Center of Excellence ITSAPT and Textile Faculty TU, Liberec, CZ
CITEVE, V.N.Famalicão, Portugal
University of Minho, Portugal
INTERNATIONAL WORKSHOPS
” Caracterização de Mantos Agulhados por
Recuperação de Conteúdo de Imagem ”
Belino, N.J.R; Nunes, M.F.; Geraldes, M.J.;
University of Beira Interior, Covilhã, Portugal
And Silva, M.E.C.
University of Minho, Guimarães, Portugal
November 15th – 16th - Portugal
UNIVERSIDADE DA BEIRA
INTERIOR - COVILHÃ - PORTUGAL
A CIDADE
O PAÍS
A UNIVERSIDADE
OBJECTIVO
• Este trabalho constitui um estudo laboratorial
preliminar para a estruturação de um processo de
controlo de qualidade baseado num método de
classificação e comparação de imagens digitais de
mantos pré agulhados (características texturais de
imagem) submetidos a uma operação de estiragem.
• Este trabalho, vem contribuir para o desenvolvimento
de uma ferramenta gráfica computacional que está a ser
desenvolvida no DCTT, visando a supervisão do
processo de produção de feltros não tecidos agulhados
com propriedades quasi istrópicas, através do recurso à
análise de textura.
INTRODUÇÃO
• A análise de imagem, é uma ciência em
expansão, que trata de imagens e de dados sobre
imagens. Fundamenta-se numa multiplicidade de
técnicas que cobrem uma vasta gama de campos
de aplicação salientando-se a inspecção industrial,
robótica, física, aplicações médicas, condução de
veículos e sistemas autónomos, meteorologia,
medição e mapeamento de superfícies, etc.
• O termo análise de imagem é normalmente utilizado
para designar o processo de extracção
quantitativa de dados de imagens.
• Estes dados são posteriormente armazenados
sobre a forma de ficheiros em bases de dados.
INTRODUÇÃO
• Assim sendo, pode-se sinteticamente referir análise
de imagem como o processo de criação de ficheiros
de bases de dados, em que cada registo contem
os valores extraídos das imagens durante o
processo de medição.
• Para se efectuar a análise de imagem, primeiro é
necessário proceder à sua aquisição:
digitalização.
• Após a geração do sinal analógico, este é
convertido numa matriz digital através da placa de
captura de imagem ou “framegrabber”, a qual divide
a imagem num reticulado, em que cada ponto está
associado a um valor numérico inteiro.
INTRODUÇÃO
• Em sistemas monocromáticos, cada pixel é
convertido a um dos 256 níveis de cinzentos
possíveis,
• Assim, uma imagem corresponde a um conjunto
de pontos conhecidos (pixels), organizados numa
forma matricial, possuindo Nx colunas e Ny linhas,
tendo associado a cada ponto um nível de
cinzento.
• Genericamente, uma imagem digital, pode ser
matematicamente descrita através da seguinte
equação:
f (0,0)
f (0,1)

f (0, Nx  1)


f ( x, y )  



f (1,0)

f (1,1)


f ( x, y )
f ( Ny  1,0)
f ( Ny  1,1)


f (1, Nx  1) 



