0-8e5b-d64cd79a0838" alt=""><figcaption></figcaption></figure>

Observe que o lado esquerdo mostra o espectro de luz que normalmente é usado nessa localização variável de fórmula de índice. Para o índice NDVI, ele normalmente usa luz infravermelha (NIR) e luz vermelha (RED). O lado direito mostra as variáveis X, Y, Z que correspondem aos menus suspensos X, Y, Z abaixo da foto da fórmula do índice.

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FMN1ZXY8ZpFad55pVeJtw%2Fimage.png?alt=media&#x26;token=ef9056e1-2254-4e10-b9ab-94a658c9014c" alt=""><figcaption></figcaption></figure>

O MCC rotula automaticamente os nomes de canal/banda da imagem se uma imagem Survey3 estiver aberta. Em nosso exemplo, este é o modelo de filtro RGN Survey3, então as bandas são rotuladas de acordo. Para todos os nossos modelos de filtro, o nome do filtro corresponde à ordem das bandas, então filtro R,G,N = bandas 1,2,3.&#x20;

Para NDVI precisamos escolher o “X: Banda 1: Vermelho” e “Y: Banda 3: NIR”, conforme visto abaixo:

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FaNlnvpoT8n5EaEWBn9Bg%2Fimage.png?alt=media&#x26;token=90edc458-f740-4592-9dec-b2d8c4d1777a" alt=""><figcaption></figcaption></figure>

Pressione o botão APLICAR para ver a atualização da imagem aberta sem fechar a janela Raster. Pressione o botão OK para manter as alterações e feche a janela Raster.

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FG4x51N9uLjqKQQ20AMFX%2Fimage.png?alt=media&#x26;token=2dde2a78-b493-43da-962a-5d8468d79f8e" alt=""><figcaption></figcaption></figure>

No lado direito, você pode ver a legenda do mapa de pixels. O nome na parte superior da legenda mostra o nome do índice usado (NDVI) e os números representam a faixa de valores de pixel (mínimo a máximo) da imagem. Em nosso exemplo, os pixels variam de -1 a 1, embora o intervalo mostre -0,99 a -0,99. Esses são os pontos finais de pixel mínimo e máximo.

A imagem de gradiente em escala de cinza ao lado da escala de pixels mostra a cor associada ao valor de pixel correspondente. Isso é comumente chamado de LUT, ou "Tabela de consulta". O valor mínimo é definido para a cor preta e o máximo é definido para o pixel branco. Um mapa de gradiente é então aplicado aos pixels intermediários, com um cinza médio representando um valor de 50% (meio caminho) entre o mínimo e o máximo.

Olhando para a imagem do índice NDVI, você pode ver que a grama ao redor é composta principalmente de pixels brancos, uma vez que o índice NDVI correlaciona um valor NDVI mais alto com vegetação saudável que reflete muita luz infravermelha próxima (NIR).

## Gradiente de Cor LUT

Vamos aplicar uma nova cor LUT (Look Up Table) aos pixels para ficar mais fácil de ver o contraste na imagem. O contraste é a diferença entre os pixels pretos e brancos.&#x20;

Pressione o botão EDIT LUT para abrir a janela pop-up "Mapa de cores (LUT)":

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FcQfrEOHk7Mg7kAHNSzuo%2Fimage.png?alt=media&#x26;token=5f29c045-3e5e-4a67-9b82-7d9b41bd0d10" alt=""><figcaption></figcaption></figure>

Clique no botão APLICAR para aplicar as configurações LUT de cor padrão à imagem aberta:

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2F8EoNxVzESZg4riFF2sGu%2Fimage.png?alt=media&#x26;token=d9a22abc-d640-4ebd-a708-65b0965e1122" alt=""><figcaption></figcaption></figure>

Entender como ajustar corretamente os pontos de corte mínimo e máximo da LUT pode levar algum tempo. Ajuda saber um pouco sobre o índice raster que está sendo usado e os intervalos de pixels típicos do índice para determinados materiais. Vamos examiná-lo agora brevemente para ajudá-lo a entender as várias opções.

{% hint style="warning" %}
Sinta-se à vontade para nos [CONTACTAR](https://www.mapir.camera/community/contact) se tiver dúvidas sobre os nossos produtos e as suas várias utilizações. Alguns dos textos abaixo podem ser um pouco técnicos, por isso, informe-nos se tiver dúvidas.
{% endhint %}

O índice NDVI tem um intervalo máximo de pixels de -1 a 1, mas na maioria das vezes é cortado de 0 a 1. Explicaremos o corte logo abaixo. A razão pela qual a faixa NDVI é comumente definida de 0 a 1 é que o índice NDVI é normalmente usado para analisar a "saúde" da vegetação, com valores NDVI mais altos correlacionados a mais atividade fotossintética em andamento (refletindo mais luz NIR). Portanto, um valor de NDVI mais alto normalmente representa uma planta mais saudável. A vegetação normalmente varia de morta ou com pouca saúde em torno de 0,2-0,3 para a mais saudável em torno de 0,8-0,9.

