Vous êtes sur la page 1sur 50

i ii

UNIJUÍ - UNIVERSIDADE REGIONAL DO NOROESTE DO ESTADO DO RIO REGINALDO TUDEIA DOS SANTOS

GRANDE DO SUL

REGINALDO TUDEIA DOS SANTOS ANÁLISE DA MACROTEXTURA DE PAVIMENTOS ATRAVÉS DE


PROCESSAMENTO DE IMAGENS, USANDO TRANSFORMADA DE FOURIER

ANÁLISE DA MACROTEXTURA DE PAVIMENTOS ATRAVÉS DE


Dissertação de Mestrado apresentada ao Programa de
PROCESSAMENTO DE IMAGENS, USANDO TRANSFORMADA DE FOURIER
Pós-Graduação do Departamento de Física Estatística e
Matemática da Universidade Regional do Noroeste do
Estado do Rio Grande do Sul para obtenção do título de
Mestre em Modelagem Matemática

Orientador: Prof. Dr. Luciano Pivoto Specht


Co-orientador: Prof. Dr. Oleg khatchatourian

Ijuí - RS

2008 Ijuí - RS
2008
UNIJUÍ - UNIVERSIDADE REGIONAL DO NOROESTE DO ESTADO DO RIO BIOGRAFIA DO AUTOR
GRANDE DO SUL

DeFEM – DEPARTAMENTO DE FÍSICA, ESTATÍSTICA E MATEMÁTICA


Reginaldo Tudeia dos Santos, nascido em 1967 no município de Doutor Camargo do
DeTEC – DEPARTAMENTO DE TECNOLOGIA
estado do Paraná. Concluiu sua formação no ensino Superior em Ciências em 1993 na FIAR-
Faculdades Integradas de Ariquemes no município de Ariquemes/RO, em Matemática em
PROGRAMA DE PÓS-GRADUAÇÃO EM MODELAGEM MATEMÁTICA
1998 na UNIR-Universidade Federal de Rondônia no município de Ji-Paraná/RO, pós-
graduou-se em Educação Matemática em 2001 na UNIR em Ji-Paraná/RO e Mestrado em
A Comissão Examinadora, abaixo assinada, aprova a Dissertação
Modelagem Matemática em 2008 na UNIJUÍ- Universidade Regional do Noroeste do Estado
do Rio Grande do Sul no município de Ijuí/RS. Já trabalhou no ensino fundamental e médio
“ANÁLISE DA MACROTEXTURA DE PAVIMENTOS ATRAVÉS DE
em escolas públicas e privadas do município de Ariquemes no período de 1994 a 2002 e no
PROCESSAMENTO DE IMAGENS, USANDO TRANSFORMADA DE
ensino superior na UNIR no município de Ji-Paraná/RO de 2001 a 2004 nos cursos de
FOURIER”
Matemática, Física e Pedagogia. É funcionário do estado de Rondônia desde 1998 e trabalha
no Instituto de Ensino Marechal Rondon desde 2003 no município de Ji-Paraná/RO do qual se
Elaborada por
afastou para estudo de mestrado. Atualmente é funcionário da FIAR-Faculdades Integradas de
Ariquemes, onde atua nos cursos de Matemática e Pedagogia. Tem grande interesse pela área
REGINALDO TUDEIA DOS SANTOS
de matemática aplicada, e de educação matemática.

Como requisito para a obtenção do grau de Mestre em Modelagem Matemática

Comissão Examinadora:

______________________________________________
Prof. Dr. Eng. Luciano Pivoto Specht - DeTEC (Orientador)

______________________________________________
Prof. Dr. Oleg Khatchatourian - DeFEM (Co-orientador)

______________________________________________
Profa. Dr. Fabiane Avena de Oliveira - DeFEM

______________________________________________
Prof. Dr.Deividi da Silva Pereira (UFSM)

Ijuí, RS, 24 de março de 2008


vi

AGRADECIMENTOS

Antes de tudo, a Deus que me concedeu saúde e força para superar as adversidades e
conquistar mais esta etapa importante de minha vida.

À minha esposa Terezinha, pelo amor e carinho, por me acompanhar rumo a mais esta
conquista mesmo tendo que ficar longe de todos, por me permitir acompanhar o
desenvolvimento de meus filhos, amo você.

Aos meus pais, Geraldo e Eva que mesmo a distância sempre acreditaram em mim e
ofereceram seu amor incondicional e suas constantes orações.

Aos meus filhos Patrícia, Priscila, Jeniffer, Reginaldo e Pollyhanna, pelo amor e
carinho, vocês são muito especiais em minha vida.

Aos meus irmãos Paulo, Agnaldo, Carlos, Eliene e Edilene, pela amizade, alegrias e
bons momentos compartilhados.

Ao meu orientador prof. Dr. Luciano Pivoto Specht e ao co-orientador prof. Dr. Oleg
Khatchatourian pela orientação, dedicação, constante incentivo, pela paciência e amizade,
com os quais foi possível a concretização deste trabalho.

Aos colegas de curso, pela convivência durante estes dois anos e pelos bons momentos
vividos.

Externo também, a minha gratidão aos meus vizinhos Aldo e Márcia que sempre se
fizeram presentes em momentos agradáveis e também em momentos difíceis dessa nossa fase
da vida.

Dedicatória: Aos colegas dos jogos de bola, pela convivência agradável e por muitos momentos de

À minha esposa Terezinha e meus filhos Jeniffer, descontração, a vocês a minha gratidão.

Reginaldo e Pollyhanna, que souberam suportar


minhas ausências, mesmo na presença. Pelos À equipe do laboratório de engenharia da UNIJUÍ, técnicos Luiz e Salete pelo apoio,

estímulos e pelas angustias em razão deste curso, aos alunos de iniciação científica Diego, Thiago e Jaelson, que não mediram esforços para

dedico-lhes essa conquista como gratidão. realização dos ensaios fotográficos e de mancha de areia, muito obrigado.
viii

SUMÁRIO
Ao discente de informática, Marlon Petry pelo apoio no desenvolvimento do programa
1 INTRODUÇÃO................................................................................................................ 17
de análise de freqüência, a minha gratidão.
1.1 OBJETIVO ............................................................................................................... 21
À secretária do mestrado Geni, que sempre se demonstrou atenciosa às dúvidas e 1.2 ORGANIZAÇÃO DO TRABALHO........................................................................ 21
solicitações realizadas. 2 REVISÃO BIBLIOGRÁFICA ......................................................................................... 23

2.1 PAVIMENTOS RODOVIÁRIOS E AEROPORTUÁRIOS .................................... 25


À todos os professores do mestrado e funcionários, por nos proporcionar crescimento
2.1.1 Pavimentos Flexíveis............................................................................................ 25
intelectual e pela dedicação. Agradeço em especial ao prof. Dr. Gerson pelo apoio em nossa
2.1.2 Pavimentos rígidos ............................................................................................... 28
estada em Ijuí.
2.2 PAVIMENTO E ÁGUA ........................................................................................... 29
2.2.1 Hidroplanagem ..................................................................................................... 30
À UNIJUÍ, por disponibilizar suas instalações e seus professores para realização do
2.2.2 Viscoplanagem ..................................................................................................... 33
curso que contribuiu muito para nosso crescimento.
2.3 TEXTURA DO PAVIMENTO................................................................................. 34
2.3.1 Microtextura ......................................................................................................... 35
À CAPES pelo apoio financeiro a esta pesquisa e que sem ele dificultaria muito a
2.3.2 Macrotextura......................................................................................................... 36
realização deste curso.
2.3.3 Mega-textura......................................................................................................... 41
2.4 PROCESSAMENTO DE IMAGEM DIGITAL ....................................................... 41
2.4.1 Representação de imagens digitais ....................................................................... 42
2.4.2 Definição de cor.................................................................................................... 43
2.4.3 Definição de textura com vistas ao processamento de imagem ........................... 47
2.4.4 Passos fundamentais em processamento de imagens ........................................... 48
2.4.4.1 Armazenamento de Imagens......................................................................... 50
2.4.4.2 Aquisição da imagem ................................................................................... 50
2.4.4.3 Pré-processamento ....................................................................................... 51
2.4.4.4 Segmentação................................................................................................. 51
2.4.4.5 Representação e descrição ........................................................................... 52
2.4.4.6 Extração de Atributos................................................................................... 53
2.4.4.7 Reconhecimento e Interpretação .................................................................. 54

3 METODOLOGIA............................................................................................................. 55

3.1 PLANEJAMENTO DA PESQUISA ........................................................................ 55


3.2 MATERIAIS E MÉTODOS ..................................................................................... 55
3.2.1 Aquisição da Imagem em Campo......................................................................... 55
3.2.2 Ensaio da Mancha de Areia .................................................................................. 57

4 PROCESSAMENTO DE IMAGEM E TRANSFORMADA DE FOURIER.................. 58


x

4.1 INTRODUÇÃO........................................................................................................ 58
LISTA DE FIGURAS
4.2 CONTEXTO MATEMÁTICO DA TRANSFORMADA DE FOURIER ...............58
4.3 SÉRIE DE FOURIER............................................................................................... 59
Figura 1 - Situação de risco de hidroplanagem ........................................................................ 30
4.3.1 Representação de série de Fourier de uma função limitada ................................. 59
Figura 2 – Pavimento com água e o risco de hidroplanagem................................................... 30
4.3.2 Domínio espacial e de tempo da série Fourier ..................................................... 60
Figura 3 - Velocidade Limiar Crítica da Hidroplanagem em Função da Lâmina d’água no
4.3.3 Análise de Fourier em uma dimensão .................................................................. 62
Modelo de Gallaway (1979) ............................................................................................. 32
4.3.4 Transformada Discreta de Fourier........................................................................ 62
Figura 4 - Esquema representando à macro e a microtextura................................................... 35
4.3.5 Transformada Rápida de Fourier.......................................................................... 64
Figura 5 - Macrotextura e microtextura................................................................................... 36
4.3.6 Informação Teórica............................................................................................... 64
Figura 6 - Escoamento de água e reflexão luminosa ................................................................ 37
4.3.7 Análise de imagens digitais usando Fourier (domínio de freqüência) ................. 65
Figura 7 - Medida do volume conhecido de areia no pavimento ............................................. 38
4.3.8 Modelo de transformada de Fourier usado no MATLAB 7.0 .............................. 66
Figura 8 - Areia espalhada no pavimento................................................................................. 39
4.3.9 Procedimento para operação no MATLAB.......................................................... 69
Figura 9 - Ensaio de mancha de areia....................................................................................... 39
5 VALIDAÇÂO DO MODELO.......................................................................................... 75 Figura 10 - Microesferas de vidro ............................................................................................ 39

6 CONSIDERAÇÕES FINAIS ........................................................................................... 87 Figura 11 - Microesferas de vidro utilizadas no ensaio (aumento de 25x)............................... 40
Figura 12 - Ensaio de drenabilidade ......................................................................................... 41
6.1 CONCLUSÕES ........................................................................................................ 87
Figura 13 - Convenção dos eixos para representação de imagens digitais............................... 44
6.2 SUGESTÕES PARA TRABALHOS FUTUROS .................................................... 88
Figura 14 - Coordenadas do pixel ............................................................................................ 44
REFERÊNCIAS BIBLIOGRÁFICAS ..................................................................................... 90 Figura 15 - Coordenadas do pixel para processamento no Matlab .......................................... 45
Figura 16 – Vizinhança de um pixel (x,y) ................................................................................ 46
ANEXO A - PROGRAMA GERADOR DAS FAIXAS DE FREQÜÊNCIAS E DOS
Figura 17 - Contendo medidas de contraste de uma função..................................................... 49
RESPECTIVOS GRÁFICOS.................................................................................................. 95
Figura 18 - Etapas do processamento de imagens.................................................................... 49
ANEXO B - ROGRAMA PARA SOMA FFT E COMPARAÇÃO COM A MANCHA DE Figura 19 - Câmera fotográfica apoiada no tripé...................................................................... 56
AREIA.....................................................................................................................................97 Figura 20 - Sombra da iluminação em imagem obtida em laboratório para teste .................... 56
Figura 21 - Ensaio da mancha de areia..................................................................................... 57
Figura 22 - Onda gerada por fp(x) = sen2ʌx............................................................................. 60
Figura 23 - Pavimentos asfálticos............................................................................................. 65
Figura 24 - Visão do espectro de FFT no computador ............................................................. 67
Figura 25 - Parte da magnitude da FFT na imagem ................................................................. 68
Figura 26 - Faixas de freqüência retangulares.......................................................................... 70
Figura 27 - Protocolo para processamento de imagem............................................................. 71
Figura 28 - Imagem de pavimento no formato RGB................................................................ 72
Figura 29 - Imagem de pavimento em tons de cinza................................................................ 72
Figura 30 - Pavimento asfáltico com textura mais rugosa........................................................ 73
Figura 31 - Soma da FFT contra as faixas de altas freqüências da imagem............................. 74
Figura 32 - Soma da FFT contra as faixas de baixas freqüências da imagem.......................... 74
xii

Figura 33 - Soma da FFT em 126 anéis ................................................................................... 75


Figura 34 - Soma da FFT em 126 anéis das imagens 2-6......................................................... 76 LISTA DE TABELAS
Figura 35 - Soma da FFT em 126 anéis das imagens 7-11....................................................... 77
Figura 36 - Soma da FFT em 126 anéis das imagens 12-16..................................................... 78 Tabela 1 - Classificação da textura (ASTM E – 965, 1996)..................................................... 40
Figura 37 - Soma da FFT em 126 anéis das imagens 17-21..................................................... 79 Tabela 2 – Limites de aplicação do revestimento segundo sua macrotextura.......................... 40
Figura 38 - Soma da FFT em 126 anéis das imagens 22-26..................................................... 80 Tabela 3 - Altura de areia do local de captura de cada imagem ............................................... 81
Figura 39 - Soma da FFT e altura de areia ............................................................................... 83
Figura 40 - Soma da FFT e altura de areia até o anel 16.......................................................... 84
Figura 41 - Correlação entre a freqüência FFT e a altura da mancha ...................................... 85
Figura 42 - Coeficiente de determinação versus número de anéis ........................................... 86
xiii

v Variável de freqüência
LISTA DE SÍMBOLOS E SIGLAS
Vh Velocidade limiar crítica de ocorrência da hidroplanagem [km/h]
ABNT Associação Brasileira de Normas Técnicas x È em unidades
Bn,Nn, Cn e Dn São amplitudes das freqüências em θ n ωn = nω x ω Freqüência angular do brilho por x-unidade

DFT Transformada discreta de Fourier θn Ângulo de mudança de fase

dm Média dos diâmetros da mancha medida na superfície do pavimento [mm]

Ef(x) Energia total de cada freqüência

fp (x) Função periódica uniforme e finita

f(x, y) Função bidimensional de intensidade da luz

F(u, v) Equação de transformada de Fourier

FFT Transformada rápida de Fourier

ha Altura da mancha de areia [mm]

HS Espessura da escultura do pneu [cm]

hm Altura média da areia [mm]

i(x, y) Iluminação dos objetos da cena

JPEG Joint photographic experts group

LA Espessura da lâmina d’água sobre as asperezas [cm]

p Período

P Pressão de insuflagem do pneu [kPa]

r(x, y) Reflexão dos objetos da cena

SD Percentagem de giro da roda

SFFT Soma da distribuição de freqüências

T Periodicidade de funções senoidais

∇f Gradiente de f nas coordenadas (x, y)

V Volume de areia [mm3]

u Variável de freqüência
xv xvi

RESUMO
ABSTRACT
A modelagem matemática tornou-se uma ferramenta essencial na melhoria do controle do
The mathematical modeling became an essential tool in improvement of the control from the
processo de qualidade de produtos em diversas áreas, a análise de diversos dados dos
product quality, trial in diverse areas, the engineering of pavements is not different. The
pavimentos, não é diferente. A textura adequada de um pavimento rodoviário ou
measurement of the surface from a landing track on an airport is a reduction of accidents, for
aeroportuário tem se tornado cada vez mais importante na redução de acidentes. Portanto, o
have an adequate control of the pavements surface, they need more sophisticated models and
controle adequado da superfície do pavimento necessita de modelos mais sofisticados para
more dependable information about the macrotexture. The objective of this research was find
sua aferição e de informações mais confiáveis sobre a macrotextura. O objetivo desta pesquisa
in a practical approach of measuring the macrotexture of the surface from a landing track on
foi encontrar um método prático de mensurar a macrotextura da superfície do pavimento
an airport. By using the process of a digital image, and using the theory of Fast Fourier
asfáltico rodoviário ou aeroportuário usando o processamento de imagem digital, e
Transform (FFT). The parameter selected for quantify the condition of the surface was the
incorporando a teoria da transformada rápida de Fourier (FFT). O parâmetro selecionado para
content of information that contained in each image and calculated by a FFT through the
quantificar a condição superficial do pavimento foi o conteúdo de informação contido em
modification in the intensity of light between pixels adjacent, such modification is named
cada imagem e calculado por um FFT através da modificação na intensidade de luz entre
spatial frequency. This method is going to replace the approach of the sand circle, its going to
pixels contíguos, tal modificação é denominada freqüência espacial. O método visa substituir
be quick and reliable and reduce the risk to the technicians, and minimizing traffic
o método do mancha de areia, ele precisa ser rápido e seguro na aferição da textura para
disturbance. For the processing of the image there were steps to be followed: capture of the
reduzir o risco, aos técnicos, associado à avaliação da textura superficial das vias e minimizar
image and a test of sand of the chosen surface, cutting and filing of the image, reading of the
a perturbação ao tráfego. Para o processamento da imagem foram seguidos os seguintes
image, de by the software Matalb 7.0, transformation in tones of gray and an application of
passos: captura da imagem e ensaio de areia da superfície escolhida, recorte e arquivamento
mask for reduce the noise, application of the FFT for find the distribution of frequencies,
da imagem, leitura da imagem feita pelo software Matlab 7.0, transformação em tons de cinza
division of the image in regions named rings, the sum adds FFT regarding the height of sand.
e aplicação de máscara para reduzir o ruído, aplicação da FFT para encontrar a distribuição de
The obtained results showed that the approach found can replace with good quality the essay
freqüências, divisão da imagem em regiões denominadas anéis, soma da FFT nos anéis e
of the spot of sand.
comparação gráfica da soma FFT em relação à altura de areia. Os resultados obtidos
mostraram que o método encontrado pode substituir com boa qualidade o ensaio da mancha
de areia.
Key word: road surfaces, macrotexture, mathematical modeling, image processing, fast
Fourier transform (FFT).
Palavra chave: pavimentos, macrotextura, modelagem matemática, processamento de
imagem, transformada de Fourier.
17 18

altas como em baixas velocidades, alterando a trajetória do seu veículo quando necessário
1 INTRODUÇÃO
quer o pavimento esteja seco ou molhado (MOMM, 1998).

O incremento da circulação e da velocidade dos veículos rodoviários impõe a construção e Em pavimentos molhados, os fenômenos da hidroplanagem e da viscoplanagem são os mais
melhoria constante da qualidade dos pavimentos. Em decorrência disso, a textura dos importantes que ocorrem na interface pneu/pavimento, por afetarem diretamente a segurança.
pavimentos toma um lugar relevante nas estruturas rodoviárias, em particular com vistas à
segurança. Para o pavimento ser econômico precisa ter características físicas capazes de resistir à fadiga
sob ação das variações climáticas e do tráfego e suportar as deformações em limites
A qualidade do pavimento asfáltico é avaliada baseada nos conceitos básicos de segurança, aceitáveis.
conforto e economia proporcionados ao usuário.

