Значення інтенсивності

Біомедична обробка зображень у Python

Stephen Bailey

Instructor

Пікселі та вокселі

Пікселі — це 2D елементи зображення
Вокселі — це 3D елементи об'єму
Дві властивості: інтенсивність і розташування

рентген ступні

Типи даних і розмір зображення

Тип даних масиву визначає діапазон можливих інтенсивностей

Тип	Діапазон	К-сть 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

Гістограми

Гістограми: підраховують кількість пікселів для кожного значення інтенсивності.
Реалізовано в scipy.ndimage
- багатовимірні масиви
- масковані дані
Розширені методи й функції у 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,)

Гістограма

Вирівнювання

Розподіли часто зміщені до низьких інтенсивностей (значення тла).
Вирівнювання: перерозподіл значень для використання всього діапазону інтенсивності.
Кумулятивна функція розподілу (CDF): показує частку пікселів у діапазоні.

Гістограма + CDF

Вирівнювання

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()

зображення після вирівнювання

Давайте потренуємось!

Біомедична обробка зображень у Python