Valeurs d'intensité

Analyse d'images biomédicales en Python

Stephen Bailey

Instructor

Pixels et voxels

Les pixels sont des éléments d'image 2D
Les voxels sont des éléments de volume 3D
Deux propriétés : intensité et position

radio du pied

Types de données et taille d'image

Le type de données du tableau fixe l'intervalle d'intensités possible

Type	Intervalle	Nb. de valeurs
uint8	0, 255	256
int8	- 128, 127	256
uint16	0, 2$^{16}$	2$^{16}$
int16	-2$^{15}$, 2$^{15}$	2$^{16}$
float16	~-2$^{16}$, ~2$^{16}$	>>2$^{16}$

import imageio.v2 as imageio

im=imageio.imread('foot-xray.jpg')

im.dtype
    dtype('uint8')

im.size

im_int64 = im.astype(np.uint64)
im_int64.size

Histogrammes

Les histogrammes comptent le nombre de pixels à chaque intensité.
Implémentés dans scipy.ndimage
- tableaux de dimension supérieure
- données masquées
Techniques avancées et fonctions dans scikit-image.

plt.plot(hist)
plt.show()

import scipy.ndimage as ndi

hist=ndi.histogram(im, min=0, 
                       max=255,
                       bins=256)

hist.shape

(256,)

Histogramme

Égalisation

Les distributions sont souvent biaisées vers les faibles intensités (valeurs de fond).
Égalisation : redistribuer les valeurs pour exploiter tout l'intervalle d'intensité.
Fonction de répartition cumulée : (CDF) part de pixels dans un intervalle.

Hist+CDF

Égalisation

import scipy.ndimage as ndi
hist = ndi.histogram(im, min=0, 
                         max=255,
                        bins=256)

cdf = hist.cumsum() / hist.sum()
cdf.shape

(256,)

im_equalized = cdf[im] * 255

fig, axes = plt.subplots(2, 1)
axes[0].imshow(im)
axes[1].imshow(im_equalized)
plt.show()

image égalisée

Passons à la pratique !

Analyse d'images biomédicales en Python