procesamiento de im genes m dicas n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Procesamiento de Imágenes Médicas PowerPoint Presentation
Download Presentation
Procesamiento de Imágenes Médicas

Loading in 2 Seconds...

play fullscreen
1 / 38

Procesamiento de Imágenes Médicas - PowerPoint PPT Presentation


  • 217 Views
  • Uploaded on

Procesamiento de Imágenes Médicas. Lección # 6-7: Algoritmos sobre imágenes. Noviembre , 2012. Agenda. Procesamiento del Histograma Análisis Ecualización Expansión / Contracción Segmentación de imágenes Thresholding Region Growing Watershed Percepción del Color Pseudocolor.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

Procesamiento de Imágenes Médicas


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
procesamiento de im genes m dicas

Procesamiento de ImágenesMédicas

Lección #6-7: Algoritmossobreimágenes

Noviembre, 2012

agenda
Agenda
  • Procesamiento del Histograma
  • Análisis
  • Ecualización
  • Expansión/Contracción
  • Segmentación de imágenes
    • Thresholding
    • Region Growing
    • Watershed
  • Percepción del Color
  • Pseudocolor

Procesamiento de imágenes médicas

procesamiento del histograma
Procesamiento del histograma

Trabajar con el histograma

Procesamiento de imágenes médicas

histograma
Histograma
  • En unaimagen en gris, es la representacióngráfica de la frecuencia de ocurrencia de cadanivel de gris en unaimagen
  • Arreglounidimensional de valores h

h(k) = nk = card{(x,y) | f(x,y) = k}

  • k = 0, 1, …, L-1 y Les el nro. de niveles de gris
  • carddenota la cardinalidad de un conjunto
  • En Matlab, la funciónimhist

Procesamiento de imágenes médicas

histograma1
Histograma
  • Un histogramanormalizado se define como:
  • nes el número total de píxeles
  • p(rk)es la probabilidad del k-ésimonivel de gris
  • Histograma de unaimagen de 8-bits:
    • Crear un arreglo de 256 posiciones
    • Inicializarlo en cero
    • Leer c/intensidad de píxel y sumar 1 en cadaposición

Procesamiento de imágenes médicas

analizando un histograma
Analizando un Histograma

Procesamiento de imágenes médicas

analizando un histograma1
Analizando un Histograma

Procesamiento de imágenes médicas

ecualizaci n
Ecualización
  • Cambiar la distribución de los valores de grisesparaobteneruna forma más “distribuida”
  • Función de distribuciónacumulativa
  • skes el nuevonivel de grisesparatodos los píxelesrk
  • En Matlab, empleando la funciónhisteq

Procesamiento de imágenes médicas

ecualizaci n1
Ecualización
  • Global (histeq) y local (adapthisteq)

Procesamiento de imágenes médicas

ecualizaci n2
Ecualización
  • Global (histeq) y local (adapthisteq)

Procesamiento de imágenes médicas

desplazamiento
Desplazamiento
  • El desplazamiento se puederealizar con imadd y imsubtract

B = shift(I, +50)

A-B

A = original

Procesamiento de imágenes médicas

expansi n
Expansión
  • También conocidacomoinput cropping
  • Expande el histograma en el rango[rmin, rmax] del rangocompleto[0, L-1]
  • Cada valor r, esmapeado a un valor scomo
  • La expansiónaumenta el contraste
  • En Matlab, la funciónimadjust

Procesamiento de imágenes médicas

expansi n1
Expansión

Procesamiento de imágenes médicas

contracci n
Contracción
  • También conocidacomooutput cropping
  • Contrae el histograma en el rango[rmin, rmax] a un rangomenor[smin, smax]
  • Cada valor r, esmapeado a un valor scomo
  • La contracción reduce el contraste
  • En Matlab, la funciónimadjust

Procesamiento de imágenes médicas

segmentaci n de im genes
Segmentación de imágenes

Extraerregiones de interés

Procesamiento de imágenes médicas

segmentaci n
Segmentación
  • Proceso de particionarunaimagen en un conjunto de regionesdisjuntascuyaunión forma la imagencompleta
  • Estasregiones, generalmentecorresponden a objetos, fondo, etc.
  • La mayoría de los algoritmos de segmentación se basan en dos principios:
    • Discontinuidad
    • Similaridad

Procesamiento de imágenes médicas

segmentaci n1
Segmentación
  • Procesocomplejodebido a:
    • Presencia de iluminacióndiscontinua
    • Sombras
    • Superposición de objetos
    • Pococontraste

Procesamiento de imágenes médicas

segmentaci n2
Segmentación
  • Muchastécnicas ad-hoc
  • Las técnicaspuedenvariar de acuerdo a:
    • Tipo de imagen (binaria, gris, color)
    • Selección de la técnicamatemática (morfología, estadística, basada en grafos, etc.)
    • Tipo de característica (intensidad, color, textura, movimiento, etc.)
    • Enfoquealgoritmico (top-down, bottom-up, grafos)
  • Unaposibleclasificaciónes: métodosbasados en intensidad, basados en regiones y otrosmétodos.

