Relatório

Curso de Engenharia Biomdica Disciplina de Processamento de Imagens Mdicas
Ano Letivo de 2012/2013
Trabalho prtico n. 1
Executado por Ctia Teixeira, n 25433 Tiago Silva, n 23316 Orientado por Fernando Monteiro Entregue em 5 de Maio de 2013
1. Resumo
Este trabalho foi realizado tendo em vista os conhecimentos adquiridos nas aulas de Processamento de Imagens Mdicas que se baseiam em realar dados contidos na imagem que no tenham sido evidenciados no processo de aquisio desta. Deste modo, permitir-nos-o saber a melhor maneira de utilizar os filtros abordados obtendo assim como resultado final o melhoramento de imagens. O nosso objetivo consistir ento, na criao, aplicao e desenvolvimento de algoritmos de processamento de imagens que nos possibilitaro manipular, melhorar e atenuar o rudo das imagens, tendo como base os conhecimentos obtidos e utilizando o programa Matlab.
Palavras chave: Filtros, Matlab.
Foi utilizada a nova ortografia.
Ctia Teixeira e Tiago Silva - ESTiG/IPB
2. ndice
1. 2. 3. 4. 5. RESUMO ........................................................................................................................................................... 1 NDICE............................................................................................................................................................... 2 NDICE DE IMAGENS .................................................................................................................................... 3 INTRODUO ................................................................................................................................................. 5 PRINCPIOS BSICOS ................................................................................................................................... 6 5.1. MANIPULAO DE IMAGENS: [1] ..................................................................................................................... 6 5.2. OPERAES ARITMTICAS: [1], [2].................................................................................................................. 7 5.3. HISTOGRAMA: [1], [3] ...................................................................................................................................... 8 5.3.1. Equalizao do Histograma: ................................................................................................................ 8
5.4. ESPAO DE COR RGB / HSV: [4], [5], [6] ........................................................................................................ 8 5.5. MELHORIA DA IMAGEM: [3], [7], [8] ................................................................................................................ 9 5.6. ATENUAO DE RUDO: [1], [9] ....................................................................................................................... 9 6. RESULTADOS EXPERIMENTAIS ............................................................................................................. 12 6.1. MANIPULAO DA IMAGEM: ......................................................................................................................... 12 6.1.1. 6.1.2. Acrescentar uma moldura branca, com uma largura de 10 pixels: .................................................... 12 Considerar a imagem original dividida em 4 regies alterando as suas posies: ............................ 13
6.2. OPERAES ARITMTICAS: ........................................................................................................................... 17 6.3. MELHORIA DA IMAGEM ................................................................................................................................. 19 6.3.1. 6.3.2. Na perceo dos vasos sanguneos (Fig4.tif): .................................................................................... 20 Na perceo geral da Imagem (Fig5.tif):............................................................................................ 21
6.4. ATENUAO DE RUDO .................................................................................................................................. 22 6.4.1. 6.4.2. 7. 8. 9. 10. Operaes de atenuao de rudo aplicadas na pintura (Fig6.tif): .................................................... 23 Operaes de atenuao de rudo aplicadas na forma anatmica do rim (Fig7.tif): ......................... 25
ANLISE DOS RESULTADOS .................................................................................................................... 27 CONCLUSO E TRABALHO FUTURO .................................................................................................... 30 REFERNCIAS BIBLIOGRFICAS ........................................................................................................... 31 ANEXOS .......................................................................................................................................................... 32
3. ndice de Imagens
Figura 1 Matriz de imagem; Figura 2 Imagem original; Figura 3 Imagem original com moldura; Figura 4 Imagem A; Figura 5 Imagem B; Figura 6 Imagem C; Figura 7 Imagem D; Figura 8 Imagem alterada; Figura 9 Fig2.tif; Figura 10 Fig3.tif; Figura 11 Mdulo da Diferena; Figura 12 Equalizao local; Figura 13 Adapthisteq; Figura 14 Fig4.tif; Figura 15 Fig5.tif; Figura 16 Equalizao local; Figura 17 Expanso da equalizao local; Figura 18 Equalizao total; Figura 19 Expanso da equalizao total; Figura 20 Imagem melhorada; Figura 21 Imagem melhorada; Figura 22 Fig6.tif; Figura 23 Fig7.tif; Figura 24 Filtro max; Figura 25 Imagem melhorada;
Figura 26 Filtro chmean; Figura 27 Filtro medfilt2;
4. Introduo
Quando se trata de imagens mdicas, a visualizao de determinadas zonas especficas muito importante para a realizao de um diagnstico rpido e correto, mas isso nem sempre acontece devido existncia de rudos e o grande problema que se enfrenta em imagens com rudo o nvel de saturao. Sendo assim, o tratamento dessas mesmas imagens atravs do Matlab, usando filtros e algoritmos adequados, torna as imagens mais ntidas e com mais contraste. Assim, no mbito da disciplina de Processamento de Imagens Mdicas foi-nos proposta a realizao de um trabalho prtico tendo em conta os seguintes objetivos: a. Criar algoritmos que permitam manipular a imagem. b. Aplicar algoritmos de processamento de imagem que permitam melhorar as imagens. c. Desenvolver algoritmos de processamento de imagem que permitam atenuar o rudo presente na imagem. d. Familiarizao com funes de processamento de imagem utilizando o Matlab. Para isso utilizaremos os nossos conhecimentos adquiridos nas aulas recorrendo ao programa Matlab como ferramenta principal do trabalho.
5. Princpios bsicos
Uma imagem uma representao numrica de uma imagem bidimensional. uma matriz onde cada ponto um valor discreto, onde m e n correspondem quantidade de colunas e linhas. A imagem digital contm um nmero fixo de linhas e colunas de pixels, sendo estes o menor elemento individual numa imagem, mantendo os valores quantificados que representam o brilho de uma determinada cor.
Figura 1 Matriz de imagem;
5.1. Manipulao de imagens: [1]
A manipulao de objetos por parte do Homem , na maioria das vezes, efetuada com a ajuda da viso. Dos cinco sentidos que o Homem possui, a viso aquele que o Homem mais depende e de onde lhe provem maior quantidade de informao. Assim, a manipulao de imagens consiste na obteno de imagens cada vez melhores dependendo do nosso objetivo final, uma vez que atravs da anlise de imagens consegue-se fazer melhoria destas e deteo de dados de interesse para o nosso estudo.
Os principais objetivos do processamento de imagem so o restauro e o realce (melhoramento da imagem), a anlise (extrair uma descrio da imagem) e a codificao (forma diferente de representar a imagem). Das diversas operaes existentes destacam-se por exemplo a eliminao do nevoeiro de uma imagem, a suavizao de uma imagem de modo a retirar o rudo, o melhoramento do contraste, a diviso da imagem em regies como objeto e fundo, o aumento ou diminuio de uma imagem e a codificao de uma imagem de uma forma eficiente para guardar ou transmitir.
5.2. Operaes Aritmticas: [1], [2]
As tcnicas de processamento de imagens podem ser aplicadas no domnio espacial e no domnio da frequncia. O domnio espacial refere-se s tcnicas baseadas na manipulao direta dos pixels, sendo estas tcnicas divididas em pontuais, locais ou globais. As tcnicas pontuais so tcnicas em que o resultado num pixel apenas depende do valor do pixel de entrada correspondente, e um exemplo destas operaes so as operaes aritmticas cuja aplicao pixel a pixel entre duas imagens. Assim, os operadores aritmticos mais usados so a soma e a subtrao. A soma permite incluir uma imagem na outra podendo-se obter resultados superiores a 255 e a subtrao reala as diferenas entre as imagens podendo-se obter resultados negativos. No Matlab para realizar a subtraco usam-se as seguintes funes: I=imsubtract (I1,I2) ou I=imabsdiff (I1,I2), esta ltima subtrai duas imagens tal como a funo imsubtract contudo a nova imagem em diferena absoluta (Mdulo da diferena). E para a soma usa-se a seguinte funo: I=Imadd(I1,I2);
5.3. Histograma: [1], [3]
Um histograma um diagrama que representa a frequncia de ocorrncia dos brilhos de uma imagem. Permite-nos obter uma informao global sobre uma imagem. O limite esquerdo do grfico corresponde ao preto e o lado direito ao branco. O histograma normalizado d uma estimativa da probabilidade de ocorrncia e cada valor na imagem. A soma de todos os valores do histograma normalizado d 1. atravs de um histograma que se consegue analisar se a imagem mais ou menos clara, se o histograma for distribudo por todo apresenta um alto contraste. O contraste uma medida qualitativa e que est relacionada com a distribuio dos tons de cinza numa imagem. Para obter o histograma em MATLAB usa-se a funo imhist. 5.3.1. Equalizao do Histograma:
A equalizao do Histograma consiste na modificao deste at que o histograma final da imagem seja o mais constante possvel. No entanto, deve notar-se que a operao de equalizao do histograma s conduziria a histogramas efetivamente constantes se a gama de brilhos fosse contnua e fosse infinito o nmero de pontos da imagem. Por sua vez, a equalizao do histograma divide-se em equalizao total e equalizao local. Para se obterem em MATLAB usam-se as funes: histeq e adapthisteq, respetivamente.
5.4. Espao de cor RGB / HSV: [4], [5], [6]
O RGB bom para visualizar uma imagem no ecr, enquanto o HSV bom para a manipulao e segmentao de imagens. Uma vez que, o RGB separa trs componentes de cor vermelho, verde e azul e, o modelo HSV separa a cor, a saturao (relao de cor) e o brilho (intensidade), que faz com que este espao seja muito melhor que o primeiro. Em MATLAB os cdigos que permitem passar de um espao para outro so implementados da seguinte forma: I=rgb2hsv (I) ou I=hsv2rgb (I);
