View
0
Download
0
Category
Preview:
Citation preview
SF 1/11/2007 - 1
Plano Plano dada aula de aula de hojehoje
Fundamentos de Imagens Digitais 2D e 3DMotivação: preparatório p/ as próximas aulas
– Compressão, transformadas geométricas, segmentação, filtragem, PACS, visualização, tomografia
Conceitos básicos de proc. imagens– pixel/voxel, resolução espacial, discretização, faixa
dinâmica, resolução temporal– histograma e segmentação por threshold– sistemas lineares– medidas de qualidade em imagens– visualização– Transformadas, convolução– interpolação
SF 1/11/2007 - 2
Formação da Imagem no OlhoFormaFormaçção da Imagem no Olhoão da Imagem no Olho
Mecanismos de Adaptação: Foco
SF 1/11/2007 - 3
Formação da Imagem no OlhoFormaFormaçção da Imagem no Olhoão da Imagem no Olho
Mecanismos de Adaptação: Brilho e Cor
Cones e Bastonetes(7M e 70M células)Cones e Bastonetes(7M e 70M células)
Íris
SF 1/11/2007 - 4
Processo de DiscretizaçãoProcesso de Processo de DiscretizaDiscretizaççãoão
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150256 tons de cinza
SF 1/11/2007 - 5
Imagens: representaImagens: representaççãoão
FunFunçção contão contíínuanuaf(x,y) f(x,y) f: Rf: Rnn => => RRpp
FunFunçção discretaão discretaf(i,j)f(i,j)f: Zf: Z++
n n => Z=> Z++pp
Pixel (Pixel (picturepicture elementelement))f(i,j)f(i,j)
VoxelVoxel (volume (volume elementelement))f(i,j,k)f(i,j,k)
SpelSpel ((spacespace elementelement))f(i,j, ... n)f(i,j, ... n)
RepresentaRepresentaçção matricialão matricialf[i][j][...]f[i][j][...]
F
f f ff f f
f f f
nXm
m
m
n n nm
=
11 12 1
21 22 2
1 2
SF 1/11/2007 - 6
ResumoResumo: : ConceitosConceitos bbáásicossicos
ImagemImagem digital => digital => matrizmatriz nn--dimensionaldimensional2D => pixel (picture element)2D => pixel (picture element)
–– raioraio X X -- CR (4096 x 4096 x 2B)CR (4096 x 4096 x 2B)–– short f[4096][4096]short f[4096][4096]
3D => 3D => voxelvoxel (volume element)(volume element)–– CT multiCT multi--slice (700cortes x 512 x 512 x 2B)slice (700cortes x 512 x 512 x 2B)–– XA (1000 XA (1000 quadrosquadros x 512 x 512 x 1B)x 512 x 512 x 1B)–– byte f[1000][512][512]byte f[1000][512][512]
4D => 4D => spelspel (space element)(space element)–– gated SPECT, RM, ..gated SPECT, RM, ..
multimulti--atributosatributos–– RM (PD, T1, T2)RM (PD, T1, T2)
F:IF:Inn --> > RRmm
SF 1/11/2007 - 7
ResumoResumo: : MatrizMatriz
nnúúmeromero de de dimensõesdimensões ((espaespaççoo))nnúúmeromero de de elementoselementos porpor dimensãodimensãonnúúmeromero de de atributosatributos ((medidasmedidas porpor elem.)elem.)nnúúmeromero de bits de bits ouou bytes bytes porpor elementoelemento
CT multiCT multi--slice (700cortes x 512 x 512 x 2B)slice (700cortes x 512 x 512 x 2B)3D, 700 em z, 512 em x e y, 1 3D, 700 em z, 512 em x e y, 1 atributoatributo, 2 , 2 bytes bytes porpor elementoelemento367 MB367 MBshort f[700][512][512]short f[700][512][512]
xy z
SF 1/11/2007 - 8
Criar uma matrizCriar uma matriz
gated RM=> 4D (16 gated RM=> 4D (16 fasesfases, 128 slices, 256 x 256, 2 , 128 slices, 256 x 256, 2 bytes) com 3 bytes) com 3 atributosatributos parapara cadacada spelspel (PD, T1, T2)(PD, T1, T2)