f ( Ny  1, Nx  1)
INTRODUÇÃO
ELEMENTOS FUNDAMENTAIS NO
PROCESSAMENTO DIGITAL DE IMAGEM
•
TEXTURA DE IMAGEM
• Apesar de não haver uma definição estrita do
conceito de textura de imagem, ela é facilmente
perceptível pela visão humana e representa uma fonte
de informação visual muito rica acerca da natureza e
estrutura tridimensional dos objectos físicos.
• De uma forma genérica, podemos considerar que
texturas, são padrões visuais complexos
compostos por entidades ou sub-padrões que
apresentam propriedades características brilho, a
uniformidade, densidade, regularidade, dureza,
linearidade, frequência, fase, direcionalidade,
suavidade, finura, granulação, aleatoriedade,
grossura, etc, da textura como um todo (Levine –
1985).
TEXTURA DE IMAGEM
• Um atributo de textura é um valor, calculado a
partir da imagem de um objecto, que quantifica
algumas características da variação dos níveis de
cinzento desse objecto. Normalmente, um atributo de
textura é independente da posição, orientação,
tamanho, forma e brilho do objecto como refere
Castelman K.N. (1996).
• Do ponto de vista estatístico, a textura de imagem
corresponde a complicados padrões pictoriais, sobre os
quais podem ser definidos modelos estatísticos por
forma a caracterizar esses mesmos padrões.
MÉTODOS DE ANÁLISE DE TEXTURA
• Segundo Haralick, existem oito aproximações
estatísticas para medir e caracterizar a textura de
imagem:
 - Funções de auto-correlação;
 - Transformadas ópticas;
 - Transformadas numéricas;
 - Análise por detecção de contorno;
 - Análise de elementos estruturais;
 - Probabilidade de co-ocorrência espacial de níveis de
cinzento;
 - Comprimento de sequências do mesmo nível de cinzento;
 - Modelo autoregressivo
MÉTODOS DE ANÁLISE DE TEXTURA
• As primeiras quatro aproximações, são uma
medida de frequência espacial. Uma textura fina,
possui altas frequências espaciais enquanto que uma
textura grossa é rica em baixas frequências espaciais.
• A análise por detecção de contorno, consiste em
considerar uma textura como um certo número de
contornos ou fronteiras por unidade de superfície.
Assim, quanto mais fina for uma textura, maior será o
número de fronteiras definidas.
• A aproximação por elementos estruturais, consiste
na colocação em evidência de formas designadas por
elementos estruturais numa imagem binária. Esta
abordagem insiste na forma das primitivas.
MÉTODOS DE ANÁLISE DE TEXTURA
• A aproximação por co-ocorrência de níveis de
cinzento, dá relações espaciais entre este níveis.
• A análise do comprimento de sequências de níveis
de cinzento define uma textura fina como tendo
poucos pixels dentro de uma sequência de níveis de
cinzento, e uma textura grossa, como a situação
contrária, com sequências largas.
• O modelo autoregressivo, estima linearmente o
nível de cinzento de um pixel relativamente aos
níveis de cinzento de uma vizinhança que o
contem. Para uma textura fina, os coeficientes
calculados são elevados, enquanto que para uma
textura grossa são baixos. Este modelo é conveniente
para a análise das microtexturas.
ESTATÍSTICAS DE 1ª ORDEM
A partir do histograma
dos níveis de cinzento da
imagem, podemos inferir
diferentes parâmetros
para descrever
quantitativamente as
propriedades
estatísticas de primeira
ordem da imagem:
G 1
 ip(i)

Média
i 0
Variância
Desvio Padrão
Simetria
Achatamento

G 1
2

 (i   )
Entropia
p (i )
2
p (i )
i 0
G 1
 (i   )
 
i 0
3
3  
G 1
 (i   )
3
p (i )
i 0
4  
4
G 1
 (i   )
p (i )  3
4
i 0
G 1
Energia
2
2
E    p (i )
i 0
G 1
H 
 p(i) log  p(i)
2
i 0
ESTATÍSTICAS DE 2ª ORDEM
Existem basicamente três métodos diferentes que
aplicam respectivamente algoritmos de estatísticas de 2ª
ordem
1.
SGLDM – “Spatial Grey Level Dependence Level” - Método da
Dependência Espacial dos Níveis de Cinzento  Calcula a
probabilidade de ocorrer uma transição de nível de cinzento entre
dois pixels da imagem separados por uma dada orientação
espacial.
2.
GLDM – “Grey Level Difference Method” – Método da
Divergência dos Níveis de Cinzento  Calcula a probabilidade
de existência de uma dada diferença de nível de cinzento entre dois
pixels, separados por uma dada orientação espacial.
3.
RLM – “Run Length Method” – Método de comprimento de
sequências de níveis de cinzento  Calcula a probabilidade de
exitência de sequências de pixels idênticos, para um dado
comprimento e, ao longo de uma dada orientação.
ESTATÍSTICAS DE 2ª ORDEM
• Cornners, R. e Harlow, C. (1980), compararam a
eficiência dos diferentes algoritmos com o
objectivo de discriminar e classificar um
determinado conjunto de texturas.
• Estes trabalhos permitiram observar que o método
SGLDM era aquele que melhor caracterizava as
texturas.
• Este método estuda a probabilidade de ocorrer uma
transição de nível de cinzento entre dois pixels da
imagem separados por uma dada orientação espacial
e uma certa distância, é normalmente referido como
método das matrizes de Co-ocorrência, ou
também GLCM – Grey Level Co-Ocurrence Matrix.
ESTATÍSTICAS DE 2ª ORDEM
O desenvolvimento do método SGLDM passa
por três estádios bem definidos:
1. Aquisição e digitalização da imagem.
2. Cálculo das matrizes de co-ocorrência.
3. Determinação das características ou
atributos de imagem.
A probabilidade de co-ocorrência espacial de nível de
cinzento é uma densidade de probabilidade de 2ª
ordem expressa por f(i,j,d,),que significa a
probabilidade de ir do nível de cinzento i para o
nível de cinzento j, separados entre si pela
distância d segundo a direcção .
ESTATÍSTICAS DE 2ª ORDEM
Assim, para uma imagem com NG níveis de cinzento as
funções de densidadade de probabilidade podem ser
escritas sobre a forma de quatro matrizes NG X NG
paras as direcções 0º,45º,90º e 135º.
RESUMO DO PROCESSO
Imagem
Analógica
Imagem
Digital
Mapa Digital
Matriz de
Coocorrência
Horizontal
Matriz de
Matriz de
Co-ocorrência Probabilidades
Simétrica
Normalizada
ESTATÍSTICAS DE 2ª ORDEM
RESUMO
DO
PROCESSO
ESTATÍSTICAS DE 2ª ORDEM
•A partir das matrizes de co-ocorrência 14 parâmetros
podem ser calculados, Para este trabalho, os
descritores texturais seleccionados foram:
G 1 G 1
Entropia
ENT  
P
d ,  (i ,
i 0 j 0
2
G 1 G 1
Energia
j ) LnPd ,  (i, j )
ENE 
 P
d ,  (i ,
j )
i 0 j 0
G 1 G 1
Homogeneidade
HOM 
Pd ,  (i, j )
  1  (i  j )
i 0 j 0
G 1 G 1
Contraste
CON 
 ( I  J )
2
2
Pd ,  (i, j )
i 0 j 0
G 1 G 1
 (i   )( j   )P
x
Correlação
COR 
y
i 0 j 0
xy
d ,  (i,
j )
ESTATÍSTICAS DE 2ª ORDEM
• ENTROPIA  A entropia mede o grau de desordem
numa imagem.
• ENERGIA  É a medida da dispersão das entradas
da matriz, e consequentemente da uniformidade da
textura.
• CONTRASTE  O contraste é o momento de inércia
da matriz em torno da sua diagonal principal. É um
parâmetro que mede a dispersão dos valores.
• HOMOGENEIDADE  A homogeneidade é a medida
da uniformidade da textura.
• CORRELAÇÃO  A correlação é a medida da
linearidade e do conteúdo estrutural de uma textura
ESTATÍSTICAS DE 2ª ORDEM
Como observação final, interessa
salientar que a maioria das aplicações
que recorrem a este método, efectuam
a determinação das características
para as quatro direcções angulares
definidas de modo a não se trabalhar
com apenas uma direcção específica,
sendo por fim calculada a média dos
quatro direccionamentos.
CRIAÇÃO DE UMA BASE DE DADOS DE IMAGENS
• Para a realização desta componente experimental,
procedeu-se à tomada de imagens em modo
dinâmico, por uma câmara VHS, de provetes de um
feltro pré-agulhado padrão, submetido a um
ensaio de resistência mecânica de alongamento
constante até à rotura.
• A variação ao longo dos valores da força de rotura,
alongamento de rotura, da energia de rotura e dos
descritores texturais seleccionados, foram
registados para cada teste efectuado.
• O protocolo experimental envolveu 30 ensaios no
sentido longitudinal e outros 30 ensaios no
sentido transversal.
CRIAÇÃO DE UMA BASE DE DADOS DE IMAGENS
• Para cada imagem adquirida, é determinado um
vector de características.
• A comparação por similaridade é efectuada
através da cálculo da menor distância euclidiana
entre o vector de características da imagem de
teste e o vector determinado para cada uma das
imagens constantes na base de dados, após uma
normalização dos atributos alvo e de uma redução
dos casos aberrantes.
•Assim, para o caso concreto deste trabalho de
estudo o processo métrico utilizado será a distância
métrica padrão ou distância Euclidiana.
CRIAÇÃO DE UMA BASE DE DADOS DE IMAGENS
DISTÂNCIA EUCLIDIANA
d
 (S
n
1X i
i 1
 S1Y i ) 2  ( S1 X i  S 2Y ) 2  ( E X i  EYi ) 2  (C X  CYi ) 2  (CoX i  CoYi ) 2  ( H X i  H Yi ) 2  ( FX i  FYi ) 2
i
S1X = Entropia de 1ª ordem da imagem a comparar;
S1Y = Entropia de 1ª ordem das imagens comparadas;
S2X = Entropia de 2ª ordem da imagem a comparar;
S2Y = Entropia de 2ª ordem das imagens comparadas;
EX = Energia de 2ª ordem da imagem a comparar;
EY = Energia de 2ª ordem das imagens comparadas;
CX = Contraste da imagem a comparar;
CY = Contraste das imagens comparadas;
CoX = Correlação da imagem a comparar;
CoY = Correlação das imagens comparadas;
HX = Homogeneidadeda imagem a comparar;
HY = Homogeneidade das imagens comparadas;
FX = Força de rotura da imagem a comparar;
FY = Força de rotura das imagens comparadas.

CRIAÇÃO DE UMA BASE DE DADOS DE IMAGENS
Tempo = 1
Tempo = 2
Tempo = 4
Tempo = 6
Tempo = 8
Tempo = 10
Tempo = 12
Tempo = 15
Tempo = 20
Tempo = 25
Tempo = 30
Tempo = 35
Um sistema que
possibilite a pesquisa
de imagens a partir
de informações sobre
o seu conteúdo
pictórico é
denominado
“Sistema de Consulta
de Imagem Baseado
em Conteúdo” –
C.B.I.R.
DESCRIÇÃO DA TÉCNICA EXPERIMENTAL
1 - MODO OPERATÓRIO:
• Acondicionamento dos rolos de não tecido
pré agulhado segundo atmosfera normalizada.
• Selecção e corte dos diferentes provetes a
ensaiar de acordo com as regras de
amostragem e dimensões especificadas nas
normas ISO 186 e NP EN ISO 9073
DESCRIÇÃO DA TÉCNICA EXPERIMENTAL
2 - PREPARAÇÃO E ACONDICIONAMENTO DOS
PROVETES
• Preparação e calibração do dinamómetro Adamel Lomarghi
para a execução de ensaios de resistência mecânica.
• Cortaram-se cinco amostras no sentido da direcção da
máquina, (MD) e outras cinco no sentido transversal (CD).
As amostras têm uma largura de 50 mm  0,5 mm e um
comprimento que garante um afastamento das garras de 200
mm.
• Acondicionaram-se as amostras de acordo com a norma NP
EN 20139 – Atmosferas normalizadas. (20º c 65% H.R).
• Colocaram-se as garras com uma distância entre si de 200
mm  1 mm, com uma pré-tensão definida pela norma ((EN ISO
13934-1).
DESCRIÇÃO DA TÉCNICA EXPERIMENTAL
2 - PREPARAÇÃO E ACONDICIONAMENTO DOS
PROVETES
• Aplicou-se uma taxa de alongamento constante de
60mm/mn. (1mm/s).
• Registou-se a curva tensão/extensão para cada
amostra, sendo a tensão de rotura expressa em
Newtons, a extensão de rotura é expressa em
percentagem e a energia de rotura expressa em
joules.
DESCRIÇÃO DA TÉCNICA EXPERIMENTAL
RESUMO DO PROCESSO
1 – Captação de imagens dos ensaios dinamométricos de referência para
os dois eixos ortogonais.
2 – Pré processamento das imagens
3 – Cálculo das características de haralick
4 – Registo dos dados dinamométricos – Construção da base dados
5 – Novos ensaios experimentais
6 – Comparação por similaridade – Recuperação de imagem por conteúdo
DESCRIÇÃO DA TÉCNICA EXPERIMENTAL
BASE DE DADOS
DE IMAGENS
IMAGEM PARA
CONSULTA
NORMALIZAÇÃO
NORMALIZAÇÃO
CONSULTA
NORMALIZADA
BASE DE DADOS
NORMALIZADA
VECTOR DE
PROPRIEDADES
DAS IMAGENS
COMPARAÇÃO
POR
SIMILARIDADE
VECTOR DE
PROPRIEDADES
DA IMAGEM
N MELHOR APROXIMAÇÕES
DESCRIÇÃO DA TÉCNICA EXPERIMENTAL
Segundo um sistema de “C.B.I.R. - Content
based image retrieval”, as imagens
capturadas, são submetidas a um processo
de comparação com imagens de referência
existentes numa base de dados, cujas
características dinamométricas são
conhecidas, permitindo desta forma
estabelecer um modelo preditivo do
comportamento mecânico do manto estirado.
RESULTADOS
• Com base nos resultados obtidos, procedeuse à verificação da existência de relações
estatísticas, bem como à averiguação da sua
natureza e robustez.
• Deste modo, efectuou-se a determinação
analítica dos coeficientes e parâmetros da
equação estimada pelo método quadrático, e
respectiva análise de variância. O resultado
encontrado está expresso nos seguintes
quadros
RESULTADOS
ERRO
BETA
NIVEL DE
PADRÃO
PADRÃO
T
SIGNIF.
R2
EQUAÇÃO
DE T
()
()
- 000197
0,000304
-0,207275
-0,648
0,5276
tempo
Y = -1,2000x10-5t2
-5
-6
2
0,90823 5.2
0,00197t
-1,2000x10
5,1126x10
-0,751038
-2,347
0,341
tempo
+6,028308
6,028308
0,003304
1824,755
0,000
constante
Graus
Soma
Nível
Modelo
Quadrado Médio
F
de
dos
de
Liberdade
Quadrados
Significância
2
0,00509560
0,00254780
Regressão
69,27871
0,0000
14
0,00051487
0,00003678
Residual
Quadro Nº1 – Curva estimada para a variação da entropia de 1ª ordem para o eixo longitudinal ao longo do tempo e respectiva análise de
variância.
VARIÁVEL

VARIÁVEL

Tempo
Tempo2
constante
Modelo
Regressão
Residual
Quadro Nº2.–
variância.
ERRO
PADRÃO
()
0,000261
4,390x10-6
0,002837
BETA
PADRÃO
()
2,252919
- 2,54592
T
NIVEL DE
SIGNIF.
DE T
0,0116
0,0055
0,0000
R2
EQUAÇÃO
0,000757
2,29
Y = - 1,4391x10-5t2
-5
0,45917
+ 0,000757t
- 1,4391x10
- 3,278
+ 6,104924
6,104924
2151,804
Graus
Soma
Nível
Quadrado Médio
F
de
dos
de
Liberdade
Quadrados
Significância
2
0,00032239
0,00016120
5,94316
0,0135
14
0,00037972
0,00002712
Curva estimada para a variação da entropia de 1ª ordem para o eixo transversal ao longo do tempo e respectiva análise de
RESULTADOS
ERRO
BETA
NIVEL DE
PADRÃO
PADRÃO
T
SIGNIF.
R2
EQUAÇÃO
DE T
()
()
0,001191
0,000601
1,238145
1,982
0,0675
tempo
Y = -3,1382x10-5t2
-5
-5
2
0,6502
+ 0,001191t
-3,1382x10
1,0101x10
-1,940851
-3,107
0,0077
tempo
+11,222928
11,222928
0,006527
1719,521
0,0000
constante
Graus
Soma
Nível
Modelo
Quadrado Médio
F
de
dos
de
Liberdade
Quadrados
Significância
2
0,00373546
0,00186773
Regressão
13,01163
0,0006
14
0,00200960
0,00014354
Residual
Quadro Nº3. – Curva estimada para a variação da entropia média de 2ª ordem para o eixo longitudinal ao longo do tempo e respectiva análise de
variância.
VARIÁVEL

ERRO
BETA
NIVEL DE
PADRÃO
PADRÃO
T
SIGNIF.
R2
EQUAÇÃO
DE T
()
()
0,003264
0,000369
3,253498
8,834
0,0000
Tempo
Y = - 4,5534x10-5t2
-5
-6
2
0,87843
+ 0,003264t
- 4,5534x10
6,2117x10
- 2,699655
-7, 331
0,0000
Tempo
+ 11,394
11,394
0,004014
0,00
2838,841
0,0000
Constante
Graus
Soma
Nível
Quadrado Médio
F
Modelo
de
dos
de
Liberdade
Quadrados
Significância
2
0,00549150
0,00274575
Regressão
50,57767
0,0000
Residual
14
0,00076003
0,00005429
Quadro Nº4. – Curva estimada para a variação da entropia de 2ª ordem para o eixo transversal ao longo do tempo e respectiva análise de variância.
VARIÁVEL

RESULTADOS
Direcção MD
2
1,5
ENTROPIA 1ª ORDEM
1
0,5
0
1
2
4
6
8
10
12
15
20
25
30
35
40
45
-0,5
-1
-1,5
-2
-2,5
TEMPO
Valores Experimentais
Valores Calculados
Valores CBIR
50
55
60
RESULTADOS
Direcção CD
2,000
1,500
ENTROPIA 1ª ORDEM
1,000
0,500
0,000
1
2
4
6
8
10
12
15
20
25
30
35
40
45
-0,500
-1,000
-1,500
-2,000
-2,500
-3,000
TEMPO (s)
Valores Experimentais
Valores Calculados
Valores CBIR
50
55
60
RESULTADOS
Direcção MD
1,5
1
ENTROPIA 2ª ORDEM
0,5
0
1
2
4
6
8
10
12
15
20
25
30
35
40
45
-0,5
-1
-1,5
-2
-2,5
TEMPO (s)
Valores Experimentais
Valores Calculados
Valores CBIR
50
55
60
RESULTADOS
Direcção CD
2,000
1,500
ENTROPIA 2ª ORDEM
1,000
0,500
0,000
1
2
4
6
8
10
12
15
20
25
30
35
40
45
-0,500
-1,000
-1,500
-2,000
TEMPO (s)
Valores Experimentais
Valores Calculados
Valores CBIR
50
55
60
RESULTADOS
CORRELAÇÃO
VALORES
EXPERIMENTAIS
X
VALORES CALCULADOS
VALORES
EXPERIMENTAIS
X
VALORES C.B.I.R.
VALORES C.B.I.R.
X
VALORES CALCULADOS
DIRECÇÃO
MD
CD
MD
CD
MD
CD
Entropia 1ª ordem
0,8138
0,1385
0,9835
0,9431
0,7413
0,2104
Entropia Média 2ª ordem
0,9037
0,2238
0,8828
0,9274
0,9684
0,3549
Energia Média 2ª ordem
0,9244
0,4937
0,9656
0,9273
0,9278
0,6334
Contraste Médio
0,5693
0,7436
0,9379
0,8789
0,4683
0,5427
Correlação Média
0,8908
0,9543
0,9387
0,8268
0,7806
0,8666
Homogeneidade Média
0,8983
0,7642
0,9372
0,9664
0,9281
0,7610
Força de Rotura
0,9997
0,9998
0,9855
0,9490
0,9860
0,9508
CONCLUSÕES
•Foi desenvolvido uma montagem experimental
para a captação e processamento de imagens de
amostras de mantos pré agulhados sujeitas a um
movimento uniaxial de estiragem controlado, com
uma razão de alongamento constante, e que
permite avaliar instantaneamente de um modo
estático, a evolução conjugada das principais
propriedades texturais e mecânicas.
CONCLUSÕES
 Neste trabalho introduziu-se uma nova técnica com
vista à condução controlada do processo de estiragem de
mantos pré agulhados fundamentada em recuperação de
imagens por conteúdo, através da comparação simultânea
de propriedades texturais e dinamométricas de imagens
obtidas em ambiente experimental e respectiva
comparação com imagens previamente adquiridas em
condições controladas e arquivadas em base de dados.
Os excelentes coeficientes de correlação obtidos entre
imagens de resultados experimentais e os resultados
previstos pela metodologia CBIR, permitem inferir que
esta solução tecnológica poderá ser aplicável na
catalogação em tempo real das propriedades texturais de
mantos pré agulhados em meio industrial, e
consequentemente, na estimação do seu comportamento
futuro.
CONTACTO:
Universidade da Beira Interior
Unidade de Materiais Têxteis e Papeleiros
Departamento de Ciência e Tecnologia Têxteis
Engº Nuno José Ramos Belino
Rua Marquês D´Ávila e Bolama, Nº1
6200-001 – Covilhã – Portugal
[email protected]
www.ubi.pt
Tel: 00351 – 275 319700
Fax 00351 – 275 319723