Képfeldolgozó eljárások áttekintés Orvosi képdiagnosztika 9. ea. 2015 ősz
Tartalomjegyzék Képmanipulációs eljárások Képjavítás (kontraszt módosítás, hisztogram módosítás, zajszűrés, élkiemelés) Képelemzés Éldetektálás (szűréssel, gradiens, második derivált meghatározással, Canny, stb) Morfológiai műveletek Képszegmentálás Hisztogram (képintenzitás) alapján Textura alapján Élek, kontúrok alapján Pixelértékek alapján Komplex eljárások (Hough transzformáció, szegmentálás deformálható modellekkel: ASM, AAM, Snake, Level set módszer) Komplex eljárások: régió növesztés, watershed eljárás, edge flow, stb, Esettanulmány Egy orvosi kép (röntgenkép) szegmentálása
Képjavítás Cél: a kép vizuális megjelenésének javítása. Alapvetően az emberi szem számára javítunk a kép megjelenésén, de segíti a gépi képelemzést is. Tipikus képjavítási eljárások: - Kontraszt módosítás - Intenzitásviszonyok módosítása - Szűrések: - lineáris szűrések, - nemlineáris szűrések: - homomorfikus feldolgozás - order statistics filters: median, rank és ezek variánsai. - Élek kiemelése, - Zajok mérséklése
Kontraszt javítás Az intenzitástartomány és az intenzitásviszonyok megváltoztatása lineáris vagy nemlineáris módosítás
Kontraszt javítás Window-level transzformáció ablak: a lineáris meredek szakasz tartománya, Level: a lineáris szakasz középső pontja
A hisztogram széthúzása
Kontraszt javítás
Kontraszt javítás
Dinamika tartomány módosítása
Dinamika tartomány módosítása
Hisztogram módosítás
Hisztogram módosítás Hisztogram kiegyenlítés c=xsize*ysize/oszlopszam; for(i=0..255) { sum+=bemeneti_hisztogram[i]; while(sum>=c) { pos+=256/oszlopszam; sum-=c; } F[i]=pos; } for(i=0..xsize-1,j=0..ysize-1) kimeneti_kep_pixel[j][i]=f[bemeneti_kep_pixel [j][i]];
Hisztogram módosítás Olyan transzformáció, hogy az intenzitásértékek egyenletes eloszlásúakká váljanak A (lépcsős) transzformációs függvény létrehozása : - a bemeneti hisztogram elejétől indulva elkezdjük összegezni a hisztogramértékeket, egészen addig, amíg az összeg túl nem lépi a c=(x_meret x y_meret)/oszlopszam értéket. - Ha ez x=m-nél következik be, akkor a transzformációs függvényértékét m-ig nullára állítjuk és folytatjuk az összegzést, de nem nulláról, hanem az elért összeg-c értéktől, a következő átlag-túllépésig, legyen ez a pont n. - Ekkor a függvény minden m - től n-ig terjedő értéket 256/oszlopszam annyiadik többszörösére állítjuk,amelyik oszlopnál tartunk a transzformációban (az első oszlopnál 256/oszlopszam, a másodiknál 2*(256/oszlopszam) és így tovább). - Majd a megszerkesztett átviteli függvény segítségével előállítjuk a kimeneti képet, melynek hisztogramja vonalas lesz.