5.5. Melhoria da Imagem: [3], [7], [8]
Para que se possa melhorar uma imagem existem vrios operadores pontuais tais como o histeq, adapthisteq, imcomplement e o imadjust. O histeq uma equalizao do histograma que uma tcnica a partir da qual se procura redistribuir os valores de tons de cinza dos pixels numa imagem de modo a obter um histograma uniforme no qual o nmero de pixels de qualquer nveis de cinza praticamente o mesmo (equalizao total). O adapthisteq uma equalizao do histograma que uma tcnica que utiliza uma janela de tamanho predefinido pelo Matlab (8x8) para correr a imagem e, para cada posio da janela na imagem, analisa-se apenas os tons de cinza dentro da janela (equalizao local). O imcomplement uma tcnica que faz com que o preto e o branco sejam invertidos ou seja, faz o negativo da imagem. E por ltimo o imadjust uma tcnica a partir da qual o histograma original de uma imagem modificado de tal forma que parte dele expandido para ocupar toda a faixa de cinza da imagem.
5.6. Atenuao de rudo: [1], [9]
O aparecimento de rudo numa imagem digital ocorre durante o processo de aquisio e/ou durante a transmisso. O rudo corresponde a toda a entidade da imagem que no relevante para o objetivo do processamento, esse rudo ir afetar todo o processamento que seja posteriormente aplicado. A reduo do rudo fundamental para obter bons resultados em processamento de imagens e para minimizar este problema podemos aplicar s imagens uma diversificada gama de filtros. A filtragem permite-nos melhorar a relao sinal/rudo de imagens, procurando preservar as suas estruturas anatmicas. Tratando-se de uma operao realizada no domnio espacial. Assim, existem vrios tipos de filtros:
O spfilt que realiza uma filtragem espacial da imagem original. Dentro deste encontramos vrios tipos de filtros desde: o amean mdia aritmtica de filtragem. No filtro de mdia o valor de cada pixel substitudo pela mdia da sua vizinhana. o gmean mdia geomtrica de filtragem. O filtro da mdia geomtrica definido como o produto de todos os membros do conjunto elevado ao inverso do nmero de membros, esse valor colocado na imagem alterada. o hmean mdia harmnica de filtragem. O filtro mdia harmnica tem uma boa funcionalidade para rudos do tipo sal e gaussiano, no tem bom resultado no rudo pimenta. o chmean mdia contra-harmnica de filtragem. O filtro da mdia contraharmnica adequado para a reduo de rudo sal e pimenta. o median filtragem da mediana. O filtro mediana tem como princpio de funcionamento colocar os valores da vizinhana num vetor de forma ordenada, o valor central desse vetor ser colocado no pixel central. Este filtro mantm os contornos, retira grande parte do rudo sem afetar grandemente a nitidez da imagem. o max filtragem mxima. O filtro mximo atribui ao pixel central o valor mximo da sua vizinhana. o min filtragem mnima. O filtro mnimo atribui ao pixel central o valor mnimo da sua vizinhana. o midpoint filtragem ponto mdio. O filtro ponto mdio tem como princpio a substituio do ponto central da matriz pela mdia feita entre o valor mais alto e o mais baixo. o athrimmed mdia-alfa de filtragem. Este filtro uma mistura entre o filtro mediana e mdia, consegue-se bons resultados com a aplicao deste filtro. Tem um grande desempenho em imagens danificadas com rudo gaussiano.
O fspecial que cria um filtro bidimensional de um tipo especfico. Os tipos de filtros podem ser: o average mdia. o disk mdia circular. o gaussian O filtro gaussiano aplicvel em todas as direes de igual forma, a funo gaussiana processa a imagem trocando o pixel central por
10
uma mdia ponderada na qual os pixels vizinhos tm pesos diferentes, os pixels vizinhos tm mais importncia no clculo da mdia do que os pixels mais afastados. Este filtro evita o espalhamento de uma propriedade local da imagem. o laplacian aproximao do operador bidimensional laplaciano. o log laplaciano e gaussiano. o motion retorna um filtro aproximado do movimento linear de uma imagem. o prewitt filtro que enfatiza bordas horizontais com aproximao a um gradiente vertical. o sobel filtro que enfatiza bordas horizontais utilizando o efeito de alisamento com aproximao a um gradiente vertical. o unsharp filtro de realce. O bilateral O filtro bilateral tem como funcionamento base a mdia atribuindo diferentes pesos aos vizinhos, dependendo da proximidade espacial e da diferena de intensidades do pixel central relativamente aos vizinhos. Este filtro preserva a estrutura da imagem uma vez que s ir atuar sobre os vizinhos que fazem parte da mesma regio do ncleo. O kuwahara Este filtro preserva bem os contornos da imagem, o funcionamento deste filtro tem como princpio considerar 4 regies em volta do pixel a analisar, em cada uma das 4 regies calculasse a mdia e a varincia, o valor atribudo ao pixel central o valor mdio da regio que possui menor varincia. O medfilt2 filtro mediana. uma operao no-linear, muitas vezes utilizada para reduzir o sal e pimenta que funcionam como rudo na imagem. O imfilter Este filtro faz a filtragem de imagens multidimensionais com filtros multidimensionais.
11
6. Resultados experimentais
6.1. Manipulao da Imagem:
Tendo a imagem original:
Figura 2 Imagem original;
6.1.1. Acrescentar uma moldura branca, com uma largura de 10 pixels:
Sabendo que o tamanho da imagem de 512 e para que esta no perca informao aps acrescentar uma moldura, tem de se aumentar o tamanho da matriz da moldura, definindo ainda o espao da mesma ao multiplicar por 255, tendo j ficado definida a zona da moldura branca: [r,c]=size(I); I2=ones(r+20,c+20)*255;
12
Assim, temos o seguinte cdigo, onde inserimos a imagem original na moldura definida: [r1,c1]=size(I2); I2(11:r1-10,11:c1-10)=I;
Resultando na seguinte imagem:
Figura 3 Imagem original com moldura;
6.1.2. Considerar a imagem original dividida em 4 regies alterando as suas posies:
Procedendo diviso da imagem em 4 regies e de seguida alterao das suas posies, de acordo com o seguinte esquema:
13
A C
B D
B D
C A
Temos:
Determinao do tamanho da imagem e variveis auxiliares (metade do tamanho da original):
[r,c]=size(I); r1=r/2; c1=c/2;
Diviso da imagem em 4 regies, de tamanho igual:
A=I(1:r1,1:c1); B=I(1:r1,c1+1:c); C=I(r1+1:r,1:c1); D=I(r1+1:r,c1+1:c);
14
Imagens individuais de cada regio: figure,imshow(A); title('A'); figure,imshow(B); title('B'); figure,imshow(C); title('C'); figure,imshow(D); title('D');
Figura 4 Imagem A;
Figura 5 Imagem B;
Figura 6 Imagem C;
Figura 7 Imagem D;
15
Criao de uma nova matriz de imagem do tamanho da original para que se possam colocar as 4 regies: I2=zeros(r,c);
E por fim, alterao das posies das 4 regies de acordo com o esquema referido em cima inseridas na nova imagem:
I2(1:r1,1:c1)=B; I2(1:r1,c1+1:c)=C; I2(r1+1:r,1:c1)=D; I2(r1+1:r,c1+1:c)=A;
Figura 8 Imagem alterada;
16
6.2. Operaes Aritmticas:
Considerando as imagens Fig2.tif e Fig3.tif fornecidas pelo professor,
Figura 9 Fig2.tif;
Figura 10 Fig3.tif;
Para obter os melhores resultados da angiografia, recorreu-se s seguintes operaes aritmticas pela seguinte ordem: imabsdiff Mdulo da diferena. adapthisteq Equalizao local.
Fez-se um aumento em 75 cores da original, para aumentar o contraste, da seguinte forma:
for i=1:r for j=1:c I7(i,j)=I7(i,j)+75; end end
17
Obtendo-se a seguinte sequncia de imagens:
Figura 11 Mdulo da Diferena;
Figura 12 Aumento do contraste;
Figura 13 Adapthisteq;
18
6.3. Melhoria da Imagem
Considerando as imagens Fig4.tif e Fig5.tif. fornecidas pelo professor,
Figura 14 Fig4.tif;
Figura 15 Fig5.tif;
Para obter uma melhoria das imagens utilizou-se a seguinte sequncia de operaes: Converteu-se as imagens de cores RGB para o espao de cor HSV. O modelo HSV separa cor, saturao e intensidade. Que muito mais til para a manipulao do que o espao RGB. Retirou-se a terceira componente, a intensidade, s duas imagens da seguinte forma:
Ix=rgb2hsv(I); I=Ix(:,:,3);
19
De seguida, 6.3.1. Na perceo dos vasos sanguneos (Fig4.tif):
Utilizaram-se as seguintes funes: o adapthisteq Equalizao local. o imadjust Expanso da equalizao local.
Figura 16 Equalizao local;
Figura 17 Expanso da equalizao local;
20
6.3.2. Na perceo geral da Imagem (Fig5.tif):
Utilizaram-se as seguintes funes: o histeq Equalizao total. o imadjust Expanso da equalizao total.
Figura 18 Equalizao total;
Figura 19 Expanso da equalizao total;
E por ltimo, voltou-se a colocar a terceira componente que foi retirada nas 2 imagens que foram processadas, da seguinte forma: Ix(:,:,3)=I6; Iz=hsv2rgb(Ix); Ix(:,:,3)=I4; Iz=hsv2rgb(Ix);
21
Obtendo-se as seguintes imagens melhoradas:
Figura 20 Imagem melhorada;
6.4. Atenuao de rudo
Para conseguir atenuar/eliminar a existncia de rudo na tinta usada na pintura ou na forma anatmica do rim, recorreu-se aplicao de diferentes tipos de filtros, no s os abordados nas aulas como tambm os existentes no Matlab. Assim, para a aplicao de diferentes tipos de filtros teve-se que ter na mesma diretoria as funes spfilt., bilateralf.m, kuwahara.m, changeclass.m, pois estas foram chamadas diretamente no cdigo ou chamadas por outras funes, Considerando as imagens Fig6.tif e Fig7.tif fornecidas pelo professor,
22
Figura 22 Fig6.tif;
Figura 23 Fig7.tif;
6.4.1. Operaes de atenuao de rudo aplicadas na pintura (Fig6.tif):
Como a imagem Fig6.tif uma pintura a cores e uma vez que a maioria dos filtros para a atenuao de rudo s podem ser aplicados em imagens com tons de cinza, teve-se a necessidade de aplicar a funo rgb2hsv. Neste caso retirou-se a componente 3, a intensidade, da seguinte forma: Ix=rgb2hsv(I); I=Ix(:,:,3);
23
Assim, atravs da aplicao de diversos filtros, e aps uma cuidada avaliao de cada um, escolheu-se o filtro mais adequado para a situao desejada, o filtro max. No entanto, s se conseguiu ver bons resultados depois de ser colocada novamente a componente 3 e de se ter passado a imagem filtrada novamente para cores, da seguinte forma:
f18=spfilt(I,'max',3,3); figure,imshow(f18); title('max'); Ix(:,:,3)=f18; I7=hsv2rgb(Ix); figure,imshow(I7); title('Imagem melhorada');
Assim, obtiveram-se os seguintes resultados:
Figura 24 Filtro max;
24
6.4.2. Operaes de atenuao de rudo aplicadas na forma anatmica do rim (Fig7.tif):
Como esta imagem no est a cores no necessrio proceder da mesma maneira que se procedeu na imagem anterior. Assim, atravs da aplicao de diversos filtros, e aps uma cuidada anlise de cada um, escolheu-se os filtros mais adequado para a situao desejada. Assim, a sequncia dos filtros so o chmean e o medfilt2. Da seguinte forma:
f3=spfilt(I,'chmean',7,7,1.5); figure,imshow(f3); title('chmean'); f19=medfilt2(f3,[7 7]); figure,imshow(f19); title('Medfilt');
Obtendo-se os seguintes resultados:
Figura 26 Filtro chmean; Ctia Teixeira e Tiago Silva - ESTiG/IPB 25
Figura 27 Filtro medfilt2;
26
7. Anlise dos resultados