short f [16][128][256][256][3]short f [16][128][256][256][3]
SF 1/11/2007 - 9
MãosMãos nana massamassa: : lerler / / verver c/ IJc/ IJ
ArquivoArquivo rawrawtype of data: byte, type of data: byte, intint, float, ..., float, ...[little, big] [little, big] endianendian: : endereendereççoo emem memmemóóriariaapontaaponta p/ little p/ little ouou big partbig partescalaescala de coresde coressegmentasegmentaççãoão porpor thresholdingthresholding
ArquivoArquivo JPEGJPEGArquivoArquivo DICOMDICOM
SF 1/11/2007 - 10
Plano Plano dada aula de aula de hojehoje
Fundamentos de Imagens Digitais 2D e 3DMotivação: preparatório p/ as próximas aulas
– Compressão, transformadas geométricas, segmentação, filtragem, PACS, visualização, tomografia
Conceitos básicos de proc. imagens– pixel/voxel, resolução espacial, discretização, faixa
dinâmica, resolução temporal– histograma e segmentação por threshold– sistemas lineares– medidas de qualidade em imagens– visualização– Transformadas, convolução– interpolação
SF 1/11/2007 - 11
HistogramaHistograma
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
0
2
4
6
8
10
0 50 100 150 200 250 300
Seqüência1
SF 1/11/2007 - 12
distr. const, 32x32distr. const, 32x32
0
10
20
30
40
50
60
70
0
400
800
1200
1600
2000
2400
2800
3200
3600
4000
4400
Seqüência1
SF 1/11/2007 - 13
SegmentaSegmentaçção por não por níívelvel
T atributo
P1
P2
p1(x)p2(x)
SF 1/11/2007 - 14
ExemplosExemplos prprááticosticos
contrastecontraste / / brilhobrilho (window / level)(window / level)
0
2
4
6
8
10
0 50 100 150 200 250 300
Seqüência1
Histograma
inte
nsid
ade
do m
onito
r
valor pixel
100%
windowlevel
SF 1/11/2007 - 15
mãosmãos nana massamassa: : segmentasegmentaççãoão
SegmentaSegmentaççãoão porpor thresholdingthresholdingimagemimagem DICOM de MRI (sample)DICOM de MRI (sample)CT => simples p/ CT => simples p/ segmentarsegmentar porpor faixafaixa de HUde HU
SF 1/11/2007 - 16
MMúúltiplos atributosltiplos atributos
VE
VD
x=f(c)
( ) ( ) ( )d x x x S x xj jT
j j2 1= − −−. .
j
SF 1/11/2007 - 17
GeneralizaGeneralizaçção: clustersão: clusters
0
1
2
)
)
)
K classes com centro em c
Inicializar c
Para cada x => atribuir x p / classe j com menor distancia
3) Recalcular c
4) Repetir 2) e 3) ate nao haver mais alter.
i
j(0)
i i
j
atrib. 1
atrib
.2
SF 1/11/2007 - 18
Plano Plano dada aula de aula de hojehoje
Fundamentos de Imagens Digitais 2D e 3DMotivação: preparatório p/ as próximas aulas
– Compressão, transformadas geométricas, segmentação, filtragem, PACS, visualização, tomografia
Conceitos básicos de proc. imagens– pixel/voxel, resolução espacial, discretização, faixa
dinâmica, resolução temporal– histograma e segmentação por threshold– sistemas lineares, convolução, transformada– medidas de qualidade em imagens– visualização– Transformadas, convolução– interpolação
SF 1/11/2007 - 19
Modelo de formação: imag. médicas
ObjetoSistema deAquisição Imagem
transmissãoreflexãoemissão
foto-eletr. .raio-X,piezo-elétr. .USfoto-eletr, .MN, MRI
y
x
y’
x’
f(x,y) g(x’,y’)h(.)
