Intensitetsvärden

Biomedicinsk bildanalys i Python

Stephen Bailey

Instructor

Pixlar och voxlar

Pixlar är 2D-bildelement
Voxlar är 3D-volymelement
Två egenskaper: intensitet och position

fotröntgen

Datatyper och bildstorlek

Arrayens datatyp styr intervallet för möjliga intensiteter

Typ	Intervall	Ant. värden
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

Histogram

Histogram: räknar antalet pixlar per intensitetsvärde.
Implementerat i scipy.ndimage
- flerdimensionella arrayer
- maskerad data
Avancerade tekniker och funktioner i 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

Ekvalisering

Fördelningar är ofta snedfördelade mot låga intensiteter (bakgrundsvärden).
Ekvalisering: omfördelar värden för att utnyttja hela intensitetsintervallet.
Kumulativ fördelningsfunktion: (CDF) visar andelen pixlar inom ett intervall.

Histogram+CDF

Ekvalisering

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()

ekvaliserad-bild

Nu kör vi en övning!

Biomedicinsk bildanalys i Python