Atravs dos resultados obtidos nos exerccios conseguimos visualizar como vantajoso a manipulao de imagens, utilizando apenas as estruturas de programao do Matlab, as operaes aritmticas, a melhoria de imagens e a atenuao de rudos para que se possa obter imagens com os melhores resultados possveis. Nos resultados obtidos do Ex.1 foi conseguida a imagem pretendida, pois apenas se procedeu a uma manipulao do tamanho da matriz da imagem no caso da moldura branca e, no caso da troca das regies da imagem, apenas se combinou as coordenadas de entrada das regies com as coordenadas das regies na imagem final, onde se procedeu troca pr-definida das imagens. No resultado da angiografia (Ex.2) o melhor resultado obtido resultou da diferena entre as imagens em mdulo. Para aumentar o contraste da imagem definiu-se um ciclo for para cada pixel da imagem aumentar o seu valor em 75 tons. Posteriormente, procedeu-se a um processo de equalizao local para ficar melhor definido o resultado da angiografia. Neste caso, melhor a equalizao local do que a total, pois apenas queremos realar a diferena entre as imagens e no propriamente a imagem total. No Ex.3.1 de modo a fazer o melhoramento dos vasos sanguneos foi necessrio passar para outro formato de cores, de forma a retirar a componente 3 do brilho da imagem, ficando a imagem a nvel de cinzentos, podendo assim ser trabalhada. O facto de se optar pela equalizao local em vez da total, tem a ver com o facto de apenas querermos melhorar a perceo dos vasos sanguneos em relao imagem. A seguir fez-se uma expanso do histograma da imagem para melhor definio do contraste da imagem, obtendo assim o resultado pretendido. No Ex.3.2 de modo a fazer o melhoramento da imagem tambm foi necessrio a mudana do espao de cores, mas neste caso optamos pela equalizao da imagem total, na medida em que queramos realar mesmo a imagem toda e no propriamente uma zona da mesma. A expanso posterior imagem serviu na mesma para aumentar o contraste. No Ex.4 da imagem fig.6, o filtro com que obtivemos melhores resultados foi o filtro max, aquele que atribui ao pixel central o valor mximo da sua vizinhana, sendo a melhor mscara utilizada a 3x3.
Ficando a imagem praticamente sem rudo, embora se note mais essa particularidade quando se passa novamente a imagem para cores.
27
Em relao aos outros filtros que foram experimentados nenhum deles na nossa opinio foram os mais indicados para a atenuao do rudo da imagem pretendida por diferentes razes. Em relao ao amean, ao gmean, ao average e ao disk removem bastante rudo mas deixam as imagens finais muito desfocadas. Relativamente ao hmean a imagem obtida fica bastante desfocada e perde parte dos elementos desta que escurecem muito. Quanto ao chmean a imagem obtida ainda tem algum ruido e esta no est ainda bem definida. Em relao ao median embora retire bastante rudo deixa a imagem final muito baa. Quanto ao atrimmed tambm apresenta bons resultados embora no tao bons como o max. Relativamente ao bilateral este retira pouco rudo imagem, clareia muito a cara da mulher e escurece bastante o fundo do quadro. E por ltimo quanto ao medfilt2 este remove bem o rudo embora no consiga realar bem os detalhes da imagem. A todos estes filtros foi feito um aumento do realce atravs do unsharp. Em relao ao min este muito fraco, pois no remove muito rudo e deixa a imagem um pouco mais escura. Quanto ao midpoint embora remova bastante rudo, ainda assim a imagem fica com algum. Relativamente ao kuwahara retira rudo mas deixa a imagem estilo desenho animado. E por ltimo em relao ao gaussian este no remove muito rudo, sendo dos piores filtros a aplicar a esta imagem. Quanto fig.7 do mesmo exerccio, s foi possvel obter bons resultados com a aplicao de dois filtros o chmean e o medfilt2, que reduzem o rudo sal e pimenta, sendo a melhor mscara utilizada a 7x7 nos dois filtros. Ficando a imagem praticamente sem rudo. Em relao aos outros filtros que foram experimentados nenhum deles na nossa opinio foram os mais indicados para a atenuao do rudo da imagem pretendida por diferentes razes. Relativamente ao amean e ao atrimmed as imagens obtidas eram imagens desfocadas sem relevar grandes pormenores mesmo aps a aplicao do filtro unsharp que permite o realce das imagens. Quanto ao gmean a imagem obtida apresentava pontos pretos que no pertenciam a imagem original, ou seja, este filtro ao contrrio de atenuar o rudo aumentava, da no ser o indicado para o caso mesmo aps a aplicao do filtro unsharp. De igual modo o hmean e o min tambm apresentaram nas imagens pontos pretos mas com muita mais frequncia da tambm no serem os mais indicados. Em relao ao median, ao max, ao average, e ao disk as imagens obtidas eram imagens desfocadas o que no permitiam a visualizao dos pormenores destas. Quanto ao midpoint a aplicao deste filtro no reduziu muito o rudo, a imagem final ficou muito parecida imagem original. Em relao ao filtro kuwahara a imagem obtida foi uma imagem muito desfocada e apresentava ainda mais rudo o que no o
28
torna o mais indicado. Quanto ao bilateral a imagem obtida foi uma imagem muito desfocada e apresenta um grau de luminosidade muito grande o que no o torna favorvel mesmo aps a aplicao do filtro unsharp. E por ltimo em relao ao gaussian a imagem obtida semelhante original, no se vendo reduo de rudo, sendo o pior de todos os filtro a aplicar nesta imagem.
29
8. Concluso e trabalho futuro