Observe na imagem anterior que os pixels brancos da grama ao redor agora são em sua maioria coloridos de verde médio (\~0,6) a verde escuro (\~0,9), mostrando que a maior parte da grama é "saudável". Como nossos pontos de corte mínimo e máximo de LUT ainda estão definidos nos padrões, eles estão no mínimo e no máximo de pixels reais da imagem. Definimos nosso contraste para que o LUT cubra toda a faixa de pixels (-1 a 1). É comum ajustar o contraste da LUT, ou seja, ajustar os valores dos pontos mínimo e máximo de clipping. Tornar o intervalo de contraste menor condensa a rampa/gradiente de cores, o que significa que o contraste LUT aumenta dentro do intervalo de pixels recortado.

Vamos ajustar o intervalo de recorte da imagem aberta. Abra a janela pop-up "Mapa de cores (LUT)" (botão EDITAR LUT). Altere o valor mínimo "Mínimo:" para 0, conforme mostrado abaixo. Clique em Aplicar/Ok.

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FUar4UOljiPIqZ9jVYWEu%2Fimage.png?alt=media&#x26;token=cbd39ec7-3783-4818-ac83-2744b8debf00" alt=""><figcaption></figcaption></figure>

A imagem aberta foi atualizada.

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2Fz6ZP8AGyaa7FfmVrRqP0%2Fimage.png?alt=media&#x26;token=b441e2f2-4580-4cd1-ba57-fdd42a5f303b" alt=""><figcaption></figcaption></figure>

Agora você pode ver melhor a saúde da vegetação na imagem. A grama de saúde mais baixa foi colorida de verde claro (\~0,6) e a grama mais saudável é de verde escuro (\~0,9). Solo exposto em primeiro plano e perímetro é vermelho (0,0) a laranja (\~0,3).&#x20;

A folha morta em primeiro plano, vista recortada e centralizada abaixo, está abaixo de 0,4, como esperado:

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FaTRkBKTKA7M7OdBoIxfu%2Fimage.png?alt=media&#x26;token=0333cf7f-841a-4bc6-b527-4c32eb8f8d41" alt=""><figcaption></figcaption></figure>

Desmarcar as caixas de seleção Índice e LUT revela os pixels originais de refletância da imagem calibrada.

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FxW1Y04dZXwgEHG5vJ4jB%2Fimage.png?alt=media&#x26;token=245c5d90-b8f4-4f4e-b7f0-07710fbf335d" alt=""><figcaption></figcaption></figure>

Observe (abaixo) como a folha sombreada e a grama sombreada abaixo da folha têm altos valores de NDVI (verde). Isso é típico para pixels NDVI de vegetação sombreada. Marcamos 2 regiões sombreadas de vegetação abaixo com setas azuis:

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FtFkzoDs73NG5II7TOkFT%2Fleaf_shade_arrows.jpg?alt=media&#x26;token=eb6e2a75-68a2-40a1-ad01-c0aa50c414e3" alt=""><figcaption></figcaption></figure>

Existem outras equações de índice que podem ser melhores para explicar a vegetação sombreada. Por exemplo, aqui está a mesma imagem MAPIR Survey3W RGN cortada, mas com o índice OSAVI aplicado. Observe que a folha sombreada agora está mostrando corretamente valores de NDVI mais baixos do que a grama saudável ao redor. A própria região de grama provavelmente também está melhor representada agora com o índice OSAVI, pois também há grama sombreada na região de grama.

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2F05i3JZoza9bNfjUIB3zb%2Fimage.png?alt=media&#x26;token=b9694163-31b8-4025-b961-50ade57fd1d6" alt=""><figcaption></figcaption></figure>

## Opções de Aulas

Abrindo a janela pop-up "Mapa de Cores (LUT)" (EDIT LUT) podemos escolher uma opção "Classes:":

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2Fnr4foQ0Iv0I90e2j8zoI%2Fimage.png?alt=media&#x26;token=e467bf88-7fdb-4adb-a3b4-c33cb2ac84b4" alt=""><figcaption></figcaption></figure>

As classes definem em quantos intervalos de cores definidos os pixels são dimensionados. Quanto mais classes, maior o contraste, quanto menos classes, menor o contraste entre as regiões de pixels. Você viu a opção de classe "7 cores" mais alta, aqui está a foto aberta abaixo em "3 cores" para comparação:

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2F1MgdS1iHhf2Gg48vSCsi%2Fimage.png?alt=media&#x26;token=e23abcc2-5b30-48d2-842e-d67c6621a1d2" alt=""><figcaption></figcaption></figure>

## Opções de clipe

Abrindo a janela pop-up "Mapa de cores (LUT)" (EDIT LUT), podemos escolher uma opção "Clip:":