Adaptív hisztogram módosítás Tartományokhoz (egyes ablakhoz) eltérő hisztogram módosítást rendelünk eredeti nemadaptív adaptív
Zajszűrés Lineáris szűrések, szűrőkernel szűrés a képtartományban Szűrés transzformált tartományban (bázisfüggvények terében végezzük el a szűrést: Fourier, stb) Nemlineáris szűrések: homomorfikus jelfeldolgozás order statistics szűrés: median szűrés, egyéb OSF eljárások
Pl. aluláteresztő szűrő Lineáris szűrések
Eredeti Lineáris szűrés Egyenletes zaj mask 1 mask 3
Eredeti Lineáris szűrés Impulzus zaj mask 1 mask 3
Lineáris szűrés transzformált tartományban eredeti Gauss zaj pontszerű zaj zajos M=1 PCA 4 16 64 256 M=1 KPCA Gauss kernel 4 16 64 256 PCA-KPCA zajszűrő hatás összehasonlítása
Lineáris szűrés transzformált tartományban Karhunen-Loève transzformáció (KLT) Jelfüggő ortogonális transzformáció
Nemlineáris szűrés homomorfikus szűrés order statistic (rank) szűrés polinomiális szűrés matematikai morfológia neurális hálók nemlineáris kép visszaállítás
Nemlineáris szűrések Homomorfikus szűrés Multiplikativ zajok mellett hatékony megvilágítás, zajmentes kép Logaritmálás után hagyományos szűrési eljárások
Homomorfikus szűrés megvilágítás érzékelt kép homomorfikus szűrés eredménye Butterwoth felüláteresztő szűrés
Order statistics szűrés Legyen akkor az i-edik statisztika Sorbarendezi a szomszédos pixeleket növekvő inztenzitásérték szerint, kiválaszt egyet a rangnak megfelelően és ez lesz a kimenet Speciális rank szűrők: medián Kétdimenziós mediáns szűrő Az A halmaz a szűrő ablak. Az ablak alakja befolyásolja a szűrő tulajdonságait (élmegtartás, bizonyos képrészletek megtartása)
Medián szűrés Tulajdonságok: Jól teljesít lassan lecsengő zajeloszlásnál (hatékony az impulzus zajok eltüntetésénél) Rosszul teljesít gyorsan lecsengő eloszlásnál (pl. egyenletes zajeloszlásnál) Fehér zaj mellett aluléteresztő tulajdonságú Igyekszik megtartani az éleket Kérdés: van-e olyan jel (sajátfüggvény sajátjel), melyet nem módosít? (a lineáris szűrőknél ilyen a szinusz) Medián szűrő root jele: Minden véges hosszúságú nemroot jel a root jelhez konvergál, ha a medián szűrőt ismételten alkalmazzuk
Medián szűrés A zajos képből 7x7 ablak eredeti zajos kép átlagoló szűrés medián szűrés
Rank szűrés A zajos képből 7x7 maszk mellett 4. rangú pixelek kiválasztása (rank 4)
Order statistics szűrők Minimum és maximum szűrők min: növeli a sötét részeket 3 x 3 ablak 7 x 7 ablak
Order statistics szűrők max: növeli a világos részeket (3 x 3) (7 x 7)
Lineáris és nemlineáris szűrések
További nemlineáris szűrők Tartomány szűrő: (Range filter - Midpoint filter) nemlineáris éldetektor a kimeneti pixel érték a tartományon belüli maximum és minimum pixel értékek átlaga (középértéke) Hatékonyan alkalmazható gyors lecsengésű zaj esetén: egyenletes és esetleg Gauss zaj mellett Az élek lokalizációja nem jó Yp mean szűrő nemlineáris átlagoló szűrő: jobb Gauss zaj elnyomására mint az aritmetikai átlagoló szűrő, miközben az éleket jobban megtartja. Yp átlagoló szűrő kíváló a pozitív outlierek kiszűrésénél, ha P negatív és negatív outlierek kiszűrésére, ha P pozitív.
További nemlineáris szűrők Harmonikus átlag szűrés A harmonikus átlagoló szűrésnél az egyes pixelek intenzitása a környezetben lévő pixelek intenzitásértékeinek harmonikus átlagával helyettesítjük A harmonikus átlag: Nagyobb régió esetén a hatás erősebb, de hátrány a kép elmosódása. A harmonikus átlag szűrés jobb az aritmetikai átlag szűrésnél Gauss zaj elnyomásánálés az élek megtartása szempontjából. Hatékony a pozitív outlierek kiszűrésénél.