Este trabalho foi muito produtivo, no s relativamente ao facto de podermos ter revisto e cimentado alguma da matria que porventura poder sair em exame mas devido prtica que pudemos ganhar em trabalhar com o Matlab. Trata-se de um programa extremamente til na medida em que no futuro nos possa ajudar de alguma maneira na nossa vida Profissional. A rea de processamento de imagens no s utilizada para o tratamento de imagens pessoais, mas tambm nas reas empresariais e mdicas. Em suma, para a rea de sade, nomeadamente, a imagiologia tem um papel importante na elaborao de diagnsticos. Portanto, aparelhos que consigam obter imagens do interior do corpo humano e que sejam capazes de converter essas mesmas imagens, a ponto de uma pessoa conseguir analisar e reconhecer pontos-chave so cada vez mais requisitados. Torna-se ento um ponto relevante que todos os programas criados sejam elaborados de uma forma simples, para que os custos sejam o mais reduzido possvel, sem a perda da qualidade do programa a nvel de velocidade de processamento e do resultado final. Os objetivos foram alcanados e conseguimos elaborar e resolver estes exerccios com sucesso, aprofundamos conhecimentos da disciplina e pusemos em prtica as bases que tnhamos adquirido ao longo das aulas prticas.
30
9. Referncias bibliogrficas
[1] Fernando Monteiro, Sebenta de Processamento de Imagens Mdicas; [2] Site mathworks http://www.mathworks.com/help/images/ref/imabsdiff.html (1-052013); [3] http://pt.scribd.com/doc/43911348/6/Equalizacao-de-histograma (1-05-2013); [4] http://siptoolbox.sourceforge.net/doc/sip-0.7.0-reference/rgb2hsv.html (1-05-2013); [5] http://siptoolbox.sourceforge.net/doc/sip-0.7.0-reference/hsv2rgb.html (1-05-2013); [6] Site mathworks http://www.mathworks.com/help/images/converting-color-data-
between-color-spaces.html (1-05-2013); [7] Site mathworks http://www.mathworks.com/help/images/ref/imcomplement.html (105-2013); [8] Site mathworks http://www.mathworks.com/help/images/ref/imadjust.html (1-052013); [9] Site mathworks (2-05-
http://www.mathworks.com/searchresults/?c%5B%5D=entiresite&q=fspecial 2013);
31
10. Anexos
Exerccio 1. Manipulao da imagem 1.1
%% Acrescentar uma moldura branca com largura de 10 pixels imagem original. clear all close all %% Leitura da imagem I=imread('Fig1.tif'); figure,imshow(I); title('Imagem original'); %% tamanho da imagem [r,c]=size(I); %% Criao da moldura com mais 20 linhas e 20 colunas j com o valor de 255 (branco) I2=ones(r+20,c+20)*255; I2=uint8(I2); %% Tamanho da moldura [r1,c1]=size(I2); %% Colocao da imagem na moldura na posiao definida I2(11:r1-10,11:c1-10)=I; figure,imshow(I2); title('Imagem com moldura'); %% Guardar a imagem nova com a extenso .tif e com o mesmo nome do exerccio imwrite(I2,'Ex1_1.tif');
1.2
%% Dividir a imagem original em 4 regies iguais e alterar a posio de cada regio clear all close all %% Leitura da imagem original
32
I=imread('Fig1.tif'); figure,imshow(I); title('Imagem Original'); %% Determinar o tamanho da imagem [r,c]=size(I); r1=r/2; c1=c/2; %% Diviso da imagem original em 4 diferentes regies de tamanho igual A=I(1:r1,1:c1); B=I(1:r1,c1+1:c); C=I(r1+1:r,1:c1); D=I(r1+1:r,c1+1:c); %% Imagens individuais de cada regio figure,imshow(A); title('A'); figure,imshow(B); title('B'); figure,imshow(C); title('C'); figure,imshow(D); title('D'); %% Criao de uma imagem nova toda a preto com o mesmo tamanho da imagem original I2=zeros(r,c); I2=uint8(I2); % figure,imshow(I2); %% nova imagem colocar as regies retiradas da imagem original e coloc-las pela ordem definida. I2(1:r1,1:c1)=B; I2(1:r1,c1+1:c)=C; I2(r1+1:r,1:c1)=D; I2(r1+1:r,c1+1:c)=A; %% Visualizao da nova imagem com diferente sequncia das regies figure,imshow(I2); title('Imagem alterada'); %% Guardar a imagem nova com a extenso .tif e com o mesmo nome do exerccio imwrite(A,'Ex1_2_A.tif'); imwrite(B,'Ex1_2_B.tif'); imwrite(C,'Ex1_2_C.tif'); imwrite(D,'Ex1_2_D.tif'); imwrite(I2,'Ex1_2.tif');
33
Exerccio 2. Operaes aritmticas

