Пространственные преобразования

Анализ биомедицинских изображений на Python

Stephen Bailey

Instructor

База данных OASIS

Логотип OASIS

Значительная вариабельность

массив снимков мозга

Регистрация

Выравнивание изображений по шаблону
Минимизация пространственной вариабельности
Шаблоны:
- могут представлять нескольких испытуемых
- могут быть «усреднёнными» изображениями
Включает множество пространственных преобразований

три изображения в процессе регистрации

Аффинные преобразования сохраняют точки, прямые и плоскости

пример преобразования

Трансляция

смещённый снимок головы

import imageio.v2 as imageio
import scipy.ndimage as ndi

im=imageio.imread('OAS1036-2d.dcm')
im.shape

(256, 256)

com = ndi.center_of_mass(im)

d0 = 128 - com[0]
d1 = 128 - com[1]

xfm = ndi.shift(im, 
          shift=[d0, d1])

Вращение

ndi.rotate(im,
           angle=25,
           axes=(0,1))

повёрнутый снимок головы

Поворот изображения

xfm = ndi.rotate(im, angle=25)

xfm.shape

(297, 297)

повёрнутый снимок с изменённым размером

xfm = ndi.rotate(im, angle=25, 
              reshape=False)
xfm.shape

(256, 256)

нормальное вращение

Матрица преобразования

Матрица преобразования: применяется к изображению при регистрации.

Элементы матрицы кодируют «инструкции» для различных аффинных преобразований.

изображение с четырьмя преобразованиями

Применение матрицы преобразования

# Identity matrix
mat = [[1, 0, 0],
       [0, 1, 0],
       [0, 0, 1]]

xfm = ndi.affine_transform(im, 
                           mat)

исходное изображение

# Translate and rescale
mat = [[0.8, 0,   -20],
       [0,   0.8, -10],
       [0,   0,   1]]
xfm = ndi.affine_transform(im,
                           mat)

преобразованное изображение

Давайте потренируемся!

Анализ биомедицинских изображений на Python