47270

Modelo de Visualização 2D e 3D de Imagens Tomográficas de Raios X de
Amostras Agrícolas, Baseado em Técnicas de Processamento Paralelo e

Realidade Virtual
Maurício Fernando Lima Pereira

Embrapa Instrumentação Agropecuária
Rua XV de Novembro, 1452 São Carlos, SP - Brasil
[email protected]
Leonardo Castro Botega
Departamento de Computação - Universidade Federal de São Carlos
Rod. Washington Luís, km 235 São Carlos - SP - Brasil
[email protected]
Resumo são na extração de atributos físicos, como densidade e umi-

dade, e pela característica de possibilitar o exame de amos-
Neste trabalho é apresentado um modelo para reconstru- tras de solo de forma não destrutiva [1] [3] [16]. Outra van-
ção e visualização bidimensional(2D) e tridimensional(3D) tagem oferecida pela tomografia computadorizada, em rela-
de imagens tomográficas de raios X, para aplicação na área ção às demais, é a possibilidade de fazer-se uso, após a re-
de físicas de solos. O modelo engloba a filtragem de pro- construção, das ferramentas do processamento de imagens
jeções a priori para eliminação de ruídos, a paraleliza- para auxiliar a investigação dos fenômenos físicos que ocor-
ção dos algoritmos de reconstrução tomográfica 2D e 3D, rem solo.
sendo esta baseada em inserção de planos virtuais atra- Além dos desenvolvimentos ocorridos na área de ciên-
vés de um algoritmo de interpolação por B-Spline-Wavelets. cia do solo na aplicação da tomografia, a pesquisa de ma-
Completando o modelo, foram desenvolvidos um ambiente deiras recentemente também tem utilizado técnicas da TC
para visualização de cortes e extração de atributos de den- para determinar a medida da densidade de madeira, a qual é
sidade e coeficiente de atenuação linear e dois ambientes de um importante parâmetro, dado que ela é relacionada à pro-
visualização 3D baseados em biblioteca Visualization Tool- priedades físicas e anatômicas da madeira e muitas vezes
kit (VTK) e em técnicas da Realidade Virtual (RV). Os re- correlacionada a sua qualidade [11].
sultados mostraram que houve uma redução do tempo de Este trabalho apresenta um modelo de reconstrução tri-
reconstrução das imagens das amostras e que estes ambi- dimensional e visualização de amostras agrícolas que se ba-
entes auxiliam os usuários na análise de amostras de solo, seia em técnicas do processamento paralelo e filtragem pre-
permitindo a extração de medidas de forma interativa e não ditiva para eliminação de ruído das projeções. O foco do
invasiva. trabalho está na modelagem, implementação e validação do
modelo de reconstrução; na capacidade de acelerar o pro-
cesso tomográfico com uso de arquiteturas paralelas de pro-
cessamento para permitir sua aplicação em grande escala
1. Introdução e no desenvolvimento de ambientes de visualização e aná-
lise interativos. Os resultados encontram aplicação em estu-
Avaliando a evolução que vem ocorrendo na área de fí-
dos sobre:
sica de solos, percebe-se o crescente interesse da comuni-
dade científica para o desenvolvimento e aplicação de téc-
• Solos e plantas (estruturas de formação de poros e tex-
nicas não invasivas para o estudo de características do solo.
turas);
Dentre as técnicas utilizadas, destaca-se a tomografia com-
putadorizada (TC) de raios X, que se sobressai em relação • Movimentação de água e soluto nos solos;
às demais técnicas aplicadas na física de solos, como a gra-
vimétrica e a sonda de nêutrons [21] [4], devido à sua preci- • Distribuição de raízes.
2. Materiais e métodos
A Figura 1 apresenta os módulos que compõem o mo-
delo de reconstrução e visualização tridimensional desen-
volvido neste trabalho. O modelo determina que os dados
de projeções obtidos pelos tomógrafos agrícolas sejam fil-
trados e reconstruídos, através dos módulos paralelos de fil-
tragem e reconstrução tomográfica bidimensional, gerando
imagens bidimensionais dos cortes tomografados. Através
de um algoritmo de reconstrução tridimensional por inter-
polação B-Spline-Wavelets, que utiliza sobreposição de fa-
tias, é realizado o preenchimento do espaço existente entre
os planos de forma a aumentar a resolução do objeto 3D,
preservando-se as características de textura do solo. Após
a reconstrução 3D, os objetos podem ser analisados em in-
terfaces de visualização 2D ou pode-se interagir através de
uma interface de análise dos objetos 3D, desenvolvida em
C++ e VTK ou com uso de RV.
A RV nasceu nos anos 80 sob a necessidade de dife-
renciar simulações computacionais tradicionais dos mun-
dos sintéticos que começavam a despontar. Esta iniciativa
foi creditada a pesquisadores como Bolt [2] e Lanier [10].
Acadêmicos, desenvolvedores de software e pesquisado-
res buscam definir a RV baseados em suas próprias expe-
riências, tornando-a largamente difundida. Tecnicamente, o
termo relata uma experiência imersiva e interativa baseada
em imagens geradas por computadores, renderizadas ou não
em tempo real [18].
Machover afirma que a qualidade de um sistema de RV é
essencial, porque estimula ao máximo o usuário, de forma
criativa e produtiva, provendo feedbacks de forma coerente
aos movimentos dos usuários [12].
Sob a perspectiva tecnológica, o objetivo principal da
RV é fazer o participante sentir sua presença no mundo
virtual [6]. Para criar esta sensação, sistemas de RV in-
tegram sofisticados dispositivos tais como luvas digitais, Figura 1. Modelo de reconstrução 3D e de vi-
vídeo-capacetes, cavernas digitais, mesas digitais e outros. sualização desenvolvido neste trabalho
Até o presente momento, apenas algumas unidades de
pesquisa têm desenvolvido projetos com aplicações de RV
na área de visualização científica, como a reconstrução to- está fundamentado na transformada de Radon [7].
mográfica, devido ao alto custo e à dificuldades técnicas. A reconstrução por retroprojeção filtrada pode ser sepa-
Entretanto, algumas propostas têm surgido para minimizar rada em duas equações. A primeira, responsável pela fil-
as dificuldades de desenvolvimento, manutenção dos sis- tragem dos dados das projeções obtidas em cada ângulo θ,
temas e programas necessários. Assim, recursos humanos dada por :
qualificados, envolvendo a integração entre diferentes áreas
do conhecimento, têm sido preparados para a otimização Z∞
e democratização da utilização das tecnologias envolvidas Qθ (t) = Sθ (ω)|ω|ejωt dω (1)
[15].
−∞
2.1. Reconstrução tomográfica bidimensional onde Sθ (ω) representa a transformada de Fourier convo-
luída com o filtro rampa no domínio da freqüência. Depois
O algoritmo paralelo de reconstrução tomográ- de filtradas, as projeções são retroprojetadas para se obter
fica baseia-se no algoritmo de retroprojeção filtrada, o qual uma função do objeto. A segunda (Eq. 2) apresenta a equa-
De modo a otimizar o cálculo , a função β(x), também
aaaaaaaaaaaaaaaaaaaaa
chamada de função de blending, foi implementada neste tra-
balho como
 1 3
6 (2 + x) −2 < x ≤ −1

