Intensitätswerte

Biomedizinische Bildanalyse mit Python

Stephen Bailey

Instructor

Pixel und Voxel

Pixel sind 2D-Bildelemente
Voxel sind 3D-Volumenelemente
Zwei Eigenschaften: Intensität und Position

Fuß-Röntgenbild

Datentypen und Bildgröße

Der Datentyp des Arrays steuert den möglichen Intensitätsbereich

Type	Range	No. Val.
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

Histogramme

Histogramme: zählen die Anzahl Pixel pro Intensitätswert.
Implementiert in scipy.ndimage
- höherdimensionale Arrays
- maskierte Daten
Erweiterte Techniken/Funktionen in 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,)

Histogramm

Equalization

Verteilungen sind oft zu niedrigen Intensitäten hin verzerrt (Hintergrundwerte).
Equalization: Werte umverteilen, um den gesamten Intensitätsbereich auszunutzen.
Kumulative Verteilungsfunktion (CDF): zeigt den Anteil der Pixel im Bereich.

Hist+CDF

Equalization

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()

equalisiertes Bild

Lass uns üben!

Biomedizinische Bildanalyse mit Python