További nemlineáris szűrők Alfa-igazított átlagoló szűrő (Alpha-trimmed filter) lineáris és nemlineáris hatások együttes alkalmazása a szomszédos pixelek sorbarendezése növekvő sorrendben dobjunk el a lista mindkét végéről adott számú (alfa) értéket a szűrő kimeneti értéke a maradék pixelek átlaga alfa = 0 átlagoló szűrő alfa = (n 2-1)/2 medián szűrő
Különböző szűrők összehasonlítása Eredeti képek Átlagoló szűrt képek (aritmetikai átlag)
Különböző szűrők összehasonlítása Eredeti képek Geometriai átlagoló szűrt képek
Különböző szűrők összehasonlítása Eredeti képek Medián szűrt képek
Különböző szűrők összehasonlítása Eredeti képek Max. szűrt képek
Különböző szűrők összehasonlítása Eredeti képek Min. szűrt képek
Különböző szűrők összehasonlítása Eredeti képek Midpont szűrt képek
Különböző szűrők összehasonlítása Eredeti képek Yp mean szűrt képek
Különböző szűrők összehasonlítása Eredeti képek Harmonikus átlagolással szűrt képek
Polinomiális szűrők A pixel értékek polinomiális vagy törtfüggvényei Kép javítás (kontraszt élesítés, élmegtartó zajszűrés, textura szegmentálás, élkiemelés, élszegmentálás) Van bizonyos kapcsolata a lineáris szűrőkkel (paramétereiben lineáris, adaptív változatnál előnyök) Számítási komplexitás jelentősen nagyobb, különösen, ah a nemlinearitás mértékét növeljük A nemlineáris szűrők Taylor sor vagy Volterra sor formájában írhatók fel. Taylor sor : hatványfüggvény Volterra sor különböző pozíciójú (időben vagy a képtartományban) vett értékek szorzatai
Polinomiális szűrők A polinomiális szűrők tulajdonságai: Paramétereiben lineáris, de nemlineáris szűrő Az együtthatókat adaptálni lehet, lineáris megközelítéssel y n = h,..., p xn hp i1 ip h 0 + p=1 h p (xn) Általában minden egyes tag az alábbi összefüggéssel adható meg: 1,..., 1 h x h i i x n i x n i p n p p p i i 1 h h0 offset 1 p egy digitális FIR szűrő válasza y n f [ x( n),( x n 1,..., x n N, y n 1,..., y n M ] f ( xyq,, ) 1 Általánosabb nemlineáris szűrő megadási forma:
Adaptív lineáris szűrő: Adaptív szűrők Adaptív nemlineáris szűrők y i = f( a j i x j (i)) ahol f valamilyen nemlineáris függvény j
Adaptiv szűrés Adaptív szűrésnél analizáljuk az egyes tartományokat és a szűrő jellemzőit a környezet statisztikájához igazítjuk Egy példa: Lee szűrő a sima régiókban redukálja a zajt, miközben a finom részleteket megtartja Az egyes pixelekt vagy változatlanul hagyja, vagy szűri. Tipikus ablakmérete 3x3... 7x 7 Lokális átlag és variancia meghatározása A válasz ahol Adaptív szűrők Ahol a variancia nulla, az átlag a válaszérték Ha van variancia: A együtthatóval súlyozunk Megtartja az éleket, miközben a zajt redukálja
Adaptív szűrők Tesz kép MRI
Ultrahangképnél Adaptív szűrők
Éljavítás, éldetektálás Élkiemelés Szűréssel: magasfrekvenciás kiemelés, felüláteresztő szűrés
Éljavítás, éldetektálás Zónás szűrés Közvetlenül a Fourier tartományban definiáljuk az átviteli függvényt Egyébként C vágási frekvencia 0 < C 1+N/2
Butterworth szűrés ahol Éljavítás, éldetektálás
Éljavítás, éldetektálás
Éljavítás, éldetektálás Statisztikus differenciálás Minden pixel értékét elosztjuk a szórásával, ahol a szórást a környezetében lévő pixelekből számítjuk Minden pixelre számítunk átlagértéket és szórást A javított kép amplitúdója nő, ahol a pixel jelentősen elr a környezetétől, míg máshol csökken (automatikus erősítésszabályozás)
Éljavítás, éldetektálás Wallis operátor Általánosabb forma: Kívánt átlagos középérték, szórás és a maximális erősítési tényező. szerepe: túl nagy kimeneti érték meggátlása, ha a szórás túl kicsi 0 p 1 a képtartománytól függő erősítés a képtartománytól függő háttér Kívánt szórás, hogy a képfüggő erősítés A max és A min között legyen D max D(j,k) maximuma
Éljavítás, élkiemelés Eredeti átlag 0-0,98 szórás 0,01-0,26 háttér 0,09-0,88 Képfüggő erősítés 0,75 2,35 Wallis eredménye Paraméterek: