TÉCNICAS BÁSICAS DE PROCESAMIENTO POR PUNTOS

Transcripción

1 TÉCNICAS BÁSICAS DE PROCESAMIENTO POR PUNTOS

2 Procesamiento por puntos Conjunto de técnicas que permiten modificar el valor de un pixel basados en únicamente en su valor inicial o localización espacial del mismo

3 Histograma Permite visualizar la distribución de los valores de intensidad de los pixeles en una imagen (niveles de gris) o de una porción de la misma. M 1 N 1 h i = δ f m, n i m=0 n=0 i = 0,1, P 1 δ w = 1 w = 0 0 otherwise

4 Contenido Histograma Transformaciones al histograma Equalización del Histogram Contrast streching - Normalización Applicaciones

5 Histograma El histograma muestra cuantas veces un valor de intensidad (nivel de gris) aparece en la imagen Ejemplo: imagen histograma

6 Histograma Una imagen con bajo contraste refleja un histograma en donde la distribución no es a lo largo del rango de valores

7 Histograma Una imagen con bajo contraste refleja un histograma en donde la distribución no es a lo largo del rango de valores

8 Histograma de imágenes a color R G R

9 Histograma de imágenes a color Histograma 3D con el plugin Color Inspector 3D de ImageJ

10 Operaciones con el histograma Imagen Original x Imagen Procesada x s = T(r) y Imagen f (x, y) y Imagen f (x, y)

11 Ecualización del histograma Permite transformar los valores intensidad de tal manera que el histograma de la imagen de salida se aproxime a un histograma uniformemente distribuido k = 0,1, L 1 L: s = T r = k i=0 n j n (L 1) n j : número de veces que el j-th nivel de intensidad aparece en la imagen n: total de número de pixeles en la imagen

12 Ecualización del histograma Original Ecualizado

13 Ecualización del histograma Original Ecualizado

14 Normalización del histograma Permite cambiar los rangos de valores de intensidad I: N R n Min,, Max I: N R n Min 2,, Max 2 I N = (I Min) Max 2 Min 2 Max Min + Min 2 Original Normalizada

15 Normalización del histograma Original Normalizado

16 Equalización vs Normalización Original Ecualizado Normalizado

17 Equalización vs Normalización Original Original Normalizado Ecualizado

18 Equalización vs Normalización Original Ecualizado Normalizado

19 Operador Negativo El operador negativo de una imagen es utilizado para realzar los colores claros inmersos en regiones oscuras de la imagen Imagen Original s = r Imagen Negada

20 Operador Negativo Imagen Original x Imagen Procesada x s = T(r) y Imagen f (x, y) y Imagen f (x, y) s = intensity max - r

21 Brillo de la Imagen Original Más Brillo Menos Brillo

22 Brillo de la Imagen Modificar el brillo de una imagen puede permitir realzar visualmente un poco la imagen Imagen Original x Imagen Procesada x s = T(r) y Imagen f (x, y) s = Kr y Imagen f (x, y)

23 Brillo de la Imagen Original Más Brillo Menos Brillo

24 Operador Umbral Este tipo de operador es util para segmentar la imagen en el cual se quiere separar el objeto de interes del color del fondo s = 1.0 r > threshold 0.0 r <= threshold

25 Operador Umbral Imagen Original x Imagen Procesada x s = T(r) y Imagen f (x, y) y Imagen f (x, y) s = 1.0 r > threshold 0.0 r <= threshold

26 Transformaciones por punto entre imágenes Operador Adición La adición puede utilizarse para reducir los efectos del ruido de la imagen. Su valor de salida esta dado por: I c (i, j) = I a i, j + I b (i, j) k Donde: I a y I b son imágenes de entrada k, el número de imágenes Es utilizado para eliminar efectos del ruido en la imagen

27 Operador Adición A + B = C

28 Transformaciones por punto entre imágenes Operador Sustracción La sustracción de imágenes es utilizada es una técnica útil para detectar el cambio producido en dos imágenes captadas en dos instantes de tiempos diferentes. Su transformación esta dada por: I c i, j = k (I a i, j I b (i, j)) Donde: I a y I b son imágenes de entrada k, el número de imágenes

29 Operador Sustracción A - B = C

30 Aplicaciones Estudios de CT de los pulmones Umbralización Normalization of MRI images Presentation of high dynamic images (IR, CT)

31 Aplicaciones Equalización del histograma en parte de la imagen

32 R.Rienmuller CT lung studies

33 Histograma Bimodal Histograma bimodal,

34 Thresholding converting a greyscale image to a binary one for example, when the histogram is bi-modal threshold: 120

35 Thresholding II when the histogram is not bi-modal threshold: 80 threshold: 120

36 Normalization I When one wishes to compare two or more images on a specific basis, such as texture, it is common to first normalize their histograms to a "standard" histogram. This can be especially useful when the images have been acquired under different circumstances. Such a normalization is, for example, HE.

37 Normalization II Histogram matching takes into account the shape of the histogram of the original image and the one being matched.

38 Normalización de imágenes MRI images En imágenes de MRI los valores de intensidad pueden variar aún usando el mismo protocolo para el mismo cuerpo o region en el mismo scaner para el mismo paciente.

39 Normalización de imágenes MRI L. G. Nyúl, J. K. Udupa

40 Normalizacion de MRI images A: Histogramas de 10 FSE PD volúmenes de imágenes MRI del cerebro. B: El mismo histograma despues de escalar las intensidades. C: El histograma despues de la estandarización A A B 4000 C B L. G. Nyúl, J. K. Udupa L. G. Nyúl, J. K. Udupa C

41 Normalization of MRI images V L. G. Nyúl, J. K. Udupa