Arquivo

Posts Tagged ‘image’

Cálculo de área foliar ocupada por cochonilhas

Área foliar (limão) ocupada por cochonilhas (%). As determinações de área foram feitas com funções disponíveis no pacote EBImage.

No post passado (Cálculo de área foliar) eu mostrei como calcular área foliar com o pacote EBImage do R, desenvolvido por Oleg Sklyar, Gregoire Pau, Mike Smith e Wolfgang Huber. O segundo mencionado é o mantenedor do pacote. Atualmente estou fazendo testes com o pacote porque considero promissor o seu uso em experimentos agronômicos, mais precisamente àqueles de fitopatologia, entomologia e solos. O R por ser livre pode ser usado em todas as etapas do experimento, a saber, a de aquisição dos dados considerando o processamento das imagens e de processamento de dados considerando a análise estatística. Dessa forma, alguém pode desenvolver procedimentos para análise de doenças em escalas diagramáticas avaliadas por computador, eliminando o traço de subjetividade e não reproducibilidade que existe nas notas dadas por um avaliador. E sei que os avaliadores são treinados para tal tarefa, não é qualidade desse trabalho que estou pontuando. O que considero desvantajoso nas escalas é que elas são sempre com poucos níveis (unitária de 0 à 5, por exemplo). Isso implica numa aproximação grosseira de métodos de análise de dados, principalmente porque os métodos de inferência frequentemente aplicados à esses casos supõem normalidade. A avaliação feita pelo computador gera medidas contínuas e isso é bom.

Aqui eu determino a área ocupada por cochonilha em duas folhas de limoeiro (uma planta que tenho no quintal de casa). Eu escolhi uma folha muito ocupada e outra pouco ocupada. O CMR abaixo apresenta todos os passos. Na figura que acompanha essa matéria você vê o resultado final das análises. Quando fiz minha avaliação visual das folhas eu chutei 5% e 40% de ocupação e confesso que fiquei surpreso com os resultados (errei feio). De fato, não temos boa capacidade de avaliar área em situações de distribuição pontual como essa. Por isso que acredito que uma avaliação de área pelo computador seria melhor que a de avaliadores treinados. Alguém se arrisca a submeter isso ao teste? Outro ponto importante nessa minha análise de brincadeira é que só foram consideradas as cochonilhas brancas, não me preocupei com as vermelhas. Algum esforço seria necessário para considerá-las, ou seja, para juntar o vermelho ao branco e separar do verde. Até a próxima ridícula.

#-----------------------------------------------------------------------------
# carrega o pacote

require(EBImage)

#-----------------------------------------------------------------------------
# lê imagem com folhas digitalizadas

fol <- readImage("http://www.leg.ufpr.br/~walmes/ridiculas/folhas3.jpg")
str(fol)

display(fol) # vê a imagem
hist(fol)    # histograma dos componentes verde, vermelho e azul

#-----------------------------------------------------------------------------
# tratamento

fol2 <- imageData(channel(fol, mode="blue")) # seleciona um canal
fol2 <- 1-fol2                               # inverte as tonalidades
hist(fol2)                                   # histograma dos tons de cinza

display(fol2) # escala cinza com claro sendo a folha

#-----------------------------------------------------------------------------
# dicotomiza para branco e preto

fol2[fol2<0.5] <- 0
fol2[fol2>=0.5] <- 1

display(fol2)

#-----------------------------------------------------------------------------
# mais tratamento

fol3 <- bwlabel(fol2)     # coloca os rótulos nas regiões disjuntas
fol4 <- fillHull(fol3)    # remove os pontos pretos dentro do branco

display(fol3)
display(fol4)

#-----------------------------------------------------------------------------
# cálculos

f.ocu <- computeFeatures.shape(fol3) # folha ocupada
f.tot <- computeFeatures.shape(fol4) # folha total

p <- f.ocu[, "s.area"]/f.tot[, "s.area"]
p <- p[p<1]
p <- 1-p
100*p # áreas ocupadas nas folhas (%)

#-----------------------------------------------------------------------------
# prepara para exportação

fol5 <- paintObjects(fol3, fol, opac=c(NA, 0.45), col=c(NA, "blue"))
display(fol5)

xy <- computeFeatures.moment(fol3, fol)[, c("m.cx", "m.cy")] # centróides
font <- drawfont(weight=600, size=15)
fol5 <- drawtext(fol5, xy=xy, labels=paste(format(100*p, digits=3), "%"),
                 font=font, col="yellow")
display(fol5)

writeImage(fol5, "f039.jpg")

#-----------------------------------------------------------------------------
Anúncios
Categorias:dados Tags:,

Cálculo de área foliar

Áreas foliares (cm²)

Área foliar calculada com funções do pacote EBImage.

Sinceramente, eu vi no r-bloggers e não acreditei. É possível calcular área de figuras geométricas no R. Bem isso sempre foi possível, basta ter as coordenadas do polígono. Mas não estou falando de áreas geográficas das quais possuímos os mapas. Estou falando de áreas de figuras digitalizadas, como por exemplo a folha de uma planta, as asas de uma borboleta, um torrão de solo, uma pedra, a seção de de um tronco, uma semente. Enfim, as possibilidades são infinitas.

Em agronomia, a análise de imagens é algo que vem se tornando mais comum. Determinações de volume/comprimento/diâmetro de raízes, dimensão de agregados do solo (diâmetros, rendondezas, perimentros), porcentagem de área ocupada por doença ou atacada por inseto são alguns exemplos de aplicação. Alguns aplicativos para essas tarefas são disponíveis. Alguns deles são pagos. E todos eles não permitem automatizar o trabalho, pois requerem em alguma altura do processo, intervenção do usuário via mouse. Imagine ter que calcular a área de 3000 folhas fazendo o trabalho uma a uma? Não dá né?

Nessa matéria eu calculo área de algumas folhas que encontrei no chão, embaixo de algumas árvores. Para ter a medidas das folhas em cm² eu coloquei um quadrado de papel de área conhecida como referência. Nos vamos usar funções disponíveis no pacote EBImage. O meu tutorial não é muito diferente do original que me motivou (leaf area measuring — R package “EBImage”). O fato é que não me contentei em apenas ler mencionada matéria, tive que ver com meus próprios olhos, e já que foi assim, está qui o código que produzi. Até a próxima ridícula.

#-----------------------------------------------------------------------------
# página de desenvolvimento do pacote
# http://www.bioconductor.org/packages/devel/bioc/html/EBImage.html

# instalação no linux, no terminal do linux, fazer
# sudo apt-get install libmagickcore-dev libmagickwand-dev

# instalando do bioconductor
source("http://bioconductor.org/biocLite.R")
biocLite("EBImage") # pacote EBImage, permite determinar área foliar

# instalando do tar.gz, pegar o link da página e rodar no terminal
# R CMD INSTALL EBImage_xxxxx.tar.gz # xxx representa a versão

#-----------------------------------------------------------------------------
# carrega o pacote

require(EBImage)

#-----------------------------------------------------------------------------
# lendo o arquivo

# lê imagem com folhas digitalizadas
fol <- readImage("http://www.leg.ufpr.br/~walmes/ridiculas/folhas.jpg")
str(fol)

display(fol) # vê a imagem
hist(fol)    # histograma dos componentes verde, vermelho e azul
             # picos de azul estão mais afastados, separam melhor

#-----------------------------------------------------------------------------
# tratamento

fol2 <- imageData(channel(fol, mode="blue")) # seleciona um canal
fol2 <- 1-fol2                               # inverte as tonalidades
hist(fol2)                                   # histigrama dos tons de cinza

display(fol2) # escala cinza com claro sendo a folha

#-----------------------------------------------------------------------------
# dicotomiza para branco e preto

fol2[fol2<0.5] <- 0
fol2[fol2>=0.5] <- 1

display(fol2)

#-----------------------------------------------------------------------------
# calcula atributos de cada região

fol3 <- bwlabel(fol2)     # coloca os rótulos nas regiões disjuntas
kern <- makeBrush(3, shape="disc", step=FALSE)
fol3 <- erode(fol3, kern) # remove alguns ruídos

display(fol3)

forma <- computeFeatures.shape(fol3)
area <- forma[, "s.area"]
area

# áreas foliares
areacm <- 25*area/min(area) # quadrado de área conhecida 25 cm²

#-----------------------------------------------------------------------------
# prepara para exportação

fol4 <- paintObjects(fol3, fol, opac=c(NA, 0.45), col=c(NA, "red"))
display(fol4)

xy <- computeFeatures.moment(fol3, fol)[, c("m.cx", "m.cy")] # centróides
font <- drawfont(weight=600, size=15)
fol5 <- drawtext(fol4, xy=xy, labels=paste(format(areacm, digits=4), "cm²"),
                 font=font, col="white")
display(fol5)

writeImage(fol5, "f038.jpg")

#-----------------------------------------------------------------------------
Categorias:dados Tags:,