%% Obter o melhor resultado da angiografia clear all close all %% Leitura das duas imagens originais I2=imread('Fig2.tif'); figure,imshow(I2); title('Fig2'); I3=imread('Fig3.tif'); figure,imshow(I3); title('Fig3'); %% Processamento I4=imsubtract(I2,I3); % figure,imshow(I4); % title('imsubtract'); I5=imcomplement(I4); % figure,imshow(I5); % title('negativo do imsubtract'); I6=imabsdiff(I2,I3); figure,imshow(I6); title('imabsdiff'); % I7=imcomplement(I6); % figure,imshow(I7); % title('negativo do imabsdiff'); I7=I6; [r,c]=size(I7); %% Aumento em 75 cores da original for i=1:r for j=1:c I7(i,j)=I7(i,j)+75; end end figure,imshow(I7); title('Aumento de I6 em 75 cores'); %% Utilizao do adapthisteq % I9=adapthisteq(I5); % figure,imshow(I9); % title('I9'); I8=adapthisteq(I7); figure,imshow(I8); title('Adapthisteq do imabsdiff');
34
%% Guardar a imagem resultante imwrite(I6,'Ex_2_a.tif'); imwrite(I7,'Ex_2_b.tif'); imwrite(I8,'Ex_2.tif');
Exerccio 3. Melhoria da imagem 3.1