Procesamiento de imágenes médicas

basados en intensidad
Basados en intensidad
  • Conceptualmente, es un enfoquesencillo
  • Empleaestadísticas de los píxeles (usando un histograma) paradeterminarcuálespíxelespertenecen al background o foreground
  • Image thresholding: convertirunaimagen de variosniveles de intensidad a una con menos (usualmente 2)

Procesamiento de imágenes médicas

thresholding
Thresholding
  • IPT tieneunafunciónparaconvertirunaimagen en grises a binaria: im2bw
  • La funciónrecibecomoparámetro el threshold T
  • El algoritmo de unatécnicabásica de thresholdinges:
  • Inspeccionar el histograma (imhist)
  • Seleccionar el valor apropiado de T
  • Aplicar el valor seleccionado (im2bw)
  • Si el resultadoessatisfactorio, salvar la imagen. Sino, repetir los pasos 2-4

Procesamiento de imágenes médicas

thresholding1
Thresholding
  • Probemos el siguientealgoritmo:

Ioriginal = imread('coins.jpg');

I = rgb2gray(Ioriginal);

imshow(I);

Id = im2double(I); % I is a uint8 grayscale image

T = 0.5*(min(Id(:)) + max(Id(:)));

deltaT = 0.01; % convergencecriterion

done = false;

while ~done

g = Id >= T;

Tnext= 0.5*(mean(Id(g)) + mean(Id(~g)));

done = abs(T - Tnext) < deltaT;

T = Tnext;

end

imshow(im2bw(I, T)); %whatmeans T? :-)

Procesamiento de imágenes médicas

thresholding2
Thresholding
  • Ejercicio: empleando un thresholding “manual” compararlo con el algoritmo anterior y empleando la funcióngraythresh de Matlab

Procesamiento de imágenes médicas

basados en regiones
Basados en regiones
  • Concepto de conectividad. Partición de I en nregionesR1, R2, R3, R4
  • Region growing
  • Comenzar en p e ir “creciendo” alrededor de éstamientras se cumpla el criterio de homogeneidad

Procesamiento de imágenes médicas

region growing
Region Growing
  • Requiere de una(s) semilla(s)
  • Se necesitadefinir:
    • El criterio de similitud
    • ¿Cómo se selecciona la semilla?
    • El criterio de parada

promedio de píxeles

Procesamiento de imágenes médicas

region growing1
Region Growing

Procesamiento de imágenes médicas

watershed
Watershed
  • Técnicamorfológicaquesunombrederiva de la geografía
  • Watershed significa la líneadivisora (general-mente cordilleras/mon-tañas) que divide lasáreasdrenadaspordife-rentessistemasfluvia-les

Procesamiento de imágenes médicas

watershed1
Watershed
  • IPT tiene la funciónwatershed
  • Requiereunaimagen de entrada y el criterio de conectividad (4 u 8 vecinos)
  • Adicionalmente, en Matlabexisteunafunciónpara la distanciaque se usa en conjunto con watershed
  • Estafuncióncalcula la distancia de un píxel al píxelmáscercano de éstedistinto de 0. La función se llama bwdist y contienedistanciaEuclideana y de Ciudad (Manhattan)

Procesamiento de imágenes médicas

percepci n del color
Percepción del Color
  • Combinación de laspropiedades de la luz + el aspectopsicológico del sistema de visiónhumano
  • Los modelos de color esunaespecificación de un sistema de coordenadas y un subespacio, dondecada color esrepresentadocomo un punto
  • Puedenvariar de acuerdo al área de trabajo:
    • Fotografía
    • Física
    • Materiales
    • Algoritmos

Procesamiento de imágenes médicas

modelo rgb
Modelo RGB
  • Valoresdesde 0x00 hasta 0xFF por canal

Procesamiento de imágenes médicas

modelo cmy y cmyk
Modelo CMY y CMYK
  • Emplea los 3 coloresprimarios (pigmentos):
    • Cyan
    • Magenta
    • Amarillo
  • Empleadoporlasimpresoras
  • El cuarto color: blacK(CMYK)
  • En Matlab, la conversión entre RGB y CMYK se realizar con la funciónimcomplement

Procesamiento de imágenes médicas

modelo hsv
Modelo HSV
  • Hue, describe el tipo de color (tono)
  • Saturation, medida de la “pureza” (diluido en blanco)
  • Value, intensidad de la luzreflejadadesde los objetos

Procesamiento de imágenes médicas

modelo hsv1
Modelo HSV
  • Capacidad de distinguircoloresdistintospor un humano
  • Algoritmosbasados en HSV
  • Problemas con los valoresalrededor del rojo y conversión a RGB (costoso)
  • En Matlab: rgb2hsv y hsv2rgb

Procesamiento de imágenes médicas

otros modelos
OtrosModelos
  • YIQ (NTSC), empleadopara la televisiónanalógica (América)
  • Y: luminancia, I: dos señales de color, Q: saturación
  • En Matlab, rgb2ntsc y ntsc2rgb
  • YCbCr, usadopara video digital
  • Y: luminancia, Cb: diferencia en azul, Cr: diferencia en rojo y valor referencia
  • En Matlab, rgb2ycbcr y ycbcr2rgb

Procesamiento de imágenes médicas

pseudocolor
PseudoColor
  • Realzarunaimagenmonocromaparapropósitosvisuales
  • Niveles de grises “opacan” regiones de interés (ejemplo: presencia de un tumor)
  • El ojohumanoescapaz de distinguir miles de intensidades de color, y solo 100 niveles de grises
  • Solucióntípica: usaruna LUT (lookup table) y contrastarcoloresconsecutivos
  • Diversastécnicasde pseudocolor

Procesamiento de imágenes médicas

intensity slicing
Intensity Slicing
  • En Matlab, la funcióngrayslice

Procesamiento de imágenes médicas

intensity slicing1
Intensity Slicing

Procesamiento de imágenes médicas

otras t cnicas
Otrastécnicas
  • Niveles de grises a transformaciones de color
  • Pseudocolor en el dominiode la frecuencia
  • Pseudolordespués de un proceso de segmentacióna cadaregión

Procesamiento de imágenes médicas