Значения интенсивности

Анализ биомедицинских изображений на Python

Stephen Bailey

Instructor

Пиксели и воксели

Пиксели — двумерные элементы изображения
Воксели — трёхмерные объёмные элементы
Два свойства: интенсивность и положение

Рентген стопы

Типы данных и размер изображения

Тип данных массива определяет диапазон возможных значений интенсивности

Тип	Диапазон	Кол-во знач.
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

Гистограммы

Гистограммы: подсчёт числа пикселей для каждого значения интенсивности.
Реализованы в scipy.ndimage
- многомерные массивы
- данные с маскированием
Расширенные возможности — в 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,)

Гистограмма

Эквализация

Распределения часто смещены в сторону низких значений интенсивности (фоновых).
Эквализация: перераспределение значений для оптимального использования всего диапазона интенсивностей.
Функция кумулятивного распределения (CDF) показывает долю пикселей в диапазоне.

Гистограмма и CDF

Эквализация

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()

Эквализованное изображение

Давайте потренируемся!

Анализ биомедицинских изображений на Python