% Melhoria na percepo dos vasos sanguneos clear all close all %% Leitura da imagem original I=imread('Fig4.tif'); figure,imshow(I); %% Retira o brilho da imagem original Ix=rgb2hsv(I); I=Ix(:,:,3); %% Equalizaes % % I3=histeq(I); %% equalizao total % figure,imshow(I3); % % I4=imadjust(I); % figure,imshow(I4); I5=adapthisteq(I); %% equalizao local figure,imshow(I5); title('equalizao local'); I6=imadjust(I5); figure,imshow(I6); title('expanso da equalizao local'); %% Transforma a imagem I6 numa imagem colorida melhorada. Neste caso a imagem final vai se a imagem original com um processo de expanso do adapthisteq. Ix(:,:,3)=I6; I7=hsv2rgb(Ix); figure,imshow(I7); %% Guardar a imagem final imwrite(I5,'Ex3_1_a.tif'); imwrite(I6,'Ex3_1_b.tif'); imwrite(I7,'Ex3_1.tif');
35
3.2
%% Melhoria na percepo geral da imagem clear all close all I=imread('Fig5.tif'); figure,imshow(I); title('Fig5.tif'); %% Retira o brilho da imagem original Ix=rgb2hsv(I); I=Ix(:,:,3);
%% Equalizaes I3=histeq(I); %% equalizao total figure,imshow(I3); title('equalizao total'); I4=imadjust(I3); figure,imshow(I4); title('expanso da equalizao total'); % % % % % I5=adapthisteq(I); figure,imshow(I5); I6=imadjust(I5); figure,imshow(I6); %% equalizao local
%% Transforma a imagem I4 numa imagem colorida melhorada. Neste caso a imagem final vai ser a imagem original com um processo de expanso do adapthisteq. Ix(:,:,3)=I4; I7=hsv2rgb(Ix); figure,imshow(I7); title('imagem melhorada'); %% Guardar a imagem final imwrite(I3,'Ex3_2_a.tif'); imwrite(I4,'Ex3_2_b.tif'); imwrite(I7,'Ex3_2.tif');
Exerccio 4. Atenuao de Rudo 4.1