 1
 6 (4 − 6x − 2x3 ) −1 < x ≤ 0
2


aaaaaaaaaaaaaaaaaaaaa 1 2 3
βm (x) = 6 (4 − 6x + 2x ) 0<x≤1
(5)
aaaaaaaaaaaaaaaaaaaaa 1
aaaaaaaaaaaaaaaaaaaaa 3
(2 − x) 1 < x < 2



 6
0 2 ≤ |x|

Para obter a função de interpolação, uma função de apro-

ximação dada pela Eq. (6) foi utilizada.
Figura 2. Diagrama ilustrando a inserção de
N +2
planos virtuais entre planos reais na recons- X
trução tridimensional f (µ) = Ai βm (N µ − i) (6)
i=−2
onde Ai , denominados pontos de controle, substituem ai .

ção de retroprojeção das projeções filtradas. Esses pontos de controle são obtidos através da multiplica-
ção A = M −1 a, onde M é dado por
Z2π
 N
− N2

g(x, y) = Qθ (x cos (θ) + y sin (θ))dθ (2) 2 0 0 ... 0 0
0
 1 2 1
0 ... 0 0 
 6 3
1
6
2 1

 0 . . . 0 0 
6 3 6
onde cada componente representa um pixel de coordenadas 
 0 . . . . . . . . . . . . 0 0


(x,y) na imagem reconstruída g(x, y). Na forma discreta, a M = .

. . . . . .

(7)
retroprojeção filtrada é presentada por:  .. .. .. .. .. .. .. 

