Intensiteitswaarden

Biomedische beeldanalyse met Python

Stephen Bailey

Instructor

Pixels en voxels

Pixels zijn 2D-beeldelementen
Voxels zijn 3D-volume-elementen
Twee eigenschappen: intensiteit en locatie

voet-röntgen

Datatypes en afbeeldingsgrootte

Type van de array bepaalt het bereik van mogelijke intensiteiten

Type	Bereik	Aant. waardes
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

Histogrammen

Histogrammen: tellen hoeveel pixels per intensiteitswaarde.
Geïmplementeerd in scipy.ndimage
- hogere-dimensionale arrays
- gemaskeerde data
Geavanceerde technieken en functionaliteit 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,)

Histogram

Equalization

Verdelingen zijn vaak scheef naar lage intensiteiten (achtergrondwaarden).
Equalization: waarden herverdelen om het volledige intensiteitsbereik te benutten.
Cumulatieve verdelingsfunctie: (CDF) toont het aandeel pixels in een bereik.

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()

geëgaliseerde-afbeelding

Laten we oefenen!

Biomedische beeldanalyse met Python