Informatik VT 2004 bildbehandling Bildbehandling Mål Extraktion av relevant information ur medicinska bilder för diagnostisk tolkning, terapiplanering, dokumentation och patientinformation
Digital bildbehandling Datainsamling Bildtagning Histogrammodifikation geom. Korrektur Filtrering Bildbearbetning Segmentering Selektion Bildanalys Klassifikation Presentation Beskrivning Bildförståelse Digitalisering digital bildmatris (x,y) enskild matriselement = pixel (picture element) x pixel p (x,y) spatial upplösning => Rastrering/sampling amplitudupplösning = Bit depth => Kvantisering y
Sampling 800 x 600 400 x 300 100 x 75 50 x 37 Kvantisering 256 gråvärden 64 gråvärden 16 gråvärden 4 gråvärden
Bildtagningsmetoder Röntgen Ultraljud (Sonografi) Datortomografi (CT) Magnetresonanstomografi (MR) Gammakamera, SPECT, PET Endoskopi Röntgen Röntgenbild (skelett) Röntgenbild (lunga) Röntgenbild = skuggbild från ett punkt fokus
Ultraljud Sonografi = Ljudreflektion mot gränsskikten mellan anatomiska strukturer Datortomografi (CT) CT = Rekonstruktion av tvärsnittsbilder, baseras på attenueringsskillnader för röntgenstrålning
Magnetresonanstomografi (MR) MR = Rekonstruktion av tvärsnittsbilder, baseras på protontäthet och relaxationstider Nuklearmedicinska bilder PET = Snittbilder visar aktivitetsfördelning av positronsönderfall
a bilder Röntgenbild (skelett) Röntgenbild (lunga) Mikroskopibild av celler Datortomografibild MR-bild PET-bild http://www.cb.uu.se/~stina/bildslu/kurs.html Digitala tandröntgensystem Intraoral Röntgenbild (CCD/PSP) Orthopantomogramm (CCD/PSP) Cephalogramm (CCD/PSP), Department of Information Science, Uppsala University
Jämförelse CCD och PSP Sensorstorlek Upplösning Minnesplats Exponeringstid Dosreduktion Intraoral CCD 20x30 mm bis 30x45 mm; Dicke: 4-6mm 11-13 lp/mm (bis zu 26 lp/mm); 14 bit 560 kb bis 5,3 MB 1-4 s 60-95% PSP 20x30 mm bis 57x76 mm; Dicke: 1,5 mm 6-9 lp/mm; 12 bit 480 kb 60s 80% (bei 6 Folien/Scan) OPG CCD 300x140 mm 6 lp/mm 4,5-8MB 2,5-18s 30% PSP 300x150 mm 4 lp/mm 4 MB 150-300s Ceph CCD 230x180 mm, 290x230 mm 5 lp/mm 5-12 MB 15s 20-70% PSP 240x180 mm, 300x200 mm 4 lp/mm 10MB 200-300s, Department of Information Science, Uppsala University Fördelar ingen filmframkallning reducerad strålningsdos digital bildarkiv och kommunikation digital bildbehandling
Bildkarakteristika Medelvärde m p = M Z 1 S 1 1 x= 0 y= 0 p( x, y), M = Z S Information om ljusintensitet, men ej om kontrast Standardavvikelse q p 1 = M Z 1 S 1 x= 0 y= 0 ( p( x, y) m ) 2 p, M = Z S Information om kontrast Bildkarakteristika Gråvärdefördelning frekvens kum. frekvens 1 0 gråvärde 255 0 gråvärde 255 Histogram Kumulativ histogram
Operatorer Geometriska operatorer Rotation Translation Inversion Punktoperatorer Koordinattransformation Gråvärdetransformation Lokala Operatorer Brusreducering Ökning av bildskärpan Globala operatorer Fouriertransformation Gråvärdestransformation Ljusintensitetsändring ' p + ( x, y) = p ( x, y) b b<0, ljusintensiteten minskar; b>0, ljusintensiteten ökar Kontraständring ' p ( x, y) = p ( x, y) c c <1, kontrasten minskar; c >1, kontrasten ökar
Gråvärdetransformation Histogram normalisering ' p ( x, y) = [ p ( x, y) min ] n 2 1 max min Histogram linearisering n p' ( x, y) = 2 1 h p( x, y) n ( ( ) h ( 2 1 ) kum kum Exempel original normaliserad lineariserad
