Introducere in Prelucrare de Imagini

2/4/2016
PRELUCRAREA IMAGINILOR
BIOMEDICALE
2015/2016
Prof. Dr. Ing. Constantin VERTAN
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI
Cursul
1
Chestiuni administrative
Aplicatii ale PAI
- nemedicale
-biomedicale
Notiuni fundamentale
C. VERTAN
2/4/2016
Cod curs: 14.S.08.O.111 - 4 p
puncte credit
Curs:
2 ore/ saptamana
Laborator: 2 ore/ saptamana, cu subgrupa
Punctare: 40 puncte lucrare verificare 12 aprilie
40 puncte lucrare verificare 17 mai
20 puncte colocviu
l i de
d llaborator
b
(20 test laborator
0 puncte prezenta laborator)
C. VERTAN
Laborator (B138):
S.l. Dr. Ing. Marta ZAMFIR
Birou (B139)
http://alpha.imag.pub.ro/cursuri
C. VERTAN
2/4/2016
Chestiuni administrative:
Bibliografie
tiparit:
C. Vertan, M. Ciuc:
Tehnici fundamentale de
Prelucrarea si Analiza Imaginilor,
Ed. MatrixROM, Bucuresti, 2007.
on-line:
http://alpha.imag.pub.ro/cursuri
C. VERTAN
Aplicatii ale PAI

Imagini
g de consum
Imagistica satelitara
Supraveghere
Aplicatii industriale
Protectia proprietatii intelectuale
si multe altele
Domeniul bio-medical
C. VERTAN
2/4/2016
Aplicatii ale PAI:

imagini de consum
Corectia
C
ti imaginilor
i
i il in
i aparatul
t l foto:
f t
ochi rosii
iluminare
puncte defecte si praf
Gestiunea colectiilor de imagini
C. VERTAN
Corectia iluminarii
2/4/2016
Corectia automata a
efectului de ochi rosii
C. VERTAN
Infrumusetare
automata
2/4/2016
Infrumusetare automata
C. VERTAN
Detectia automata a
continutului sensibil:
family filter
Renoir :
Nud
C. VERTAN
2/4/2016
Gestiunea colectiilor de imagini
C. VERTAN
Rezultatul cautarii de imagini

Examplu: nufar galben
C. VERTAN
2/4/2016
Aplicatii ale PAI:

imagini satelitare
I t
Interpretarea
t
automata
t
t a imaginii
i
i ii
Compresie
Gestiunea continutului
C. VERTAN
2/4/2016
IKONOS
QuickBird
2/4/2016
Imagistica satelitara
SPOT (1: 1986, 5: 2002) : 2.5m panchromatic
10m multispectral
60Km x 60 Km
IKONOS (1999) : 1m pan/ 4m multispectral
EROS (2001) : 0.67m hyperesantionat panchromatic
9Km x 9 Km
QuickBird (2001) : 0.61m pan/ 2.4m multispectral
16.5Km x 16.5 Km
C. VERTAN
Aplicatii ale PAI:

supraveghere
Securitatea incintelor
Prevenirea furtului la statiile de benzina
Prevenirea copierii la examene ?
Biometrie
Protectia persoanei
C. VERTAN
10
2/4/2016
Identificarea persoanelor
Iris
Amprenta digitala
Fata
01110010111..
Recunoastere ?
C. VERTAN
Eye tracking and

measurement
eye surgery
driver fatigue detection
media and publicity
C. VERTAN
11
2/4/2016
Aplicatii ale PAI:
sky is the limit....
C. VERTAN
Aplicatii ale PAI:

imagistica medicala
Parte
P
t a modului
d l i de
d obtinere
bti
a imaginii;
i
i ii
diferite modalitati imagistice
Interpretarea automata a imaginii
C. VERTAN
12
2/4/2016
Raze X
C. VERTAN
13
2/4/2016
Osteoporosis screening
PACS
Calcaneal X-ray
decision
<=10% MD
<=15% FA
ROI 0
ROI 1
ROI 2
augmented
MPEG-7
description
supervised
classification
14
2/4/2016
Mamografii standard din baza MIAS.
normal
mase chistice maligne
Radiological characterization of
breast masses (BI-RADS) (Univ. of Calgary)
15
2/4/2016
Content-based retrieval and analysis:

benign mass example
Content-based retrieval and analysis:

malignant tumor example
16
2/4/2016
X-ray CT
17
2/4/2016
NMR tomograhy
Rezonanta magnetica
nucleara RMN
RMN
18
2/4/2016
Ultrasunete
1 - 18 MHz
300 16 m (lungime de unda)
C. VERTAN
19
2/4/2016
Spectru
vizibil
750nm
350nm
C. VERTAN
Timpan
20
2/4/2016
Melanoame de piele
Descrierea automata: criteriul ABCD
A - asimetrie
B - bordura
C - culoarea
D - diametrul
Problema : stabilitatea achizitiei

culorii
C. VERTAN
Retina
21
2/4/2016
Iris
C. VERTAN
C. VERTAN
22
2/4/2016
Limba
C. VERTAN
Histologie
C. VERTAN
23
2/4/2016
Radiatie
termica
C. VERTAN
Imagini termografice
24
2/4/2016
FLIR One
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
25
2/4/2016
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
26
2/4/2016
Cursul
1
C. VERTAN
27
2/4/2016
Tentative de definire
Image
g processing
p
g holds the possibility
p
y of
developing the ultimate machine that could
perform the visual functions of all living beings.
(Anil K. Jain, 1989)
Prelucrarea si analiza imaginilor reprezinta un

ansamblu de metode de transformare si
interpretare a informatiei vizuale, reprezentate
in forma digitala.
C. VERTAN
Vizualizare
A hi iti
Achizitie
Grafica pe
Calculator
Prelucrarea Imaginilor
Multimedia
C. VERTAN
28
2/4/2016
Sistemul tipic de PAI
Pixelul
Clasificari
C. VERTAN

Compunere
p
la nivel fizic :
- senzor (traductor)
- esantionare si cuantizare
- sistem de calcul
C. VERTAN
29
2/4/2016
Compunere la nivel logic

(in sistemul de calcul):
Imbunatatire
Restaurare
Segmentare
Analiza
Compresie
C. VERTAN
Compresie
Compresia:
Reducerea cantitatii de informatie (date) necesara
stocarii/ transmiterii imaginii.
Compresie
p
JJPEG;
Raport compr.=50
C. VERTAN
30
2/4/2016
Imbunatatire
Restaurare
Segmentare
Analiza
Imbunatatirea:
Reducerea degradarilor perceptuale si/ sau aleatoare
ale imaginii
C. VERTAN
Imbunatatire
Restaurare
Segmentare
Analiza
Restaurarea:
Reducerea degradarilor
deterministe ale imaginii:
- focalizare
- compensarea miscarii
- defecte de optica .
C. VERTAN
31
2/4/2016
Imbunatatire
Restaurare
Segmentare
Analiza
Segmentare:
Descompunerea
imaginii (scenei)
in partile sale
constituente.
C. VERTAN
Imbunatatire
Restaurare
Segmentare
Analiza
Analiza:
Descrierea partilor (obiectelor) din imagine si a
relatiilor dintre ele; decizii/ clasificari
De la obiecte la numere (functii, schite, ...):
011 000 111 .
C. VERTAN
32
2/4/2016
Cursul
1
Definitii si Clasificari
C. VERTAN
Ce este imaginea ?
Imaginea este un ansamblu de valori plasate
dupa o forma spatiala de dimensiune supra-unitara
( l volum,
(plan,
l
... dar
d nu o dreapta).
d
t )
Simplist, imaginea poate fi interpretata ca un
tablou sau matrice.
C. VERTAN
33
2/4/2016
Elementul de baza al unei imagini

picture element = pixel
O mica analogie :
Imagine = mozaic sau puzzle
Pixel = pietricica din care se construieste mozaicul
C. VERTAN
Caracteristicile pixelului
pozitie : linie, coloana
k
valoare
imagine
dimensiune
legatura cu realitatea fizica
forma
C. VERTAN
34
2/4/2016
Dimensiunea pixelului
Ce dimensiune are in scena reala obiectul care
in imagine are 1 pixel ?
Dimensiune pixel = 1/ Rezolutie
Ex: un document scanat

1 pixel = 1/ 300
300 dpi
C. VERTAN
Forma pixelului
Esantionare
Problema acoperirii planului.
C. VERTAN
35
2/4/2016
Ce fel de valori sunt in imagine ?

Valori digitale: numere reprezentate cu un numar
finit de biti, dupa un format standard pentru un
calculator [digital].
Digital Numeric
Rezultatul oricarui calcul este numeric, dar nu
orice numar este digital.
C. VERTAN
Clasificarea imaginilor dupa tipul valorilor

Imagini scalare
Orice valoare e un scalar:
imagini monocrome (binare)
imagini alb-negru (cu nivele de gri)
Imagini vectoriale
Orice valoare este un vector; imaginea vectoriala
este un sandwich de imagini scalare.
C. VERTAN
36
2/4/2016
Imagini vectoriale
Imagini color: vectori de 3 componente
(R, G, B) - reprezentare tipica, dar nu unica
Imagini satelitare: vectori de 3 - 200 componente

Imagini termografice: vectori de 2 - 5 componente
in banda de infrarosu
C. VERTAN
Clasificarea imaginilor dupa semnificatia valorilor

Imagini de intensitate
Valorile sunt direct proportionale cu marimea
fi i masurata in
fizica
i scena.
Imagini indexate
Valorile NU proportionale cu marimea fizica
masurata in scena.
Valorile sunt indici (adrese) intr-un tabel asociat
imaginii, in care se gaseste informatia de intensitate.
C. VERTAN
37
2/4/2016
LUT - Look Up Table (mecanismul de indexare)

0
1
imagine
vk1, vk2 vkN
tabel asociat
numar de
d li
linie
i
(adresa/ index)
valori de
intensitate
C. VERTAN
Imagini color indexate
imagine
Imagine
0
1
k Rk, Gk, Bk
tabel de culoare
tabela de culoare
Afisare
C. VERTAN
38
2/4/2016
Valoarea pixelului vs. conventii de afisare

Imaginea ce se vede pe un ecran nu este neaparat informatia reala
achizitionata din scena investigata.
In general, imaginilor li se adauga si conventiile de afisare a valorilor,
ce sunt stabilite de utilizator.
Aceste conventii sunt deci subiective si independente de continutul
imaginii.
Actiunea este de modificare a perceptiei vizuale a imaginii, si nu
a continutului imaginii.
C. VERTAN
39

Introducere in Prelucrare de Imagini

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Introducere in Prelucrare de Imagini

Încărcat de

Drepturi de autor:

Formate disponibile

2/4/2016

Aplicatii ale PAI

Aplicatii ale PAI:

Gestiunea colectiilor de imagini

Rezultatul cautarii de imagini

Aplicatii ale PAI:

Aplicatii ale PAI:

Eye tracking and

Aplicatii ale PAI:

sky is the limit....

Aplicatii ale PAI:

LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Mamografii standard din baza MIAS.

mase chistice maligne

Content-based retrieval and analysis:

Content-based retrieval and analysis:

Problema : stabilitatea achizitiei

Prelucrarea si analiza imaginilor reprezinta un

Sistemul tipic de PAI

Sistemul tipic de PAI

Compunere la nivel logic

Elementul de baza al unei imagini

Ex: un document scanat

Ce fel de valori sunt in imagine ?

Clasificarea imaginilor dupa tipul valorilor

Imagini satelitare: vectori de 3 - 200 componente

Clasificarea imaginilor dupa semnificatia valorilor

LUT - Look Up Table (mecanismul de indexare)

vk1, vk2 vkN

Imagini color indexate

Valoarea pixelului vs. conventii de afisare

S-ar putea să vă placă și