Assim, a consideração que se coloca, inicialmente, é que um pavimento para ser bom precisa
A aderência pneu/pavimento garante a segurança para frear, acelerar e fazer as manobras. servir ao usuário com segurança e conforto durante o uso, e ser, operacionalmente,
Contudo, a construção de um pavimento que propicie o máximo de aderência pneu/pavimento econômico.
pode significar pavimento excessivamente rústico que produza ruídos desagradáveis
(SPECHT et al., 2006), que eleve o custo operacional do usuário devido ao desgaste dos No Brasil, as rodovias federais, estaduais e municipais que são pavimentadas, em sua maioria,
equipamentos de rodagem ou o aumento do consumo de combustível ou que resulte em são revestidas em concreto asfáltico ou tratamentos superficiais, porém existem várias cidades
pavimento que se deteriore precocemente. na região sul do país em que as ruas das cidades são revestidas apenas com pedras
(calçamento irregular), também há uma parcela pequena das estradas do país em que o
O aspecto de segurança concorre, em igualdade, com o do conforto e o de economia para pavimento é rígido, como a rodovia dos Imigrantes - São Paulo.
aperfeiçoar e qualificar um pavimento.

Pavimento rígido é constituído de placas de concreto de cimento Portland, estas placas são
O conforto ao trafegar é sentido com o deslocar suave do veículo sobre o pavimento e com a colocadas sobre o solo de fundação ou sub-base intermediária.
ausência de ruídos desagradáveis, ele é reduzido com a ocorrência de vibrações causadas pela
interação das irregularidades da superfície do pavimento com a suspensão do veículo O pavimento é uma estrutura constituída de várias camadas que podem ser de diversos
(MOMM, 1998), bem como é função da existência de ruídos que atinjam o usuário e sua materiais, possui características de elevada resistência, baixa deformabilidade, permeabilidade
vizinhança, e também, com a incidência de ofuscamento ocasionado por reflexão da luz dos e aderência, adequadas à circulação de veículos (SHEN, 2001). Pode ser mais ou menos
faróis dos veículos durante a noite em pavimentos molhados (espelho noturno). reforçado, dependendo das condições existentes, sendo esse reforço feito com aumento das
espessuras das camadas que o constituem, ou com repetição de alguma camada, que é o caso
O aspecto econômico de uso do pavimento é analisado, pelas interações das irregularidades da do pavimento flexível.
superfície nos componentes rodantes ou na suspensão do veículo deteriorando-os, causando
desgaste precoce dos pneus e consumo excessivo de combustível, aumentando o custo total Além da deformabilidade, a diferença existente entre pavimentos rígidos e pavimentos
dos transportes. flexíveis está no tipo de materiais utilizados nas camadas superiores (MOTTA, 1991). No
caso dos pavimentos rígidos as camadas superiores são constituídas de cimento Portland,
A segurança do usuário é medida pelo pavimento que propicia aderência na interface pneu- quanto ao pavimento flexível, às camadas superiores são constituídas por materiais
pavimento de modo a mantê-lo no controle da trajetória desejada de seu veículo, tanto em betuminosos (também designadas por asfaltos).
19 20

Na mesma época, o coeficiente de atrito longitudinal era correlacionado com a macrotextura


Esta pesquisa se restringirá, dentre todas as camadas e suas disposições, a camada superficial do pavimento (altura da areia) para médias e altas velocidades. O atrito longitudinal dependia,
do pavimento por ser onde é percebida a textura e onde ocorre o atrito pneu/pavimento, objeto também, de numerosos parâmetros como o tamanho e a distribuição dos grãos, a angularidade
desta pesquisa. das arestas, o polimento das faces dos granulares, etc. (PASQUET, 1968).

As irregularidades superficiais dos pavimentos influenciam de sobremaneira o desempenho de Segundo Fernandes (1998), a macrotextura é função da altura dos granulares salientes à
um pavimento, desde o conforto de rolamento e a segurança em pista molhada até o desgaste superfície do pavimento e da densidade de distribuição. A altura do granular saliente à
do sistema de suspensão e a deterioração e danificação de cargas, além de aspectos superfície depende do tamanho máximo dos granulares da composição granulométrica.
relacionados com ruído.
Atualmente, ainda o método mais utilizado para aferir a macrotextura é o ensaio da mancha
Dados não oficiais (PAVARINO, 2004) estimam que no Brasil cerca de 80.000 pessoas de areia. Este método, porém, demanda grande quantidade de mão-de-obra e interrompe o
percam suas vidas em decorrência de acidentes de trânsito, a cada ano. Uma das causas de trânsito por período razoavelmente longo causando irritação nos motoristas que desejam
acidentes é a má condição da superfície de rolamento das rodovias, que leva a perda de chegar ao seu destino o mais rápido possível.
aderência pneu/pavimento e conseqüentemente a dificuldade de manter os veículos na
trajetória desejada (SPECHT et al., 2006). Pavimentos com macrotextura adequada ao local e a velocidade imprimida pelos veículos,
pode reduzir significativamente o índice e a gravidade dos acidentes.
Considera-se que se devem avaliar os pavimentos não só quanto à economia, conforto e
resistência, mas também a segurança que ele proporciona ao seu usuário, principalmente para Estudos específicos mostram que a taxa de acidentes cresce significativamente na proporção
as condições de pista molhada. inversa do coeficiente de atrito do pavimento, especialmente quando a textura fica muito fina.

A macrotextura do pavimento implica na existência de canais através dos quais a água pode Pesquisas publicadas em 2006 pelo IPEA (Instituto de Pesquisas Econômicas Aplicadas),
ser eliminada da superfície de contato pneu/pavimento evitando a hidroplanagem. A aderência DENATRAN (Departamento Nacional de Trânsito) e ANTP (Associação Nacional dos
pneu/pavimento depende do estado de conservação dos pneumáticos, da profundidade dos Transportes Públicos) com dados referentes ao biênio 2004/2005 indicam que o custo de um
sulcos do pneu e da macrotextura eliminar a água através de seus canais, entre os granulares. acidente em que a pessoa sai ilesa é de R$ 1.040,00, quando uma vítima é classificada como
Também, a inclinação transversal da via pode auxiliar na remoção da água superficial e ferida o custo é de R$ 36.305,00 e em caso onde há vitima fatal o custo é de R$ 270.165,00
aumentar o contato entre as superfícies pneu/pavimento. (IPEA 2006).

A construção de um pavimento cuja superfície seja mais ou menos rugosa é função do arranjo Estudos estatísticos de Knoflacher (1968) já concluíram que a proporção de acidentes em
e da distribuição do tamanho dos granulares em sua composição. pavimentos molhados era duas vezes maiores que em pavimentos secos, e que uma redução
de freqüência de acidentes pode se alcançada por medidas de correção dos pavimentos para
Já em 1968, a macrotextura do pavimento, medida pelo ensaio da mancha da areia, era evitar as derrapagens. Com aumento da frota, potência maior dos veículos e permissão para
correlacionada com a drenabilidade da superfície do pavimento, para situações de pavimento maior velocidade nas rodovias brasileiras, a macrotextura torna-se muito importante na
em nível ou inclinado (LUCAS, 1968). redução do número de acidentes, principalmente em pavimento rodoviário molhado.
21 22

Dados oferecidos pela pesquisa feita pela Poli-USP sobre velocidade, mostra que em
pavimento molhado um carro a 80 km/h percorre 147m até parar, espaço suficiente para O capítulo 1 introduz o tema de aderência pneu/pavimento, circunscreve o assunto da
provocar acidentes. Seria então necessário para velocidades igual ou superiores a citada, que pesquisa, relaciona a adequabilidade do pavimento asfáltico, fixa o objetivo da pesquisa e
as saliências fossem grandes o suficiente e angulares na superfície do pavimento para como alcançá-lo.
deformar a superfície do pneu. Além disso, na presença d’água, este tipo de textura de
No capítulo 2 são desenvolvidos os conceitos de aderência pneu/pavimento, de microtextura,
pavimento permitiria escoamento rápido d’água possibilitando o pneu romper facilmente o
de macrotextura da superfície do pavimento, descrevem também sobre fenômenos da
filme d’água. Em velocidades superiores a 100 km/h, a macrotextura do pavimento tornar-se-
hidroplanagem e da viscoplanagem, versa sobre processamento de imagem com seus
ia tão importante quanto à microtextura em termos de aspereza.
respectivos passos e define características da imagem, tais como: cor, tipos, textura.

É necessário que engenheiros responsáveis pela realização de obras de construção de


No capítulo 3 é apresentado o planejamento da pesquisa, os materiais e equipamentos
pavimentos asfálticos atentem para os coeficientes de textura adequados a velocidade da via.
utilizados nos ensaios da mancha e para obtenção da imagem.
Em locais de baixa velocidade a aderência pode ser menor, porém em pavimentos onde é
permitida alta velocidade o coeficiente de atrito pneu/pavimento tem que ser adequado a tal
No capítulo 4 são apresentados os recursos utilizados no processamento de imagens dos
velocidade para reduzir o risco de acidente em situação de emergência.
pavimentos asfálticos tais como: aplicação de máscara, sobre DFT, a importância da aplicação
da FFT no processamento digital e o processo de aplicação da FFT no processamento.
1.1 OBJETIVO
No capítulo 5 são apresentados os resultados obtidos nesta pesquisa bem como a validação do
O propósito desta pesquisa é encontrar um método prático para mensurar a textura superficial processo utilizado.
de pavimentos flexíveis usando o processamento de imagem digital, incorporando
informações teóricas e análise desenvolvida através de processos matemáticos, de maneira a O capítulo 6 apresenta as conclusões e sugestões para trabalhos futuros.
substituir e/ou complementar as informações do ensaio de mancha de areia.

A pesquisa tem como objetivo específico:

- buscar na literatura métodos de processamento de imagem que se enquadrem na temática da


pesquisa;

- implementar um procedimento de processamento de imagem;

- validar o procedimento comparando com resultados encontrados do ensaio de mancha de


areia.

1.2 ORGANIZAÇÃO DO TRABALHO

O trabalho está organizado da seguinte forma:


23 24

2 REVISÃO BIBLIOGRÁFICA
Porém, qualquer que seja a causa perturbadora da estabilidade do veículo, é necessário saber
que o condutor só pode contar com a pequena área de contato de seus pneus com o pavimento
A principal via utilizada para a realização do transporte de bens e pessoas, no Brasil, é a que tem dimensões próximas a de uma folha de papel.
malha rodoviária. Aproximadamente 63% das cargas e 97% dos passageiros são transportados
através do modal rodoviário de transporte (MELLO, 2001). A possibilidade de o condutor evitar ou não o acidente depende também da qualidade e das
condições de uso da superfície de contado.
Atualmente, a extensão total da malha rodoviária brasileira (federal, estadual e municipal) é
de aproximadamente 1.724.924 km, sendo aproximadamente 10% da extensão total É conveniente existir um nível de aderência adequado à velocidade permitida ao longo de
pavimentada (WESSELING et al, 2003), na qual 97% constituem-se de pavimentos flexíveis, toda a via e durante toda a vida útil, qualquer que seja a situação climática, ou seja, quer o
ou seja, com revestimentos asfálticos. Almejada por sua facilitação e maior comodidade no pavimento esteja seco ou molhado para garantir a segurança do usuário.
transporte e acesso com qualidade a diversos lugares, uma rodovia pavimentada também está
intimamente ligada ao desenvolvimento econômico por tornar o trajeto entre produtores, De acordo com Matiuzo (2006), testes de aderência pneu/pavimento feitos pela Poli-USP
fornecedores e consumidores mais rápido e de menor custo, levando importante incremento (Escola Politécnica da Universidade de São Paulo), revelaram que a uma velocidade de 80 km
na qualidade de vida da população beneficiada com a pavimentação. por hora um carro comum pode percorrer mais de 340 % no pavimento liso para conseguir
parar completamente do que no pavimento áspero. Com base nessas informações, seria
Pavimentos existem para proporcionar segurança e conforto ao tráfego dos veículos, essencial que em locais onde veículos imprimam maior velocidade, a textura fosse mais
diretamente relacionados à suavidade de deslocamento e inversamente proporcionais ao nível rugosa para permitir a expulsão rápida d’água, possibilitando o rompimento do filme d’água,
de irregularidade da superfície do pavimento. diminuindo o espaço percorrido em frenagem no caso de emergência.

Durante o deslocamento, o veículo mantém contato contínuo com a superfície do pavimento Não só na combinação de pavimento com textura lisa e molhada, mas também em pavimentos
(BERTHIER, 1998). A interação entre o pneu e o pavimento deve garantir a possibilidade do com textura rugosa, porém com baixa capacidade de escoamento de água, o veículo
usuário acelerar, frear, realizar trajetória em curva conforme sua necessidade, especialmente, percorrerá grande distância freado em situação de risco. Tais combinações aumentam muito
em condições desfavoráveis, tais como de pavimentos úmidos ou molhados evitando as chances de acidentes, eles têm custo muito elevados tanto aos familiares quanto aos cofres
acidentes. públicos; familiares quando relacionados a ferimentos, lesões graves ou até mesmo a perda de
vidas, além de danos materiais, para os cofres públicos com mobilização de equipes de
Acidentes rodoviários podem estar ligados a um único fator, porém em grande parte estão resgate, procedimentos hospitalares e indenizações as vítimas ou familiares.
relacionados a diversas causas interligadas. A causa do acidente pode ser imputada:
• aos usuários (atitude, experiência, comportamento, etc.), Seria extremamente importante a exigência por parte das agências reguladoras de trânsito em
relação às construtoras, a construção de pavimentos que ofereçam resistência à derrapagem e
• às características dos veículos (manutenção, desempenho, etc.), reabilitação das rodovias existentes, com características de superfícies dentro dos limites de
segurança a derrapagem.
• à infra-estrutura viária (geometria, rugosidade, meio ambiente, manutenção, etc.),
• a circunstâncias particulares (meteorologia, visibilidade, intensidade de tráfego,
etc.).
25 26

2.1 PAVIMENTOS RODOVIÁRIOS E AEROPORTUÁRIOS Citações bíblicas revelam o seu emprego como impermeabilizante na Arca de Noé. Os
egípcios utilizaram o asfalto em trabalho de mumificação. A história nos mostra que o asfalto
O pavimento é uma estrutura constituída por múltiplas camadas, destinadas a suportar a ação tende a se perpetuar ao longo dos séculos (ESTRADAS, 2007).
do tráfego e do meio ambiente.
Ele é um material betuminoso que pode ser utilizado em pavimentação e classifica-se em dois
No processo de construção de pavimentos é necessário escavar montes e aterrar vales e/ou tipos:
construir viadutos e pontes devido às inclinações naturais existentes no terreno que •Derivados do carvão - "Alcatrão" - (deixaram de ser utilizados no Brasil na década de
geralmente não é plano. Já que a construção de estradas tem seu objetivo principal em criar 60)
um caminho linear e mais cômodo de forma a facilitar o percurso existente. •Derivados do petróleo - "Asfalto"

O pavimento é uma estrutura que possui características de elevada resistência, baixa À partir de 1909 iniciou-se o emprego de asfalto derivado de petróleo, obtido pelo processo
deformabilidade, permeabilidade e aderência, adequadas à circulação de veículos (LEITE, de refino, que pelas suas características de economia e pureza em relação aos asfaltos
1999, EPPS, 1994). Pode ser mais ou menos reforçado, dependendo das condições existentes, naturais, constitui atualmente a principal fonte de suprimento para pavimentação (PINTO,
sendo esse reforço feito com aumento das espessuras das camadas que o constituem, ou com 1998).
repetição de alguma camada, que é o caso do pavimento flexível.
No Brasil cerca de 95% dos asfaltos fabricados são utilizados em trabalhos de pavimentação,
De um modo mais amplo, existem dois tipos de pavimentos distintos: pavimentos rígidos e destinando-se uma pequena parcela à aplicações industriais. Aqui, os primeiros
pavimentos flexíveis. empreendimentos rodoviários tiveram início no Império, mais precisamente da segunda
metade do século XIX, quando foram construídas a União e Indústria, que ligava Petrópolis a
A diferença existente entre estes dois tipos de pavimentos consiste no tipo de materiais Juiz de Fora e apresentava um magnífico traçado para a época, tendo intenso tráfego; a
utilizados nas camadas superiores e na sua deformabilidade. No caso dos pavimentos rígidos estrada da Estrela, de Magé a Petrópolis; a estrada Graciosa, de Paranaguá a Curitiba; e a
as camadas superiores são constituídas de cimento Portland, quanto ao pavimento flexível, às antiga via Anchieta - caminho do mar, de Santos a São Paulo, que é a mais antiga estrada
camadas superiores são constituídas por materiais betuminosos (também designadas por brasileira (FRAENKEL, 1980).
asfaltos).
É chamado flexível, o pavimento executado de revestimento betuminoso sobre uma base
Em ambos os tipos de pavimentos, sob estas camadas superiores existem normalmente duas granular.
camadas de materiais britados, designadas por sub-base e base.
O perfil do pavimento flexível geralmente é composto pelas seguintes camadas: subleito,
reforço do subleito, sub-base, base e revestimento. A espessura das camadas bem como o
2.1.1 Pavimentos Flexíveis perfil descrito anteriormente pode variar dependendo das condições econômicas e locais.

O asfalto é, sem dúvida, um dos mais antigos materiais utilizados pelo homem. Escavações De maneira geral, as camadas que compõe o pavimento podem ser descritas como:
arqueológicas revelam o seu emprego em épocas anteriores à nossa Era. Assim, na
Mesopotâmia, o asfalto era usado como aglutinante em trabalhos de alvenaria e construção de Subleito – Terreno de fundação do pavimento, deverá apresentar características geométricas
estradas. Os reservatórios de água e as salas de banhos eram impermeabilizados com asfalto. definitivas;
27 28

Reforço do subleito – Camada construída acima do subleito se necessário, com o objetivo de O autor afirma ainda que, cada vez mais, está se buscando produtos asfálticos com melhor
complementá-lo; desempenho, o que coloca os ligantes asfálticos modificados em situação de destaque, e já é
uma realidade em muitos países a incorporação de borracha reciclada de pneus tanto em
Base – Camada destinada a resistir aos esforços do tráfego e distribuí-los às demais camadas, mistura asfáltica como em outras aplicações de pavimentação.
pode ou não ser complementada pela sub-base;
2.1.2 Pavimentos rígidos

Revestimento – Deve ser o mais impermeável possível, recebe ação direta do tráfego, também
Os pavimentos rígidos são executados com concreto de cimento Portland e utilizados em
finaliza o trabalho melhorando as condições de rolamento e protegendo as camadas inferiores;
projetos destinados a suportar grandes cargas. Também refletem melhor a luz, por terem uma
coloração mais clara, aumentando a visibilidade e reduzindo os custos de iluminação.
Segundo De Senço (1997) as camadas superiores do pavimento estão submetidas a maiores
Rompem por tração na flexão, quando sujeito às deformações.
pressões, exigindo na sua construção materiais de melhor qualidade. Para a mesma carga
aplicada, a espessura do pavimento deverá ser tanto maior quanto pior forem as condições do
Medina (2005) afirma que as placas de concreto sofrem expansões e contrações causadas por
material do subleito. Pode-se mencionar a regra de que subleito ruim e cargas pesadas levam a
variações de temperatura e umidade. Uma placa exposta ao tempo sem cargas está sujeita à
pavimentos espessos; subleito de boa qualidade, e cargas leves leva a pavimentos delgados.
ação de radiação solar e da precipitação atmosférica. Torna-se complexa a ação conjugada de
fatores climáticos e carregamento dos veículos.
Os pavimentos flexíveis elaborados a partir da mistura de agregados e cimento asfáltico são
usados e indicados para a maioria dos projetos de pavimentação.
Cimento Portland é um aglomerante chamado hidráulico e Segundo a Especificação Brasileira
EB-1, da Associação Brasileira de Normas Técnicas – ABNT o cimento Portland é obtido
Para De Senço (1997) materiais betuminosos são hidrocarbonetos de cor, dureza e
através da pulverização do clínquer resultante da calcinação e misturas de materiais calcários
volatilidade variáveis. Betumes são combinações de hidrocarbonetos produzidos naturalmente
e argilosos, água e gesso.
ou por combustão, em geral o termo betume engloba asfaltos e alcatrões.

