리샘플링과 보간

Python을 활용한 생의학 영상 분석

Stephen Bailey

Instructor

리샘플링은 배열 형태를 변경합니다

다양한 샘플링

Python을 활용한 생의학 영상 분석

다운샘플링

vol = imageio.volread('OAS1_0255', format='DICOM')
vol.shape

(256, 256, 256)

원본 뇌 이미지

vol_dn = ndi.zoom(vol, zoom=0.5)
vol_dn.shape

(128, 128, 128)

다운샘플된 뇌 이미지

Python을 활용한 생의학 영상 분석

업샘플링

  • 더 큰 격자로 리샘플링

  • 고해상도 데이터 수집과는 다릅니다

  • 불균일한 샘플링 비율 표준화에 유용합니다

vol_up = ndi.zoom(vol, zoom=2)
vol_up.shape

(512, 512, 512)

원본 뇌 이미지

Python을 활용한 생의학 영상 분석

보간

  • 격자 점들을 "연결"하여 점 사이의 공간을 모델링합니다.

$$ Interpolation\ in\ 1\ D $$

1D 보간

Python을 활용한 생의학 영상 분석

보간

  • 격자 점들을 "연결"하여 점 사이의 공간을 모델링합니다.

  • 최근접 이웃: 가장 가까운 측정값을 사용합니다.

$$ Interpolation\ in\ 1\ D $$

1D 최근접 이웃 보간

Python을 활용한 생의학 영상 분석

보간

  • 격자 점들을 "연결"하여 점 사이의 공간을 모델링합니다.

  • 최근접 이웃: 가장 가까운 측정값을 사용합니다.

    • order = 0

  • B-스플라인 보간: 지정된 차수의 스플라인 함수로 점 사이 공간을 모델링합니다.

    • order는 1에서 5 사이

$$ Interpolation\ in\ 1\ D $$

1D B-스플라인 보간

Python을 활용한 생의학 영상 분석

2D 보간

im=np.arange(100).reshape([10,10])

색상 오름차순 예시 이미지

zm1=ndi.zoom(im, zoom=10, order=0)
zm2=ndi.zoom(im, zoom=10, order=2)
zm3=ndi.zoom(im, zoom=10, order=4)

색상 오름차순 다중 차수 이미지

Python을 활용한 생의학 영상 분석

연습해 봅시다!

Python을 활용한 생의학 영상 분석

Preparing Video For Download...