Filters (lokal) p (x,y) = F(p(x,y)) 0000000 007 00 007 5 7 1 1 0 00 0 0 7 1 1 0 0000000 11 1 1 5 1 111 0000000 0 2 6 0 0 0 2 7 0 0 0 2 5 662 3 1 0 0 0 000000 Effektivitet beroer på fönsterstorlek antal filtreringar Grannskapet 2 - punkt 4 - punkt 6 - punkt 8 - punkt
Smoothing, Brusreducering Smoothing = Gråvärdesutjämning för att minska kanter, ta bort detalj mm. Brusreducering = Minskning av additiva signaler (okorrelerad med bildinnehållet) Problem: Bilden blir oskarp! Exempel: Smoothing, Brusreducering Medelvärdesfilter Filtermask: 111 1 11 1 1 1 - enkel smoothingfilter - arithmetisk medelvärdesbildning -> hög smoothingeffekt
Exempel: Smoothing, Brusreducering Gausslågpass (isotrop) Filtermask: 121 2 42 1 2 1 - Filterkoeffizienter motsvarar en gaussfunktion mot 0 -> Smoothingeffekt mindre än hos medelvärdesfilter Exempel: Smoothing, Brusreducering viktad medelvärdesfilter (icke linear) Filtermask: g 1 g 2 g 3 g 4 g 5 g 6 g 7 g 8 g 9 ju högre gråvärdesgradienten, desto högre g - Viktning av filterkoeffizienter beroende på differens mellan granngråvärder -> mindre detaljförlust och oskärpa i kanter
Ökning av bildskärpan Ökning av bildskärpan = Framhävning av högfrekventa bildregioner, t.ex. detaljer, kanter, fina texturer Problem: Brusökning! Exempel: Ökning av bildskärpan Unsharp Masking Resultat = Faktor * (Original - lågpassf. Original) + Offs Faktor (1..10) förstärkar differensbildens kontrast Offs ökar gråvärden lineärt
Rangordningsoperatorer Exempel: Medianfilter Erosion Dilatation Medianfilter Sortering av gråvärden inom fönstret = Rangordning Resultat = Median (rangordning) Verkningssätt: Smoothingfilter, låg påverkan på kanter
Erosion och Dilatation Erosion = Objektförtunning Sortering av gråvärden inom fönstret = Rangordning Resultat = Minimum (rangordning) Dilatation = Objektförtjockning Sortering av gråvärden inom fönstret = Rangordning Resultat = Maximum (rangordning) Segmentering Uppdelning av bilden I enskilda objekt eller regioner Segmenteringsmetoder - punktorienterad - regionorienterad - kantorienterad
Punktorienterade metoder Objekttillhörighet beroende på pixels gråvärde Exempel: global thresholding lokal thresholding Fördel: Nackdel: Fungerar i realtid Användning av gråvärdet som enda segmenteringskriteriet Regionorienterade metoder Uppdelning av bilden i sammanhängande regioner som tilldelas olika objekt Exempel: Klassifikation av egenskaper (tuplar) Thresholding efter transformation Region growing Region splitting Fördel: Igenkänning av sammanhängande regioner Nackdel: Definition av objektgränser kan vara oexakt
Kantorienterade metoder Detektion av objektgränser (slutna linjesegment) Exempel: - Kantoperatorer i samband med morfologiska operatorer - contour tracing - aktiva konturer ( snakes ) Fördel: Relativ hög präzision Nackdel: Undersegmentering av relevanta objektgränser Översegmentering inom objektet Litteratur van Bemmel: Handbook of medical informatics, Springer, kap. 9, 10 och 26 Gonzalez, Woods: Digital image processing, Addison-Wesley Russ: The image processing handbook, IEEE Press Sonka, Hlavac, Boyle: Image processing, analysis and machine vision, Chapman&Hall