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2F7L8TcoFtfiy2OEET8HTo%2Fimage.png?alt=media&#x26;token=b02feaf5-cf44-4564-a870-f85cb9da307c" alt=""><figcaption></figcaption></figure>

Quando o valor mínimo é aumentado ou o valor máximo é diminuído, você está recortando/cortando os pixels fora desse intervalo recortado interno. Os pixels que são recortados/cortados podem ter seu valor alterado para outra coisa. Essas são as opções de clipe explicadas abaixo:

#### LUT Mínimo/Máximo

Os pixels fora do intervalo de recorte serão definidos com a cor de pixel mínima e máxima padrão da LUT. Para o LUT Vermelho-Amarelo-Verde, os pixels de menor valor são todos definidos como vermelho e os de maior valor como verde.

#### Transparente

Os pixels fora do intervalo de recorte serão definidos como transparentes (transparentes). Isso é útil para sobrepor a imagem de saída em outros aplicativos de imagem, como uma camada raster em um aplicativo GIS.

#### Índice de fundo

Os pixels fora do intervalo de recorte serão definidos como os pixels da imagem do índice raster. Basicamente, definindo o LUT de volta para a escala de cinza padrão apenas para esses pixels.

#### Fundo original

Os pixels fora do intervalo de recorte serão definidos como os pixels da imagem original. Essa é uma opção comum para nós mesmos usarmos, pois tende a realçar facilmente o contraste que procuramos mostrar. Aqui está a imagem aberta com a opção "Clip" definida como "Background Original":

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FG2lJWopmqhXdGVYcsGmg%2Fimage.png?alt=media&#x26;token=9d33c31d-7e75-47c7-912c-a765d5d9b595" alt=""><figcaption></figcaption></figure>

E a imagem original aberta (calibrada) para comparação:

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FcmVvTgtPU9i46m5kwi79%2Fimage.png?alt=media&#x26;token=6e5ac9b7-4186-4b26-9b25-022e83462a89" alt=""><figcaption></figcaption></figure>

Após a calibração da refletância, a vegetação saudável é azul, porque nesta câmera modelo de filtro RGN a luz do infravermelho próximo (NIR) é capturada no canal azul do sensor.&#x20;

Você também pode escolher o índice GNDVI e processá-lo com esta câmera MAPIR modelo de filtro RGN:

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FsK7PRX3w2XfCjqPwnFxE%2Fimage.png?alt=media&#x26;token=19125b06-0c39-4c6e-948e-0ca5388c7a42" alt=""><figcaption></figcaption></figure>

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FaOQxH2IF3l7UI4wsAZrg%2Fimage.png?alt=media&#x26;token=801e7c76-f9df-4903-a777-56c18fec7a0e" alt=""><figcaption></figcaption></figure>

Você também pode abrir uma imagem de modelo de filtro OCN de uma cena semelhante e processar para NDVI:

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FsroCcRaMpQmAm3Igqb9T%2Fimage.png?alt=media&#x26;token=aa275fd9-ffae-46d3-9e20-1999cbe0b2fe" alt=""><figcaption></figcaption></figure>

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2F9YZTkuLXElm207mT27yg%2Fimage.png?alt=media&#x26;token=d4e5938b-8cea-4cbe-a00e-1a757a04ae5e" alt=""><figcaption></figcaption></figure>

## Botões de Navegação

Acima à direita do visualizador de imagens você encontrará os botões de navegação (da esquerda para a direita):

Mais Zoom     -     Reduzir o Zoom    -    Ajustar a Imagem

![](https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FCamz3JwWL6Z99AprmLJQ%2Fimage.png?alt=media\&token=b65e66dd-c731-4392-bd87-73d0734403e0)

Pressionar os botões + e - aumentará e diminuirá o zoom da imagem.

Pressionar o botão "Ajustar imagem" redimensionará a imagem para o zoom de ajuste padrão e centralizada.

Pressionar o cursor na imagem e arrastá-la moverá a imagem

## Salvar imagem

O botão SAVE permite a saída dos vários formatos da imagem analisada. Pressionando o botão SALVAR você verá as seguintes opções:

<figure><img src="https://393750341-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fh1C71acUZokeUgQUELmH%2Fuploads%2FHOf7A4pQ8ZkPdGz9O4wu%2Fimage.png?alt=media&#x26;token=1bfcf49c-f835-4e7e-bc62-14aa18715525" alt=""><figcaption></figcaption></figure>

O botão BROWSE seleciona a pasta de saída para salvar as imagens.

Selecionar a opção "Salvar imagem de índice" salva a imagem de índice raster processada.

Selecionar a opção "Salvar imagem LUT" salva a imagem colorida LUT processada.

Depois de fazer suas opções de salvar, pressione o botão SALVAR para salvar as imagens.