Wartości intensywności

Analiza obrazów biomedycznych w Pythonie

Stephen Bailey

Instructor

Piksele i woksele

Piksele to elementy obrazu 2D
Woksele to elementy objętości 3D
Dwie właściwości: intensywność i położenie

rentgen stopy

Typy danych a rozmiar obrazu

Typ danych tablicy określa zakres możliwych intensywności

Typ	Zakres	Liczba wart.
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

Histogramy

Histogramy: zliczają piksele dla każdej wartości intensywności.
Zaimplementowane w scipy.ndimage
- tablice wielowymiarowe
- dane z maską
Zaawansowane funkcje w 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

Wyrównywanie histogramu

Rozkłady często są skośne w kierunku niskich intensywności (tło).
Wyrównywanie histogramu: redystrybucja wartości w celu optymalizacji pełnego zakresu intensywności.
Dystrybuanta (CDF): pokazuje udział pikseli w danym zakresie.

Histogram+CDF

Wyrównywanie histogramu

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()

wyrównany obraz

Czas na ćwiczenia!

Analiza obrazów biomedycznych w Pythonie