Para De Senço (1997) o cimento já era conhecido na Idade Antiga, utilizado de forma natural
O autor ainda define asfalto como sendo material aglutinante de consistência variável, cor
o cimento pozolânico, principalmente entre os romanos que mais tarde com a queda do
pardo-escura ou negra, podendo ocorrer em jazidas ou ser obtido pela refinação do petróleo.
Império Romano, este material decaiu. Mas em 1756, o engenheiro inglês John Smeaton fez
Alcatrões são resultantes de processos de refino de alcatrões brutos, os quais se originam da
voltar sua utilização. Somente em 1845 é que se iniciou a produção do verdadeiro cimento
destilação de carvões durante fabricação de gás e coque. O asfalto tem sua viscosidade
Portland, produzido por Johnson, o compatriota de Aspdin que tentara anteriormente sua
variável com a temperatura.
modificação.

Estudos estão sendo realizados quanto à aplicação de borracha reciclada, oriunda de pneus
No Brasil, o primeiro pavimento de concreto em rodovia foi executado em 1925, rodovia que
velhos, na execução de pavimentos flexíveis. Specht (2004) afirma que a adição de 12 a 18%
liga São Paulo a Cubatão.
de borracha ao ligante, leva à produção de misturas com maior resistência à fadiga e a
deformações permanentes e maior durabilidade. A incorporação de borracha, através do
Os pavimentos rígidos ou pavimentos de concreto são denominados “nobres”, por sua grande
processo seco, melhora as características de resistência à fadiga e ao trincamento térmico,
durabilidade e desempenho estrutural. Por constituírem tecnologia reconhecidamente mais
devido à menor sensibilidade a variações de temperatura.
adequada às vias rodoviárias e urbanas de tráfego intenso e pesado e a certas situações críticas
29 30

de carregamento, como aeroportos, áreas portuárias, postos de pesagem de veículos, praças de Apesar de dificuldades maiores quando da hidroplanagem, a maior freqüência de acidentes de
pedágio, frigoríficos e determinados pisos industriais. Têm uma vida útil superior a 20 anos e circulação rodoviária ocorre na situação de pavimento apenas úmido, no âmbito da
requerem pouca manutenção. São menos permeáveis que os pavimentos comuns, não sofrem viscoplanagem, geralmente atribuído a pavimentos polidos ou pneus sem esculturas, os
com os efeitos dos óleos e dos combustíveis. chamados “pneus carecas” (MOUNCE et al., 1993).

As camadas do pavimento rígido são respectivamente: subleito, sub-base e placa de concreto.


2.2.1 Hidroplanagem
Os pavimentos rígidos apresentam um número mais reduzido de camadas em relação aos
pavimentos flexíveis (asfálticos), uma vez que a camada superior tem dupla função: base e
revestimento. A hidroplanagem pode ocorrer quando a lâmina d’água sobre o pavimento, suspende o pneu
do veículo ocasionando a perda de contato do pneu com o pavimento, situação ilustrada nas

Segundo Medina (1997), o pavimento é dito semi-rígido quando, sob o revestimento Figuras 1 e 2. A aderência se torna nula e o usuário perde o controle, situação em que a

betuminoso, tem-se uma base cimentada. segurança é completamente comprometida. De acordo com Mounce et al. (1993), a
hidroplanagem pode ocorrer até com espessuras de lâmina de água de 0,76 mm, caso os pneus
estejam ruins e o pavimento polido.
2.2 PAVIMENTO E ÁGUA

Um pavimento com características de baixo poder de escoamento de água, apresenta algumas


dificuldades, como por exemplo:

- a presença de água na superfície interage de maneira muito intensa em especial para veículos
em alta velocidade, eles tem dificuldade de romper uma película de água relativamente fina,
por conseqüência, reduzindo o atrito. Quando há presença de uma fina camada de água,
película de água, o fenômeno do contato pneu/pavimento é denominado contato úmido.
Figura 1 - Situação de risco de hidroplanagem

- Contato molhado, neste caso há presença de maior quantidade de água, lâmina d’água, o
veículo com velocidade a partir de um limiar crítico, perde totalmente o contato
pneu/pavimento e começa a flutuar sobre a água, situação em que o condutor não tem nenhum Pneu
controle do veículo. Esse fenômeno é denominado hidroplanagem (SPECHT et al., 2006). Revestimento

Existem situações em que há presença de água suficiente para causar o contato úmido e pode Água
provocar acidentes mesmo à velocidade relativamente baixa. A água é aspirada para a ponta
Onde:
das arestas da rugosidade do pavimento e a pressão exercida pelas arestas do pavimento pode p = zona de entrada;
t = zona de transição;
não ser suficiente para romper o filme de água e produzir contato seco. Neste caso, é
c = zona de contato.
eliminado o contato entre pneu/pavimento no domínio da viscosidade da água, ocorrendo o Figura 2 – Pavimento com água e o risco de hidroplanagem
fenômeno conhecido como viscoplanagem (DO, 1995; MOUNCE et al., 1993). Fonte: DNER, (1998)
31 32

As declividades longitudinal e transversal do pavimento, se inadequadas à pluviosidade do SD = é a percentagem de giro da roda (100% é roda livre);
local em que o pavimento é construído, possibilitam a ocorrência de acúmulo d'água em poças
ou a formação de corre de iras ao longo da superfície, criando condições potenciais de P = é a pressão de inflação do pneu (kPa);
hidroplanagem.
TD = é a espessura da escultura do pneu (mm);
A velocidade e a espessura da lâmina de água são os principais fatores governantes do
fenômeno hidroplanagem. Porém, é difícil determinar a velocidade em que ela começa a LA = a espessura da lâmina d’água sobre as asperezas (cm);
ocorrer, porque são vários fatores que influenciam tal fenômeno, fatores como a pressão de
inflação e a escultura do pneu, a textura e a inclinação do pavimento, a intensidade da HS = a espessura da textura do revestimento (cm).
precipitação e a capacidade de drenagem se interdependem na ocorrência do fenômeno
(MOMM, 1998). No Brasil, conforme determinação do CONTRAN, o valor mínimo de profundidade da banda
de rodagem (TD) é igual a 1,6mm (CONTRAN, 1993).
Muitos autores procuram determinar a velocidade limiar crítica a partir da qual a
hidroplanagem pode ocorrer. A construção de relações para o cálculo da velocidade limiar O parâmetro SD descreve a mudança rotacional da roda devido à perda de contato do pneu
crítica de hidroplanagem é difícil por causa da quantidade de incertezas que o fenômeno com a superfície do pavimento, no caso de ocorrer a hidroplanagem.
envolve.
Segundo Monn (1998), no modelo de Gallaway, se tomados como constantes: a altura da
Uma fórmula empírica foi obtida por Gallaway et al (1979) para estimar a velocidade crítica areia (HS = 0,062cm), a pressão de inflação dos pneus (P = 131kPa) e a profundidade da
de hidroplanagem. Porém, com a limitação recomendada de aplicabilidade para lâmina d’água escultura mínima admitida pelo CONTRAN (TD = 1,6mm), porém, variando a altura da areia
mínima de 0,25cm: e a percentagem de giro da roda, as curvas da velocidade limiar crítica de hidroplanagem
decrescem com o aumento da espessura da lâmina d’água existente sobre o pavimento e com
Vh = 0.902 SD 0,04
P (TD / 0, 794 + 1)
0,3 0,06
A (2.1) a redução do giro da roda nos instantes da hidroplanagem como mostra a Figura 3.

onde A é o maior valor entre:

A1 = (11, 008 / LA0,06 + 3,507) (2.2)

A2 = (26,871/ LA0,06 − 6,861) HS 0,14 (2.3)

onde

Vh = é a velocidade limiar crítica de ocorrência da hidroplanagem (km/h); Figura 3 - Velocidade Limiar Crítica da Hidroplanagem em Função da Lâmina d’água no
Modelo de Gallaway (1979)
33 34

Entretanto, o polimento progressivo das asperezas dos granulares, reduz a capacidade das
O instante limiar crítico de hidroplanagem pode ser reduzido se a velocidade limiar crítica de cristas das arestas romperem a película d'água, constituindo um fenômeno inibidor da
hidroplanagem for reduzida ou se reduzir o giro da roda, o aumento ou redução da lâmina aderência, incitando a ocorrência da viscoplanagem.
d’água sobre o pavimento faz mudar o limiar crítico de hidroplanagem.

Existem vários modelos para valores de velocidade limiar crítica, mas todos eles são
2.3 TEXTURA DO PAVIMENTO
limitados. O modelo de Gallaway, por exemplo, trata-se de um modelo empírico que depende
da espessura da lâmina d’água com limitação máxima de 0,25cm.
A superfície do pavimento pode apresentar-se desde muito lisa até extremamente rugosa. A
característica de polimento ou rugosidade é denominada textura, cada característica está
2.2.2 Viscoplanagem diretamente ligada ao desempenho do pavimento relacionando-o com a irregularidade da
textura superficial (comprimento de onda-Ȝ), bem como a sua conveniência nas características
De modo análogo, o fenômeno da viscoplanagem condiciona a segurança. Um tênue filme de desempenho.
d'água entre o pneu e o pavimento pode propiciar um deslocamento relativo entre as duas
superfícies (DO, 1995), no domínio da viscosidade d'água. São as asperezas do pavimento que A aderência entre o pneu e o pavimento depende da força de atrito resultante do contato entre
são capazes de romper o filme de água que se interpõe entre as cristas das asperezas do as duas superfícies. O atrito por sua vez depende de diversos fatores, entre eles da área de
pavimento e o pneu. É o contato íntimo e seco entre estas superfícies que permite a ocorrência contato entre o pneu e o pavimento. Esta área de contato pode ser subdividida entre três
da aderência. regiões: Zona 1 (contato molhado): a água é evacuada progressivamente pelas ranhuras do
pneu e pela macrotextura do revestimento, sem, no entanto, restabelecer o contato, sendo a
Existem três fases para a ocorrência de contato pneu/pavimento na presença d’água com aderência praticamente nula; Zona 2 (contato úmido): parte da água é evacuada, havendo um
espessura fina, lâmina menor que 0,10mm. pequeno contato entre o pneu e as asperezas do revestimento, podendo ocorrer um movimento
relativo no domínio da viscosidade da água. O fenômeno de viscoplanagem ocorre nesta zona
A primeira é a que o pneu empurra a água para frente provocando a formação de onda, o seu de contato; Zona 3 (contato seco): há uma completa evacuação da água e um perfeito contato
contato com o pavimento é impedido pela pressão exercida pela água inexistindo, entre o pneu e o pavimento. A partir da descrição das três zonas de contato pode-se dizer que
praticamente, o contato com os agregados superficiais do pavimento, potencializando a a capacidade de aderência desenvolvida é função do tamanho relativo entre elas, ou seja, a
hidroplanagem. extensão de cada uma, e conseqüentemente do tempo de passagem da água.

A segunda é a que o pneu começa a ter contato com o pavimento, mas resta ainda uma A resistência à derrapagem pode ser considerada em duas parcelas, resultantes dos fenômenos
película de água entre ele e a superfície do pavimento, neste caso podendo criar um de adesão (dependente da natureza dos materiais em contato, bem como da atração entre eles,
deslocamento relativo entre a banda de rodagem e o pavimento no domínio da viscosidade. da condição seca da superfície e da área real de contato) e histerese ou intertravamento
(resultante da deformação na borracha da banda de rodagem do pneu, ocasionada pelo contato
Na terceira fase, a película d’água é rompida totalmente e ocorre o contato íntimo (seco) entre com as rugosidades da superfície). O coeficiente de atrito pode ser medido no sentido
o pneu e as arestas do pavimento. longitudinal ou transversal ao deslocamento do veículo. O coeficiente de atrito longitudinal
diz respeito à força que se desenvolve na área de contato pneu-pavimento quando se arrasta
uma roda travada por meio de um veículo trator. Este coeficiente simula uma situação de
35 36

frenagem de emergência no sentido longitudinal. Coeficiente de atrito transversal diz respeito


à força perpendicular ao plano de rotação da roda, quando esta circula com uma inclinação em
relação à sua direção de avanço. Esse coeficiente é o que melhor representa uma situação de
derrapagem do veículo em zonas de curvas.

No que diz respeito ao atrito pneu-pavimento, um dos aspectos mais importantes é a textura
do revestimento asfáltico. Diversos autores são unânimes em afirmar que a textura tem
atuação importante no atrito a altas velocidades e em pistas molhadas, demonstrando haver
correlação entre a textura do revestimento e os índices de derrapagem. Uma importante
condição para que se tenha uma aderência elevada é a eliminação da água que se encontra na
área de contato pneu/superfície do pavimento. As texturas do revestimento e do pneu possuem
iguais funções na expulsão da água. A textura da superfície do pavimento é dividida em
microtextura, macrotextura e megatextura.
Figura 5 - Macrotextura e microtextura

2.3.1 Microtextura
Quando os veículos se deslocam em velocidade inferior a 50km/h pode-se afirmar que a
microtextura é o fator predominante na resistência à derrapagem, restabelecendo o contato
A microtextura corresponde à distribuição espacial das asperezas na superfície dos granulares entre o pneu/pavimento. Porém à velocidades superiores a ruptura do filme de água torna-se
componentes do revestimento ilustrada pelas Figuras 4 e 5, capaz de interagir com a banda de mais difícil devido ao menor tempo de contato do pneu com a superfície do pavimento
rolagem do pneu, rompendo o filme de água, ela compreende a irregularidade entre 10 −3 mm e (SOUZA et al., 1993).
5 × 10−1 mm . A existência dessas asperezas é devida principalmente às características
mineralógicas e à estrutura dos granulares. Os granulares devem apresentar e conservar A maneira mais comum de se medir microtextura é através do ensaio de pêndulo britânico
arestas vivas durante o maior tempo possível, resistir ao uso (dureza) e oferecer uma boa (ASTM E-303-1993), porém existem outras formas tais como o Método Subjetivo (avaliação
resistência ao polimento decorrente do tráfego, para que a microtextura tenha um bom visual ou pelo tato utilizando-se amostras ou ainda através de fotografias) é atribuída uma
desempenho. Pode-se então considerar que, o que determina de forma expressiva a eficiência nota ao aspecto áspero ou polido da superfície (DO, 1995), Método Indireto (forma de
da microtextura isoladamente, é a interação entre as características geométricas das asperezas caracterização nas quais os resultados obtidos para a microtextura são influenciados por
dos granulares bem como de suas propriedades mineralógicas (características da rocha de outras características) e Medidas de Perfil (dispondo-se de artifícios como o microscópio ou o
origem) (SPECHT et al., 2006). raio laser, capazes de captar as irregularidades da superfície sem a necessidade de contato).

2.3.2 Macrotextura

A macrotextura é uma característica relacionada à dimensão dos granulares do revestimento,


compreende a irregularidade entre de 5.10-1mm e 5.10mm, à execução da camada em campo
(compactação) e ao eventual tratamento superficial. É responsável pela aderência a
Figura 4 - Esquema representando à macro e a microtextura
37 38

velocidades superiores a 50km/h em pavimentos secos ou molhados, em pavimentos Não só as modificações ao longo do tempo, mas o tipo de textura do pavimento construído
molhados, facilita a evacuação da água encontrada entre o pneu e a superfície contribuindo influencia nos fatores escoamento de água e reflexão luminosa, como pode ser visto na Figura
para reduzir a ocorrência do fenômeno de hidroplanagem de forma a restabelecer, mesmo que 6 (b) e (c), são dois pavimentos de construção recente, pode ser observado dois tipos de
parcialmente, o contato seco. textura, parte do pavimento com textura mais rugosa, facilitando o escoamento d’água e outra
com textura menos rugosa, com drenagem mais lenta provocando reflexão luminosa, tendo
Vários fatores influenciam na macrotextura de um revestimento, como origem mineralógica, também menos aderência pneu/pavimento.
processos de britagem, projeto das misturas do revestimento (determina a granulometria do
material a ser empregado), método de preparação do revestimento e método de execução da O processo mais comum de mensuração da macrotextura é o método da altura de areia
camada de revestimento. A macrotextura sofre constantes modificações ao longo do tempo, (ASTM E 965-1996). Segundo Specht et al. (2006), o método caracteriza a superfície do
devido principalmente à ação do tráfego. Essas modificações reduzem a capacidade de pavimento quanto a sua capacidade de drenar a água confinada entre o pneu e o pavimento, e
escoamento, dificultando a drenagem da lâmina d'água, provocando com isso o fenômeno quantifica a densidade, ou seja, a distância média entre os grânulos individuais de agregados
chamado reflexão luminosa, como pode ser observado na Figura 6. aflorados na superfície do pavimento (DNER, 1998). Esse processo consiste em espalhar, com
movimentos circulares de um dispositivo apropriado (espalhador de madeira com

a) b) revestimento de borracha) na superfície do pavimento, um volume conhecido de areia ou


microesferas de vidro. A Figura 7 mostra o volume de areia no pavimento, as Figuras 8 e 9 a)
e b) ilustram tal procedimento. Mede-se o tamanho da mancha em quatro direções, e então,
com a média, calcula-se a altura da macrotextura, ou altura de areia, pela equação:

4V
hm = (2.4)
d m .π
2

onde:
c)
hm = altura média de areia

V = volume

dm= média das medidas da mancha na superfície do pavimento.

Figura 6 - Escoamento de água e reflexão luminosa


a) Pavimento com reflexão luminosa
b) Parte do pavimento com textura lisa e mais ao fundo rugosa
c) À frente, pavimento liso com baixo escoamento e alta reflexão, ao
fundo o inverso
Figura 7 - Medida do volume conhecido de areia no pavimento
Fonte: Pidwerbesky et al., (2006)
39 40

Grande irregularidade ignorada quando usado


O nível de areia

Diâmetro, d(mm)
Figura 8 - Areia espalhada no pavimento Figura 11 - Microesferas de vidro utilizadas no ensaio (aumento de 25x)
Fonte: Pidwerbesky et al., (2006) Fonte: Specht et al. (2006)

a) b) c) A textura é classificada conforme a Tabela 1.

Tabela 1 - Classificação da textura (ASTM E – 965, 1996)

Intervalo de dimensões
Horizontal Vertical
Domínio
Figura 9 - Ensaio de mancha de areia
Microtextura 0 - 0,5mm 0 – 0,2mm
a) Aparato utilizado no ensaio da mancha de areia
Macrotextura 0,5mm – 50mm 0,2mm – 10mm
b) Espalhamento da areia sobre a superfície do pavimento
Megatextura 50mm – 500mm 1mm – 50mm
c) Medida do diâmetro do círculo formado pela mancha de areia
Irregularidade 0,5mm – 50mm 1mm – 20cm

No momento do ensaio o pavimento deve estar perfeitamente limpo e seco e as microesferas


devem ter um grau de esfericidade superior a 90% e tamanho padronizado (90% passante na
peneira nº60 e retida na nº80). A Figura 10 ilustra as microesferas espalhadas no pavimento e A Tabela 2 ilustra o limite dos valores hm da macrotextura indicado para cada via.
a Figura 11 as microesferas com aumento de 25x.
Tabela 2 – Limites de aplicação do revestimento segundo sua macrotextura
Fonte: Pasquet (1968)
Limites de valores
Textura
de hm (mm) Aplicação do revestimento
superficial
Mínimo Máximo
Muita fina < 0,2 Não deve ser utilizado
Fina 0,2 0,4 Reservado p/ zonas urbanas V < 80 km/h
Média 0,4 0,8 Indicado para vias com 80 km/h < V < 120km/h
Grossa 0,8 1,2 Indicado para vias rápidas com V > 120km/h
Muito Grossa > 1,2 Indicado em casos especiais

Figura 10 - Microesferas de vidro


Além do método da mancha de areia, existem outros tais como o da drenabilidade superficial
do pavimento mostrado pela Figura 12, a medida contínua com laser (equipamento RUGO)
entre outros.
41 42

O grande avanço nesta área foi quando do surgimento de computadores de grande porte no
período da corrida espacial, aliado à necessidade de melhoramento na qualidade das imagens
de televisão.

Atualmente o processamento de imagens possui inúmeras aplicações do conhecimento


humano, tais como:

- Tratamento e melhoria de imagens a fim de permitir a visualização de algum detalhe


específico de interesse do usuário. É aplicado junto à Medicina (tomografia), imagens de
Figura 12 - Ensaio de drenabilidade
raios-X, Controle de Qualidade, Biologia, Sistemas de Monitoração e Controle (segurança),
Fonte: Specht (2004)
Geologia, Sensoriamento Remoto (imagens de satélites), Meteorologia, entre outros

2.3.3 Mega-textura (MARTINS, 2004).

- Reconhecimento e classificação de objetos presentes em uma imagem, aplicável em


São irregularidades superficiais cujos comprimentos de onda são superiores a 5.10mm,
sistemas de segurança (impressões digitais), interpretação automática de textos, visão
indesejáveis para uma superfície segura e confortável. São capazes de produzir excesso de
artificial, robótica, exploração automatizada (sistemas anti-bombas, exploração submarina,
vibrações, tais defeitos no pavimento, afetam o atrito pneu/pavimento e de sobremaneira o
mísseis teleguiados, etc), (MASCARENHAS e VELASCO, 1989).
conforto e o custo operacional dos veículos.

2.4.1 Representação de imagens digitais


2.4 PROCESSAMENTO DE IMAGEM DIGITAL

Uma imagem é composta por um conjunto de pontos, denominados "Pixels" (Picture


O Processamento de Imagens está ligado ao tratamento e análise de imagens. Ele visa à
Elements) ou "Dots", cada ponto na imagem é uma função da intensidade de luz refletida pelo
manipulação e exibição de imagens prontas, envolvendo diversos processos de tratamento da
ponto correspondente na cena (FOLEY et al., 1996). Estes "pixels" estão dispostos na tela do
imagem bem como os processos que permitam a interface entre dispositivos de entrada e
computador formando uma matriz de pontos que é denominada de "Bit-Map" ou "Mapa de
saída gráfica e o arquivo de imagem. Ao contrário da Computação Gráfica, o Processamento
Bits". Este mapa de bits é um reticulado onde cada elemento da matriz possui uma informação
de Imagens não possui como fim a geração de uma imagem a partir de dados, mas sim a
referente à cor associada aquele ponto específico. Uma determinada imagem possuirá também
manipulação de uma imagem previamente gerada e a extração de informações a partir desta
uma "resolução" associada a ela, que é o número de elementos que esta imagem possui na
imagem.
horizontal e na vertical. Cada elemento da imagem possuirá uma localização, que é definida
pelas suas coordenadas.
As técnicas de processamento de imagem digital começaram a ter aplicações no início do
século XX, com o envio de imagens por meio de cabos submarinos entre Londres e Nova
Portanto, uma imagem é uma matriz de pontos ou pixels, com uma determinada resolução
Iorque para a publicação em jornais (GONZALES e WOODS, 2003). As imagens eram
horizontal (eixo X) e vertical (eixo Y), onde para cada ponto desta matriz tem-se uma cor
codificadas no transmissor e decodificadas no receptor.
associada.
43 44

2.4.2 Definição de cor e 15 o valor de f em qualquer ponto (x, y) é proporcional ao brilho (níveis de cinza) da
imagem naquele ponto (GONZALES e WOODS, 2003). Uma imagem digital é composta por
Um elemento de grande importância na criação de uma imagem é a sua cor, por este motivo um número finito de elementos, onde cada um tem localização e valor específico, pode ser
descrita aqui com mais detalhes o que vem a ser cor. Cor é um elemento da imagem considerada como sendo uma matriz cujos índices de linhas e de colunas identificam um
relacionada especificamente a percepção visual do ser humano. Sabe-se que existem animais ponto na imagem, e o correspondente valor do elemento da matriz identifica o nível de cinza
que não enxergam as cores, portanto a noção de cor está relacionada ao sistema visual do naquele ponto. Os elementos dessa matriz são chamados de elementos da imagem, elementos
homem. da figura, “pixels” ou “pels”, estas duas últimas, abreviações de “picture elements” (elementos
de figura). Um pixel é o elemento básico em uma imagem cuja forma mais comum é a
A noção de "COR" pode ser definida através da "tri-stimulus theory", que será explicada de retangular ou quadrada, ele também é um elemento com dimensões finitas na representação
uma maneira simplificada aqui: de uma imagem.

O ser humano possui em seu sistema visual três tipos de sensores capazes de identificar três
y
faixas diferentes de "espectros de energia". Estas faixas correspondem às tonalidades de
Vermelho (Red), Verde (Green) e Azul (Blue). Logo o ser humano vê na realidade a
combinação resultante da mistura destas três cores básicas (CASACURTA et al., 1998).

De acordo com Gonzalez et al. (2004), o sistema de cores utilizado nos computadores é •

usualmente o sistema RGB (Red-Green-Blue), onde é controlado a intensidade da geração


destas três cores básicas. Ao definir-se determinada cor em um computador, o que é
x f(x, y)
especificado na realidade é a intensidade (valor associado) aos emissores R, G e B. Através de
testes realizados com o ser humano chegou-se a conclusão que a utilização de 256 variações Figura 13 - Convenção dos eixos para representação de imagens digitais

diferentes de intensidade em cada uma das cores básicas é capaz de gerar um número de cores
superior a capacidade visual do ser humano, ou seja, fica praticamente impossível distinguir
entre duas cores "vizinhas".

Segundo Casacurta et al. (1998), no sistema RGB, o valor (0,0,0) equivale a cor preta,
absorção total, com intensidade zero nas três componentes. O valor (255,255,255) equivale a
cor branca, reflexão total, onde as três componentes estão presentes com a sua intensidade
máxima. As diferentes combinações entre RGB serão capazes de gerar qualquer tipo de cor,
sendo que se as três componentes tiverem sempre valores exatamente iguais ter-se a definido
uma escala de tons de cinza do preto ao branco, chamada "gray scale" ou dita, imagem
monocromática.
Figura 14 - Coordenadas do pixel

O termo imagem monocromática, ou simplesmente imagem, refere-se à função bidimensional


de intensidade da luz f(x, y) onde x e y denotam as coordenadas espaciais, ver Figuras 13, 14
45 46

cinza. Esta técnica provoca o aparecimento de dois problemas importantes no processamento


(PADILHA, 2007).

Em primeiro lugar um pixel não apresenta as mesmas propriedades em todas as direções, isto
é, ele é anisotrópico. Esta propriedade faz com que um pixel (x, y) qualquer em uma imagem,
desde que não esteja na borda, possua vizinhos na imagem em número de 4(quatro): 2 (dois)
vizinhos verticais e 2 (dois) vizinhos horizontais ou 8(oito): 2 (dois) vizinhos verticais, 2
(dois) vizinhos horizontais e 4 (quatro) vizinhos diagonais.

Figura 15 - Coordenadas do pixel para processamento no Matlab Pode-se considerar a vizinhança 4 (quatro), que contem somente os vizinhos verticais e
horizontais, cujas coordenadas são: (x+1,y), (x-1,y), (x,y-1) e (x,y+1) como mostrado na
Figura 16 (a), ou ainda pode-se considerar a vizinhança 8 (oito), que contém, além dos
Uma imagem pode ser representada por uma matriz N x M como mostra a Equação 2.5.
vizinhos verticais e horizontais já citados, os vizinhos diagonais cujas coordenadas são: (x-
1,y-1), (x-1,y+1), (x+1,y-1) e (x+1,y+1) como mostrado na Figura 16 (b), (MARTINS, 2004).
ª f (0, 0) f (0,1)  f (0, M − 1) º
« f (1, 0) f (1,1)  f (1, M − 1) »»
f ( x, y ) ≈ « (2.5)
«    » (x-1,y) (x -1,y-1) (x-1,y) (x-1,y+1)
« »
¬ f ( N − 1, 0) f ( N − 1,1)  f ( N − 1, M − 1) ¼
(x,y-1) (x,y) (x,y+1) (x,y-1) (x,y) (x,y+1)

O lado direito da equação 2.5, representa o que normalmente é denominado imagem digital.
(x+1,y) (x+1,y-1) (x+1,y) (x+1,y+1)
Cada elemento da matriz denomina-se um elemento da imagem, pixel (abreviação de “picture
element”, elementos de figura), (GONZALEZ et al, 2004).
(a) Conectividade 4 (b) Conectividade 8

A equação 2.5 é representada no software MATLAB na forma da equação 2.6: Figura 16 – Vizinhança de um pixel (x,y)
(a) Vizinhança 4
(b) Vizinhança 8
ª f (1,1) f (1, 2)  f (1, M ) º
« f (2,1) f (2, 2)  f (2, M ) »
f ( x, y ) ≈ « » (2.6) O segundo problema é conseqüência direta do primeiro, ou seja, as distâncias entre um ponto
«    »
« »
¬ f ( N ,1) f ( N , 2)  f ( N , M )¼ e seus vizinhos não é a mesma para qualquer tipo de vizinho. Será igual a 1 para vizinhos
horizontais ou verticais e 2 para aqueles na diagonal.

onde f(1, 1) = f(0, 0), f(0, 1) = f(1, 2) ...


Cada ponto da imagem representa a intensidade de luz naquele ponto, como luz é formada de

Embora o tamanho de uma imagem digital varie de acordo com a aplicação, existe vantagem energia, logo f(x, y) deve ser positiva e finita, isto é

em selecionar matrizes quadradas com tamanhos e números de níveis de cinza que sejam
potências inteiras de 2. Por exemplo, um tamanho típico comparável em qualidade, é a 0 < f (x, y)< ’ (2.7)

imagem como a de uma TV preto e branco que seria uma matriz 512 x 512, com 128 níveis de
47 48

Gonzalez e Woods (2003), relata que imagens percebidas pelas pessoas em atividades visuais porém ela pode ser descrita pelas propriedades lisa, rugosa e grossa. Uma textura se
corriqueiras consistem de luz refletida dos objetos. A natureza básica de f (x, y) pode ser caracteriza pela repetição de um modelo sobre uma região, sendo este modelo repetido em sua
caracterizada por dois componentes: (1) a quantidade de luz incidindo na cena sendo forma exata ou com pequenas variações. Através de sua análise, no processamento digital, é
observada e (2) a quantidade de luz refletida pelos objetos na cena. Apropriadamente, esses possível distinguir regiões que apresentem as mesmas características de refletância, de padrão
componentes são chamados iluminação e refletância, respectivamente, e são representados espacial e de freqüência na variação de tons de cinza e portando, mesmas cores em
por i(x,y) e r(x,y). O produto das funções i(x,y) e r(x,y) resulta f (x,y): determinada combinação de bandas. Isso torna a textura um excelente descritor regional,
contribuindo para uma melhor precisão dos processos de reconhecimento, descrição e
f (x, y) = i(x,y) r(x,y) (2.8) classificação de imagens. Apesar de seus benefícios, seu processo de reconhecimento exige
um alto nível de sofisticação e complexidade computacional. Diversas abordagens
onde 0 < i(x,y) < ’ (2.9) encontradas na literatura operaram sobre texturas, realizando análise ou segmentação. Tais
métodos, em geral, são baseados na análise estatística dos pixels de uma região, análise de
e 0 < r(x,y) < 1 (2.10) espectro, wavelets e dimensão fractal.
A equação 2.10 indica que a refletância é limitada ente 0 (absorção total) e 1 (refletância
total). A natureza de i(x,y) é determinada pela fonte de luz, e r(x,y) é determinada pelas A utilização de técnicas de extração de textura é desenvolvida, com o intuito de extrair
características dos objetos na cena. informação da distribuição de uma determinada região, objetivando a melhoria no
desempenho do classificador. A caracterização da textura, na maioria das vezes, é baseada em
Valores dados pelas duas últimas equações, são limites teóricos. Os seguintes valores médios modelos estatísticos (HARALICK et al., 1973; HARALICK, 1979), modelos estocásticos
ilustram alguns intervalos típicos de i(x,y). Num dia claro de sol pode produzir mais que (HAINDL, 1991) e modelos estruturais (HARALICK, 1979; HAINDL, 1991).
9.000 pé-candelas de iluminação na superfície da Terra. Esse valor diminui para menos de
1.000 pé-candelas em um dia nublado. Em uma noite clara de lua cheia gera cerca de 0,01 pé-
2.4.4 Passos fundamentais em processamento de imagens
candela de iluminação. O nível de iluminação típico em um escritório comercial é de cerca de
100 pé-candelas. Similarmente, valores típicos de r(x, y) são 0,01 para veludo negro, 0,65
Processamento de imagens digitais abrange uma ampla escala de hardware, software e
para aço inoxidável, 0,80 para uma parede branca, 0,90 para metal prateado, e 0,93 pé-candela
fundamentos teóricos.
para a neve (GONZALES e WOODS, 2003).

Segundo Pidwerbesky et al. (2006), cada imagem tem uma soma finita de informações
Um grupo de pixels vizinhos com mesma intensidade de iluminação forma uma fronteira com
contidas dentro de sua fronteira. Estas informações podem ser medidas por determinação de
outros grupos, vizinhos ao grupo anterior, de intensidades de iluminação distintas, essa
mudanças relativas à intensidade de iluminação entre pixels adjacentes em uma imagem. Esta
fronteira é denominada borda. A borda está relacionada à mudança brusca de nível de cinza
relativa diferença na iluminação é vista como freqüência espacial. Por exemplo, se a
em uma região (GONZALEZ e WOODS 2004).
intensidade de luz de um pixel é alta e a intensidade do pixel ao lado é baixa, a diferença entre
2.4.3 Definição de textura com vistas ao processamento de imagem eles é um número grande, a intensidade dos pixels citados tem um alto contraste e
correspondente freqüência espacial alta. Por outro lado, se dois pixels vizinhos tem
A textura constitui uma característica diretamente relacionada com as propriedades físicas que intensidade de iluminação que são aproximadamente iguais, eles tem um baixo contraste e
a superfície de um objeto apresenta, ela contém informações importantes sobre o arranjo consequentemente baixa freqüência espacial. Alto contraste ocorre entre fronteiras de objetos
estrutural superficial (HARALICK et al., 1973). Trata-se de um termo intuitivo e de largo diferentes na imagem (Ellis et al., 1980), ver Figura 17.
emprego, mas que, apesar de sua grande importância, não possui uma definição precisa,
49 50

2.4.4.1 Armazenamento de Imagens

Quando do tratamento com imagens um item muito importante a ser abordado é o seu
Pixel com refletância total armazenamento. Segundo Marques Filho e Vieira Neto (1999), a etapa de armazenamento
Pixel com absorção total pode ser dividida em três categorias: a) armazenamento de curta duração de uma imagem
(memória RAM), enquanto ela é utilizada nas várias etapas do processamento; b)
armazenamento de massa para operações de recuperação de imagens relativamente rápidas; c)
Alto contraste Baixo contraste arquivamento de imagens, para recuperação futura quando isto se fizer necessário. Há uma
Figura 17 - Contendo medidas de contraste de uma função necessidade de se criar padrões de armazenamento de imagens de forma que se possa realizar
Fonte: Pidwerbesky et al, (2006) o intercâmbio de imagens entre diferentes sistemas. Outro fator importante é a codificação das
imagens, uma vez que estas normalmente ocupam muito espaço de memória por isso,
Na imagem do pavimento, o contraste é resultado da soma da luz refletida devido à exposição necessitam do emprego de alguma forma de compressão de dados para o seu armazenamento.
do agregado contra a soma da luz refletida pelo contexto formado pela mástique asfáltico Existem diferentes formatos de arquivos para o armazenamento de imagens, alguns dos
(CHRISTIE, 1954, CULVACI, 1998). formatos utilizados no processamento utilizando Matlab 7.0 são apresentados no Quadro 1.

De acordo com Gonzales e Woods (2003), o processamento de imagens pode ser dividido em Quadro 1: Formatos de arquivos para armazenamento de imagens
cinco etapas: aquisição da imagem, pré-processamento, segmentação, representação, Formato Reconhecimento
Descrição
reconhecimento, conforme esquema apresentado na Figura 18. Nome Extensão
TIFF Tagged Image File Format .tif, .tiff
Aquisição da imagem JPEG Joint Photographic Experts Group jpg, .jpeg
GIF Graphics Interchange Format .gif
Digitalização da Imagem BMP Windows Bitmap .bmp
PNG Portable Network Graphics .png

Pré-processamento XWD X Window Dump .xwd

Segmentação 2.4.4.2 Aquisição da imagem

A etapa de aquisição da imagem tem como função converter uma imagem em uma
Pós-processamento representação numérica adequada para o processamento digital subseqüente (MARQUES
FILHO e VIEIRA NETO, 1999; OLIVEIRA, 2006). Dois elementos são necessários para
Extração de Atributos aquisição de imagens digitais. O primeiro é um dispositivo físico que seja sensível a um
espectro de energia eletromagnética como o raio-X, a ressonância magnética, ultra-som por

Classificação e Reconhecimento exemplo. O segundo, um digitalizador, é um dispositivo para conversão da saída elétrica de
um dispositivo de sensoriamento físico para a forma digital.
Figura 18 - Etapas do processamento de imagens
51 52

Hoje já existem também, máquinas fotográficas digitais, um equipamento de fácil implementados usando máscaras de vários tamanhos. O objetivo básico do gradiente em
operacionalização e capta imagens de ótima qualidade por um custo muito baixo. processamento de imagens é detectar bordas e para uma função f(x,y) o gradiente de f nas
coordenadas (x,y) é definido como um vetor
Outra categoria importante de sensores trata da luz visível e infravermelha. Os equipamentos
mais utilizados para essa finalidade são os microdensitrômetros, analisadores de imagem e )))& ∂f ∂f
∇f = i + j (2.11)
podem ser incluídas também, as câmeras fotográficas digitais (GONZALEZ et al., 2004). ∂x ∂y

e a magnitude deste valor é dado por


2.4.4.3 Pré-processamento

1
ª§ ∂f ·2 § ∂f ·2 º 2
O passo seguinte à aquisição da imagem é o pré-processamento. A função principal do pré- ∇f = « ¨ ¸ + ¨ ¸ » (2.12)
processamento é utilizar métodos e ou algoritmos, que podem ser implementados em «¬© ∂x ¹ © ∂y ¹ »¼

software, para melhorar a imagem e realçar as principais características para a execução do


processamento como, por exemplo, a redução ou aumento do contraste, a suavização em tons sendo que este valor equivale a maior taxa de aumento de f(x,y) por unidade de distância na
de cinza em caso de imagem colorida, a máscara para remoção de ruídos adquiridos na ∂f ∂f
direção de ∇f e baseia-se na obtenção das derivadas parciais e na posição de cada
aquisição da imagem e o isolamento de regiões conforme o interesse. ∂x ∂y
pixel (x,y) (MARTINS, 2004).
2.4.4.4 Segmentação

Técnicas de detecção de bordas têm sido muito utilizadas para segmentar imagem óptica.
Esta parte do processamento de imagem é das mais importantes e difíceis, a segmentação é
Alguns exemplos de operadores que detectam bordas são os gradientes de Canny, Prewitt,
determinante no sucesso da análise da imagem, ela subdivide a imagem em suas partes ou
Sobel, Marr-Hildreth, Log, Roberts e Zerocross, os quais utilizam máscaras de tamanhos 2 x
objetos constituintes. O processamento deve ser interrompido quando os objetos de interesse
2, 3 x 3 ou 5 x 5 (GONZALES e WOODS, 2003).
na aplicação tiverem sido isolados. Assim, segmentar significa dividir uma imagem na menor
porção possível, de modo que se possa caracterizar um segmento de imagem, baseando-se em
Escolher um método adequado depende das características da imagem, das operações de pós-
alguma informação adquirida da própria imagem.
segmentação (reconhecimento de formas, interpretação, localização, etc.) e das características
a serem analisadas (contornos, regiões, formas, etc.).
A saída da segmentação é um conjunto de pixels, que constituem o limite de uma região ou
todos os pontos da imagem segmentada, dependendo de cada caso os dados são convertidos
Durante a etapa de pré-processamento, através da suavização da imagem são sanadas muitas
para a forma adequada ao processamento da imagem (GONZALES e WOODS, 2003).
das dificuldades encontradas em segmentação.

Existem as segmentações que são produzidas por algoritmos que utilizam técnicas de seleção
de bordas (edge detection), de ajuste de regiões (region fitting) e de crescimento de regiões 2.4.4.5 Representação e descrição
(region growing), (LUCCA, 1998). Os algoritmos de detecção de bordas estão baseados em
encontrar limites entre regiões homogêneas de diferentes propriedades. Borda é o limite entre Uma representação é a transformação dos dados em uma forma adequada para em seguida
duas regiões com propriedades de níveis de cinza relativamente distintas e sua detecção pode finalizar o processamento. Um método também deve ser especificado para descrever os dados
ser feita por operadores de derivadas locais denominadas gradientes, os quais são de maneira que os traços interessantes sejam realçados.
53 54

Descrição também chamada de seleção de característica trata da extração de características utilizados na classificação de imagens (DUDA et al., 2001). As medidas podem ser adquiridas
que resultam em alguma quantidade de informações interessantes ou características que são computacionalmente através de algoritmos simples que extraem informações de tamanho, cor
básicas para diferenciar uma classe de objetos de outra (PADILHA, 2007). do objeto, ou medidas, que através de algoritmos complexos, extraem características de
forma, conectividade, textura, entre outros (OLIVEIRA, 2006).

A obtenção de bons resultados na classificação depende do processo de extração de atributos,


2.4.4.6 Extração de Atributos
pois é a partir desta fase que se cria o vetor de atributos utilizado na etapa de treinamento e
posteriormente na fase de classificação. Muitos trabalhos têm utilizado inúmeros atributos
Segundo Oliveira (2006), extrair as características (atributos) mais importantes numa imagem
para quantificar os objetos nas imagens (HARALICK et al., 1973; RENNÓ et al., 1998;
evidencia as diferenças e similaridades entre os objetos. Entre essas características pode-se
ARIVAZHAGAN e GANESAN, 2003; CHEN et al., 2005). Métodos de análise de textura e
incluir o brilho de uma determinada região, a textura de uma região, a amplitude do
forma têm sido desenvolvidos usando métodos estatísticos e morfológicos (TARI et al.,
histograma, entre outros (PRATT, 1991). De uma forma geral, a extração de atributos é um
1997).
processo usualmente associado à análise das regiões de uma imagem.

Os métodos para criar novas características baseadas na combinação ou na transformação de 2.4.4.7 Reconhecimento e Interpretação
características já existentes são chamados métodos de extração de atributos (DUTRA e
Reconhecimento é o processo que atribuirá um rótulo para um objeto baseado na informação
HUBER, 1999). O estudo de extração de atributos em reconhecimento estatístico de padrões
fornecida pelos descritores. Interpretação envolve atribuição de significado para um conjunto
requer a definição de dois elementos:
de objetos reconhecidos.

- Atributos: é qualquer aspecto, qualidade ou característica de um objeto. Os atributos podem


ser simbólicos, numéricos ou ambos.

- Padrão: é um conjunto de atributos que definem um objeto ou um grupo de objetos. é


essencialmente um arranjo ou uma ordenação presente em alguma organização de estrutura
(OLIVEIRA, 2006).

A fim de desenvolver um eficiente sistema de reconhecimento de padrões, deve-se


primeiramente efetuar a escolha dos métodos de extração de atributos. Para projetar um
sistema com baixa complexidade, o vetor de atributos criado pela extração deve conter
atributos pertinentes sobre as classes a serem reconhecidas. Um vetor de atributo é composto
de vários atributos que representa um objeto. A extração de atributos irrelevantes pode
resultar em um baixo desempenho na etapa de classificação.

A extração de atributos é responsável pela mensuração dos atributos dos objetos pertencentes
à imagem em estudo, que são utilizados para identificar uma classe de padrão. O principal
objetivo da extração de atributos é caracterizar os objetos, através de medidas, para ser
55 56

3 METODOLOGIA

3.1 PLANEJAMENTO DA PESQUISA

O planejamento da pesquisa contempla as seguintes etapas:

a) Embasamento teórico; nesta etapa foi buscado na literatura técnica material relacionado ao
tema para dar suporte às próximas etapas da pesquisa. Isto está materializado no Capítulo 2.

b) Aquisição de imagem; nesta etapa são tiradas fotos de pavimentos asfálticos e medida a
textura através da mancha de areia. Figura 19 - Câmera fotográfica apoiada no tripé

c) Proposição de um procedimento para processamento de imagem; nesta fase da pesquisa é No momento da captura da imagem, foi utilizado um pano liso de cor clara para permitir
proposto um modelo matemático alternativo ao ensaio da mancha através do processamento passagem apenas de luz difusa eliminando as sombras dos agregados nas depressões, o que
de imagem no software MATLAB 7.0 para mensurar a macrotextura. poderia provocar leitura incorreta da imagem pelo software devido à iluminação diferenciada
onde deveria ser igual, situação ilustrada pela Figura 20.
d) Validação do procedimento;

3.2 MATERIAIS E MÉTODOS

3.2.1 Aquisição da Imagem em Campo

Com apoio de técnicos e alunos de iniciação científica do Laboratório de Engenharia Civil da


UNIJUÍ, foram captadas imagens fotográficas de pavimento asfáltico com diferentes texturas.

As imagens foram obtidas através de uma câmera fotográfica digital modelo DSC-W50 Sony
de 6.0 megapixel, foi ajustada as informações de foco e distância da câmera com resolução Figura 20 - Sombra da iluminação em imagem obtida em laboratório para teste
em 300 pixels/polegada, resolução fina de 2816 x 2112 pixels e aproximação de 1x. A câmera
foi acoplada a um tripé nivelado e com ângulo de inclinação superior de 90° e a 1m da Pode ser percebida na Figura 20, a diferença de iluminação dentro dos orifícios, como a
superfície do pavimento, conforme mostrado na Figura 19. O pavimento foi limpo com uma leitura da imagem é feita pela intensidade de iluminação entre pixels vizinhos, teria então
escova para evitar leitura incorreta da textura superficial. intensidade distinta para uma mesma região afetando os resultados esperados.
57 58

3.2.2 Ensaio da Mancha de Areia


4 PROCESSAMENTO DE IMAGEM E TRANSFORMADA DE FOURIER

A Figura 21 ilustra o ensaio da mancha realizado no mesmo local de captura da imagem, tal
procedimento objetiva ter um parâmetro de comparação com os resultados obtidos 4.1 INTRODUÇÃO

posteriormente no processamento da imagem.


A inclusão do critério de segurança na avaliação da qualidade da superfície do asfalto implica
na definição da macrotextura superficial adequada ao regime pluviométrico, às condições
físicas de largura e declividade transversal do pavimento, às condições de tráfego (velocidade,
tipos de veículos, volume de tráfego), ao padrão de segurança.

Processar imagem consiste em encontrar atributos contidos em seu domínio, tais como:
atributos de forma, de textura entre outros; atributos de forma são ferramentas que
discriminam objetos de mesma aparência espectral, atributos de textura contêm informações
importantes sobre o arranjo estrutural das superfícies e seus relacionamentos com o ambiente
ao redor.

No pavimento existe diferença na reflexão entre os agregados e o mástique asfáltico, no


contraste resultante da soma da luz refletida devido à exposição do agregado contra a soma da
Figura 21 - Ensaio da mancha de areia luz refletida pelo contexto formado pela mástique asfáltico.

A mensuração da macrotextura, pelo método da altura de areia, consiste em espalhar um O parâmetro selecionado para quantificar a condição superficial, através do contraste de
volume conhecido de areia ou microesferas de vidro, com movimentos circulares de um reflexão, foi o conteúdo de informação de cada imagem calculado por uma FFT.
dispositivo apropriado (espalhador de madeira com revestimento de borracha) na superfície
do pavimento. Mede-se o diâmetro da mancha em 4 direções, e então, com a média, calcula-se
a altura da macrotextura. O ensaio obedece às normas ASTM E 965-1996. Encontra-se no 4.2 CONTEXTO MATEMÁTICO DA TRANSFORMADA DE FOURIER

Capítulo 2 item 2.4.2, informações mais detalhadas do ensaio da mancha.


O processo matemático que será usado nesta pesquisa é dito transformada Rápida de Fourier
(FFT). Esta aproximação pode ser usada para quantificar o conteúdo de informações de uma
imagem digital a qual usa aplicação da teoria de informações (CULVALCI et al, 1999). A
aproximação proposta mede o conteúdo de informações de uma imagem e usa a medida
quantitativa para correlação por meio estatístico, como uma medida de textura física tomada
na mesmo posição na imagem. Assim, ele intuitivamente procura diferenciar a textura
superficial na base de conteúdo de informações visual.
59 60

4.3 SÉRIE DE FOURIER ∞ x


1 1
f p ( x) = ¦
n =−∞
Dn einω x , Dn =
p x³0
f p ( x)e− inω x dx (4.5)
Análise de Fourier foi inicialmente desenvolvida pelo físico Joseph Fourier para estudar
problemas de transferência de calor (GOODMAN, 1968; WILSON, 1995; HECHT 1975)
Onde: x é em unidade (no caso espacial, uma unidade de comprimento)
onde foi reconhecido que, considerando qualquer função fp(x) cujo gráfico expõe uma
periodicidade T, é uma soma infinita de funções senoidais. A série de Fourier pode ser
ω é a freqüência angular do brilho por x-unidade

representada como a soma de uma série de funções de senos e co-senos, funções exponenciais θ n , é um ângulo de mudança de fase

complexas ou alguma de várias outras representações senoidal (COLLEY et al, 1976, An , Bn , Cn e Dn são amplitudes das freqüências em ω n = nȦx
PIDWERBESKY et al., 2006).
A Figura 22 mostra a forma de onda gerada quando fp(x) = sen2ʌx. O período de fp(x) é p = 1
No contexto da imagem, a Transformada de Fourier representa uma imagem como soma
LU (unidade de comprimento) e a freqüência f = 1 = 1LU −1 ou freqüência angular e
p
complexa de exponenciais de variada magnitude, freqüência e período. Ela desempenha um
2π rad
papel crítico ao longo do raio de ação da aplicação no processamento de imagem, inclusive o ω= = 2π
p LU
aumento, análise, restauração e compressão.
b1 = 1 representa o único componente não nulo no espectro.

4.3.1 Representação de série de Fourier de uma função limitada 1

0.8

Uma função periódica uniforme e finita fp(x) com período p, é definida como uma variação de 0.6

x entre x0 e x1. Esta função pode ser representada como uma série de funções circulares onde 0.4

n é um número inteiro. 0.2

fp(x)
0

2π -0.2
p = x1 − x0 e ω= (4.1)
p -0.4

-0.6

∞ -0.8
A0
f p ( x) = + ¦ ( An cos(nω x) + Bn s en(nω x)) (4.2)
2 n =1 -1
0 0.5 1 1.5 2 2.5 3 3.5 4
x

x
2 1 2 1
x
2 1
x Figura 22 - Onda gerada por fp(x) = sen2ʌx
A0 = ³
p x0
f p ( x)dx , An = ³ f p ( x) cos(nω x)dx , Bn = ³ f p ( x) s en(nω x)dx
p x0 p x0
(4.3)
4.3.2 Domínio espacial e de tempo da série Fourier


f p ( x) = ¦ Cn cos(nω x − θ n ) (4.4) Qualquer função periódica pode ser representada por uma série de Fourier no domínio x
n =0
(espacial ou domínio de tempo) como uma função de f (x) ou no domínio Ȧ como uma função
da freqüência F(Ȧ).
61 62

∞ 4.3.3 Análise de Fourier em uma dimensão


f p (x) = ¦n=0
F n (ω ) (4.6)

Pode-se considerar que qualquer função f (x) (não limitada à função periódica), é composta da
Quando a função é representada no espaço x ela é normalmente uma função razoavelmente superposição de uma série de funções periódicas contínuas de amplitudes e freqüências
contínua em x. No espaço Ȧ, a função é representada como uma série infinita de amplitudes, convenientes. Uma função periódica u, pode ser representada por F(u)ejxu, para que a função
An, Bn, Cn, ou Dn, em freqüências discretas Ȧn, com a fase discreta deslocada θ n. As original, considerada como uma adição de funções periódicas fique o seguinte:
freqüências discretas são determinadas no período T, da função periódica. Cada freqüência
contém parte da energia total da função f (x). A energia total de f (x) é a soma das amplitudes ∞ ∞

em cada freqüência discreta.


f ( x) = ³ F (u )e
jxu
du , F (u ) = 1 ³ f ( x)e − jxu dx (4.8)
−∞ 2π −∞
∞ 2 ∞ 2 ∞ 2

E f ( x ) = ¦ Cn ou, E f( x ) = ¦ Dn i ( nω x +θn ) = ¦ Dn (4.7)


n=0 n =−∞ n =−∞ A função que dá as amplitudes F(u) dos termos periódicos da freqüência u, é chamada
equação da transformada de Fourier. Sempre que f (x) ou F(u) puder ser determinado, a

A série de Fourier move uma função para frente e para trás entre domínios duais, domínio de relação da transformada de Fourier pode ser calculada. Este conceito é de poder

freqüência Ȧ e domínio de posição x, com aspectos diferentes da função representada extraordinário e é usado em muitos problemas de análise na ótica.

unicamente em cada domínio. Foi observado que as séries de Fourier de funções periódicas
têm conteúdo de freqüência discreto e quantidade infinita das freqüências discretas. As Desde que a transformada de Fourier F(u) é uma representação de domínio de freqüência de

freqüências discretas associam-se com o período como o seguinte: uma função f (x), u caracteriza a freqüência dos cosenoides decomposto em senoides e é igual
ao número de ciclos por unidade de x (BRACEWELL, 1965). Se uma função ou a forma de

Ȧn = (n2 ʌ)/T; n = 0, 1, 2, 3, … onda são não periódicas, então a função da transformada de Fourier será uma função de

Ȧ0 = (0×2 ʌ)/T; termo constante, o termo não-oscilante, freqüência contínua (BRIGHAM, 1974).

Ȧ1 = (1×2 ʌ)/T; freqüência fundamental, primeiro termo oscilante


Ȧ2 = (2×2 ʌ)/T; primeiro harmônico, segundo termo oscilante
4.3.4 Transformada Discreta de Fourier
Ȧ3 = (3×2 ʌ)/T; segundo harmônico, terceiro termo oscilante

Como computadores trabalham apenas com dados discretos, o cômputo numérico da


Com reduções no período T, Ȧ1 fica maior e (Ȧ2 - Ȧ1) torna-se maior, a distância entre ω n +1 e
transformada de Fourier necessita valores discretos de f (x). Então, o computador pode
Ȧn aumenta. Aumentando o período T, Ȧ1 fica menor e Ȧ1 e Ȧ2 crescem juntos e mais
calcular e transformar F(u) em valores discretos de u. Por exemplo, uma função contínua f (x)
próximos. Quando T fica muito grande, Ȧ1 e Ȧ2 se aproximam, se T tende ao infinito, a
é discretisada em uma seqüência tomando N experimentos na unidade ǻx.
freqüência fica contínua. Temos f (x) não-periódico, no domínio espacial e uma função
contínua F(Ȧ), no domínio de freqüência. Isto conduz a uma ferramenta conhecida como
{ f ( x ), f ( x
0 0 + ∆x), f ( x0 + 2∆x), K , f ( x0 + [ N − 1] ∆x)} (4.9)
análise de Fourier.

Será conveniente em desenvolvimentos subseqüentes usar x como uma variável discreta ou


contínua, dependendo do contexto da discussão.
63 64

f ( x) = f ( x0 + x∆x) (4.10) uma variável, no exemplo, devido à transformação da transformada discreta de Fourier, as
magnitudes dos valores transformados de (N/2) + 1 para N − 1) são reflexões dos valores na

Onde x agora assume os valores discretos 0, 1, 2, N−1. metade do período para a esquerda da origem (a freqüência real mais alta é N/2).

Em outras palavras, a seqüência {f (0), f (1), f (2),..., f (N−1)} denota qualquer N amostras
4.3.5 Transformada Rápida de Fourier
uniformemente espaçadas de uma função contínua correspondente. Com isto em mente, a
transformada discreta de Fourier, é aplica à função experimental dada pela seguinte equação:
A FFT é projetada para minimizar o tempo de operações computacionais. O número das
multiplicações complexas e as adições necessárias para implementar certas equações, usando
N −1
1
F (u ) =
N
¦ f ( x) exp [ − j 2π ux N ]
x =0
(4.11) a DFT, é proporcional a N2. A decomposição própria desta equação pode fazer o número de
multiplicações e operações de adição proporcional a Nlog2N. O procedimento de
decomposição é denominado transformada rápida de Fourier. A redução de proporcionalidade
para u = 0, 1, 2, ..., N – 1, e
de N2 a Nlog2N operações representa economias significantes em esforço computacional.
Segundo Gonzalez (2003), A FFT oferece considerável vantagem computacional sobre a
N −1
f ( x) = ¦ F (u ) exp [ j 2π ux N ] (4.12) transformada de Fourier em tempo computacional, particularmente quando N é relativamente
u =0
grande. Por exemplo, suponha que a FFT de um vetor de 8192 pontos gaste 5s de tempo de
computador em um computador geral. A mesma máquina levaria cerca de 600 vezes mais
para x = 0, 1, 2, ..., N – 1
tempo (50min) para computar a transformada de Fourier do mesmo vetor usando-se a
Equação (4.11). Com algumas manipulações das equações da DFT chegam-se as equações da
No caso de duas variáveis da transformada discreta de Fourier, o par é:
FFT.

M −1 N −1
1
F (u , v) =
MN
¦ ¦ f ( x, y) exp [ − j 2π (ux M + vy
x = 0 y =0
N )] (4.13) 4.3.6 Informação Teórica

A teoria de informações é usada para quantificar o conteúdo de informações, que pode ser
para u = 0, 1, 2, ..., M - 1, v = 0, 1, 2, ..., N – 1, e medido em uma imagem dada baseada na luminância dos pixels. Qualquer imagem contém
um montante finito de informações. Um componente daquela informação é exposto pelo nível
M −1 N −1
f ( x, y ) = ¦ ¦ F (u , v) exp [ j 2π (ux M + vy N )] (4.14) da luminância refletida apresentada em cada pixel. Faz-se comparação do valor medido da
u =0 v = 0
luminância refletida em cada pixel, a diferença representa a quantidade de informações.
Assim, se a diferença de um pixel ao outro é zero (isto é, o primeiro pixel é branco e o
para x = 0, 1, 2, ..., M - 1, y = 0, 1, 2, ..., N – 1.
seguinte também é), então não ocorre modificação na informação. De modo inverso, se a
diferença na luminância refletida é alta (isto é, o primeiro pixel é branco e o seguinte é preto),
As equações acima mencionadas podem ser usadas para calcular a transformada e a sua
logo ocorre uma grande modificação na informação. Esta diferença no conteúdo de
transformada inversa de dados apropriadamente experimentados. A transformada discreta de
informações transmitida pelo montante do contraste é exposta na imagem.
Fourier e a sua inversa são periódicas com período N, basta os valores N de cada variável em
qualquer período para obter f (x, y) de F(u, v). Em outras palavras, basta um período da
Assim, para aplicar esta teoria ao medir textura de pavimentos, é necessário apenas
transformada para especificar F(u, v) completamente no domínio de freqüência. No caso de
quantificar o montante do contraste em uma imagem de uma superfície que tem uma textura
65 66

satisfatória e comparar isto com a quantidade do contraste daquele que é insatisfatório. ∞ ∞

Intuitivamente, uma imagem de uma superfície que expõem agregados quase que totalmente
F (u , v) = ³ ³ f ( x, y) exp[− j 2π (ux + vy)]dxdy
− ∞−∞
(4.15)

mergulhados no mástique asfáltico ilustrado na Figura 23 a, terá pouco contraste porque a Onde j = −1 .
maior parte da luz refletida é a do mástique superficial o que produz pouca modificação nas
Dado F (u , v), f ( x, y ) pode ser obtido através do uso da transformada inversa de Fourier
informações entre pixels vizinhos. Enquanto em uma imagem cujo pavimento tem
macrotextura maior, o agregado será claramente visível no mástique conforme ilustrado na
∞ ∞
Figura 23 b, e produzirá um montante substancial de modificação das informações na f ( x, y ) = ³ ³ F (u, v) exp[ j 2π (ux + vy)]dudv
− ∞− ∞
(4.16)
reflexão, assim o programa distinguirá facilmente essas mudanças na imagem.

sendo u e v variáveis de freqüência.


a) b)
As equações (4.15) e (4.16), chamadas de par de transformadas de Fourier, existe se f(x,y) for
contínua e integrável e F(u,v) for integrável

Esta idéia é utilizada em ótica e matemática contemporânea. É frequentemente útil pensar em


funções e em suas transformadas, como ocupações de dois domínios. Esses domínios são
mensionados como domínio superior e domínio inferior na literatura mais antiga
(BRACEWELL, 1965). Elas também são ditas como domínio da função da transformada,
porém na maior parte das aplicações em física, são chamadas de domínio de tempo e de
freqüência respectivamente. As operações executadas em um domínio têm operações

Figura 23 - Pavimentos asfálticos correspondentes em outro. Por exemplo, a operação de convolução no domínio de tempo se

(a) Agregados totalmente mergulhados no mástique asfáltico transforma em uma operação de multiplicação no domínio de freqüência, e a inversa é

(b) Agregados claramente visíveis também verdadeira. Tais teoremas permitem mover-se entre domínios para permitir a
execução das operações que estão mais fáceis ou mais vantajosas. Nesta pesquisa, muitas
vezes é transformado a FFT bidimensional em uma matriz discreta (a imagem digital). O
4.3.7 Análise de imagens digitais usando Fourier (domínio de freqüência) resultado desta transformação é uma matriz discreta cujos elementos representam as
amplitudes do domínio de freqüência (BRACEWELL, 1965; PIDWERBESKY et al, 2006).
A transformada de Fourier decompõe uma forma de onda (ou função) em senoides de
freqüências diferentes que somam à forma de onda original. Ele identifica ou distingue
4.3.8 Modelo de transformada de Fourier usado no MATLAB 7.0
senoides de freqüências diferentes e as suas respectivas amplitudes (BRIGHAM, 1974). As
leis físicas sugerem que qualquer objeto concebível que pode produzir uma imagem, sempre
possa ser representado por uma série ou por integral de Fourier simples ou múltipla. As O software MATLAB 7.0 fornece funções para executar a transformada bidimensional

amplitudes dos termos da série ou o integrando da integral podem ser normalmente discreta de Fourier (FFT2) e sua inversa (IFFT2) (GOODMAN, 1968; WILSON, 1995;

considerados como descrição das freqüências espaciais, que leva a uma representação MEYER-ARENDT, 1972). Um quadro é fornecido em MATLAB7.0 no formato: .jpg, .tiff,

completa do mesmo objeto em um diferente domínio e não o espacial. .gif (em píxeis). O FFT2 converte o mapa de bits em duplo espaço de freqüência. O comando
FFT2 transforma uma matriz espacial 2D em uma matriz complexa 2D. A matriz tem duas
partes: a parte real de cada elemento (módulo) e a magnitude desse módulo que é equivalente
67 68

ao poder do espectro ou o conteúdo de energia espacial da imagem. A magnitude do módulo é intensidade de amplitudes em cor ou escalas de cinza. A grande amplitude central é
a representação mais usada do espectro de freqüência de uma imagem. A porção de fase é equivalente à luminância média do fundo da imagem. As amplitudes de baixa freqüência
necessária para a reconstrução da imagem exata, mas não para análise de freqüência espacial. circunvizinhas são grandes e as amplitudes de freqüências mais altas da transformada de
Fourier é rapidamente eliminada.
É comum ilustrar espectros de Fourier de imagens como funções de intensidade. A variedade
dinâmica de espectros de Fourier é normalmente muito mais alta do que o método de
exposição típico é capaz de reproduzir. Um observador pode examinar isto em um monitor de
computador, em que é visto os mais brilhante (os maiores valores) as partes dos espectros são
visíveis na tela de exposição como um ponto branco no centro da imagem, ver a Figura 24.

Figura 25 - Parte da magnitude da FFT na imagem

Quando traçado na sua forma de intensidade:

• a transformada discreta de Fourier representa uma equação quase linear e extremamente

Figura 24 - Visão do espectro de FFT no computador alta de termo "zero" (componente de DC) no centro de freqüência do plano,
• a baixa freqüência e as freqüências médias normalmente representam uma equação quase
Uma técnica útil que compensa a dificuldade mostrada na Figura 24 é usar a equação 4.17 em linear de menor amplitude,
vez de F(u, v), onde c é constante e a função de logaritmo executa a compressão desejada. • a alta variedade de freqüência, é representada por uma equação quase linear de amplitudes
muito baixas.

D(u, v) = c log[1 + F (u, v) ] (4.17)


Normalmente na variedade de alta freqüência, a amplitude dos componentes de freqüência é
relativamente chata. Contudo, para imagens com características altamente periódicas, há
O uso desta equação facilita muito a análise visual do espectro de Fourier, mostrados na
características mostradas na alta variedade de freqüência.
Figura 25, como uma ilustração de intensidade 2D do espectro de Fourier. A ilustração de
intensidade substitui a visão perspectiva do gráfico 3D com uma visão superior que usa
69 70

4.3.9 Procedimento para operação no MATLAB

Após a captura da imagem, ela foi transferida para um computador para o processamento.
Apesar de existir vários formatos para arquivamento de imagens, o formato escolhido para
esta pesquisa foi o JPEG por ocupar pouco espaço e baixo tempo computacional. Foram feitas
compactações sem perda significante da qualidade, utilizando o software HP Adobe
Photoshop, posteriormente a este procedimento as imagens foram salvas com dimensões
quadradas de 512 x 512 pixels por facilitar sua implementação eletrônica, o tamanho do
documento salvo foi de 4,33 x 4,33 (cm) e resolução de 300 pixels/polegada, na pasta work do
MATLAB 7.0.

No processamento, foram utilizados recursos encontrados na caixa de ferramenta (toolbox) do


software MATLAB 7.0, tais como: recurso de máscara para reduzir interferências, como Figura 26 - Faixas de freqüência retangulares
exemplo o ruído, de tal forma que fossem extraídos apenas atributos de interesse a textura. A
imagem foi processada e separada por regiões retangulares e calculado a FFT em cada região A Figura 27 ilustra os passos para o processamento de imagens:
(as regiões foram processadas no sentido de fora para o centro).
CAPTURA DA
IMAGEM
O algoritmo FFT usado para obter informação espacial de uma imagem digital funciona da
seguinte maneira:

• a imagem capturada por uma câmera é transferida para um computador através de um LEITURA DA IMAGEM

cabo USB.
• ela é recortada e transferida para uma pasta do MATLAB, nesta pesquisa a imagem foi
cortada no tamanho 512 x 512 pixels.
IMAGEM EM TONS DE
• a imagem adquirida é convertida em uma imagem preta e branca, que contém a variedade CINZA
padrão de 256 níveis de cinza.
• a imagem é processada e separada por regiões como ilustra a Figura 26, é calculada a FFT
cujos componentes de freqüência são segregados. Esta segregação é realizada separando a
FFT em bandas (regiões). Os componentes de freqüência começam com o componente
zero no pixel de centro (STEMPROK et al., 2000). Nesta pesquisa, a imagem foi dividida IMAGEM FILTRADA
em 126 regiões.
• é calculado a soma FFTs dos pixels locais em cada anel (faixa).
• as somas são traçadas contra a faixa de freqüência. 1

• os dados estão prontos para a análise.


71 72

f = imread(‘asfalto4_512.jpg’); % com este comando, é feita a leitura da imagem.


1
d = imshow(f) % a imagem lida é mostrada como ilustra a Figura 28.

DETERMINAÇÃO DA
TRANSFORMADA DE FOURIER

SEPARAÇÃO DA IMAGEM EM
ANÉIS INDIVIDUAIS DE
FREQÜÊNCIA

SOMA DA DISTRIBUIÇÃO DE
FREQÜÊNCIA DOS ANÉIS
Figura 28 - Imagem de pavimento no formato RGB

No próximo passo, a imagem RGB é transformada em imagem monocromática, esta imagem


GRÁFICO DA SOMA DOS
representa uma matriz bi-dimensional onde os índices de linha e coluna identificam um ponto
RESPECTIVOS COMPONENTES
DE FREQÜÊNCIA na imagem e o valor do elemento da matriz identifica o nível de cinza naquele ponto, a
transformação é feita através da ordem rgb2gray.
9000

8000
tc = rgb2gray(f);
D istribuição de freqüências

7000

6000

5000
figure, imshow(tc) % expõe a imagem em tons de cinza, ilustrado pela Figura 29.
FIM 4000

3000

2000

1000

0
0 20 40 60 80 100 120 140
Nº de anéis

Figura 27 - Protocolo para processamento de imagem

Descrição mais detalhada dos passos para o processamento:

- Leitura da imagem pelo software MATLAB 7.0, através do comando imread a imagem é
Figura 29 - Imagem de pavimento em tons de cinza
lida e transformada em matriz RGB (Red, Green e Blue), através do comando imshow a
imagem é exposta, para visualização, na tela do computador.
73 74

Após a transformação em tons de cinza, o conteúdo de informações encontrados na imagem é região. Se a textura do pavimento for grossa, ocorrem muitas variações no modelo, ou seja,
filtrado e quantificado. Uma forma de filtrar informação em tal imagem é a seleção de bordas ocorre relativa diferença na iluminação entre pixels vizinhos e, portanto a imagem possui alta
das partículas agregadas (isto é, concentrar o limite entre o agregado e o mástique asfáltico). freqüência espacial como ilustrado na Figura 31, no entanto se a imagem possui os agregados
Os modelos de borda de superfícies de pavimentos com boa textura, mostram uma diferença finos ou quase que totalmente mergulhados na mástique asfáltico, a superfície demonstrará
significante. Modelos de bordas constituem instrumento de análise importante para diferenciar baixas variações na iluminação entre pixels vizinhos, ou seja, eles têm baixo contraste e
pavimento com macrotextura maior dos de macrotextura menor. Existem vários comandos consequentemente à imagem será de baixa freqüência espacial como ilustra a Figura 32.
para seleção de bordas, tais como: sobel, prewitt, canny, roberts entre outros, cada um mais
adequado a determinadas situações e imagens de acordo com o interesse no processamento, 9000

8000
para obter a Figura 30 foi utilizado o comando noholes. O filtro também reduz a quantidade

Distribuição de freqüências
7000
de ruído da imagem melhorando a qualidade das operações.
6000

5000

4000

3000

2000

1000

0
0 20 40 60 80 100 120 140
Nº de anéis
Figura 31 - Soma da FFT contra as faixas de altas freqüências da imagem

4500

Figura 30 - Pavimento asfáltico com textura mais rugosa 4000

Distribuição de freqüências
(a) Imagem do pavimento 3500

3000
(b) Seleção de bordas dos agregados do pavimento
2500

2000

A avaliação de textura qualitativa é capaz de encontrar a relação entre a medida de textura 1500

física e a sua imagem associada no intuito de encontrar uma fórmula que permita aos 1000

500
engenheiros calcular a textura de pavimentos usando uma imagem.
0
0 20 40 60 80 100 120 140
Nº de anéis
O passo seguinte é processar as somas das FFT contra as bandas de freqüência. Figura 32 - Soma da FFT contra as faixas de baixas freqüências da imagem
Essencialmente, cada imagem tem uma quantidade finita de informações contida em seus
limites. Esta informação pode ser medida determinando a mudança relativa na intensidade da O programa desenvolvido com a rotina do procedimento explicado encontra-se no Anexo A.
luminância entre pixels adjacentes na imagem. A relativa diferença na luminância é chamada
freqüência espacial. O elevado contraste ocorre nos limites entre dois objetos diferentes em
uma imagem. Assim, na imagem do pavimento, o contraste é dado pela quantidade de luz
refletida pelo agregado contra a quantidade de luz refletida pelo betume. No processamento
de imagens, com vista à textura, é analisado a repetição ou variação de um modelo sobre uma
75 76

5 VALIDAÇÂO DO MODELO 7000

2) 6000

Distribuiçãodefreqüencias
5000

O esforço desta pesquisa foi centrado na tentativa de se estabelecer uma relação entre a
4000

textura medida através da altura de areia e a resposta matemática obtida da FFT em 3000

pavimentos asfálticos de texturas variadas como comumente encontrado em rodovias. 2000

1000

0
0 20 40 60 80 100 120 140
Nº de anéis
Foi desenvolvido um programa computacional que fizesse a leitura de informações contidas
3000
nas imagens, em especial a leitura da freqüência espacial; o passo seguinte foi formar um
3) 2500

Distribuiçãodefreqüências
banco de dados de testes de mancha de areia com as respectivas imagens do local exato do 2000

ensaio da mancha, após ter trabalhado com um número razoável de imagens, fez-se um grupo 1500

de 26 imagens da superfície de pavimentos com texturas variadas, desde muito fina até muito 1000

grossa. Foi calculado a FFT de cada imagem para comparação com as alturas respectivas das 500

0
manchas de areia. 0 20 40 60 80
N°de anéis
100 120 140

7000

4) 6000
Cada imagem foi dividida em um grupo de 126 anéis, porém foi observado que a maioria das

Distribuiçãodefreqüências
5000

mudanças no valor da FFT ocorre nos primeiros 25 anéis da imagem processada, nos anéis 4000

subseqüentes ocorrem mudanças insignificantes para os objetivos da pesquisa. Logo, esta 3000

2000

pesquisa concentrará esforços nos primeiros 25 anéis. 1000

0
0 20 40 60 80 100 120 140
N°de anéis
As Figuras 33 a 38 apresentam as imagens das 26 superfícies testadas e o resultado do 7000

processamento matemático; forma realizada em ruas e avenidas da cidade de Ijuí-RS; a 5) 6000

Distribuiçãodefreqüências
5000
Tabela 3 apresenta os valores da mancha de areia medidos bem como sua classificação.
4000

3000

9000
2000
1) 8000
1000
7000
Distribuiçãodefreqüencias

0
6000 0 20 40 60 80 100 120 140
N°de anéis
5000
6000
4000

3000 6) 5000

Distribuição de freqüências
2000
4000

1000
3000
0
0 20 40 60 80 100 120 140
Nº de anéis 2000

Figura 33 - Soma da FFT em 126 anéis 1000

0
0 20 40 60 80 100 120 140
N°de anéis

Figura 34 - Soma da FFT em 126 anéis das imagens 2-6


77 78
9000 7000

8000
7) 12

Distribuição defreqüências
6000

Distribuição de freqüências
7000
5000
6000

5000 4000

4000
3000
3000
2000
2000

1000 1000

0
0 20 40 60 80 100 120 140 0
0 20 40 60 80 100 120 140
N°de anéis N°de anéis
8000 4500

8) 7000
13 4000

Distribuição de freqüências

Distribuição de freqüências
6000 3500

3000
5000

2500
4000
2000
3000
1500
2000
1000
1000
500
0
0 20 40 60 80 100 120 140
0
N°de anéis 0 20 40 60 80 100 120 140
N°de anéis
10000
8000
9000
9)
Distribuiçãodefreqüências

8000
14 7000

Distribuiçãodefreqüências
7000
6000
6000
5000
5000

4000 4000

3000 3000

2000
2000
1000
1000
0
0 20 40 60 80 100 120 140
0
N°de anéis 0 20 40 60 80 100 120 140
N°de anéis
8000

6000
10 7000
15
Distribuiçãodefreqüências

) 6000 5000

Distribuiçãodefreqüências
5000
4000
4000

3000
3000

2000 2000

1000
1000
0
0 20 40 60 80 100 120 140
N°de anéis 0
0 20 40 60 80 100 120 140
N°de anéis
7000
8000

11 6000 16
Distribuiçãodefreqüências

7000

Distribuiçãodefreqüências
5000
6000

4000 5000

3000 4000

3000
2000

2000
1000
1000
0
0 20 40 60 80 100 120 140
0
N°de anéis 0 20 40 60 80 100 120 140
N°de anéis

Figura 35 - Soma da FFT em 126 anéis das imagens 7-11 Figura 36 - Soma da FFT em 126 anéis das imagens 12-16
79 80
4500 2500

4000
22
17

Distribuiçãodefreqüências
Distribuição de freqüências
2000
3500

3000
1500
2500

2000 1000

1500

1000 500

500
0
0 0 20 40 60 80 100 120 140
0 20 40 60 80 100 120 140 N°de anéis
N°de anéis
1800
2500
23 1600

Distribuiçãodefreqüências
18 1400

Distribuiçãode freqüências
2000
1200

1500 1000

800

1000 600

400

500 200

0
0 20 40 60 80 100 120 140
0 N°de anéis
0 20 40 60 80 100 120 140
N°de anéis
3000
3000 24
19 2500

Distribuiçãodefreqüências
2500
Distribuiçãodefreqüências

2000
2000

1500
1500

1000
1000

500
500

0
0 0 20 40 60 80 100 120 140
0 20 40 60 80 100 120 140
N°de anéis N°de anéis

2500
25 1500

20 2000
Distribuiçãodefreqüências

Distribuiçãodefreqüências
1000
1500

1000
500

500

0
0 0 20 40 60 80 100 120 140
0 20 40 60 80 100 120 140
N°de anéis N°de anéis

1400
2500
26 1200
21
Distribuiçãode freqüências

Distribuiçãodefreqüências
2000
1000

1500 800

600
1000

400

500
200

0
0
0 20 40 60 80 100 120 140
0 20 40 60 80 100 120 140
N°de anéis N°de anéis

Figura 37 - Soma da FFT em 126 anéis das imagens 17-21 Figura 38 - Soma da FFT em 126 anéis das imagens 22-26
81 82

Tabela 3 - Altura de areia do local de captura de cada imagem devido a maior complexidade da curva gerada pelo polinômio. Também, usando uma equação
exponencial ou logarítmica o resultado não apresentou melhora. A equação polinomial de
Nº. do ensaio Altura da mancha de areia (mm) Classificação
segunda ordem gera resultados satisfatórios, logo um bom relacionamento pode ser
1 2,67 Muito Grossa
2 1,84 Muito Grossa caracterizado por esta expressão matemática.
3 1,24 Muito Grossa
4 2,06 Muito Grossa O coeficiente de determinação não mostrou resultado satisfatório para o primeiro anel. O R2
5 2,55 Muito Grossa
de apenas 36% seria inaceitável em comparação com resultados obtidos com o ensaio da
6 1,90 Muito Grossa
7 1,48 Muito Grossa mancha.
8 1,66 Muito Grossa
9 1,90 Muito Grossa Foram então feitas tentativas de somar a distribuição de freqüência do anel 1 até N (N=127).
10 1,16 Muito Grossa
A Figura 39 (b – h), 40 (a – h) e 41 (a – h) apresenta tais resultados as quais ilustram
11 0,73 Média
12 1,01 Grossa mudanças significativas na soma da distribuição de freqüência ocorridas na soma das
13 3,73 Muito Grossa freqüências dos seus respectivos anéis, analisando a FFT nesses anéis podem ser percebidos
14 1,90 Muito Grossa melhora significante no R2 que passou de 0,36 para 0,78. Tal melhora pode ser explicada pelo
15 2,05 Muito Grossa fato de que a soma de vários anéis, representam quantidade de área significante da imagem,
16 2,76 Muito Grossa
isto proporciona menor variação de textura e variação de freqüência mais homogênea.
17 0,19 Muito Fina
18 0,79 Média
19 0,40 Média Um pavimento nunca apresenta uma superfície perfeitamente homogênea; a superfície não é
20 0,69 Média fractal, ainda mais quando escolhido uma região reduzida, assim existem variações inerentes a
21 0,40 Média
própria natureza do material que se pretende modelar. Se por exemplo, forem feitos dois
22 0,54 Média
23 0,45 Média ensaios de altura de areia em um mesmo local, certamente terão resultados distintos para sua
24 0,36 Fina área, portanto dificilmente será alcançado coeficiente igual a 1. No processamento digital
25 0,21 Muito Fina existem vários fatores que podem influenciar os resultados, tais como: a não homogeneidade
26 0,27 Fina
da superfície, alguma interferência no processamento, entre outros. Tal fato pode ser
observado nas Figuras 39-41 onde pode ser percebido que as imagens 1, 5, 13 e 16 são as que
Para comparação com o banco de dados das 26 imagens com respectiva altura de areia mais se distanciam da curva da equação polinomial e puxam o coeficiente de determinação
apresentadas na Tabela 3 e a distribuição de freqüências das imagens ilustradas nas Figuras 33 para baixo, tais imagens são de pavimentos com textura MG acima de 2,50mm.
a 38, foi desenvolvido um programa no MATLAB 7 o qual calculou a integral (área abaixo da
curva) de cada imagem até o anel desejado. O melhor coeficiente foi encontrado na soma dos 16 ou 17 primeiros anéis, ilustrado pela
Figura 40 (h) e 41 (a) que apresentou R2 de 0,79, o coeficiente não apresentou melhor

A Figura 39 (a) ilustra a comparação entre a distribuição de freqüência FFT de 26 imagens resultado devido à questão das imagens 1, 5, 13 e 16 comentados no parágrafo precedente.

calculada no primeiro anel e altura obtida pelo ensaio do círculo de areia. Isto gerou um
coeficiente de determinação R2 de 0,36 se comparados com uma curva polinomial de segunda
ordem, se comparado com uma curva linear o R2 mantém-se mais baixo; aumentando a ordem
do polinômio melhora o coeficiente. Porém, o que parece ser uma melhora, na realidade não é
83 N = 9; R2 = 0,76871 N = 10; R2 =0,77044
84
4 N = 1; R2 = 0.36319 N = 2; R2 = 0,62586 4
13
4
13
13 4
13

3.5
a) 3.5
b) 3.5
a) 3.5
b)

Altura da mancha de areia (mm)


Altura da mancha de areia (mm)
3 16

Altura da mancha de areia (mm)


3 16

Altura da mancha de areia (mm)


1 1
5 5
3 16 3 16
1 1 2.5
5 2.5
5 4 4
15 15
2.5 9 146 9 6 14
2.5 2 2 2
8
2
4 8
4 15 7 7
15 14 9 6
9 14 6 2 2 1.5 1.5
2 2 8 3 10 3 10
8 7 12 12
7 1.5 1 18 1 18
3 10 20 11 20 11
1.5 22 22
3 10 12 23 21
19 2321
19
0.5 24 0.5 24
1 18 2617
25 2625
17
12 20 11
1 18 22
20 11 23 2119 0 0
0.5 24
22 26 25 17
23
0.5 242119 -0.5 -0.5
26 25 17 0.5 1 1.5 2 2.5 3 3.5 4 4.5 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0 4 4
Soma da distribuição de freqüencia até o anel 9 x 10 Soma da distribuição de freqüencia até o anel 10 x 10
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 -0.5
0 2000 4000 6000 8000 10000 12000
Soma da distribuição de freqüencia
Soma da distribuição de freqüencia N = 11; R2 =0,76603 N = 12; R2 =0,78165
4 4
13 13

3.5
N = 3; R2 = 0,66739 4
N = 4; R2 = 0,72573 3.5 c) d)

Altura da mancha de areia (mm)


Altura da mancha de areia (mm)
4 13
13 3 16
3 16 1
3.5 c) 3.5 d) 5
1
2.5
5

Altura da mancha de areia (mm)


Altura da mancha de areia (mm)

2.5 4
3 16 3 16 15
1 1 4 96 14
5 5 15 2 2
9 6 14 8
2.5 2 2 7
2.5 8
4 1.5
4 15 7 3 10
15 14 9 6
14 6 9 2 2 1.5 12
2 2 8 3 10
8 1 18
7 12 20 11
7 22
1.5 1 18 23 21
19
1.5 3 10 20 11 0.5 24
3 10 2617 25
12 22
12 23 21
1 18 19 24
1 18 20 11 0.5 2617 0
20 11 22 25
22 23 2119
23 21
19 0.5 24
0.5 24 26
25 17
2625 17 0 -0.5
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
0 Soma da distribuição de freqüencia até o anel 11 4
Soma da distribuição de freqüencia até o anel 12 4
0 x 10 x 10

-0.5
-0.5 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
0 2000 4000 6000 8000 10000 12000 14000 16000 18000 4
Soma da distribuição de freqüência até o anél 4 x 10
Soma da distribuição de freqüencia até o anel 3
4 N = 13; R2 =0,78155 4
N = 14; R2 =0,78399
13 13

N = 5; R = 0,74844 2
N = 6; R = 0,75255 2 3.5 e) 3.5 f)

Altura da mancha de areia (mm)

Altura da mancha de areia (mm)


4 4
13 13 3 16 3 16
1 1
5 5
3.5
e) 3.5
f) 2.5 2.5
Altura da mancha de areia (mm)

Altura da mancha de areia (mm)

3 16 4 4
1 3 16
1
15 15
5 5 9 614 9 14
6
2 2 2 2
8 8
2.5 2.5 7 7
4 4
15 15 1.5 1.5
14 96 9 14 6 3 10 3 10
2 2 2 2
8 8 12 12
7 7 1 18 1 18
1.5 1.5 20 11 20 11
3 10 3 10 22 22
12 23 19
21 2319
21
12 0.5 24 0.5 24
1 18
2617 25 2617 25
20 11 1 18
20 11
22 22
2319
21 23
19
21 0
0.5 24 24 0
26
25 17 0.5 26
25 17

0 0 -0.5 -0.5
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 0 1 2 3 4 5 6
4 4
-0.5 -0.5
Soma da distribuição de freqüencia até o anel 13 x 10 Soma da distribuição de freqüencia até o anel 14 x 10
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3
4
Soma da distribuição de freqüência até o anél 5 x 10 Soma da distribuição de freqüencia até o anel 6 x 10
4

N = 15; R2 =0,78427 N = 16; R2 =0,78917


4
N = 7; R2 = 0,74318 N = 8; R2 = 0,74729 4
13
13
4
13
4
13
g) 3.5
h)
3.5

Altura da mancha de areia (mm)


3.5
g) h)

Altura da mancha de areia (mm)


3.5 3 16
3 16 1
1
Altura da mancha de areia (mm)

Altura da mancha de areia (mm)

5
3 16 5
1 3 16 2.5
5 1 2.5
5 4
2.5 4 15
15 9
146
4 2.5 914 6 2 2
15 2 2 8
9 14 6 4 8
2 2 15 7 7
8 9 14 6
7 2 2 1.5 1.5
8 3 10 3 10
1.5 7 12 12
3 10
12 1.5 1 18 1 18
3 10 20 11 20 11
1 18 22 22
20 11 12 23 21 23
21
19
22 19 24 0.5 26 25 24
231921 1 18 0.5 26 25 17
0.5 26 24 20 11 17
25 17 22
231921 0 0
0.5 24
0 26 17
25
-0.5 -0.5
-0.5 0 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 1 2 3 4 5 6 7
0.5 1 1.5 2 2.5 3 3.5 4 0.5 1 1.5 2 2.5 3 3.5 4 4
4 4 Soma da distribuição de freqüencia até o anel 15 x 10
4
Soma da distribuição de freqüencia até o anel 16 x 10
Soma da distribuição de freqüência até o anél 7 x 10 Soma da distribuição de freqüencia até o anel 8 x 10

Figura 39 - Soma da FFT e altura de areia Figura 40 - Soma da FFT e altura de areia até o anel 16
85 86
4 N = 17; R2 =0,78954 4 N = 18; R2 =0,78037 2
13 13
A Figura 42 apresenta a relação do coeficiente de determinação R versus o n de anéis
3.5
a) 3.5
b)
somados e observou-se que os melhores resultados obtidos foram da soma dos 13 primeiros

Altura da mancha de areia (mm)


Altura da mancha de areia (mm)
3 16 3 16
1 1
5 5
2.5
15
4
2.5
15
4 anéis até a soma dos 19 primeiros anéis. O maior valor de R2 foi encontrado para a soma dos
14
69 146 9
2 2 2 2
8 8

1.5
7
1.5
7 16 primeiros anéis. Também foi observado que se somados anéis de 20 a 30, de 30 a 40 ou
3 10 3 10
12 12
1 18
20 11
1 18
20 11 outras seqüências, a partir dos 25 primeiros anéis produziriam mudanças insignificantes.
22 22
23
21
19 23
21
19
0.5 26 25 24 0.5 24
17 2617 25

0 0

-0.5 -0.5
0.8
1 2 3 4 5 6 7 1 2 3 4 5 6 7
4 4
Soma da distribuição de freqüencia até o anel 17 x 10 Soma da distribuição de freqüencia até o anel 18 x 10
0.75
2 2
N = 19; R =0,78222 N = 20; R =0,77409
4 4
0.7

Coeficiente de determinação
13 13

3.5 c) 3.5
d)

Altura da mancha de areia (mm)


Altura da mancha de areia (mm)

3 16
1
3 16
1 0.65
5 5
2.5 2.5
4 4
15 15
2 2
8
14
6 9
2 2
6
14 9
8
0.6
7 7
1.5 1.5
3 10 3 10

1 18
12
1 18
12
0.55
20 11 20 11
22 22
23
21
19 23
2119
0.5 24 0.5 24
261725 26 17 25

0 0
0.5
-0.5 -0.5
1 2 3 4
Soma da distribuição de freqüencia até o anel 19
5 6 7
4
8 1 2 3 4 5
Soma da distribuição de freqüencia até o anel 20
6 7
4
8
0.45
x 10 x 10

0.4
4
N = 21; R2 =0,77531 4
N = 22; R2 =0,77804
13 13

3.5
e) 3.5
f) 0.35
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Altura da mancha de areia (mm)
Alturaa mancha de areia (mm)

3 16 3 16
1 1
5 5
2.5 2.5
Número de anéis
4 4
15 15
6 14 9 614 9
2 2 2 2
7
8 8
7 Figura 42 - Coeficiente de determinação versus número de anéis
1.5 1.5
3 10 3 10
12 12
1 18 1 18
20 11 20 11
22 22
2319
21 212319
0.5 24 0.5 24
26 17 25 26 1725
Desta maneira a equação polinomial sugerida para relacionar a altura de areia (ha) e SFFT15 é:
0 0

-0.5 -0.5
1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9
4
Soma da distribuição de freqüencia até o anel 21 x 10 Soma da distribuição de freqüencia até o anel 22 x 10
4

ha = -1,9382e - 9(SFFT15)2 + 1,6562. 10-4(SFFT15) - 1,5445 (5.1)


2 2
4
N = 23; R =0,77296 4
N = 24; R =0,77359
13 13

3.5 g) 3.5 h) e para SFFT16 é:


Altura da mancha de areia (mm)
Altura mancha de areia (mm)

3 16 3 16
1 1
5 5
2.5 2.5
4 4
15 15
614 9 14 9
6
2 2
7
8
2 2
7
8
ha = -1,8322e – 9(SFFT16)2 + 1,6237.10-4(SFFT16) – 1,5908 (5.2)
1.5 1.5
3 10 3 10
12 12
1 18 1 18
20 11 20 11
22 22
212319 24 2123 19 24
0.5 26 1725 0.5 26 1725
onde:
0 0

-0.5
1 2 3 4 5 6 7 8 9
-0.5
1 2 3 4 5 6 7 8 9
ha = altura de areia (mm)
4 4
Soma da distribuição de freqüencia até o anel 23 x 10 Soma da distribuição de freqüencia até o anel 24 x 10
SFFTn= soma de FFT até o anel n
Figura 41 - Correlação entre a freqüência FFT e a altura da mancha

O programa desenvolvido com a rotina do procedimento explicado encontra-se no Anexo B.


87 88
−4
6 CONSIDERAÇÕES FINAIS ha = −1,8322e − 9( SFFT16 ) + 1, 6237.10 ( SFFT16 ) − 1, 5908 . Quando usado um polinômio de
2

ordem mais elevada, tende a aumentar os valores de R2. Entretanto, isto não é recomendado
6.1 CONCLUSÕES por gerar curvas complexas que são de difíceis aplicações. Poderia então dar preferência a
uma equação linear por facilitar sua aplicação, porém esta piora os valores de R2, e não é
Os resultados experimentais desta pesquisa mostraram que é possível calcular a macrotextura interessante na aplicação da tecnologia nesta pesquisa. Quando calculada a soma FFT contra a
através do processamento de imagem digital e pode, potencialmente, substituir o teste da altura da mancha de areia dos 126 anéis, em que a imagem foi dividida. Observou-se que a
altura da areia pelo uso de uma câmara digital e posterior processamento. Através de um partir da soma dos 26 primeiros anéis até a soma dos 126 primeiros anéis, as mudanças
conjunto de experimentos, foi possível encontrar as ferramentas necessárias para construir ocorridas foram insignificantes, portanto foi concentrado esforços nos 25 primeiros anéis. Os
programas e equações matemáticas para alcançar uma boa correlação entre o processamento melhores resultados foram obtidos na soma dos 13 primeiros anéis até a soma dos 19
digital e a área obtida pelo teste da mancha de areia. primeiros anéis, desses o melhor R2 foi obtido quando somados os 16 ou 17 primeiros anéis
chegando ao coeficiente de 79%.
Outro objetivo da pesquisa era mostrar que existe uma relação entre a textura do pavimento
(medido pelo teste do círculo de areia) e a distribuição de freqüência obtida no processamento O processamento de imagem se mostrou eficiente na correlação entre a FFT e a profundidade
de imagem digital (medido por uma função FFT). Buscou-se a correlação entre a textura e a da textura obtida por meio do ensaio da mancha de areia. Assim ela poderá substituir o ensaio
FFT. A componente da textura foi observada utilizando a altura da mancha. Encontrou-se uma da altura de areia e, após alguns ajustes operacionais poderá reduzir o tempo gasto para
correlação robusta entre a imagem processada e as medidas físicas. realização do experimento e com isso, o transtorno causado aos usuários das rodovias, devido
à interrupção do trânsito para realização do ensaio e também reduzir os riscos aos técnicos na
Contudo, a atual metodologia pode apresentar problemas se o pavimento apresentar perda de verificação da textura.
agregados ou textura muito grossa e irregular. O problema com os furos ou protuberâncias
não está no processamento e sim no teste da altura de areia; é muito difícil encontrar o exato
6.2 SUGESTÕES PARA TRABALHOS FUTUROS
valor da altura de areia em superfícies com buracos, por exemplo. Isto acontece porque o
volume padrão de areia pode literalmente não encher o furo e conseqüentemente nenhuma
área exata da mancha de areia pode ser medida. Seria necessário então, um método alternativo Pode ser indicado com sugestão para continuidade desta pesquisa:

para correlacionar exatamente a saída do processamento da imagem com a textura do


pavimento, mas isto vai além do propósito desta pesquisa. - Acoplar uma câmera fotográfica digital em um veículo com ambiente iluminado
artificialmente, para evitar iluminação distinta de um ensaio para outro e sombra do agregado

Outro problema encontrado foi a captura da imagem usando o flash da máquina, ele aumentou nos orifícios entre os agregados.

muito a distribuição de freqüência da imagem. Então, a opção na pesquisa foi capturar


imagens sem uso do flash, também foi utilizado um pano liso para permitir apenas luz difusa - Fazer novas combinações entre anéis para verificar se ocorre melhora no coeficiente de

no local do ensaio. determinação.

Os resultados mostraram que a distribuição de freqüência contra o número de anéis pode ser - Melhorar ou construir novos programas de tal forma que o processamento de imagem

obtida através de uma equação polinomial de segunda ordem, portanto a textura está consiga detectar fissuras nos pavimentos.

relacionada à FFT através de uma equação polinomial de segunda ordem, como a equação
apresentada para a soma dos 16 primeiros anéis,
89 90

- Aumentar a base de dados da validação do modelo e validar o procedimento por faixa de


REFERÊNCIAS BIBLIOGRÁFICAS
textura, desde muito fina até muito grossa.

ARIVAZHAGAN, S.; GANESAN, L. Texture classification using wavelet transform.


- Encontrar a profundidade da textura através da reconstrução 3D das formas do pavimento Pattern Recognition Letters, v.24, n.12, p.1513-1521, 2003.
colocando um plano sobre a superfície gerada e integrando a região sob o plano.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS (1983) NBR 7731: Guia de
execução de serviços de medição de ruído aéreo e avaliação dos seus efeitos sobre o homem.
- Treinar uma rede neural, para que a partir de uma imagem de entrada, ela ofereça como Rio de Janeiro.

resultado o valor da textura. ASSOCIAÇÃO NACIONAL DE TRANPORTES PÚBLICOS. Política Nacional de


transportes públicos. São Paulo, 9p. 2003.

ASTM E-303-(1993), Standard Method for Measuring Frictional Propertiers Using The
British Pendulum Tester., in 195 Annual Book of ASTM Standards AMERICAN
SOCIETY FOR TESTING AND MATEIALS, VOL. 04.03, 5p., USA

ASTM E 965-(1996), Test for Measuring Surface Macrotexture Depth Using a Sand
Volumetric Technique, in 195 Annual Book of ASTM Standards AMERICAN SOCIETY
FOR TESTING AND MATEIALS, VOL. 04.03, 5p., USA

BERTHIER, J., Circulaire n. 88-78 Relative À I´Adhérence dês Couches de Roulemente


Neuves, Ministére de léquipament et du Logemente, pneu/pavimento 10-13, 1998.

BRACEWELL, R. Fourier transform and its applications. McGraw-Hill: New York, New
York, USA, 1965.

BRIGHAM, E.O. Fast Fourier transform. Prentice Hall: Englewood Cliffs, New Jersey,
USA, 1974.

CASACURTA A., OSÓRIO f., FIGUEROA F. MUSSE S. R. Computação gráfica.


UNISINOS – Centro de Ciências Exatas e Tecnológicas – Informática –1998.

CHEN, S.; ZHU, Y.; ZHANG, D.; YANG, J Y. Feature extraction approaches based on
matrix pattern: MatPCA and MatFLDA. Pattern Recognition Letters, v.26, n.8 p.1157-1167,
June 2005.

CHRISTIE, A.W. Reflection characteristics of pavement surfaces. Highway Research


Board Bulletin 89: 21-37, 1954.

COLLEY, J. W., LEWIS, P. A. W., WELCH, P. D., Application of the Fast Fourier
Transform to Computation of Fourier Integrals. IEEE Trans. Audio and Electroacoustics,
vol AU – 15 no. 2, pp. 79-84, 1976.

CONFEDERAÇÃO NACIONAL DOS TRANSPORTES. Uma pesquisa a favor do Brasil.


Disponível em http://www.cnt.org.br/informacoes/revista.asp (acessado em 18/12/2006).

CONTRAN – CONSELHO NACIONAL DE TRÂNSITO, RESOLUÇÃO 558/80 –


Fabricação e Reforma de Pneumáticos com Indicadores de Profundidade, in Nova
Coletânia de Legislação de Trânsito, LAZZARI, C. F. et WITTER, I. R. R., ed. Sagra-DC
Luzzatto, 1993 Porto Alegre.
91 92

HARALICK, R. M.; SHUNMUGAN, K.; DINSTEIN, I. Texture feature for image


CULVACI, O., TANJU, B.T., GRANSBERG, D.D., GREEN, B.L., GRANSBERG, N.J. classification. IEEE Transactions Systems, Man and Cybernetics, v. 3, n. 6, p.6610-621, Nov.
1998. Design and analysis of luminance, illuminance measuring system using video 1973.
images. Proceedings,Third Biennial World Conference on Integrated Design and Process
Technology 5: 66-74. Society for Design and Process Science: Berlin, Germany, 1998. HARALICK, R. M. Statistical and structural approaches to texture. IEEE Transactions on
Image Processing, v.67, p.786-804, May 1979.
DEPARTAMENTO NACIONAL DE ESTRADAS E RODAGEM. Manual de Reabilitação
de Pavimentos Asfálticos. Rio de Janeiro: Instituto de Pesquisas Rodoviárias. 1998. HECHT, E. Schaum’s outline of theory and problems of optics. McGraw-Hill: New York,
New York, USA, 1975.
DO, Minh-Tan; LUCAS, J., (1995) Contact Pneu/Chaussée – Apport de la Microtexture,
in Bulletin de Liaison dês Laboratories de Ponts et Chaussées, n. 196, Março-Apbril. 5-17. INSTITUTO DE PESQUISAS ECONÔMICAS APLICADAS. Acidentes de trânsito:
quanto se gasta com eles? Disponível em http://www.ipea.gov.br (acessado em 21/12/2006).
DUDA R.O.; HART P.E.; STORK D.G. Pattern classification. New York: Wiley, 2001. v.2,
654p. INSTITUTO DE PESQUISA RODOVIÁRIA-DNIT. Custo de acidentes rodoviários.
Disponível em http://www1.dnit.gov.br/ipr_new/download_manuais.htm (acessado em
DUTRA, L. V.; HUBER, R. Feature Selection For Ers-1/2 Insar Classification: High 04/01/2007).
Dimensionalty Case. In: International Geoscience and Remote Sensing Symposium, 1998,
Seattle, USA. Proceeding... [S.l.]: [S.n.], 1998. KNOFLACHER, H. , (1968), Results and Experiences Obtained from Road Accidents
Studies, in International Colloquium on the Interrelation of Skidding Resistance and Traffic
ELLIS, T. J.; ROSEN, D.; CAVAGH, J. B. Automated measurement of peripheral nerve Safety on Wet Roads, Berlim, pp. 509-514, 1968.
fibres in transverse section. Journal of Biomedical Engineering, Oxford, v. 2. n. 4, p. 272-
280, Oct. 1980. KOVACS, L. Z. Redes Neurais Artificiais: Fundamentos e Aplicações, 2.ed., Editora
Collegium Cognitio e Edição Acadêmica, 1996.
EPPS, A. L. Modified Asphalt Concrete Mixtures. Thermal Behavior of Crumb – Rubber.
Institute of Transportation Studies, University of California at Berkeley, 1994. LEITE, L. F. M. Estudos de preparo e caracterização de asfaltos modificados por
polímero. Trabalho de conclusão de curso de doutorado, Universidade Federal do Rio de
ESTRADAS. www.estradas.com.br/faq/ipiranga.asp. Site consultado em dezembro de 2007. Janeiro – UFRJ. Rio de Janeiro, 1999.

FERNANDES, E. S., (1998); Influência dos Agregados Rochosos na Aderência LUCAS, J., Mesure de la Rugosité Géometrique et Conditions d’Écoulement d’Eau à la
Pneu/Pavimento, Dissertação de Mestrado, Universidade da Escola Politécnica de São Paulo, Surface des Chaussées, in Colloque Internacional surla Glissance et la Cecurité de la
São Paulo, SP. Circulacion sur Routes Mouillées, Berlin, pp. 701-198, 1968.

FOLEY J. D., A. Van Dam, S. K. Feiner, J. F. Hughes, Computer Graphics, Addison LUCCA, E. V. D. Avaliação e Comparação de Algoritmos de Segmentação de Imagens
Wesley, 1996. de Radar de Abertura Sintética. Instituto Nacional de Pesquisas Espaciais, 1998.

FRAENKEL, B. B. Engenharia Rodoviária. Editora Guanabara Dois. Rio de Janeiro, 1980. MARQUES F. O.; VIEIRA N. H. Processamento digital de imagens. Rio de Janeiro:
Brasport, 1999. 406 p.
GALLAWAY, L; VANELSTRAETE, A; Pavement and Geometric desing Criteria for
Minimizing Hydroplaning, FHWA-RD-79-31, FHWA, Departament of Transpotation, 1979. MARTINS, A. M., Retoque Digital via Linhas de Nível. Dissertação de mestrado,
Faculdade de Ciência da Computação da Universidade Federal de Uberlândia, Uberlândia -
GONZALEZ, R. C., WOODS, R. E., Processamento De Imagens Digitais. Edgard Blücher, MG, 2004.
USP, 1ª reimpressão. São Paulo, 2003.
MASCARENHAS N. A., VELASCO F. R. D. Processamento Digital de Imagens. Anais da
GONZALEZ, R. C., WOODS, R. E., EDDINS, S. L., Digital Image Pocessing Using IV Escola Brasileiro-Argentina de Informática, Argentina, 1989.
MATLAB, Pearson Education, 2004.
MATIUZO, A. Asfalto Mais Seguro. Publicado em 15/10/2006 Disponível em
GOODMAN, J.W. Introduction to Fourier optics. McGraw-Hill: New York, New York, www.gazetaderibeirao.com.br/conteudo/mostra_noticia.asp?noticia=1467014&area=92020&a
USA (1968). uthent=3360DEA99737408AD9D532078EF981 (Acessado em 10/03/2007).

HAINDL, M. Texture Synthesis. CWI Quarterly, v.4, n.4, p.305-331, 1991. MEDINA, J. Mecânica dos Pavimentos. UFRJ. Rio de janeiro, 1997.

MEDINA, J., MOTTA, L. M. G. Mecânica dos Pavimentos. 2ª Edição. Rio de janeiro, 2005.
93 94

SILVA, L. N. C. Análise e síntese de estratégias de aprendizado para redes neurais.


MELLO, J. C. Transportes: Presente e Futuro. 33a Reunião Anual de Pavimentação, Campinas: UNICAMP, 1998. Dissertação de Mestrado em Computação, Faculdade de
Florianópolis, 2001. Engenharia Elétrica e de Computação, Universidade Estadual de Campinas, 1998.

MEYER-ARENDT, J.R. Introduction to classical and modern optics. Prentice-Hall: SOUZA, F.S.V., NEVES, M.A., LIMA e SILVA, P., BARROS,R.M.V.; Avaliação da
Englewood Cliffs, New Jersey, USA, 1972. Resistência À Derrapagem em Pavimentos Rodoviários, in 27a. Reunião Anual de
Pavimentação, ABPv, São Paulo, SP, 1993.
MOMM, L. Estudo dos Efeitos da Granulometria Sobre a Macrotextura Superficial do
Concreto Asfáltico e Seu Comportamento Mecânico. Tese de Doutorado, Escola SPECHT, L. P. Avaliação de misturas asfálticas com incorporação de borracha reciclada
Politécnica da Universidade de São Paulo, 1998. de pneus. Porto Alegre. Tese (Doutorado em Engenharia) – PPGEC/UFRGS. 2004. 279p.
(disponível em www2.unijui.tche.br/~specht).
MOTTA, L. M. G. Método de Dimensionamento de Pavimentos Flexíveis, Critérios de
Confiabilidade e Ensaios de Cargas Repetidas. Tese de Doutorado, Universidade Federal SPECHT, L. P., SANTOS, R. T., ROZEK, T., HIRSCH, F., Avaliação da macrotextura de
do Rio de Janeiro - UFRJ. Rio de Janeiro, 1991. pavimentos através do ensaio de mancha de areia, Teoria e Prática na Engenharia Civil,
n.8, p.53-62, Abril, 2006.
MOUNCE, J. M., BARTOSKEWITZ, R. T., Hidroplaning and Roadway Tort Liability,
Tranportation Tesearch Rocord, n° 1401, USA, pp. 117-124, 1993. STEMPROK, R., GREEN, B., TANG, Z. Calculated roadway lighting errors and
measurement of visibility with CCD devices. Proceedings of the Symposium of
OLIVEIRA, J. A.. Classificação de Regiões Usando Atributos de Forma e Seleção de Commission Internationale De L’Eclaire, (CIE), Division 4 and 5 meeting: Toronto, Canadá,
Atributos. Dissertação de Mestrado, Instituto Nacional de Pesquisas Espaciais – São José dos 2000.
Campos, 2006.
TARI, Z. S. G.; SHAH, J.; PIEN, H. Extraction of shape skeletons from grayscale images.
PADILHA, F. R. R., Reconhecimento de Variedades de Soja Através do Processamento e Proceedings of the Computer Vision and Image Understanding, v.66, p.133-146, 1997.
Imagens Digitais Usando Redes Neurais Artificiais. Dissertação de Mestrado, Universidade
Regional do Noroeste do Estado do Rio Grande do Sul, Ijuí 2007. WESSELING, D. H.; SPECHT, L. P.; CERATTI J. A. P. Estudo laboratorial do
comportamento de misturas em concreto asfáltico com diferentes tipos de fílers. 34a
PASQUET, A., Compangne Nationale de Glissance 1967 en France, in Colloque Reunião Anual de Pavimentação, p. 307-321, Campinas SP. 2003.
International sur la Glissance et la Circulation sur Routes Mouillées, Berlin, pneu/pavimento
717-732, 1968. WILSON, R.G. 1995. Fourier series and optical transform techniques in contemporary
optics, an introduction. John Wiley & Sons, Inc.: New York, New York, USA, 1995.
PAVARINO, R. V. F. Aspectos da educação de trânsito das teorias da segurança -
Problemas e Alternativas. Transportes. v12 (1), p.59-68 2004

PIDWERBESKY, B., WATERS, J., GRANSBERG, D., STEMPROK, R.. Road surface
texture measurement using digital image processing and information theory. Land
Transport New Zealand Research Report 290. 65pp, 2006.

PINTO, S. Materiais Pétreos e Concreto Asfáltico: Conceituação e Dosagem. IME. Rio de


Janeiro, 1998.

PRATT, W. K. Digital image processing. [S. L.]: Wiley Interscience, 1991. 698p.

RENNÓ, C. D.; FREITAS, C. C.; FRERY, A. C. A system for region image classification
based on textural measures. In: Latino-American Seminar on Radar Remote Sensing: Image
Procesing Techniques, 2., 1998, Santos. Anais.... Santos: ESA, 1998.

SENÇO, de W. Manual de técnicas de pavimentação. São Paulo:Pini, 1997.

SHEN, W., KIRKNER, D. J. Thermal Cracking of Viscoelastic Asphalt-Concrete


Pavement. Journal of Engineering Mechanics, 2001.
95 96

%parte para rede neural axial


ANEXO A PROGRAMA GERADOR DAS FAIXAS DE
%P = [1:127];
FREQÜÊNCIAS E DOS RESPECTIVOS GRÁFICOS
%T = fftsum(end:-1:1);
clear all, clc %net = newgrnn(P,T);
f = imread('Foto1a.jpg'); %v = sim(net,P)
g = rgb2gray(f); %plot(P,v,'-',P,T,'.');
k = 2;%distancia dos quadrados
figure,imshow(g); %mostra a img com tons cinza
fftsum = zeros(1,127); %variavel para armazenar o soma do fft para cada anel
fftim = fft2(im2double(g));%calcula o fft da imagem
i=1; %indice
tempold =0;%variavel temporaria para armazenar a soma antiga
%o tamanho da imagem e 512x512
while k < 255 % metade 512/2 -1
xmin = 256 - k; %512/2
ymin = 256 - k;
xmax = 256 + k;
ymax = 256 + k;
temp = zeros(xmax,ymax);
temp = fftim(xmin:xmax,ymin:ymax); %retira o quadrado da imagem
% imshow(temp);
if i == 1
fftsum(i) = sum(temp(:)); %soma cada pixel do quadrado retirado
tempold = sum(temp(:)); % guarda o valor da soma para usar na proxima iteracao
else
fftsum(i) = sum(temp(:)) - tempold; % diminui a soma do quadrado atual do anterior
tempold = sum(temp(:)); % guarda o valor para a proxima iteracao
end
i = i+1; %incrementa i
k = k + 2; % incrementa o valor para o proximo quadrado
end
fabs = abs(fftsum);%pega os valores absolutos
figure, plot([1:127],abs(fftsum(end:-1:1))); % plota o grafico
xlabel('N° de anéis')
ylabel('Distribuição de freqüências')
97 98

tempold = sum(temp(:)); % guarda o valor para a proxima


ANEXO B ROGRAMA PARA SOMA FFT E COMPARAÇÃO
%iteracao
COM A MANCHA DE AREIA
end
i = i+1; %incrementa i
%function allFFT
k = k + 2; % incrementa o valor para o proximo quadrado
clear all, clc
end
NN=25;nn=1;
fabs = abs(fftsum);%pega os valores absolutos
fftsumJ = zeros(26,127);
fftsumJ(j,:)=abs(fftsum(end:-1:1));
for j=1:26
%figure, plot([1:127],abs(fftsum(end:-1:1))); % plota o grafico
f = imread(['Foto' num2str(j) 'a.jpg']);
%parte para rede neural axial
g = rgb2gray(f);
%P = [1:127];
k = 2;%distancia dos quadrados
%T = fftsum(end:-1:1);
%figure,imshow(g); %mostra a img com tons cinza
%net = newgrnn(P,T);
fftsum = zeros(1,127); %variavel para armazenar o soma do fft para
%v = sim(net,P)
%cada anel
%plot(P,v,'-',P,T,'.');
fftim = fft2(im2double(g));%calcula o fft da imagem
end
i=1; %indice
h=[2.7
tempold =0;%variavel temporaria para armazenar a soma antiga
1.8
%o tamanho da imagem e 512x512
1.2
while k < 255 % metade 512/2 -1
2.1
xmin = 256 - k; %512/2
2.6
ymin = 256 - k;
1.9
xmax = 256 + k;
1.5
ymax = 256 + k;
1.7
temp = zeros(xmax,ymax);
1.9
temp = fftim(xmin:xmax,ymin:ymax); %retira o quadrado da imagem
1.2
% imshow(temp);
0.7
if i == 1
1.0
fftsum(i) = sum(temp(:)); %soma cada pixel do quadrado retirado
3.7
tempold = sum(temp(:)); % guarda o valor da soma para usar na
1.9
%proxima iteracao
2.0
else
2.8
fftsum(i) = sum(temp(:)) - tempold; % diminui a soma do
0.2
%quadrado atual do anterior
0.79
99

0.40
0.69
0.40
0.54
0.45
0.36
0.21
0.27];
correl=zeros(1,NN-nn+1);
%soma=zeros(1,26);
for N=nn:NN
soma=zeros(1,26);
for i=1:26
soma(i)=sum(fftsumJ(i,nn:N));
end;
format long
p=polyfit(soma,h',2);
fx=sort(soma);
pf1=polyval(p,soma);
pf=polyval(p,fx);
correl(1,N-nn+1)=corr(pf1',h);
figure(N);
plot(soma,h,'*',fx,pf,'-');
xlabel('Soma da distribuição de freqüências')
ylabel('Altura da mancha de areia')
title(['N=' num2str(N) '; Correl=' num2str(correl(1,N-nn+1)) ';'])
for i=1:26
%text(soma(i),h(i)+0.2,num2str(i));
end;
end;
figure(200);
plot(nn:NN,correl,'-*');
xlabel('Número de anéis')
ylabel('Coeficiente de determinação')

Vous aimerez peut-être aussi