• Non ci sono risultati.

8.1 TRATTAMENTO DIGITALE DELLE IMMAGINI: METODOLOGIA APPLICATA E SOFTWARE IMPIEGAT

8.1.10 I software utilizzat

Durante il nostro lavoro di tesi, abbiamo lavorato utilizzando software sviluppati in ambiente open

source. Si tratta di:

PixelWrench2: il software Tetracam PixelWrench2 è un programma di elaborazione delle immagini semplice ma allo stesso tempo efficiente, essendo dotato di un insieme di strumenti specializzati per l’elaborazione di immagini multispettrali. Il programma permette l’apertura e la modifica delle immagini multispettrali: il tono, il contrasto, la scala, la rotazione, l’affinamento, la sfocatura, ecc. Inoltre sono possibili operazioni sulle immagini quali la traslazione, la copia, la correzione delle distorsioni, ecc.

QGIS: (anche noto come Quantum GIS): esso non è altro che un’applicazione desktop GIS open

source, molto simile nell’interfaccia utente e nelle funzionalità ai pacchetti GIS commerciali

equivalenti. Si noti come essendo distribuito come pacchetto Open Source, il codice sorgente di QGIS è liberamente messo a disposizione dagli sviluppatori e può essere pertanto scaricato e modificato, consentendo, in questo modo, la sua riprogrammazione per rispondere a specifiche esigenze.

Inoltre, allo scopo di migliorarne le funzionalità e la compatibilità, possono essere compilati dei

plugin, ovvero delle piccole estensioni caricate al momento del lancio del programma. In

particolare, nell’ambito del presente lavoro di tesi è stato utilizzato il Semi-Automatic Classification

Plugin. Si tratta di plugin open source, quindi gratuito, sviluppato per QGIS e che permette la

classificazione supervisionata di immagini tele-rilevate utilizzando i seguenti algoritmi di classificazione: Minimum Distance, Maximum Likelihood, Spectral Angle Mapping. Inoltre, sono presenti molteplici strumenti assai utili per la fase di pre-processing delle immagini, la post- elaborazione delle classificazioni e il calcolatore raster.

Il plugin SCP consente inoltre:

188

● la creazione rapida di ROI (Region Of Interest) attraverso l’algoritmo region growing. Le ROI create vengono memorizzate in uno shapefile, e inoltre è possibile visualizzare la firma spettrale relativa a ciascuna ROI creata;

● la creazione dello scatterogramma;

● la selezione e il download di firme spettrali dalla libreria spettrale dell’USGS (disponibile all’indirizzo: http://speclab.cr.usgs.gov/spectral-lib.html).

Per il calcolo degli indici di vegetazione si è fatto ricorso al già citato PixelWrench2, programma in grado di fornire molti strumenti assai utili.

Per accedere a queste funzioni è necessario utilizzare il menu View e in particolare il modulo Index

Tools. Sono possibili, quindi, operazioni quali:

1. il calcolo di diversi indici di vegetazione da immagini multispettrali;

2. l’estrazione di informazioni relative alle bande spettrali, con la possibilità di ottenere immagini monocromatiche delle singole bande;

3. l’estrazione di mappe di segmentazione delle coperture, distinguendo la vegetazione crescente dal suolo;

4. il processing di colore delle immagini multispettrali utilizzando matrici di colori definite dall’utente;

5. l’elaborazione delle immagini multispettrali in gruppo.

Nella scheda Index del modulo Index Tools si seleziona l’operazione o l’indice che si vuole eseguire:

● NDVI: calcola l’indice di vegetazione della differenza normalizzata (Normalized Differenze

Figura 8. Calcolo NDVI nella scheda Index del modulo IndexTools.

Il software può essere calibrato per determinare qual è il bilanciamento spettrale della luce giornaliera ed affinare, in questo modo, il calcolo dell’indice selezionato. Per eseguire la calibrazione bisogna scattare, sotto le stessa condizioni di luce delle immagini, un’immagine completamente occupata della placca di calibrazione fornita con la camera; quindi bisogna visualizzarla con il software, selezionarla e premere il tasto Calibrate. Eseguendo il comando

Execute viene calcolato l’indice di vegetazione NDVI per ciascun pixel e si ottiene in output una

immagine dove ciascun pixel è colorato a seconda del valore corrispondente di NDVI.