h(.) = h(x’,y’,x,y,f(x,y) ) (2D)h(.) = h( u’, u, f(u) ) (nD)
Função geral p/ formação de imagens
SF 1/11/2007 - 20
Sistemas: invariânciaSistemas: invariância
Invariante com o Invariante com o ““tempotempo””
h(t)x(t) y(t)
x(t-t0) => y(t-t0)
Variante com o Variante com o ““tempotempo””
)()()()()(
000 ttyttxtttxtxtty
−≠−+→−+=
SF 1/11/2007 - 21
Sistemas linearesSistemas lineares
PrincPrincíípio da superposipio da superposiççãoão
)(.)(.)(.)(.)()(
)()(
2121
22
11
tybtyatxbtxatytxtytx
+→+→→
h(t)x(t) y(t)
SF 1/11/2007 - 22
Sistemas aditivos , linearesSistemas aditivos , lineares
ff11(x,y) (x,y) gg11(x(x’’,y,y’’))ff22(x,y)(x,y) gg22(x(x’’,y,y’’))
Sistemas aditivosSistemas aditivos
Sistemas linearesSistemas linearesg x y h x y x y f x y d x d y( ' , ' ) ( ' , ' , , , ( , ) ) . .= ∫ ∫
h(x’,y’,x,y,f(x,y) ) = h(x’,y’,x,y) . f(x,y)a.f1( ) + b.f2( ) a.g1( ) + b.g2( )
g x y h x y x y f x y d x d y( ' , ' ) ( ' , ' , , ) . ( , ) . .= ∫ ∫
PSF : point spread function
SF 1/11/2007 - 23
Sistema nãoSistema não--linearlinear
Incrementalmente linearIncrementalmente linear
))()(.(52)()()(.52)(
)(.52)()(.52)(
2121
22
11
txtxtxtxtxtytxtytxty
++→++=+=+=
5x(t)
y(t)
2
Sistema linear
SF 1/11/2007 - 24
Sistemas lineares invariantes Sistemas lineares invariantes
Sistemas lineares e invariantes (LTI)Sistemas lineares e invariantes (LTI)são suficientemente caracterizados pela são suficientemente caracterizados pela resposta ao impulsoresposta ao impulsopossibilita tratamento matempossibilita tratamento matemáático tico simplificadosimplificado
–– convoluconvoluççãoão => resposta do sistema=> resposta do sistema–– ananáálise no domlise no domíínio da nio da frequênciafrequência
qqqq. LTI pode ser representado por . LTI pode ser representado por produtprodutóóriasrias de termos de sistemas de de termos de sistemas de ordens 1 e 2ordens 1 e 2
SF 1/11/2007 - 25
ImpulsoImpulso
)()()(1)(
)(lim)(0
tfdttfd
tst
=−→=
=
∫∫∞
∞−
∞
∞−
→∆
ττδττδ
δ
][][].[
0i se 10i se 0
][
nknkx
i
kδδ
δ
=−
=≠
=
∑∞
−∞=
∆
1/∆
No caso discreto:
No caso contínuo:
SF 1/11/2007 - 26
LTILTI h(t)x(t) y(t)
)()(
)().()(
tht
dtxtx
ττδ
ττδτ
→−
−= ∫∞
∞−
Linearidade=> ττ τ∫∞
∞−
= dthxty )().()(
=>Combinação linear de x( )
Invariante=>
)(*)()(
)().()(
)()(
thtxty
dthxty
thth
=
−=
−=
∫∞
∞−
τττ
ττ
Convolução=>
SF 1/11/2007 - 27
LTI: caso discretoLTI: caso discreto h[k]x[k] y[k]
Linearidade=> ∑∞
∞−
= ][].[][ nhkxny k
Invariante=>
][*][][
][].[][
][][
nhnxny
knhkxny
knhnh k
=
−=
−=
∑∞
∞−
][][
][].[][
nhkn
knkxnx
k
k
→−
−= ∑∞
−∞=
δ
δ
Convolução=>
SF 1/11/2007 - 28
ConvoluConvoluççãoão: intuitivo: intuitivof hconv = g
h(-t)
SF 1/11/2007 - 29
LTILTI
Causalidade => h(t)=0, t<0Causalidade => h(t)=0, t<0Estabilidade => Estabilidade =>
∞<∫∞
∞−
ττ dh |)(|
SF 1/11/2007 - 30
ConvoluConvoluççãoão, , TransfTransf. de Fourier. de Fourier
ConvoluConvoluççãoão: comutativo, associativo, distributivo: comutativo, associativo, distributivoConvoluConvoluççãoão => multiplica=> multiplicaçção no domão no domíínio da nio da frequênciafrequência
)().()(
').'().()(
).().()(
)().()(
)(2
2
fHfXfY
dtdethxfY
dtdethxfY
dthxty
tfj
ftj
=
=
−=
−=
∫ ∫
∫ ∫
∫
∞
∞−
∞
∞−
+−
∞
∞−
∞
∞−
−
∞
∞−
ττ
τττ
τττ
τπ
π
SF 1/11/2007 - 31
ConvoluConvoluççãoão 2D2D
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
*1
0 1 01 -4 1
00=> -75
∑ ∑ −−==m n
njmihnmfMN
hfjig ),().,(1*),(
SF 1/11/2007 - 32
NotaNotaççãoão
Geral (Geral (nDnD) vetorial) vetorial1D, 2D, 3D, ...1D, 2D, 3D, ...