 
 0
 0 . . . 61 2
3
1
6 0 
K  0 1 2 1 
π X 0 ... 0 6 3 6
ḡˆ(x, y) = Qθ (x cos (θi ) + y sin (θi )) (3) 0 0 ... 0 0 − N2 N2
K i=1
onde K ângulos θ são os valores discretos de θ para cada 2.3. Modelagem de sistemas paralelos
Pθ (t) conhecido.
Neste trabalho são utilizadas projeções obtidas de amos- A maioria dos problemas computacionais possui um
tras de solo que foram coletadas pelos tomógrafos dedica- conjunto variado de soluções que podem, no caso do desen-
dos sob energia de 58 KeV, passo angular de 1◦ , passo linear volvimento de um algoritmo paralelo, ser bastante diferen-
0.083 mm e tempo de aquisição de 4 segundos por amostra tes das soluções seqüenciais. Com isso, é importante levar
de projeção. em conta que paradigmas para sistema paralelos auxiliam
na escolha de uma melhor forma de modelagem de proble-
2.2. Reconstrução tridimensional mas do mundo real em um conjunto de pequenos pedaços
que reunidos atendem às necessidades impostas pelos pro-
Uma função de aproximação Spline f de ordem m e blemas. A metodologia PCAM ( Partitioning, Communica-
passo µ é usada como função de aproximação e é dada pela tion, Agglomeration, Mapping) [5], utilizada neste trabalho,
Eq. (4) [23][14] : mostra um paradigma de desenvolvimento de algoritmo pa-
ralelo baseado em quatro etapas:
N
X +2
f (µ) = ai β(N µ − i) (4) 1. Particionamento;
i=−2 2. Comunicação;
onde N e ai representam, respectivamente, o número de 3. Aglomeração;
pontos conhecidos e os pontos reais extraídos dos planos
4. Mapeamento.
reais reconstruídos, tal qual mostra a Figura 2. Nesta im-
plementação, são utilizados dois pontos fantasmas antes do A Figura 3 ilustra conceitos contidos em cada etapa. Ba-
ponto inicial e dois pontos após o último ponto para garan- sicamente, a metodologia consiste em dividir o problema
tir que a função B-Wavelet irá passar no primeiro e no úl- em um conjunto de pequenas tarefas. Uma vez que isto te-
timo ponto [13]. nha sido realizado, inicia-se a fase de comunicação, onde se
jetos tridimensionais, em formatos praticáveis em ambiente
Java3D, possibilitando a implementação da classe importa-
dora. Desta maneira, o objeto reconstruído tridimensional-
mente e salvo no formato (.vtk) [9], é escrito sob o formato
Wavefront File Format (.obj) [24].
Posteriormente, com os arquivos já preparados, uma
nova classe será implementada, derivada da classe Object-
File, a qual provê subsídios para trazer todas as caracterís-
ticas do modelo ao ambiente Java, utilizando-se de méto-
dos pré-implementados, portáveis para a reutilização. Esta
nova classe será capaz de importar o modelo completo, re-
construído e exportado sob o formato Wavefront, para o am-
biente virtual, mantendo todas as suas características origi-
nais, tais como aparência (Appearance), material (Material)
e geometria (Geometry).
Transformações físicas lineares foram escolhidas para
serem inicialmente conectadas ao sistema, tais como rota-
ção, translação, escala, reflexão e cisalhamento, definidas
através de entradas por teclado e disponíveis para cada con-
junto de dados do modelo.
No ambiente de visualização por RV, objetos Behavior
foram instanciados para interpretar as ações dos usuários
Figura 3. Modelo PCAM com as quatro fases por eventos de entrada e traduzi-los em transformações de
para modelagem de um sistema paralelo translação e rotação, disponíveis também para todos os mo-
delos. Assim, a classe Behavior faz a conexão entre as in-
terações e as reações, provendo mudanças no subgrafo de
organiza a forma como estas tarefas irão trocar dados en- conteúdo.
tre si. A fase de aglomeração consiste em agrupar as tare- Outro recurso acoplado ao sistema é a obtenção de infor-
fas que tenham intensa comunicação em tarefas maiores e, mações dos voxels das amostras, que provê para os usuá-
finalmente, já com vistas ao tipo de máquina paralela que rios informações a respeito de um ponto específico, através
será utilizada. No mapeamento distribuem-se as tarefas en- de seleção por mouse (picking). Os dados disponíveis para
tre os processadores disponíveis na máquina paralela. picking estão divididos em dois aspectos: aspectos de cena
e tomográficos. Considerando o aspecto de cena, usuários
2.4. Realidade Virtual podem obter informações como as fronteiras do modelo re-
construído, o número de subgrafos da cena, o modo de com-
Neste modelo, a utilização de um ambiente de RV so- posição das geometrias da cena, a distância entre o modelo
bre o algoritmo de reconstrução é baseada em uma inter- e o observador, as coordenadas do modelo e as coordena-
face principal, desenvolvida como um controle principal, das do vértice mais próximo. Sob o aspecto tomográfico,
provendo acesso intuitivo para os usuários. Esta interface, as informações disponíveis são os atributos de cor do mo-
através de frames independentes, é capaz de acessar tanto delo (RGBA e HSL), os atributos de material ou reflexão,
uma visualização completa da amostra reconstruída, quanto o grau de transparência, o modo de renderização da geome-
os diversos níveis de cinza que compõem suas partes, pro- tria, tons de cinza do voxel e o coeficiente de atenuação li-
vendo uma análise individual das mesmas, através de ope- near de um ponto específico.
rações de threshold. Todos os recursos utilizados na im- A manipulação e a obtenção de informações dos mode-
plementação das técnicas de RV foram desenvolvidos utili- los também podem ser atingidas através da utilização de
zando a linguagem de programação Java e a API Java3D, a uma P5Glove [19]. Este dispositivo não convencional de en-
qual é baseada em estrutura hierárquica denominada Grafo trada de dados tem seis graus de liberdade, permitindo que
de Cena, o qual se divide em subgrafo de visualização e sub- os usuários transladem e rotacionem tanto a cena virtual,
grafo de conteúdo [20]. como os modelos que nela se encontram, selecionando as
Para que as atividades desta fase possam ser iniciadas, representações desejadas de forma intuitiva e movendo-as
torna-se necessária a utilização de métodos do pacote do por toda a cena sintética. Para este propósito, uma API e um
VTK, descritos anteriormente, as quais são capazes de con- driver específico foram adotados, responsáveis por fornecer
verter os arquivos que possuem as representações dos ob- subsídios para o comportamento da luva como um todo [8].
Comparado ao software do fabricante, o novo driver ofe-
rece filtragem de dados, maior precisão e melhor acesso às
informações dos sensores.
Posteriormente, um sistema de luzes dinâmicas foi inse-
rido em todo o contexto tridimensional, deixando o usuá-
rio escolher dentre quatro tipos de fontes de iluminação,
tais como Ambiente, Direcional, Pontual e Pontual Angu-
lar. Cada fonte detém uma série de parâmetros, com influên-
cia direta sobre a direção, posição, atenuação, ângulos e co-
res das luzes envolvidas. Seus efeitos podem ser vistos so-
bre todos os modelos de dados, contribuindo para o rea-
lismo da cena.
Adicionalmente, a visualização por RV ainda permite
que o usuário escolha a forma de renderização dos polígo-
nos. Dentre as formas disponíveis estão: Faces, Arestas e
Nuvem de Pontos.
Visando uma maior interatividade, uma das principais di-
retivas de sistemas de RV, um sistema de cores em tempo
real foi implementado. Através deste recurso, tanto um mo-
delo completo quanto suas partes formadoras podem ser di- Figura 4. Tarefas da reconstrução paralela 2D
namicamente coloridos. As novas cores dos modelos são es-
colhidas através de uma paleta de cores bidimensional.
3. Resultados
3.1. Paralelização dos algoritmos de reconstrução