%% Atenuao/eliminao da existncia de quebras(rudo) na tinta, usada na pintura
36
clear all close all I=imread('Fig6.tif'); figure,imshow(I); title('Imagem Original'); Ix=rgb2hsv(I); % figure,imshow(Ix); % title('hsv'); I=Ix(:,:,3); % figure,imshow(I); % title('Imagem sem a 3 componente'); %% Aplicao de diversos filtros: %% Filtro max f18=spfilt(I,'max',3,3); figure,imshow(f18); title('max'); %% Filtro amean com a aplicao de um filtro unsharp (realce) % % % % % % % % f=spfilt(I,'amean',7,7); figure,imshow(f); title('amean'); h7=fspecial('unsharp',0.2); f18=imfilter(f,h7,'replicate'); figure,imshow(f18); title('Unsharp amean');
%% Filro gmean com a aplicao de um filtro unsharp (realce) % % % % % % % % f1=spfilt(I,'gmean',7,7); figure,imshow(f1); title('gmean'); h7=fspecial('unsharp',0.2); f18=imfilter(f1,h7,'replicate'); figure,imshow(f18); title('Unsharp gmean');
%% Filtro hmean com a aplicao de um filtro unsharp (realce) % % % % % % % % f2=spfilt(I,'hmean',7,7); figure,imshow(f2); title('hmean'); h7=fspecial('unsharp',0.2); f18=imfilter(f2,h7,'replicate'); figure,imshow(f18); title('Unsharp hmean');
%% Filtro chmean com a aplicao de um filtro unsharp (realce)
37
% % % % % % % %
f3=spfilt(I,'chmean',5,5,1.5); figure,imshow(f3); title('chmean'); h7=fspecial('unsharp',0.2); f18=imfilter(f3,h7,'replicate'); figure,imshow(f18); title('Unsharp chmean');
%% Filtro median com a aplicao de um filtro unsharp (realce) % % % % % % % % f4=spfilt(I,'median',7,7); figure,imshow(f4); title('median'); h7=fspecial('unsharp',0.2); f18=imfilter(f4,h7,'replicate'); figure,imshow(f18); title('Unsharp median');
%% Filtro min (No serve) % f18=spfilt(I,'min',3,3); % figure,imshow(f18); % title('min'); %% Filtro midpoint (No serve) % f18=spfilt(I,'midpoint',3,3); % figure,imshow(f18); % title('midpoint'); %% Filtro atrimmed com a aplicao de um filtro unsharp (realce) % % % % % % % % f8=spfilt(I,'atrimmed',7,7,4); figure,imshow(f8); title('atrimed'); h7=fspecial('unsharp',0.2); f18=imfilter(f8,h7,'replicate'); figure,imshow(f18); title('Unsharp atrimmed');
%% Filtro kuwahara % f18=kuwahara(I,7); % figure,imshow(f18); % title('kuwahara'); % %% Filtro bilateral % % % % % I3=im2double(I); I4=imadjust(I3); sigma=[7 0.2]; f18=bilateralf(I4,7,sigma);
38
% % % % % % %
figure,imshow(f18); title('bilateral'); h7=fspecial('unsharp',0.2); f18=imfilter(f18,h7,'replicate'); figure,imshow(f18); title('Unsharp atrimmed');
%% Filtro average % % % % % % % % % h=fspecial('average',7); f11=imfilter(I,h,'replicate'); figure,imshow(f11); title('Average'); h7=fspecial('unsharp',0.2); f18=imfilter(f11,h7,'replicate'); figure,imshow(f18); title('Unsharp average');
%% Filtro disk % % % % % % % % % h1=fspecial('disk',5); f12=imfilter(I,h1,'replicate'); figure,imshow(f12); title('Disk'); h7=fspecial('unsharp',0.2); f18=imfilter(f12,h7,'replicate'); figure,imshow(f18); title('Unsharp disk');
%% Filtro gaussian % % % % h2=fspecial('gaussian',7,0.5); f18=imfilter(I,h2,'replicate'); figure,imshow(f18); title('Gaussian');
%% Filtro medfilt % % % % % % % % f19=medfilt2(I,[7 7]); figure,imshow(f19); title('Medfilt'); h7=fspecial('unsharp',0.2); f18=imfilter(f19,h7,'replicate'); figure,imshow(f18); title('Unsharp medfilt');
%% Colocao da imagem melhorada novamente a cores Ix(:,:,3)=f18; I7=hsv2rgb(Ix); figure,imshow(I7); title('Imagem melhorada');
39
%% Guardar a imagem final imwrite(f18,'Ex3_2_a.tif'); imwrite(I7,'Ex4_1.tif');
4.2
%% Atenuao/eliminao da existncia de quebras(rudo) na forma anatmica do rim clear all close all I=imread('Fig7.tif'); figure,imshow(I); title('Original'); %% Aplicao de diversos filtros f3=spfilt(I,'chmean',7,7,1.5); figure,imshow(f3); title('chmean'); f19=medfilt2(f3,[7 7]); figure,imshow(f19); title('Medfilt'); %% Filtro amean com a aplicao de um filtro unsharp (realce) % % % % % % % % % f=spfilt(I,'amean',7,7); % figure,imshow(f); % title('amean'); h7=fspecial('unsharp',0.2); f18=imfilter(f,h7,'replicate'); figure,imshow(f18); title('Unsharp amean');
%% Filro gmean com a aplicao de um filtro unsharp (realce) (No serve) % % % % % % % % % f1=spfilt(I,'gmean',7,7); % figure,imshow(f1); % title('gmean'); % % h7=fspecial('unsharp',0.2); f18=imfilter(f1,h7,'replicate'); figure,imshow(f18); title('Unsharp gmean');
%% Filtro hmean com a aplicao de um filtro unsharp (realce) (No serve) % f2=spfilt(I,'hmean',7,7); % figure,imshow(f2); % title('hmean');
40
% % % % %
h7=fspecial('unsharp',0.2); f18=imfilter(f2,h7,'replicate'); figure,imshow(f18); title('Unsharp hmean');
%% Filtro chmean com a aplicao de um filtro unsharp (realce) % f3=spfilt(f18,'chmean',7,7,1.5); % figure,imshow(f3); % title('chmean'); % % % % h7=fspecial('unsharp',0.2); f20=imfilter(f19,h7,'replicate'); figure,imshow(f20); title('Unsharp medfilt');
%% Filtro median com a aplicao de um filtro unsharp (realce) % f4=spfilt(I,'median',7,7); % figure,imshow(f4); % title('median'); % % % % h7=fspecial('unsharp',0.2); f18=imfilter(f4,h7,'replicate'); figure,imshow(f18); title('Unsharp median');
%% Filtro max % f18=spfilt(I,'max',3,3); % figure,imshow(f18); % title('max'); %% Filtro min (No serve) % f18=spfilt(I,'min',3,3); % figure,imshow(f18); % title('min'); %% Filtro midpoint (No serve) % f18=spfilt(I,'midpoint',3,3); % figure,imshow(f18); % title('midpoint'); %% Filtro atrimmed com a aplicao de um filtro unsharp (realce) % f8=spfilt(I,'atrimmed',7,7,4); % figure,imshow(f8); % title('atrimed'); % % % % h7=fspecial('unsharp',0.2); f18=imfilter(f8,h7,'replicate'); figure,imshow(f18); title('Unsharp atrimmed');
41
%% Filtro kuwahara (No serve) % f18=kuwahara(I,7); % figure,imshow(f18); % title('kuwahara'); %% Filtro bilateral % I3=im2double(I); % I4=imadjust(I3); % % % % % % % % sigma=[5 0.2]; f18=bilateralf(I4,7,sigma); figure,imshow(f18); title('bilateral'); h7=fspecial('unsharp',0.2); f18=imfilter(f18,h7,'replicate'); figure,imshow(f18); title('Unsharp atrimmed');
%% Filtro average % % % % % % % % h=fspecial('average',7); f11=imfilter(I,h,'replicate'); figure,imshow(f11); title('Average'); h7=fspecial('unsharp',0.5); f18=imfilter(f11,h7,'replicate'); figure,imshow(f18); title('Unsharp average');
%% Filtro disk % % % % % % % % h1=fspecial('disk',5); f12=imfilter(I,h1,'replicate'); figure,imshow(f12); title('Disk'); h7=fspecial('unsharp',0.2); f18=imfilter(f12,h7,'replicate'); figure,imshow(f18); title('Unsharp disk');
%% Filtro gaussian % % % % h2=fspecial('gaussian',7,0.5); f18=imfilter(I,h2,'replicate'); figure,imshow(f18); title('Gaussian');
%% Filtro medfilt % f19=medfilt2(I,[7 7]); % figure,imshow(f19); % title('Medfilt');
42
%% Guardar a imagem final (em formato.tif) imwrite(f3,'Ex4_2_a.tif'); imwrite(f19,'Ex4_2.tif');
43