OperaOperaçções algões algéébricas, aritmbricas, aritmééticas, ticas, matriciaismatriciais
=
222120
121110
020100
33
fffffffff
F X
=02
01
00
fff
Fr
SF 1/11/2007 - 33
SistSist. lineares: representa. lineares: representaççõesões
PuntualPuntualOperadorOperadorg = g = HH ff
MatricialMatricialG = A.F.B G = A.F.B ((separavelseparavel))
VetorialVetorialg = H . fg = H . f
∫∫= dydxyxfyxyxhyxg .).,().,,','()','(
=g fH
H A B T= ⊗
SF 1/11/2007 - 34
NotaNotaçção vetorialão vetorial
G G N X NN X N g g NN2 2
x 1x 1
H H N2 x N2N2 x N2
F F N X NN X N f f NN2 2
x 1x 1
i=g fH
g h fi ijj
j= ∑
g = H. f
SF 1/11/2007 - 35
ExemplosExemplosC A Bp q r p q r p q r, , , , , ,= +
Algoritmo:n=p*q*r;for (i=0; i< n ; i++) c[i]=a[i] + b[i];
][.][);;0(
Algoritmo
.
.espaco var.lineares Sistemas
0
1,.1,..,.1,.
,,.,.,
infhiginiifor
nfHg
nFHG
jj
ij
qpnmnmqpqp
qpnmnmqpqp
+=
++<=
+=
+=
∑=
rrr
SF 1/11/2007 - 36
Plano Plano dada aula de aula de hojehoje
Fundamentos de Imagens Digitais 2D e 3DMotivação: preparatório p/ as próximas aulas
– Compressão, transformadas geométricas, segmentação, filtragem, PACS, visualização, tomografia
Conceitos básicos de proc. imagens– pixel/voxel, resolução espacial, discretização, faixa
dinâmica, resolução temporal– histograma e segmentação por threshold– sistemas lineares– Medidas de qualidade em imagens– visualização– Transformadas, convolução– interpolação
SF 1/11/2007 - 37
Imagens: caracterImagens: caracteríísticassticas
ContrasteContrasteResoluResoluçção espacialão espacialResoluResoluçção ão intensintens.:1/256 =>.:1/256 =>Faixa dinâmicaFaixa dinâmica
[0, 255] =>[0, 255] =>Desafio: compactaDesafio: compactaçção de ão de infoinfo. p/ . p/ apresentar os apresentar os parâmparâm. . diagndiagnóósticos fundam.sticos fundam.
ca ba b
=−+
ba
ab
FWHM
Resp. impulso
SF 1/11/2007 - 38
Modelo p/ degradaModelo p/ degradaççãoão
PuntualPuntualCromCromááticoticoDegradaDegradaçção pelo processo da vizinhanão pelo processo da vizinhançça (a (BlurBlur))
difradifraççãoãomovimentomovimentodesfocamentodesfocamento
SF 1/11/2007 - 39
Modelo p/ degradaModelo p/ degradaççãoão
g = H. f
=g fH j
j
......
h iji
∑ = 1 (Conservação de energia)
PSF de j
SF 1/11/2007 - 40
PointPoint spread spread functionfunction (PSF)(PSF)
Conceito: resposta impulsivaConceito: resposta impulsivaSVPSF: SVPSF: spacespace variantvariant PSFPSF
g = H.fg = H.fSIPSF : SIPSF : spacespace invariantinvariant PSFPSF
h(xh(x’’,y,y’’,x,y) = h(x,x,y) = h(x’’-- x, yx, y’’ -- y)y)
∫∫= dydxyxfyxyxhyxg .).,().,,','()','(
g x y h x x y y f x y d x d y( ' , ' ) ( ' , ' ) . ( , ) . .= − −∫ ∫
g (x’,y’) = (h * f ) (x’,y’) (Convolução)H : matriz circulante
h h hh h hh h h
h h h
( ) ( ) ( )( ) ( ) ( )( ) ( ) ( )
( ) ( ) ( )
0 0 2 11 0 0 22 1 0 0
0 2 1 0G(u,v) = H(u,v). F(u,v)
H A B T= ⊗
SF 1/11/2007 - 41
Modelo com ruModelo com ruíídodo
Modelo realModelo realíístico simplificadostico simplificadoblurblurruruíídodosistema linearsistema linearSpaceSpace invariantinvariant PSFPSF
g x y h x x y y f x y d x d y r x y( ' , ' ) ( ' , ' ) . ( , ) . . ( ' , ' )= − −∫∫ +
G(u,v) = H(u,v). F(u,v) + R(u,v)
g = H.f + r
fh
g
r
+
SF 1/11/2007 - 42
Estimativa de parâmetrosEstimativa de parâmetros
PSFPSFFonteFonte PerfilPerfil PSFPSF
∑ −=
=
)log(log.1log
.),(~ 2
FGM
H
PvuHP ffgg
médiasimetria circ.
Blocos: derivada
SF 1/11/2007 - 43
Plano Plano dada aula de aula de hojehoje
Fundamentos de Imagens Digitais 2D e 3DMotivação: preparatório p/ as próximas aulas
– Compressão, transformadas geométricas, segmentação, filtragem, PACS, visualização, tomografia
Conceitos básicos de proc. imagens– pixel/voxel, resolução espacial, discretização, faixa
dinâmica, resolução temporal– histograma e segmentação por threshold– sistemas lineares– medidas de qualidade em imagens– visualização– Transformadas, convolução– interpolação
SF 1/11/2007 - 44
MotivaMotivaçção: Visualizaão: Visualizaçção de superfão de superfííciescies
SegmentaSegmentaçção ão (contornos)(contornos)
–– primitivas primitivas RenderingRendering
–– mapeamento p/ 2Dmapeamento p/ 2D
SF 1/11/2007 - 45
OperadorOperador ProjeProjeççãoão
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
12 7 6 203 90 90 105
15 20 100 1302 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
∑−
=
=1
0),,(
N
zxy zyxfg
objeto 3D
Tela de projeção
SF 1/11/2007 - 46
OperadorOperador MIPMIP
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
12 7 6 203 90 90 105
15 20 100 1302 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
}y)(x, para ),,({max zyxfg zxy =
objeto 3D
Tela de projeção
SF 1/11/2007 - 47
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
casoscasos obloblííquosquos
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
12 7 6 203 8 9 17
15 14 10 132 22 15 150
objeto 3DTela de projeção
basta considerar as intersecções•soma ponderada (Radon)•maior valor (MIP)
SF 1/11/2007 - 48
ExemplosExemplos
diferendiferenççaa de de imagensimagensmméédiadiaprojeprojeççãoãoMIP: maximum intensity projectionMIP: maximum intensity projection
SF 1/11/2007 - 49
Plano Plano dada aula de aula de hojehoje
Fundamentos de Imagens Digitais 2D e 3DMotivação: preparatório p/ as próximas aulas
– Compressão, transformadas geométricas, segmentação, filtragem, PACS, visualização, tomografia
Conceitos básicos de proc. imagens– pixel/voxel, resolução espacial, discretização, faixa
dinâmica, resolução temporal– Medidas de qualidade em imagens– histograma e segmentação por threshold– sistemas lineares– visualização– Convolução e operadores– Transformadas de Fourier– interpolação
SF 1/11/2007 - 50
OperadoresOperadores
SF 1/11/2007 - 51
ConvoluConvoluççãoão 2D2D
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
*1
0 1 01 -4 1
00=> -75
∑ ∑ −−==m n
njmihnmfMN
hfjig ),().,(1*),(
SF 1/11/2007 - 52
-1 0 1-1-1
00
11
-1 0 1-2-1
00
21
-1 -1 -101
01
01
-1 -2 -101
02
01
Sobel∂
∂
∂∂
f x yx
f x yy
( , )
( , )
GradienteGradiente
∇ = +f x y f x yx
u f x yy
ux y( , ) ( , ) ( , )∂∂
∂∂
∂∂
∂∂
f x yx
f i f i
f i f i f i
f i f i f i
f x yx
f i f i
x i
x i
( , ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( , ) ( ) ( )
=
=
= + − −
+ =+ +
− =− +
=+ − −
12
12
12
12
12
12
1 12
i-1 i i+1-1 0 1
SF 1/11/2007 - 53
Algoritmo p/ Laplaciano em x?Algoritmo p/ Laplaciano em x?
∂∂
∂∂
f x yx
f i f i
f i f i f i
f i f i f i
f x yx
f i f i
x i
x i
( , ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( , ) ( ) ( )
=
=
= + − −
+ =+ +
− =− +
=+ − −
12
12
12
12
12
12
1 12
∇ = +22
2
2
2f x y f x yx
f x yy
( , ) ( , ) ( , )∂∂
∂∂
SF 1/11/2007 - 54
SobelSobel, , LaplaceLaplace,...,...
LaplaceLaplace
Sobel f x y f x yx
f x yy
( ( , ) ) ( ( , ) ) ( ( , ) )= +∂
∂∂
∂2 2
∇ = +22
2
2
2f x y f x yx
f x yy
( , ) ( , ) ( , )∂∂
∂∂
∂∂
∂∂∂∂
∂∂
∂∂
2
2 12
12
11 2 1
f x yx
fx
xfx
fx
f i f if i f i f i
ii i
( , ) ( )( ) ( )
( ) ( ) ( )
= = −
− − + +
+ −
= ( ( + ) - ( ) ) - ( f ( i ) - f ( i - 1 ) ) =
i-1 i i+11 -2 11
0 1 01 -4 1
00
))cos(1(2)(
)2()( 1
wTwH
zzzH
−−=
+−= −
SF 1/11/2007 - 55
Laplaciano da Gaussiana (Laplaciano da Gaussiana (LoGLoG))
EdgeEdge detector detector Gauss=>Gauss=>SmoothSmoothLaplaceLaplace=>Zero =>Zero crossingcrossing
),(*),(),(
)2
exp(),(
2
2
22
yxfyxGaussyxg
yxyxGauss
∇=
+−=
σ
LoG(x)
SF 1/11/2007 - 56
ExemplosExemplos de de operadoresoperadores
ExemplosExemplos no no ImageJImageJconvoluconvoluççãoãogradientegradienterealcerealce de de bordasbordasLaplacianoLaplacianobordasbordas
SF 1/11/2007 - 57
Plano Plano dada aula de aula de hojehoje
Fundamentos de Imagens Digitais 2D e 3DMotivação: preparatório p/ as próximas aulas
– Compressão, transformadas geométricas, segmentação, filtragem, PACS, visualização, tomografia
Conceitos básicos de proc. imagens– pixel/voxel, resolução espacial, discretização, faixa
dinâmica, resolução temporal– Medidas de qualidade em imagens– histograma e segmentação por threshold– sistemas lineares– visualização– Convolução– Transformadas de Fourier– interpolação
SF 1/11/2007 - 58
f(t)f(t) F(w)F(w)
TransformadasTransformadas no dom. freq.no dom. freq.
SF 1/11/2007 - 59
TransfTransf. de Fourier, DFT,FFT. de Fourier, DFT,FFT
y
x
F(u,v)F
f(x,y)
D i r e t a
F u v f x y j u x v y d x d y
I n v e r s a
f x y F u v j u x v y d u d v
:
( , ) ( , ) . e x p ( ( ) ) . .
:
( , ) ( , ) . e x p ( ( ) ) . .
= − +
= +
− ∞
− ∞
∫ ∫
∫ ∫
2
2
π
π
Contínuo
DiscretoF u v
MNf x y j u x
Mv y
N
f x y F u v j u xM
v yN
y
N
x
M
v
N
u
M
( , ) ( , ) . exp ( ( . ) )
( , ) ( , ) . exp ( ( . ) )
= − +
= +
=
−
=
−
=
−
=
−
∑∑
∑∑
1 2
2
0
1
0
1
0
1
0
1
π
π
F-1
SF 1/11/2007 - 60
Propriedades da Propriedades da TransfTransf.Fourier.Fourier
ConvoluConvoluççãoãoh*f h*f G=H.FG=H.Fgg FF--11 GG
CorrelaCorrelaççãoãof o gf o g F* . GF* . G
Densidade espectral de potênciaDensidade espectral de potência
SeparabilidadeSeparabilidadeTranslaTranslaççãoão
f(xf(x--x0) x0) F(u).F(u).expexp((--j2j2ππ.u.x0/N).u.x0/N)EscalaEscala
a.f(a.f(bxbx)) a/|b|.F(u/b)a/|b|.F(u/b)
f x g x f u g x u d u( ) ( ) * ( ) . ( ) .o = +∫− ∞
∞
P u v Fourier R x yP u v F u v G u v
P u v F u v F u v F u v
fg fg
fg
ff
( , ) ( ( , ) )( , ) * ( , ) . ( , )
( , ) * ( , ) . ( , ) ( , )
=
=
= =2
SF 1/11/2007 - 61
A A ttéécnicacnica::DividirDividir a a imagemimagem em em blocosblocos de 8x8 de 8x8 ppííxelsxelsAplicarAplicar a DCT em a DCT em cadacada blocobloco (em (em zigzig--zagzag))CortarCortar osos coeficientescoeficientes parapara as as componentescomponentesabaixoabaixo de um de um certocerto limitelimiteArmazenarArmazenar a a sséérierie de de coeficientescoeficientes inteirosinteirosusandousando LZWLZW
Compressão de ImagensTransformada do Cosseno (JPEG)
SF 1/11/2007 - 62
ver ver transf.ppttransf.ppt
SF 1/11/2007 - 63
RestauraRestauraççãoão e e filtragemfiltragem
SF 1/11/2007 - 64
Filtros digitais: SIPSFFiltros digitais: SIPSF
Filtragem no Filtragem no domdomíínono do espado espaçço (o (ConvoluConvoluççãoão))
ExemplosExemplosCaracterCaracteríísticas do filtro?sticas do filtro?
Filtragem no domFiltragem no domíínio da nio da frequenciafrequencia (DFT)(DFT)
g x y h x x y y f x y d x d y( ' , ' ) ( ' , ' ) . ( , ) . .= − −∫ ∫
g (x’,y’) = (h * f ) (x’,y’)
g h i m j n f m nijn
N
m
M
= − −=
−
=
−
∑∑ ( , ) . ( , )0
1
0
1
SF 1/11/2007 - 65
ExemploExemplo de de filtrosfiltros
FFT => FFT => espectroespectroFiltroFiltro passapassa--bandabanda
SF 1/11/2007 - 66
Plano Plano dada aula de aula de hojehoje
Fundamentos de Imagens Digitais 2D e 3DMotivação: preparatório p/ as próximas aulas
– Compressão, transformadas geométricas, segmentação, filtragem, PACS, visualização, tomografia
Conceitos básicos de proc. imagens– pixel/voxel, resolução espacial, discretização, faixa
dinâmica, resolução temporal– Medidas de qualidade em imagens– histograma e segmentação por threshold– sistemas lineares– visualização– Convolução– Transformadas de Fourier– interpolação
SF 1/11/2007 - 67
InterpolaInterpolaççãoão
x1 x2x
).()(1
12
121 xx
xxyyyy −
−−
+=y1
y2
y
6 82 4
SF 1/11/2007 - 68
TransformaTransformaççõesões geomgeoméétricastricas
P1 P2
P3 P4
Q1
Q2
).()(
)2(
).()()1(
334
343
112
121
xxxxII
IQI
xxxxIIIQI
−−−
+=
−−−
+=
Q(x,y)
).()1()2()1()( 112
yyyyQIQIQIQI −
−−
+=
SF 1/11/2007 - 69
SF 1/11/2007 - 70
MotivaMotivaçção: fusãoão: fusão
ConjugaConjugaçção de imagens ão de imagens para melhorar a para melhorar a sensitividadesensitividade e e sensibilidadesensibilidade diagndiagnóóstica stica (fusão)(fusão)AlinhamentoAlinhamento de de imagensimagens3D3D
EstudoEstudo multimulti--modal (CT, modal (CT, MRI, SPECT, ..) MRI, SPECT, ..) quantitativaquantitativaAumentoAumento dada sensitividadesensitividade e e dada especificidadeespecificidadediagndiagnóósticastica
SF 1/11/2007 - 71
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
12 7 6 203 8 9 17
15 14 10 132 22 15 150
TranslaTranslaççãoão
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
12 7 6 203 8 9 17
15 14 10 132 22 15 150 x
y
z
SF 1/11/2007 - 72
TranslaTranslaççãoão
=
1
.
1000100010001
11
1
1
0
0
0
2
2
2
zyx
zyx
zyx
),,(),,(),,(),,(
),,(),,(),,(
020202222
111222
222000111
21
zzyyxxfzyxgzyxfzyxg
zyxzyxzyxPtranslacaoP
−−−==
=+=>+
x
P1
P2
f(x1,y1,z1)
g(x2,y2,z2)
SF 1/11/2007 - 73
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
12 7 6 203 8 9 17
15 14 10 132 22 15 150
EscalaEscala
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
12 7 6 203 8 9 17
15 14 10 132 22 15 150 x
y
z
SF 1/11/2007 - 74
EscalaEscala
=
1
.
1000000000000
11
1
1
2
2
2
zyx
SS
S
zyx
z
y
x
x
P1
P2
f(x1,y1,z1)
g(x2,y2,z2)
SF 1/11/2007 - 75
RotaRotaççãoão
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
95 80 80 8095 90 90 105
150 20 100 130220 150 160 150
12 7 6 203 8 9 17
15 14 10 132 22 15 150 x
y
z
SF 1/11/2007 - 76
RotaRotaççãoão
−=
1
.
10000)cos()(00)()cos(00001
1
1
1
zyx
sinsin
Rαααα
α
21 )],,([ ProtaçãoP =>γβα
x
P1
P2
f(x1,y1,z1)
g(x2,y2,z2)
−
=
1
.
10000)cos(0)(00100)(0)cos(
1
1
1
zyx
sin
sin
Rββ
ββ
β
−
=
1
.
1000010000)cos()(00)()cos(
1
1
1
zyx
sinsin
Rγγγγ
γ
SF 1/11/2007 - 77
TransformaTransformaççõesões geomgeoméétricastricas
Escalamento (S) e Rotação (R) em torno de um ponto genérico (P0)1) P/ rotação deve-se centrar em (P0) => translação T2) Rotação R3) Retorno da translação (T-1)4) Escala S
)(... 101
02 PTRTSP −=
P0
SF 1/11/2007 - 78
ExemplosExemplos prprááticosticos
rotarotaççãoãoslicesliceinterpolainterpolaççãoãorendering 3Drendering 3D
rotarotaççãoãoprojeprojeççãoãoopacidadeopacidade / / reflexãoreflexão / .../ ...
SF 1/11/2007 - 79
Tomografia AlgTomografia Algéébricabrica
f1
f3
f2
f4
Imagem f
4 9
76
Problema: f |
f1+ f2 =7
f3+ f4 =6
f1+ f3 =4
f2 + f4 =9
SF 1/11/2007 - 80
SoluSoluççõesões
3
1
4
5
2
2
5
4A . x = b
M equações com N incógnitas
Sistema indeterminado (infinitas soluções, rank < N)
Sistema inconsistente (M eq. Lin. Indep > N) => otimização
f1
f3
f2
f4
Imagem f
4 9
76
SF 1/11/2007 - 81
Algébrica: otimização (regularizada)
4 9Problema: f |
f1+ f2 =7
f3+ f4 =6
f1+ f3 =4
f2 + f4 =9
.5f1+ f3 +.5 f4 =5
.5f1+ f2 +.5 f4=8
f1
f3
f2
f4
Imagem f
76
8
5
SF 1/11/2007 - 82
SoluSoluçções (otimizada)ões (otimizada)
2.5
2.0
4.6
4.1
A . x = b
6 equações com 4 incógnitas
Sistema inconsistente (M eq. Lin. Indep > N) => otimização
f1
f3
f2
f4
Imagem
76
8
5
')'(
ˆ|ˆ.|min
1
2ˆ
AAAAbAx
bxAx
−+
+
=
=
−
Recommended