2D e 3D
O modelo desenvolvido implementa dois módulos para

reconstrução 2D e 3D, que através de uma implementação
paralela consegue explorar, de forma otimizada, as caracte-
rísticas das arquiteturas paralelas, acelerando o processo de
reconstrução. Estes módulos podem ser utilizados em clus-
ters, arquiteturas paralelas baseadas em processadores DSP
ou em computadores baseados em processadores de múlti- (a) (b)
plos núcleos.
A organização dos algoritmos paralelos de reconstrução
2D é apresentada na Figura 4. No algoritmo paralelo de re-
construção 2D, a matriz de projeções, obtida durante o pro-
cesso de varredura, é dividida igualmente entre os processos
trabalhadores, os quais são responsáveis por realizar a fil-
tragem e a retroprojeção dos pontos. Ao final do processo,
os pontos retroprojetados por cada trabalhador são envia-
dos ao processo gerente que é responsável por organizá-los
em uma imagem reconstruída final.
A Figura 5(a), (b) e (c) apresenta o resultado da recons-
(c)
trução tomográfica bidimensional paralela de amostras de
solos, as quais foram utilizadas como cortes reais na recons-
trução tridimensional paralela. Figura 5. Imagens de solo reconstruídas pela
No algoritmo de reconstrução 3D paralelo, apresentado algoritmo paralelo (a,b e c)
na Figura 6, o objeto 3D é dividido em blocos com planos
reais, os quais são enviados a cada processo trabalhador,
que fica responsável por inserir planos virtuais entre os pla-
Figura 7. Phantom de calibração com os ele-

