Presentazione di PowerPointsquarcia/DIDATTICA/Fisan_ISM/06_Immagini_digitali.pdfImmagini...
Transcript of Presentazione di PowerPointsquarcia/DIDATTICA/Fisan_ISM/06_Immagini_digitali.pdfImmagini...
Immagini digitali
Corso di Informatica e Statistica Medica
28/2/2006
Scuola di Specializzazionein Fisica Sanitaria
a.a. 2005/2006
ObiettiviQual è il miglior uso che possiamo fare delle immagini cliniche acquisite?Come si può “ottimizzare” un’immagine?Come possiamo sovrapporre immagini derivate da apparati differenti? Come si possono ricavare (classificare) le informazioni quantitative di/da un’immagine?
- Saper “aggiustare” la luminosità- Saper aumentare il contrasto- Sapersi uniformare alle caratteristichedell’immagine (operazione di filtraggio)
Immagini analogico/digitaliAchille (digitale) e la tartaruga (analogica)L’immagine radiografica è continua (analogica)
L’immagine può essere considerata digitale se le dimensioni delle unità elementari sono finite
Granuli di AgBr (2 μm) infinitesimi rispetto al potere risolutivo dell’occhio umano (0.1 mm)
Pregio delle immagini digitali è la loro notevole flessibilità → elaborazione elettronica
Un’immagine analogica può essere resa digitalema non viceversa!
Digitalizzazione
suddividendo l’immagine in differenti pixel
Si passa da un’immagine analogica ad un’immagine digitale
(quadratini contenenti valori di annerimento)
Schema a blocchi
acquisizione immagini
sistema di calcolo
manipolazione immagini
immagazzinamento su supporto magnetico
Pictures Archive and Communication System
PACS
Pixel
La definizione dell’immagine dipende dal numero di pixel impiegati
Utilizzo memoria: 1024 x 1024 (~ 106) = 1 MB
Discretizzazione d’immagine in una matrice M x N
RisoluzioneMaggiore è il numero di pixelmigliore è la corrispondenza con l’immagine analogica
64 x 64 (4kB)128 x 128 (16kB)
256 x 256 (65kB)512 x 512 (262kB)
Campo di vista
a seconda dell’area interessata che viene digitalizzata dettaglio = risoluzione spaziale
A paritàdi numero di pixelutilizzati si hanno risoluzioni differenti
VoxelLe immagini digitali di interesse radiologico sono rappresentazioni visive di immagini spaziali (voxel)rappresentazioni sintetiche (somma corrispondente ad uno dei diametri corporei)oppure analitiche (spessore di uno strato)
ProfonditàIndica il numero di bit necessari a rappresentare i valori della variabile oggetto della misuraIn radiologia digitale, per lo più, la variabile può assumere 1024 (210) diverse gradazioni di grigioLa profondità è quindi di 10 bitAd ogni pixel sono quindi associati 2 byte (16 bit)
Per memorizzare un’immagine 512 x 512 sono allora necessari 2 • 512 • 512 = 524288 B (0.5 MB)Un CD (700 MB) può contenere ~ 1340 immagini
Immagini digitaliUn’immagine è una distribuzione continua di intensità luminosa I = f(x, y, z, i)
L’intensità varia tra un valore minimo (0?) ed un valore massimo
pixel N righe M colonnenormalmente
rettangoli (N • M)
parallelepipedi (N • M • K) con K dipendente dalla segmentazione dell’immagine
K piani
voxel
ovvero, come vedremo, f(x, y, z, r, g, b)
Memorizzazione
in “interi” (1, 2, 4 byte) o “floating” (2, 4 byte)
Passaggio da immagine analogica a immagine digitale con integrazione, media o campionamento
ni = 255 Ii / Imax
- in un moderno studio TV 166 Mb/s
8 bit:
Indirizzo[I(n, m, k)] = A + n + (m•N) + (k•N•M)
- in una TV ad alta definizione 24 Mb/s- in una TV usuale 5 Mb/s
dati “pesanti” da trasferire: 106 - 109 bit (1Gb)
0 ≤ ni ≤ 255
LuminositàOccorre passare da un “valore” di immagine V ad uno schermo ove ogni punto ha luminosità L
immagine V schermo L
L’occhio umano non rileva un cambiamento di luminosità (contrasto) minore di circa il 2%la luminosità dello schermo deve essere proporzionale ad un numero fornito come input con una operazione di mappatura (mapping) possiamo modificare la luminosità dello schermo
Visualizzazione
D = f(I) con 0 ≤ D ≤ 1
Se l’immagine I ha intensità tra 0.0 ed 1.0
immagine I schermo Limmagine D
operazione di mapping
la funzione D = f(I) deve essere compresa tra un valore minimo ed uno massimo
anche non legati da una relazione lineare
digitalizzazione
Dispaly mapping
Mappatura lineare ad una variazione ΔI corrisponde una uguale variazione ΔL
Mappatura a crescita di contrasto
ad una variazione ΔI corrisponde una variazione ΔL maggiore
L
I10
I
L
0 1ΔL
ΔI
ΔI
ΔL
zona utile
ristretta
Miglioramento del contrasto
Miglioramento contrasto (contrast enhancement)tra 75% e 100%
Immagine originale
CromaticitàI singoli colori determinati da tre parametri: brillanza, saturazione e sensibilitàYoung scoprì che tutti i colori potevano essere composti da tre soli colori fondamentali ad es. Rosso (red), Verde (green) e Blu (blue)
La teoria di Young-Helmholtz suggerisce che un colore C di intensità c è dato da
scelta arbitraria di colori indipendenti (giallo?)
cC = rR + gG + bB (lumen)
ove c, r, g, b sono misurate in unità fotometriche
Diagrammi cromaticiIl flusso totale della luce deve essere
ma r, g, b non sono indipendenti tra loro
c = r + g + bC = r R / c + g G / c + b B / c
Tutti i colori possibili sono entro il triangolo
0 1
1 green
redblue
g————r + g + b
r————r + g + b
sommando i colori complementari si ottiene il colore bianco (neutro)
Cromatismo
Tabelle di corrispondenza
In queste tabelle sono riportati il valore (ad es. tra 0 e 255) equivalente al tono di grigio o tre valori corrispondenti alle componenti cromatiche (r,g,b)
L’applicazione di tabelle di mappatura (lookuptable) permettono una facile implementazione di differenti scelte di luminosità (contrasto)
immagine V schermo L
lookup table
Ottimizzazione
L = B ekI
Occhio necessita di almeno un contrasto del 2%nella parte più chiara occorre un contrasto di luminosità maggiore che nella parte più scura
Se la luminosità dello schermo è L e deve essere costante ΔL/L…. allora deve essere
ove B e k sono due costanti derivabili dalla pendenza e dalla relazione esistente tra il valore immagine I e la luminosità sullo schermo L Modificando i parametri del dispaly mapping si modifica il contrasto dell’immagine elaborata
EqualizzazioneScelta del display mapping dipende dall’immagine
La maggioranza dei pixel cadono attorno al valor medio: pochi pixel molto chiari e pochi molto scuri
Nella visualizzazione tutti i pixel sono equiprobabiliOccorre “equalizzare” l’intensità di segnale video
D(I) = ∫N(i) di
I
N(I)
I
D(I)
ElaborazioneNell’elaborazione delle immagini (imageprocessing) possiamo manipolare e modificare l’apparenza delle immagini stesseTutte le immagini mediche sono rumorose e confuse: ridurre entrambi questi fattorivogliamo rendere nel modo migliore il contrasto specie sulle zone di transizione - Image smoothing (livellamento dell’immagine)- Image restoration (ricostruzione dell’immagine)- Image enhancement (intensificazione immagine)
ProcessamentoUna mappaturaesponenziale
0 1
1
Inte
n sità
d ’us
cita
Intensità in entrata
L = B ekV
con B = 1/e3 e k =3
mostra un’immagine del tipo
FiltriRappresentazione schematica dell’azione di filtri su un’immagine
nell’ipotesi di avere assorbimenti omogenei
da parte del singolo oggetto centrale
applicando una funzione matematica che agisca su ciascuna proiezione si ottiene
l’immagine filtrata
Image smoothingMolte immagini sono rumorose
L’ampiezza del rumore può essere ridotta mediando sui pixel adiacenti
i + 1j – 1
ij – 1
i – 1j – 1
i + 1j
i j
i – 1j
i + 1j + 1
ij + 1
i – 1j + 1
e si applica sia a casi bidimensionali che a casi tridimensionali
EqualizzazionePrendiamo filtro equalizzato di dimensioni 3 x 3
Applichiamolo ad una matrice 6 x 6
1/91/91/9
1/91/91/9
1/91/91/9
in modo da filtrare una semplice immagine
Il valor medio di ogni pixel risulta essere 1/9:
Filtraggio
immagine originale
1/91/91/9
1/91/91/9
1/91/91/9
applicazione filtro 222222332211332221333221333111111111
1/91/91/9
1/91/91/9
1/91/91/9222222332211332221333221333111111111
filtro
Risultato
g33 = 1/9 (2 • 1 + 4 • 2 + 2 • 3) = 2
gij = ∑ m= -1, 1 ∑ k= -1, 1Wkm fi+k, j+m
ove Wkm è il peso di ogni singolo valore
1.22 1.67 2.00 2.33
1.44 2.00 2.44 2.89
1.89 2.00 2.45 2.77
1.67 1.89 2.22 2.44
iterando….
222222332211332221333221333111111111
Rumore
σ2g = ∑ m= -1, 1 ∑ k= -1, 1W2
km σ2f
Supponiamo che l’immagine f sia rumorosa con ogni pixel (varianza σ2
f) indipendente dai pixelvicini
Per il filtro applicato:
σ2g = σ2
f / 9
L’applicazione del filtro porta ad una diminuzione del rumore
dell’immagine primitiva
Filtro 421Un filtro molto utilizzato è
σ2g = 9 σ2
f / 64
Esempio 1/162/161/16
2/164/162/16
1/162/161/16
0 0 0 100 100 100
0 0 0 100 100 100
0 0 0 100 100 100
0 0 0 100 100 100
0 0 0 100 100 100
0 0 0 100 100 100
0 0 25 75 100 100
0 0 25 75 100 100
0 0 25 75 100 100
0 0 25 75 100 100
0 0 25 75 100 100
0 0 25 75 100 100
Comparazione
0 0 33.3 66.6 100 100
0 0 33.3 66.6 100 100
0 0 33.3 66.6 100 100
0 0 33.3 66.6 100 100
0 0 33.3 66.6 100 100
0 0 33.3 66.6 100 100
0 0 25 75 100 100
0 0 25 75 100 100
0 0 25 75 100 100
0 0 25 75 100 100
0 0 25 75 100 100
0 0 25 75 100 100
filtro costante
filtro 421
Tanto più un filtro riduce rumoretanto più l’immagine risulta sfuocata ai margini