Transformations spatiales

Analyse d'images biomédicales en Python

Stephen Bailey

Instructor

Base de données OASIS

logo OASIS

Variabilité marquée

mosaïque de cerveaux

Enregistrement

Aligner les images sur un gabarit
Réduire la variabilité spatiale
Gabarits :
- peuvent représenter plusieurs sujets
- peuvent être une image « moyenne »
Implique de nombreuses transformations spatiales

trois images en cours d'alignement

Les transformations affines préservent points, lignes et plans

exemple de transformation

Translation

tête décalée

import imageio.v2 as imageio
import scipy.ndimage as ndi

im=imageio.imread('OAS1036-2d.dcm')
im.shape

(256, 256)

com = ndi.center_of_mass(im)

d0 = 128 - com[0]
d1 = 128 - com[1]

xfm = ndi.shift(im, 
          shift=[d0, d1])

Rotation

ndi.rotate(im,
           angle=25,
           axes=(0,1))

tête pivotée

Rotation d'image

xfm = ndi.rotate(im, angle=25)

xfm.shape

(297, 297)

rotation avec redimensionnement

xfm = ndi.rotate(im, angle=25, 
              reshape=False)
xfm.shape

(256, 256)

rotation sans redimensionnement

Matrice de transformation

Matrice de transformation : appliquée à une image pour l'enregistrement.

Les éléments de la matrice codent des « instructions » pour différentes transformations affines.

image avec quatre transformations

Appliquer une matrice de transformation

# Matrice identité
mat = [[1, 0, 0],
       [0, 1, 0],
       [0, 0, 1]]

xfm = ndi.affine_transform(im, 
                           mat)

image d'origine

# Translation et mise à l'échelle
mat = [[0.8, 0,   -20],
       [0,   0.8, -10],
       [0,   0,   1]]
xfm = ndi.affine_transform(im,
                           mat)

image transformée

Passons à la pratique !

Analyse d'images biomédicales en Python