Figura 6. Tarefas da reconstrução paralela 2D mentos Cálcio (Ca), Alumínio (Al), Fósforo
(P), Água (H2 0) e Plexiglass
nos reais do seu bloco. A utilização do método de interpo- Translação total : 6 cm

lação por B-Spline-Wavelets assegura, devido ao uso de in- Passo linear : 0,100 cm
formações de vizinhança, uma representação mais real das Rotação total : 180◦
características de textura e acurácia dos coeficientes de ate- Passo angular : 3, 000◦
nuação, nos planos virtuais gerados. Quando cada processo Tempo de contagem : 10s
trabalhador termina sua tarefa, todos os blocos são organi- Fótons na região de feixe livre: 10.000
zadas pelo processo gerente em um objeto 3D único. Energia: 60,0 keV
A partir das projeções obtidas com esses parâmetros,

aplicou-se o algoritmo de reconstrução paralelo. Os valo-
3.2. Avaliação da correlação entre coeficiente de res de tons de cinza obtidos, para cada um dos cinco ele-
atenuação linear e tons de cinza do algoritmo mentos, são apresentados na Tabela 3.2, juntamente com os
paralelo de reconstrução 2D valores de coeficiente de atenuação linear de cada elemento.
Para avaliar a precisão do algoritmo paralelo de recons-

trução 2D, buscou-se estabelecer a correlação existente en-
tre as variáveis, o coeficiente de atenuação e os tons de cinza Elemento Coeficiente de atenuação Tons de cinza
da imagem reconstruída. O coeficiente de correlação mede Cálcio 1,001 232
a relação existente entre as variáveis. Se o seu resultado es- Fósforo 0,748 173
tiver próximo de +1 ou de -1, isto indica que os dados se Alumínio 0,631 130
ajustam bem à reta estimada [22]. Água 0,220 22
Na avaliação, utilizou-se um phantom1 heterogêneo de Plexiglass 0,140 11
Plexiglass2 , com 6 cm de diâmetro, que contém os elemen-
tos cálcio, fósforo, alumínio e água, como ilustra a Figura Tabela 1. Tabela com os coeficientes de ate-
7. nuação e os tons de cinza obtidos
Para o processo de tomografia, usaram-se os seguintes
parâmetros:
A interface de visualização e a imagem reconstruída são
apresentadas na Figura 8. Através dela é possível extrair va-
lores de coeficiente de atenuação das amostras tomografa-
1 Amostra de calibração cujos elementos e seus respectivos coeficientes
de atenuação linear são conhecidos a priori
das.
2 Resina sólida de acrílico transparente de baixa atenuação que com- Calculou-se, a partir desses valores, a correlação entre os
põem os recipientes utilizados para abrigar amostras em ensaios to- coeficientes de atenuação e os tons de cinza da imagem re-
mográficos construída. O coeficiente de correlação encontrado entre as
• Front-End para execução dos algoritmos de reconstru-
ção 2D e 3D.
A janela principal com a visualização de objetos tridi-
mensionais é apresentada na Figura 9. Nela, é exibida uma
imagem 3D de um torrão de solo que foi reconstruído utili-
zando os algoritmos paralelos de reconstrução tomográfica
2D e 3D.
Figura 8. Janela do sistema que permite rea-

lizar a escolha da amostra tomográfica e a vi-
sualização dos cortes reconstruídos
duas variáveis foi de 0,996, mostrando que existe uma forte

relação linear entre elas, tornando viável o ajuste de uma
reta. Observa-se que a qualidade do ajuste da curva de cali-
Figura 9. Interface do software de visualiza-
bração aos pontos observados possibilita uma boa represen-
ção onde é possível ao usuário interagir com
tatividade do real coeficiente de atenuação na imagem re-
o objeto reconstruído
construída.
3.3. Ambientes de visualização tridimensional

A Figura 10 apresenta um corte transversal de um torrão
Desenvolveu-se um ambiente de visualização tridimen-
de solo com 80 planos, do qual três medidas de coeficiente
sional que tem por objetivo auxiliar a análise dos resultados
de atenuação linear foram extraídas através do modelo de
e a precisão do algoritmo paralelo [17]. A ferramenta foi
visualização.
desenvolvida em ambiente Windows, utilizando o compila-
dor Borland Builder C++ versão 6, combinado com a bi-
blioteca gráfica VTK, em sua versão 4.2, que foi compilada
m(44,119,53)= 0,261cm
-1
m(87,119,55) = 0,938 cm-1
nesta mesma versão. A biblioteca VTK também fornece
código-aberto para criação de um componente de renderi-
zação compatível com a biblioteca VCL do Builder C++, o
qual pode ser inserido dentro da janela de visualização da
ferramenta. A compilação deste código gera o componente
de visualização TvtkBorlandRenderWindow.
A partir dos dados gerados pela reconstrução tridimensi-
onal, modelou-se um sistema de visualização para realiza- m(88,119,27) = 1,044 cm
-1
ção das análises que tem as seguintes funcionalidades:

• Visualização e interação com o objeto reconstruído;
• Conversão de arquivos de corte em arquivos .vtk;
• Threshold do objeto 3D, ajustando limiares mínimo e
máximo; Figura 10. Medidas de coeficiente de atenu-
ação linear de um torrão de solo, extraídas
• Visualização de cortes Sagitais, Coronais e Transver-
com a ferramenta
sais, ao longo do eixo X, Y e Z, respectivamente;
• Criação de projetos de reconstrução;
Considerando o ambiente de RV, a API Java3D adotada
em todo o contexto interativo possibilitou a correta imple-
mentação dos recursos descritos e a construção do Grafo de
Cena, representando todo o sistema e seus requerimentos.
De acordo com o processo de importação, o qual visa tra-
zer a implementação da reconstrução tridimensional para o
sistema de visualização por realidade virtual, o modelo re-
construído pode ser tratado por todos os conceitos anteri-
ormente descritos. Assim, o modelo reconstruído, gravado
sob o formato Wavefront File Format (.obj), pôde ser tra-
zido ao sistema pelo Loader, preservando todas as caracte-
rísticas originais da amostra.
Visando uma completa manipulação dos objetos, as javax.media.j3d.ColoringAttributes: Color=(0.0349518, 0.074, 0.0403) ShadeModel=SHADE_GOURAUD
transformações físicas e a manipulação mostraram-se re- javax.media.j3d.Material: AmbientColor=(0.4, 0.4, 0.4) EmissiveColor=(0.0, 0.0, 0.0) DiffuseColor= (0.7102,
0.702, 0.6531) SpecularColor =(0.3, 0.3, 0.3) Shininess=128.0 LightingEnable= true ColorTarget=2
Transparency Level: 0.3
cursos amplamente interativos, transformando entradas Polygons (2-Fill/1-Wireframe/0-Points): 1
Gray Level: 156.82
de mouse e teclado nos feedbacks visuais esperados. As- Saturation: 22.8687
At tenuation Coefficient: 0.65215564255
sim, através de novos parâmetros, o usuário pode esticar, Bounding box: Lower=-0.875 -1.0 -0.15441176295280457 Upper=0.875 1.0 0.15441176295280457
BranchGraphs: 3
mover e girar os modelos estaticamente. Paralelamente, to- Geometry: javax.media.j3d.TriangleArray@4b0bbb
Distance: 10.288171430032152
das as amostras podem ser rotacionadas, transladadas e es- Closest Vertex: (0.845588207244873, -0.19117647409439087, -0.15441176295280457)
Point Coordinates: (0.845588207244873, -0.19173002678012008, -0.15441176295280457)
caladas para qualquer parte por meio de movimentos de Point Normal: (1.0, 0.0, 0.0)
mouse. Conforme o usuário escolhe o objeto na cena, a ma-

triz de transformação é atualizada e exibida em tempo real,
alem dos outros dados disponíveis. Figura 11. Resultado da extração de atributo
O modelo apresentou informações precisas e práticas de uma amostra de solo
através de seleções por mouse, uma vez que traz à cena,
através de instâncias PickCanvas e PickResult, a informa-
ção exata sobre um voxel específico, sob os dois aspectos formações e respostas visuais esperadas. A interface princi-
mencionados. A operação de picking estabiliza um nível de pal provê a paleta de cores e permite ao usuário escolher a
coordenada z na tela e deixa o usuário selecionar o ponto cor desejada de forma rápida e funcional. A Figura 14 mos-
de forma bidimensional, de maneira intuitiva. A Figura 11 tra o resultado da aplicação do sistema de cores.
apresenta o resultado da obtenção de informações de uma Por meio das novas opções de renderização, é fornecida
amostra de solo degradado. A utilização da P5Glove de- uma visão analítica dos modelos na cena, permitindo aos
monstrou resultados satisfatórios, provendo ao usuário in- usuários examinar os pontos e linhas gerados pelo algoritmo
formações precisas sobre a posição e a orientação do dis- de reconstrução, especialmente os estimados. A Figura 15
positivo, mesmo sem a calibração original fornecida. Con- mostra o resultado da escolha de renderização.
juntamente, os usuários podem navegar facilmente por sim-
ples movimentos de mão, alterando o subgrafo de visualiza- 4. Conclusões
ção em tempo real e analisando os voxels do mesmo modo
como quando se utiliza o mouse. Os resultados demonstraram que a aplicação de algorit-
Através do sistema de iluminação, todas as luzes da pre- mos paralelos para reconstrução de imagens tomográficas
sente visão puderam ser alteradas em tempo real, obtendo contribuíu para o desenvolvimento do modelo no sentido de
concisos feedbacks visuais. Dependendo da refletância da explorar, de forma otimizada, as características dos hardwa-
superfície dos objetos, os efeitos dos parâmetros das fon- res paralelos. O modelo de reconstrução paralela apresen-
tes de luz podem variar, e como conseqüência, alterar o re- tou robustez e flexibilidade em diferentes arquiteturas para-
sultado final. Desta maneira, a disponibilidade de tais pa- lelas. A forte correlação entre tonalidade de cinza e coefici-
râmetros pode também mudar, condicionada à escolha da ente de atenuação demonstrou a qualidade do algoritmo pa-
fonte. A Figura 12 apresenta os resultados da iluminação ralelo e da filtragem a priori na representação dos dados das
Ambiente (a); iluminação Direcional(b). A Figura 13 apre- amostras agrícolas.
senta iluminação Pontual (a) e (b) iluminação Pontual An- Com relação aos resultados relacionados ao ambiente de
gular (b), todas com cores randômicas. visualização com VTK, este apresenta interatividade para
O sistema de cores também contribuiu para a interativi- análise de amostras tomográficas de solos. Ademais, per-
dade do sistema, uma vez que traz a possibilidade de alte- mite a extração de atributos tais como coeficiente de corre-
rar a aparência dos modelos em tempo real, retornando in- lação linear e densidade das amostras agrícolas.
(a) (a)
(b)
(b)
Figura 12. Resultados obtidos da aplicação
do sistema de iluminação e seus respectivos Figura 13. Resultados obtidos da aplicação
parâmetros. (a) Ambiente: Fronteiras = (10, do sistema de iluminação e seus respectivos
10, 10); Raio = 90; (b) Direcional: Direção = parâmetros. (a) Pontual: Posição = (10, 0, -
(0, 0, 15); Fronteiras = (10, 10, 10); Raio = 90. 10); Atenuação Quadrática = 1; Fronteiras =
(10, 10, 10); Raio = 90; (b) Pontual Angular:
Direção = (0, 0, -20); Concentração = 2; Ân-
gulo de Espalhamento = 30; Posição = (0, 0,
20); Atenuação Constante = 1; Fronteiras =
(10, 10, 10); Raio = 90
Com relação aos resultados do ambiente RV, eles de-
monstraram os feedbacks interativos esperados, conside-
rando a manipulação por mouse, teclado e a luva de dados,
bem como todos os processos de iluminação, renderização Agradecimentos
e colorização, os quais são cruciais para um ambiente sinté-
tico destinado à análise de modelos reais. O próximo passo Os autores gostariam de agradecer ao CNPq e Embrapa
será a incorporação de um vídeo-capacete ao modelo de vi- Instrumentação Agropecuária pelo apóio financeiro ao pro-
sualização, visando atingir a imersão. jeto.
Desta maneira, nota-se a contribuição da utilização de Referências

ambientes interativos em processos não invasivos de aná-
lise e inspeção de amostras agrícolas reais. Através de tais [1] L. Aylmore and J. M. Hainsworth. The use of the computed-
ambientes, características internas e intrínsecas das amos- assisted tomography to determine spatial distributionof soil
tras puderam ser extraídas e visualizadas, de forma mais re- water content. Australian .Journal Soil Res, 21(4):435–443,
alista que processos bidimensionais. 1983.
[2] R. A. Bolt. Put-that-there: Voice and gesture at the graphics diferentes escalas e resoluções. PhD thesis, Instituto de Fí-
interface. In 7th International Conference on Compu- sica de São Carlos - Universidade de São Paulo, São Carlos,
ter Graphics and Interactive Techniques, pages 262–270, 2003.
Washington, 1980. [14] E. R. Minatel and P. E. Cruvinel. Three-dimensional recons-
[3] S. Crestana. A Tomografia Computadorizada com um novo truction and visualization of tomographic images system ap-
método para estudos da física da água no solo. Douto- plied to soil analisys using b-wavelets. In E. CNPDIA, edi-
rado, Instituto de Física de São Carlos - Universidade de São tor, Advances in Agricultural Tomography, pages 120–124.
Paulo, São Carlos, 1985. Paulo E. Cruvinel and Luiz A. Colnago, São Carlos, Dezem-
[4] E. Ferreira, A. S. de Resende, F. Balieiro, L. Zotarelli, L. A. bro 2000.
da Silva, M. Bacis, M. A. Alfaro, B. J. R. Alves, and S. Ur- [15] E. F. S. Montero and D. J. Zanchet. Realidade virtual e a me-
quiaga. Avaliação de diferentes tubos de acesso para medi- dicina. Acta Cirurgica Brasileira, 18(8):489 – 490, 10 2003.
ção da umidade do solo através do uso de sonda de nêutrons. [16] A. Pedrotti, E. A. Pauletto, S. Crestana, P. E. Cruvinel,
Technical report, Empresa Brasileira de Pesquisa Agrope- C. M. P. Vaz, J. M. Naime, and A. Macedo. Tomografia com-
cuária - Agrobiologia, Seropédica - RJ, Novembro 1998. putadorizada aplicada a estudos de um planossolo. Pesquisa
[5] I. Foster. Designing and building parallel programs. Dispo- Agropecuária Brasileira, 38(7):819–826, jul 2003.
nível on-line em http://www-unix.mcs.anl.gov/dbpp, setem- [17] M. F. L. Pereira. Um modelo de reconstrução tomográfica
bro 2005. 3D para amostras agrícolas com filtragem de Wiener em pro-
[6] L. Jacobson. Garage Virtual Reality. SAMS Pub, Indiana- cessamento paralelo. PhD thesis, Instituto de Física de São
polis, Jan 1994. Carlos - Universidade de São Paulo, São Carlos, Junho 2007.
[7] A. C. Kak and M. Slaney. Principles of Computerized Tomo- [18] K. Pimentel and K. Teixeira. Virtual Reality - through the
graphic Imaging. IEEE Press, New York, 1999. new looking glass. McGraw-Hill, New York, 2nd edition,
[8] C. Kenner. Essential reality p5glove sumary: 1995.
Dual mode driver programming. Available at [19] E. Reality. P5glove specification. Available at
<http://www.geocities.com/carl_a_kenner/p5.html>, 2007. <http://www.inition.com>, 2007.
[9] Kitware Inc. VTK 5.0.2 Documentation, 2007. [20] I. Sun Microsystems. Java 3d 1.3 api documentation. Avai-
[10] J. Lanier. Visual programming languages. Scientific Ameri- lable at <http://java.sun.com/products/javamedia/3D>, 2006.
can, 1984. [21] C. F. A. Teixeira, S. O. Moraes, and M. A. Simonete. De-
[11] A. Macedo, C. M. P. Váz, J. M. Naime, L. A. C. Jorge, sempenho do tensiômetro, tdr e sonda de nêutrons na deter-
S. Crestana, P. E. Cruvinel, J. C. D. Pereira, M. F. Guima- minação da umidade e condutividade hidráulica do solo. Re-
rães, and R. Ralisch. Soil Management Impact and Wood vista Brasileira de Ciência do Solo, 29:161–168, 2005.
Science - Recent Contributions of Embrapa Agricultural Ins- [22] S. M. Vanni. Modelos de Regressão: Estatística Aplicada.
trumentation Center Using CT Imaging, pages 44–56. Em- Legmar Informática & Editora Ltda, São Paulo, 1998.
brapa - Agricultural Instrumentation, 2000. [23] L. Velho and K. Perlin. B-spline wavelet paint. Revista de
[12] C. Machover and S. Tice. Virtual Reality, volume 15. Jan Informática Teórica e Aplicada (RITA), IX(2):100–119, Ou-
1994. tubro 2002.
[13] E. R. Minatel. Modelo computacional baseado em técni- [24] Wavefront. Wavefront File Format Specification. Wavefront
cas Wavelets para relacionar imagens digitais obtidas em Tech, 2006.
Figura 14. Resultado da aplicação do sistema Figura 15. Resultado da aplicação de nuvem
de cores de pontos sobre uma amostra de solo

47270

Enviado por

47270

Enviado por

Modelo de Visualização 2D e 3D de Imagens Tomográficas de Raios X de

Amostras Agrícolas, Baseado em Técnicas de Processamento Paralelo e

Maurício Fernando Lima Pereira

Resumo são na extração de atributos físicos, como densidade e umi-

Para obter a função de interpolação, uma função de apro-

onde Ai , denominados pontos de controle, substituem ai .

3.1. Paralelização dos algoritmos de reconstrução

O modelo desenvolvido implementa dois módulos para

Figura 7. Phantom de calibração com os ele-

nos reais do seu bloco. A utilização do método de interpo- Translação total : 6 cm

A partir das projeções obtidas com esses parâmetros,

Para avaliar a precisão do algoritmo paralelo de recons-

Figura 8. Janela do sistema que permite rea-

duas variáveis foi de 0,996, mostrando que existe uma forte

3.3. Ambientes de visualização tridimensional

ção das análises que tem as seguintes funcionalidades:

mouse. Conforme o usuário escolhe o objeto na cena, a ma-

Desta maneira, nota-se a contribuição da utilização de Referências

Você também pode gostar