A tal proposito, l’indice di vegetazione può essere visualizzato in scala di grigi (grigio più chiaro, valore dell’indice maggiore) oppure mediante un tavolozza di 17 colori da scegliere nella scheda

Pallette del modulo Index Tools; è possibile anche rappresentare solamente un certo intervallo

(scelto dall’utente) di valori di NDVI con la tavolozza di colori e inserire la legenda dei valori rappresentati. Nella figura 9, per esempio, in rosso sono indicate le aree edificate (strade e costruzioni), mentre le zone con copertura vegetativa maggiore sono visualizzate con livelli di blu via via più scuri.

190 Figura 9. Visualizzazione dell'NDVI nelle contrade Santa Venera ed Edera.

Una volta eseguite le elaborazioni, il software consente l’esportazione delle immagini in molteplici formati, comuni ai principali programmi di editing delle immagini (BMP, JPG, JPEG, GIF, TIF, TIFF…).

Per la fase di elaborazione della classificazione si deve passare a QGIS, software che, come abbiamo visto, attraverso il plugin SCP (Semi-automatic Classification Plugin) permette l’esecuzione di classificazione supervisionate. Tale procedura richiede che sia definito a priori il numero e la natura delle classi che si intendono rappresentare nella mappa tematica scegliendo, come abbiamo visto in precedenza, Training Areas o ROI. Per la creazione di quest’ultime è necessario utilizzare il pannello SCP: ROI creation del plugin SCP.

Le ROI sono poligoni che possono essere creati automaticamente con il comando Activate ROI

pointer utilizzando un algoritmo di region growing con un click su un pixel dell’immagine (cioè il

poligono della ROI è segmentata intorno ad un pixel seme); in questo modo le ROI create includono pixel spettralmente omogenei. In alternativa, le ROI possono essere create manualmente disegnando un poligono, tramite il comando Create a ROI.

Le ROI sono definite tramite la Class ID, la Macroclass ID ed ulteriori informazioni (C Info cioè una descrizione della classe). Il campo Class ID è un identificativo univoco per ogni classe di copertura del suolo. Una macroclasse è un gruppo di ROI aventi differenti Class ID, la quale è utile quando è necessario classificare materiali che hanno differenti firme spettrali all’interno della stessa macroclasse di copertura del suolo (ad esempio all’interno di un’ipotetica macroclasse vegetazione, si possono individuare le classi erba, alberi di ulivo, di mandorlo ecc.). Nel nostro processo di classificazione sono state individuate due classi principali, definibili come “capanna” e “muro”; nel caso di classificazione semi-automatica delle emergenze archeologiche affioranti, le ROI sono state prese dal muro di fortificazione di Santa Venera e da una struttura circolare probabilmente di epoca greca; nell’altro caso, invece, la coppia di ROI proviene dall’area prossima alla Strada Statale, dove sono portate alla luce le capanne bizantine con gli scavi del 2015. Ricordiamo come l’immagine WorldView selezionata sia precedente e, pertanto, gli edifici giacciano, seppur in parte, nel sottosuolo.

Relativamente alle firme spettrali, il plugin SCP di QGIS le calcola automaticamente dalle ROI una volta che queste sono aggiunte, sia in maniera automatica sia manuale, alla Signature list. Le firme spettrali possono, poi, essere visualizzate selezionando quelle da visualizzare e utilizzando il comando Add highlighted signatures to spectral signature plot nel pannello SCP: classification del plugin SCP.

192 Figura 11. Comando Add highlighted signatures to spectral signature plot del pannello SCP: Classification del plugin SCP.

È anche possibile visualizzare i dettagli delle firme spettrali (Signature details) e anche le distanze spettrali (Spectral distances) tra le firme spettrali per valutare la separabilità spettrale.

Infine, definite le ROI e calcolate le rispettive firme spettrali si può passare all’esecuzione della classificazione. Come detto in precedenza, il plugin SCP implementa diversi algoritmi di classificazione, alcuni dei quali sono stati oggetto di trattazione nelle pagine precedenti. La prima scelta da effettuare è, quindi, relativa all’algoritmo che si vuole usare nel pannello SCP:

Figura 12. Comandi per eseguire la classificazione del pannello SCP: Classification del plugin SCP.

Come si vede dalla figura 12, è possibile visualizzare un’anteprima della classificazione e sceglierne le dimensioni, o inserire uno stile per la classificazione selezionando un file style.qml. La classificazione è lanciata attraverso il comando Perform classification; l’output principale, come abbiamo già detto, è un file raster.tif . In aggiunta al formato raster, è possibile creare lo shapefile della classificazione spuntando la checkbox Create vector, salvando così lo shapefile con lo stesso nome e nella stessa directory del file.tif.

Rimandiamo al prossimo capitolo per la presentazione dei risultati conseguiti attraverso le procedure di lettura manuale e di classificazione automatica.

CAPITOLO 9