Relatório

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Relatório

Enviado por

Direitos autorais:

Formatos disponíveis

Curso de Engenharia Biomdica Disciplina de Processamento de Imagens Mdicas

Ano Letivo de 2012/2013

Palavras chave: Filtros, Matlab.

Foi utilizada a nova ortografia.

Ctia Teixeira e Tiago Silva - ESTiG/IPB

Ctia Teixeira e Tiago Silva - ESTiG/IPB

Ctia Teixeira e Tiago Silva - ESTiG/IPB

Figura 26 Filtro chmean; Figura 27 Filtro medfilt2;

Ctia Teixeira e Tiago Silva - ESTiG/IPB

Ctia Teixeira e Tiago Silva - ESTiG/IPB

Figura 1 Matriz de imagem;

5.1. Manipulao de imagens: [1]

Ctia Teixeira e Tiago Silva - ESTiG/IPB

5.2. Operaes Aritmticas: [1], [2]

Ctia Teixeira e Tiago Silva - ESTiG/IPB

5.3. Histograma: [1], [3]

5.4. Espao de cor RGB / HSV: [4], [5], [6]

Ctia Teixeira e Tiago Silva - ESTiG/IPB

5.5. Melhoria da Imagem: [3], [7], [8]

5.6. Atenuao de rudo: [1], [9]

Ctia Teixeira e Tiago Silva - ESTiG/IPB

Ctia Teixeira e Tiago Silva - ESTiG/IPB

Ctia Teixeira e Tiago Silva - ESTiG/IPB

6.1. Manipulao da Imagem:

Tendo a imagem original:

Figura 2 Imagem original;

6.1.1. Acrescentar uma moldura branca, com uma largura de 10 pixels:

Ctia Teixeira e Tiago Silva - ESTiG/IPB

Resultando na seguinte imagem:

Figura 3 Imagem original com moldura;

6.1.2. Considerar a imagem original dividida em 4 regies alterando as suas posies:

Ctia Teixeira e Tiago Silva - ESTiG/IPB

Determinao do tamanho da imagem e variveis auxiliares (metade do tamanho da original):

[r,c]=size(I); r1=r/2; c1=c/2;

Diviso da imagem em 4 regies, de tamanho igual:

A=I(1:r1,1:c1); B=I(1:r1,c1+1:c); C=I(r1+1:r,1:c1); D=I(r1+1:r,c1+1:c);

Ctia Teixeira e Tiago Silva - ESTiG/IPB

Ctia Teixeira e Tiago Silva - ESTiG/IPB

I2(1:r1,1:c1)=B; I2(1:r1,c1+1:c)=C; I2(r1+1:r,1:c1)=D; I2(r1+1:r,c1+1:c)=A;

Figura 8 Imagem alterada;

Ctia Teixeira e Tiago Silva - ESTiG/IPB

6.2. Operaes Aritmticas:

Considerando as imagens Fig2.tif e Fig3.tif fornecidas pelo professor,

Fez-se um aumento em 75 cores da original, para aumentar o contraste, da seguinte forma:

for i=1:r for j=1:c I7(i,j)=I7(i,j)+75; end end

Ctia Teixeira e Tiago Silva - ESTiG/IPB

Obtendo-se a seguinte sequncia de imagens:

Figura 11 Mdulo da Diferena;

Figura 12 Aumento do contraste;

Ctia Teixeira e Tiago Silva - ESTiG/IPB

6.3. Melhoria da Imagem

Considerando as imagens Fig4.tif e Fig5.tif. fornecidas pelo professor,

Ctia Teixeira e Tiago Silva - ESTiG/IPB

De seguida, 6.3.1. Na perceo dos vasos sanguneos (Fig4.tif):

Obtendo-se a seguinte sequncia de imagens:

Figura 16 Equalizao local;

Figura 17 Expanso da equalizao local;

Ctia Teixeira e Tiago Silva - ESTiG/IPB

6.3.2. Na perceo geral da Imagem (Fig5.tif):

Obtendo-se a seguinte sequncia de imagens:

Figura 18 Equalizao total;

Figura 19 Expanso da equalizao total;

Ctia Teixeira e Tiago Silva - ESTiG/IPB

Obtendo-se as seguintes imagens melhoradas: