Draft Indrumar IM v2.1-67

MEDICALA:
INDRUMAR DE
IMAGISTICA
LABORATOR
Sultana Alina Elena, Sever Pasca
12 iulie 2013
Cuprins
1 Elemente introductive n analiza imaginilor medicale
1.1
1.2
1.3
Introducere n domeniul imagisticii medicale . . . . . . . . . . . . . . . . . . . .
1.1.1
Definitie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2
Tehnici de imagistica medicala . . . . . . . . . . . . . . . . . . . . . . . .
Introducere n domeniul prelucrarii si analizei de imagini . . . . . . . . . . . . .
1.2.1
Reprezentarea unei imagini
. . . . . . . . . . . . . . . . . . . . . . . . .
Desfasurarea lucrarii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.1
Aplicatia ImageJ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.2
Notiuni generale de analiza spatiala a imaginii . . . . . . . . . . . . . . . 15
1.3.3
Notiuni generale ale procesarii imaginilor cu nivele de gri . . . . . . . . . 17
1.4 Intrebari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 Introducere n Matlab
21
2.1
Definitie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2
Prezentarea interfetei programului Matlab . . . . . . . . . . . . . . . . . . . . . 22
2.3
Modul de reprezentare al unei imagini n Matlab . . . . . . . . . . . . . . . . . . 22

2.3.1
Sistemul de coordonate al unei imagini n Matlab . . . . . . . . . . . . . 22
2.4
Citirea si afisarea unei imagini n Matlab . . . . . . . . . . . . . . . . . . . . . . 23
2.5
Functii de baza pentru procesarea si analiza imaginilor . . . . . . . . . . . . . . 25
2.6
Tipuri de variabile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.6.1
Conversia intre tipuri de variabile . . . . . . . . . . . . . . . . . . . . . . 28
3 Tehnici de mbun
at
atire a imaginilor cu aplicatii n domeniul mamografiilor 31
CUPRINS
3.1
Scopul lucrarii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2
Cancerul la san - Mamografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3 Imbunatatirea imaginilor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.4
3.3.1
Punerea problemei n cadrul metodelor de mbunatatire a mamografiilor . 34
3.3.2
Clasificari ale metodelor de mbunatatire . . . . . . . . . . . . . . . . . . 35
3.3.3
Operatii punctuale de mbunatatire . . . . . . . . . . . . . . . . . . . . . 35
3.3.4
Modificarea liniara a contrastului . . . . . . . . . . . . . . . . . . . . . . 36
3.3.5
Cazuri particulare pentru modificarea liniara de contrast . . . . . . . . . 37
3.3.6
Modificarea neliniara a contrastului . . . . . . . . . . . . . . . . . . . . . 40
3.3.7
Egalizarea de histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4 Standardul DICOM
51
4.1
Scopul lucrarii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.2
Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.3
4.2.1
Definitie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.2.2
Scurt istoric . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2.3
Standard DICOM / Implementare DICOM . . . . . . . . . . . . . . . . . 54
4.2.4
Header-ul DICOM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2.5
Luminozitatea si contrastul . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2.6
Formatul fisierului DICOM . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.2.7
Algoritm de extragere a datelor si a imaginilor din fisierele DICOM . . . 57
4.3.1
Prelucrarea imaginilor medicale n format DICOM cu Matlab . . . . . . 58
4.3.2
Prelucrarea imaginilor medicale n format DICOM cu LabView . . . . . . 61
4.3.3
Conversia imaginilor din format DICOM cu ajutorul programului IrfanView 63
4.4 Intrebari si aplicatii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

5 Viewere DICOM
5.1
70
Scopul lucrarii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
CUPRINS
5.2
5.2.1
Rubo Dicom Viewer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.2.2
Aplicatia DicomWorks . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.3 Intrebari si aplicatii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

6 Introducere n LabView
87
6.0.1
Prezentarea interfetei principale . . . . . . . . . . . . . . . . . . . . . . . 88
6.0.2
IMAQ Motion and Vision . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.0.3
Afisarea unei imagini n LabView cu ajutorul IMAQ . . . . . . . . . . . . 97
Bibliografie
104
Capitolul 1
Elemente introductive n analiza
imaginilor medicale
1.1
1.1.1
Introducere n domeniul imagisticii medicale

Definitie
Imagistica medicala reprezinta procesul utilizat n vederea crearii de imagini ale corpului uman
(sau parti si elemente de functionare ale acestora). Imaginile medicale rezultate sunt folosite
n scopuri clinice pentru examinare si stabilirea unui diagnostic sau n scopuri stiintifice care
vizeaza studii de anatomie si fiziologie.
Domeniul imagisticii medicale este perceput ca setul de metode si tehnici care duc la obtinerea
imaginilor din interiorul organismului uman ntr-o maniera neinvaziva. Din punct de vedere
matematic, imagistica medicala poate fi vazuta ca o solutie a unei probleme inverse. Cu alte
cuvinte, cauza (proprietatile si comportamentul tesutului viu) este dedusa din efect (semnalul
observat n urma examinarii clinice). De exemplu, n cazul metodei imagistice bazata pe ultrasonografie, investigarea este formata din unde de presiune cu frecventa nalta si raspunsurile
sunt ecourile reflectate din interiorul tesutului care arata structura interna [2].
In cazul radiografiei, bazata pe fenomenul de proiectie, elementul de investigare consta n
fasciculul de raze X, radiatie care este absorbit la rate diferite n diferite tipuri de tesuturi,
cum ar fi oase, muschi si grasime.
Caracterul neinvaziv este bazat pe faptul ca tehnicile imagistice nu strapung din punctde vedere
fizic pielea. Insa, din punct de vedere al campului electromagnetic si nivelul de radiatie la
care este supus corpul uman, unele tehnici de obtinere a imaginilor medicale au un caracter
invaziv. De la fotonii de energie nalta utilizati n cazul tomografiei computerizate, p
na la
bobinele de 2+ Tesla utilizate n cadrul dispozitivelor de rezonanta magnetica, aceste modalitati
produc modificari la nivel fizic si chimic cu scopul de a obtine imagini ale structurii interne din
organismul nostru.
Procesul de obtinere al imaginilor medicale nu este o sarcina triviala; organismul uman este
1
CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE2

un sistem extrem de complex, iar achizitia de date trebuie sa poata surprinda caracteristicile
statice sau dinamice cu o acuratete cat mai buna. Acest lucru este echivalent de cele mai multe
ori cu obtinerea unui volum foarte mare de informatie. Una dintre cele mai dificile sarcini este
de a stabili modalitatea de achizitie, procesare si vizualizare a cantitatilor vaste de informatie
ntr-o maniera cat mai eficienta si corecta.
Imaginile rezultate din scanarea unui obiect atat de complex cum este organismul uman se
bazeaza pe anumite caracteristici ale obiectului investigat (n cazul nostru,tesutul analizat):
transmisivitatea, opacitatea, emisivitatea, reflectivitatea, conductivitatea, etc., proprietati care
se modifica de-a lungul vietii.
In jurul acestor proprietati ale organismului uman au fost dezvoltate tehnicile de imagistica
medicala.
1.1.2
Tehnici de imagistic
a medical
a
Primul tip de imagine medicala a fost radiografia, dezvoltata si experimentata pentru prima
oara de fizicianul Wilhelm Conrad Roentgen n anul 1895. Impactul a fost unul pe masura
pentru prima oara putand fi obtinuta o imagine din interiorul corpului omenesc fara folosirea
unei metode invazive [13].
Ideea de baza consta n transmiterea unui fascicul de raze X, metoda bazandu-se pe proprietatea
de atenuare selectiva, in functie de natura tesutului, a intensitatii razelor incidente. Metoda de
investigare cu raze X este o metoda de transmisie, (proprietatea fiind de transmisivitate) deoarece este emisa energie nspre pacient. Mai jos sunt date cateva exemple de imagini radiologice,
6.1:
a)
b)
c)
d)
e)
f)
Figura 1.1: Diferite radiografii: (a)radiografie pulmonara; (b) mamografie; (c) radiografie falange; (d) radiografie coloana; (e) radiografie panoramica; Imaginile medicale sunt proprietatea
tutorialului online accesat la adresa http://rad.usuhs.edu/medpix
Tomografia computerizat
a a fost introdusa la nceputul anilor 1970 si, la randul ei, a
revolutionat imagistica medicala. Foloseste ca si radiografia, energie bazata pe radiatia X,
fiind tot o metoda de transmisivitate. Daca radiografia presupune o simpla proiectie a zonei
investigate pe un film (detector), n cazul tomografiei computerizate proiectii multiple preluate
la diferite unghiuri sunt recombinate matematic (transformata Radon) de un sistem de calcul
pentru asigurarea unui numar cat mai mare de proiectii ale organului investigat.
Cu alte cuvinte, n timp ce radiografia simpla prezinta imaginea proprietatilor nsumate ale
tesuturilor traversate de radiatia X, tehnica de tomografie computerizata este capabila sa
diferentieze detalii fine ale diferitelor felii (slice-uri) rezultate [13]. Avantajul folosirii acestei
tehnici, este si acela ca poate fi folosita si pentru cazul imaginilor cu tesuturi moi (muschi,
structuri fine de articulatie, vene, etc.), spre deosebire de o radiografie conventionala.
Mai jos sunt prezentate doua imagini medicale obtinute prin tehnica de tomografie computerizata:
a)
b)
Figura 1.2: Imagini tomografie computerizata: (a)CT cranian; (b) CT abdomen; Imaginile sunt
proprietatea tutorialului online accesat la adresa http://emedicine.medscape.com
Rezonanata magnetic
a nuclear
a, dupa cum i spune si numele utilizeaza proprietatea de
rezonanta magnetica pentru obtinerea imaginilor medicale. Aceasta se bazeaza pe proprietatea
de aliniere a nucleilor atomilor de hidrogen n prezenta unui camp magnetic puternic aplicat.
Este o metoda de imagistica complexa care ofera imagini de o rezolutie spatiala excelenta
a imaginilor, fiind posibila o diferentiere mult mai fina ntre diferite tipuri de tesuturi: de
exemplu, pot fi separate zonele de tesut al materiei cenusii de zonele de tesut ale materiei albe;
aceasta se datoreaza faptului ca dispozitivele (bobine,antene) care preiau semnalul fiziologic
sunt situate n imediata vecinatate a zonei de interes [13]. Alte avantaje ale acestei tehnici
sunt: absenta radiatiei ionizante precum si posibilitatea de a obtine imagini de-a lungul unor
sectiuni orientate n orice plan, spre deosebire de tomografia computerizata care este limitata
doar la planul transversal.
Exemple de imagini obtinute prin aceasta tehnica, avem n figura 6.9:
a)
b)
Figura 1.3: Imagini obtinute prin rezonanta magnetica nucleara: (a)RMN coloan
a;
(b) RMN cranian; Imaginile sunt proprietatea tutorialului online accesat la adresa
http://emedicine.medscape.com
Tehnica bazata pe imagistica nuclear

a este o tehnica diferita conceptual de celelalte tehnici
amintite mai sus. Aceasta nu ofera doar o imagine anatomica sau structurala a unui tesut
investigat ci ofera o caracterizare a comportamentului functional al acestuia. Pentru obtinerea
de imagini nucleare pacientul va ingera/inhala sau va fi injectat cu o substanta radioactiva.
Acesti izotopi sunt compusi chimici activi ale caror molecule au n componenta lor un izotop
radioactiv ( de exemplu, 18F, 15O, 11C, 99mTc, 125I, etc.) precum si o substanta de transport
catre organul tinta si zona de interes. Acesti radionuclizi emit energie sub forma de radiatie .
Aceasta energie este detectata printr-un dispozitiv numit camera gamma, scanner PET, etc.
iar dispozitivul este conectat la un calculator care proceseaza si masoara cantitatea de radiatie
emisa de substanta radioactiva abosrbita Pe scurt, odata ce substantele radiofarmaceutice sunt
asimilate, ele traverseaza organismul conform legilor de absorbtie a moleculei biologice. Ceea ce
rezulta n urma detectiei de radiatie este concentratia locala a unui radiotrasor n organism care
are rolul de a pune n evidenta detaliile functionale ale zonei de interes, cum ar fi de exemplu:
functiile importante ale corpului, cum ar fi fluxul de sange, consumul de oxigen, si glucoza
(metabolismul). In practica, pentru obtinerea unor imagini de calitate superioara, imaginile
nucleare se suprapun cu imagini structurale (de exemplu, o imagine CT), pentru a produce
imagini de fuziune sau co-nregistrare.
Mai jos, n figura 5.2, cateva exemple de imagini obtinute prin imagistica nucleara:
a)
b)
Figura 1.4: Imagini obtinute prin imagistica nucleara: (a)imagine obtinuta prin PET (Positron
Emission Tomography); (b) Imagine nucleara a muschiului cardiac; Imaginile sunt proprietatea
tutorialului online accesat la adresa http://emedicine.medscape.com
O alta tehnica cunoscuta de obtinere a imaginilor medicale este aceea bazata pe ultrasunete
si se numeste ultrasonografie. Este o tehnica total neinvaziva si lipsita de riscul iradierii
sau supunerii unui camp magnetic puternic. Principiul acestei tehnici se bazeaza pe transmiterea unui flux de unde acustice cu o frecventa de 115 MHz cu ajutorul unui transductor
si masurarea ecoului reflectat la interfata cu marginile tesutului investigat. Masurarea timpului corespunzator rentoarcerea ultrasunetelor incidente permite calcularea distantei pana la
granita de tesut la care are loc reflectarea undei incidente. Acest lucru este posibil datorita unei
proprietati particulare a tesutului investigat: masura procentului de unde reflectate se numeste
impedanta acustica (Z). Caracteristica Z depinde de viteza de propagare a undelor incidente
n tesut si de densitatea tesutului investigat. Cu cat diferenta de densitate ntre doua medii
parcurse (oase - tesuturi moi, tesuturi moi - mediu lichid) va fi mai mare cu atat reflectivitatea
si implicit componenta Z va fi mai mare ceea ce va conduce la o imagine cu o calitate cat mai
buna.
Mai jos, n figura 6.10, cateva exemple de imagini obtinute prin metoda de ultrasonografie:
a)
b)
c)
Figura 1.5: Imagini obtinute prin ultrasonografie: (a)ultrasonografie fetala; (b) Ultrasonografie
a tiroidei; (c) Ultrasonografie a ficatului; Imaginile sunt proprietatea tutorialului online accesat
la adresa http://emedicine.medscape.com
1.2
1.2.1
Introducere n domeniul prelucr

arii si analizei de
imagini
Reprezentarea unei imagini
Din punct de vedere matematic, o imagine este un semnal continuu bidimensional care este
definit ca o functie de doua variabile continue: f(x,y).
O astfel de functie este interpretata ca o variabila de luminozitate spatiala a unui plan 2D,
dependenta de pozitia fixata a celor doua coordonate x si y.
Vectorul de pozitie p(x, y) implica pentru functia imagine o interpretare de functie spatiala pe
un anumit domeniu.
Din punct de vedere teoretic putem privi imaginea ca avand un suport infinit cu un numar
nelimitat de linii si coloane, nsa, n practica, dimensiunea imaginii este intotdeauna limitata,
fiind redata n planul discret, ca o matrice cu un numar finit de linii si coloane.
a)
b)
c)
d)
Figura 1.6: Reprezentarea unei imagini: (a)imaginea initiala; (b) Reprezentarea imaginii n 3D;
(c) Adnotarea imaginii initiale cu o linie orizontala; (d) profilul liniei din figura (c); Imaginea
initiala este proprietatea bazei de date online mini-MIAS [7]

Esantionarea si cuantizarea Pentru a trece de la modelul teoretic al imaginii - semnal
2D n spatiu continuu la reprezentarea unui semnal 2D n spatiu discret trebuie sa fie aplicate
modelului continuu doua tipuri de operatii: operatia de esantionare si operatia de cuantizare.
Esantionarea este consecinta limitarii rezolutiei n domeniul spatial si n domeniul timp, iar
cuantizarea este consecinta datorita limitarii rezolutiei intensitatii, a modului de reprezentare
a informatiei, al numarului de biti necesari pentru reprezentarea unui pixel n imagine.
Asadar, pentru digitizarea unei imagini, respectiva imagine este esantionata, fiind retinute
numai anumite puncte de interes din imagine - n conformitate cu gridul (reteaua) discreta
suparapus - si apoi, fiecare esantion (sample) - pixel retinut este cuantizat folosindu-se pentru
reprezentare sa un numar finit de biti.
a)
b)
c)
d)
e)
f)
Figura 1.7: Diferite radiografii: (a)radiografie pulmonara; (b) mamografie; (c) radiografie falange; (d) radiografie coloana; (e) radiografie panoramica; Imaginea initiala este proprietatea
bazei de date online mini-MIAS [7]
a)
b)
c)
sectiei de Gastroenterologie, Institutul Clinic Fundeni, Bucuresti
a)
b)
c)
bazei de date online mini-MIAS [7]
Aplicand cele doua operatii de esantionare si cuantizare este obtinuta reprezentarea digitizata
a unei imagini: o matrice de puncte discrete, fiecare punct cu o valoare asociata de luminanta.
Acest esantion - element de baza al imaginii este definit n limbajul curent ca pixel - picture
element. El nu este reprezentat printr-o valoare de arie sau dimensiune proprie, ci este definit
prin doua informatii: coordonatele sale si valoarea de luminanta (valoarea nivelului de gri) asociata. Dimensiunea imaginii (matricii) este redata prin produsul dintre numarul de pixeli/linie
si numarul de pixeli/coloana, de exemplu: 256X256 pixeli.
In urmatoarele doua paragrafe vor fi evidentiate cele doa efecte ale operatiilor de cuantizare (redata prin termenul de rezolutie a nivelelor de gri) si esantionare (redata prin expresia rezolutia
spatiala) operate asupra imaginii.
Rezolutia nivelurilor de gri Procesul de digitizare implica asignarea unui numar de biti
pentru reprezentarea unui pixel din imagine. Aceasta valoare este valoarea luminantei imaginii
n pixelul respectiv. In mod uzual, sunt utilizate 28 nivele de cuantizare (n practica, este folosita
expresia 8 biti per pixel )sau niveluri de gri pentru redarea luminantei unui pixel. Intervalul

dinamic al scalei de gri este intervalul n care pot lua valori pixelii din imagine: de exemplu,
de la 0 la 1023 pentru o imagine cu 10 biti/pixel. Fiecare valoare din intervalul 0..255 este o
nuanta diferita de gri pe o scala de la negru (caruia i corespunde valoarea zero) la alb (nivelul
maxim de luminanta - 255). Insa, dupa cum se va argumenta n sectiunea 1.2.1, n domeniul
imagisticii medicale sunt utilizate rezolutii mai mari de 10, 12, 16, respectiv, 24 biti/pixel.
Rezolutia spatial
a Tot procesul de digitizare implica pe langa procesul de asignare al unei
valori de luminanta fiecarui pixel din imagine si procesul de esantionare, de stabilire al retelei
de pixeli care raman n urma esantionarii sau, a masurii a cat de apropiate sunt doua esantioane
vecine [2]. Pentru ca o imagine sa fie cat mai calitativa, este de dorit, ca efectul de esantionare
sa afecteze cat mai putin redarea detaliilor din imagine: cel putin doua esantioane sa redea
cel mai mic/fin detaliu din imagine. Acest efect de scadere progresiva a ratei de esantionare
este redat n figura 6.13 printr-un proces de subesantionare la o rata de esantionare de 1 : 5
(6.13)c), respectiv 1 : 10 ((??c))). Se pot observa rezultele operatiei de esantionare 6.13c), si,
mai ales 6.13e) si modul n care sunt redate cat mai slab detaliile din imaginea initiala. Efectul
de redare pixelat al unei imagini este acela n care pixelii apar bine evidentiati, individualizati.
In practica, rezolutia spatiala se poate exprima numeric prin numarul maxim de dungi albe/
negre care se succed ntr-un 1 milimetru percepute de sistemul vizual uman fara ca acesta sa nu
le estompeze n niveluri/nuante intermediare de gri. Unitatea de masura este lpmm1 - perechi
de linii/ milimetru.
Pentru determinarea unei rezolutii spatiale a unei imagini este necesar sa se cunoasca
corespondenta pixel - unitate de masura (milimetri), cu alte cuvinte dimensiunea unui pixel n
milimetri. In imagistica medicala, acest aspect este obtinut prin operatia de calibrare.
Reprezentarea imaginilor medicale n spatiu culoare In marea majoritate a tehnicilor
de imagistica medicala (radiologie, CT, RMN, ultrasunete) se obtin imagini cu niveluri de
gri. Cu toate acestea, informatia de culoare detine un rol important n vizualizarea si analiza
imaginilor medicale.
In cele mai multe cazuri aplicatiile de vizualizare a imaginilor medicale n spatiul de culoare
a imaginilor de culoare are rolul exclusiv de a accentua contrastul dintre diferite regiuni ale
unor imagini initiale cu nivele de gri, prin modificarea paletei de culori, tehnica numindu-se
pseudocolorare.
O alternativa este si aceea de a utiliza o metoda de colorare fals
a (false coloring) care
presupune ca plecand de la o imagine initiala color,anumite culori sunt nlocuite cu altele, n
acelasi scop, de a permite o mai usoara observare a unor detalii.
Explicatia utilizarii acestor tehnici este imediata: ochiul uman este capabil sa distinga doar un
numar de maximum 256 niveluri de gri, fiind, nsa, mult mai sensibil la variatiile de culoare si
reusind sa diferentieze cateva milioane de culori.
Daca se considera o imagine cu 256 nivele de gri ca o functie bidimensionala f(x,y), atunci
imaginea color pentru planul de culoare RGB este definita:
f (x, y) = [fR (x, y), fG (x, y), fB (x, y)]T
(1.1)
ale carei componente (fR (x, y), fG (x, y), fB (x, y)) descriu luminanta fiecarui plan de culoare:
rosu, verde, alabstru. Fiecare componenta (de exemplu, fR ) a vectorului functie imagine color
constituie o imagine cu nivele de gri, cu o scala de la 0 la 255 si, invers, fiecare pixel din
imaginea color are o componenta a celor trei planuri constituente: rosu, verde si albastru.
Asadar, imaginea color este de 24 biti/pixel.
Aplicatiile utilizarii informatiei de culoare n ramurile medicale sunt multiple: de exemplu,
ramura microscpiei electronice cu domeniul de imunohistochimie (IHC) - procesul de detectie
al antigenilor (de exemplu, al proteinelor), dintr-o sectiune a tesutului celulelor, prin exploatarea
principiului legaturii dintre anticorpi. Colorarea imunohistochimica este utilizata pe scara larga
n diagnosticul si depistarea celulelor anormale, cum ar fi cele specifice tumorilor canceroase.
Un alt exemplu al utilizarii informatiei de culoare este acela al dermatoscopiei, unde informatia
de culoare este unul dintre parametrii criteriului ABCD (Area, Borders, Color, Diameter)
criteriu de baza n diagnoza; distributia si numarul culorilor au o mare pondere n stabilirea
diagnosticului.
Un alt domeniu important n care se foloseste informatia de culoare este acela al imagisticii
sistemului circulator ( n literatura, blood flow imaging) care permite o mai buna vizualizare
a dinamicii circulatiei sangelui; o vizualizare mai precisa a peretelui vasului de sange la interfata
tesut precum si o filtrare eficienta a amestecului dat de fluxul circulatiei sangvine si artefactelor
rezultate din miscarea peretilor vaselor de sange.
Efectul Doppler reprezinta o ramura a metodei de ultrasunete si isi propune o tehnica noninvaziva de redare a fluxului de sange prin muschiul cardiac prin afisarea parametrilor de
curgere pe o imagine bidimensionala ecografica. Aceasta metoda are nenumarate aplicatii
n depistarea bolilor de inima, complicatiilor congenitale, comportamentul valvelor, etc. (
pentru utilizatorii neexperimentati nca n tehnica Doppler, reprezentarea color a fluxului face
ca rezultatul Doppler sa fie mai usor de nteles, din cauza evitarii afisarii complexe a vitezei
spectrale).
Figura Exemplu imagini color
Particularit
atile imaginilor medicale
In domeniul imagisticii medicale, exista posibilitatea de achizitie a imaginii direct n format
digital de la echipamente medicale (de exemplu: dispozitiv de CT sau dispozitiv de RMN) la
fel ca si achizitia imaginii medicale n format analog (de exemplu, filmul radiologic) care pot
fi ulterior digitizate. In ultima perioada, asa cum era de asteptat, asistam la un transfer si
achizitie a informatiei medicale n format digital. Avantajele formatului digital sunt imediate:
utilizarea per total a unei doze mai mici de radiatie (chiar daca pacientul este expus unei doze
similare de radiatie ca n cazul clasic, daca ulterior, imaginea rezultata nu este de o calitate
foarte buna, aceasta poate fi procesata fara a fi nevoie de o alta expunere), posibilitatea de
arhivare si stocare, posibilitatea de post-procesare pentru o crestere a calitatii imaginii, nu
mai este necesara existenta unei camere obscure (darkroom) si a substantelor chimice necesare

procesorului care returneaza filmul analogic n cazul clasic.
O alta particularitate a imaginilor medicale este dimensiunea/ cantitatea mare de informatie
necesara pentru redarea cat mai precisa a regiunilor investigate; de exemplu, pentru redarea
detaliilor fine ale unei mamografii, conform bazei de date publice DDSM - Digital Database
for Screening Mammography (http://marathon.csee.usf.edu/Mammography/DDSM) este
necesara o reprezentare a unei imagini prin 4349X1979 pixeli, cu o rezolutie a nivelelor de gri
16 biti/pixel si o rezolutie spatiala de 42 microni, adica: 4349X1979X16 = 137706736biti
=
16.42M B. Insa, n cele mai multe cazuri, sunt necesare o serie de imagini pentru stabilirea
unui diagnostic: de exemplu, cel putin doua imagini pentru diagnostic diferential de analiza
prin simetrie: mamografie, radiografie pulmonara, sau o serie de mai multe felii (slice-uri) n
cazul tomografiei computerizate; un alt exemplu este imagistica in vivo, de exemplu, pentru
redarea activitatii muschiului cardiac este nevoie de nregistrarea unor secvente n timp real.
Toate aceste argumente sustin necesitatea utilizarii unei cantitati de informatie voluminoase
pentru o acuratete cat mai buna a diagnosticului.
Un alt apect esential de care trebuie sa tina seama o imagine medicala este factorul calitativ,
care va fi descris mai jos.
Calitatea si caracteristicile unei imagini medicale
Calitatea unei imagini medicale depinde de mai multi parametri:
metoda de imagistica utilizata;
caracteristicile echipamentului medical;
parametri si variabilele echipamentului selectat de operatorul care efectueaza procesul de
achizitie.
Acesti parametri sunt determinati de o combinatie de cel putin cinci factori care influenteaza
calitatea imaginii:
Contrastul - nseamna, n sensul cel mai de baza, diferenta - reprezentarea regiunilor de
interes cu diferite nuante de gri sau culori - si reprezinta cea mai importanta caracteristica
a unei imagini. Un obiect/ o regiune de interes este vizibil ntr-o imagine doar daca
exista suficient contrast raportat la tesutul din imediata vecinatate. Aceasta caracteristica
reluata si n partea de desfasurare a lucrarii.
Efectul de blur - ncetosare - Obiectele din imagine variaza atat n functie de nivelul
de luminanta cat si de dimensiune. Regiunile de interes variaza de la dimensiuni mari
(de exemplu, os femural) pana la structuri de mici dimensiuni (de exemplu, puncte de
microcalcificatii). In general, structurile si detaliile de mici dimensiuni confera calitate si
precizie diferitelor metode de obtinere a imaginilor medicale. Fiecare metoda de sondare
este caracterizata, nsa, de o limita pana la care poate sa sondeze si sa ofere o vizibilitate
cat mai buna a detaliilor. Aceasta vizibilitate a detaliilor fine este limitata datorita

efectului de blurare (ncetosare) introdus n pasul de achizitie al imaginii. Efectul nedorit
de incetosare al imaginii conduce la reducerea contrastului si a vizibilitatii obiectelor sau
detaliilor de mici dimensiuni.
Zgomotul este prezent inerent n cadrul oricari tip de imagine si confera imaginii un aspect
granulat sau texturat. Zgomotul afecteaaa imaginea prin faptul ca scade acuratetea
vizibilitatii detaliilor. Sursa si cantitatea de zgomot depind de metoda de investigare
utilizata. In marea majoritate a imaginilor medicale efectul de zgomot este cu atat mai
semnificativ cu cat obiectul de interes prezinta un contrast slab raportat la fundal, aflat
la pragul perceptiei vizuale.
Artefactele si distorsiunile - daca primele trei caracteristici influenteaza calitatea imaginii
prin faptul ca ele pot face ca anumite regiuni mici/ detalii fine sa nu poata fi vizualizate,
urmatoarele doua caracteristici pot introduce anumite caracteristici n imagine care sa nu
faca parte din obiectul/organul investigat. De cele mai multe ori, un artefact nu afecteaza
semnificativ vizibilitatea si, deci, acuratetea unui diagnostic. Acestea, nsa, pot obtura
regiuni de interes, sau pot conduce la rezultate fals pozitive. Prezenta artefactelor n
imagine este determinata n mod direct de modalitatea de sondare aplicata.
Distorsiunea - O imagine medicala nu ar trebui sa redea numai structura interna a organismului, ci ar trebui, n plus sa ofere o proportie corecta a dimensiunii lor, formei,
precum si a pozitiilor relative. O metoda de imagistica poate, nsa, sa introduca diferite
distorsiuni ale celor trei factori: dimensiune, forma si pozitie relativa.
Corpul uman detine multe structuri si regiuni complexe care sunt sondate simultan de marea
majoritate a metodelor de imagistica existente. In practica, obiectul de interes investigat este,
de cele mai multe ori, raportat la fundal si la vecinatatea n care se afla.
Figura Calitatea unei imagini
1.3
Desf
asurarea lucr
arii
In cadrul acestei lucrari vor fi prezentate cateva notiuni de baza care vor servi lucrarilor de
laborator urmatoare. In continuare, ca aplicatie suport a notiunilor prezentate va fi utilizata
aplicatia ImageJ.
1.3.1
Aplicatia ImageJ
ImageJ este o platforma de functii de procesarea imaginilor dezvoltata n Java. Poate sa ruleze
atat ca o aplictie applet online cat si ca o aplicatie offline pe orice sistem de operare care detine
o versiune de Java 1.4 sau pe o masina virtuala mai recenta.
Poate sa afiseze, editeze, analizeze, proceseze, salveze, printeze imagini pe 8, 16 sau 32 de
biti. Poate sa citeasca multe formate de imagine, din care amintim: TIFF, GIF, JPEG, BMP,
Figura 1.10: Interfata programului ImageJ.

DICOM, FITS si imagini raw. ImageJ poate citi colectii (stive) de imagini care mpart aceeasi
fereastra de afisare. Poate lucra n paralel, n acest fel operatiile dificile care presupun un timp
mare de executie, cum ar fi de exemplu, citirea unei imagini n paralel cu alte operatii.
Aplicatia poate sa calculeze aria si parametrii statistici ai obiectelor selectate de utilizator. Pot
fi masurate distante si unghiuri. Se pot calcula histograme si se pot trasa grafice cu profile ale
anumitor linii/axe de interes din imagine. Programul dispune de functii standard de procesarea
imaginilor, cum ar fi: modificarea contrastului, filtrarea mediana, detectia contururilor, filtrare
de netezire, filtrare de accentuare a detaliilor, etc.
Platforma ImageJ are, de asemeni, implementate operatii de transformari geometrice cum ar fi
scalarea, rotatia si rasturnarea imaginii. Imaginile pot fi marite/ micsorate cu un factor maxim
egal cu 32. Toate functiile de procesare si analiza pot fi folosite cu un factor de augumentare
oricat de mare. Programul suporta un numar oricat de mare de ferestre (imagini) deschise
simultan, limitarea provenind doar din memoria disponibila a sistemului de calcul.
Calibrarea spatiala este disponibila pentru asigurarea unor masuratori reale, n unitati de masura de ordinul milimetrilor. Este posibila si calibrarea densitatii de probabilitate a valorilor
pixelilor (a scalei de nivele de gri).
Programul ImageJ a fost proiectat ca o arhitectura deschisa, care sa ofere posibilitatea de
extindere prin intermediul plugin-urilor. Astfel de programe extensii de achizitii, analiza si
procesare pot fi dezvoltate cu ajutorul editorului si compilatorului de Java.
Interfata principala a programului ImageJ Interfata programului ImageJ este usor de

accesat si folosit pentru orice utilizator 6.12. Aceasta este formata dintr-o bara de meniu
principala care apare n mod implicit la deschiderea programului (care grupeaza toate tipurile
de functii existente n program: File, Edit, Image, Process, Analyse, Plugins, Window,
Help), o bara de instrumente, un status bar si o bara de desfasurare (progress bar). Imaginile,
graficele de histograme, profile, sunt afisate n ferestre aditionale. Rezultatele masuratorilor
sunt afisate n fereastra cu acelasi nume (Results). Ferestrele pot fi deplasate (mutate) cu
usurinta pe ecran si redimensionate.
Figura 1.11: Afisarea unei imagini in ImageJ.

Aplicatie: Deschideti meniul principal al aplicatiei ImageJ. Afisati o imagine din folderul
Imagini de test apasand pe butonul Open al meniului File.
Dupa cum se observa n figura (6.13), imaginea va fi afisata ntr-o fereastra separata cu detaliile
tipului de imagine, si dimensiunii imaginii accesate n coltul din stanga sus.
Odata deschisa imaginea, exista posibilitatea de afisare instant a coordonatelor, precum si a
valorii de luminanta/culoare n pixelul respectiv prin intermediul unui cursor care baleiaza
imaginea.
1.3.2
Notiuni generale de analiz

a spatial
a a imaginii
Dimensiune, Vecin
atate, Conectivitate Dimensiunea imaginii se refera, n acceptiunea
uzuala, la numarul de linii si de coloane ale matricii 2D, asa cum am vazut n sectiunea 1.2.1.
In aplicatia ImageJ aceasta informatie, asa cum am apare n 6.13, apare n coltul din stanga
sus a ferestrei n care este afisata imaginea.
Prin dimensiunea unei imagini se subntelege, nsa, si cantitatea de informatie necesara pentru
stocarea ei n memorie si care se calculeaza ca produsul dintre numarul de linii si coloane ale
matricii cu numarul de biti necesari pentru reprezentarea unui pixel n imagine, asa cum s-a
descris n sectiunea 1.2.1, informatie care este, de asemenea, afisata n coltul din stanga sus al
ferestrei, ca n figura 6.13.
Un aspect important n redarea unei imagini medicale din punct de vedere al analizei spatiale
este si raportul de aspect. Prin afisarea imaginii la raportul de aspect corect rezultat din pasul
Figura 1.12: Vecinatatea V8.
Figura 1.13: Vecinatatea V8.

de achizitie se poate elimina riscul unei distorsiuni nedorite, care afecteaza calitatea vizualizarii
imaginii. In aplicatia ImageJ, acest lucru se realizeaza prin verificarea setarii Pixel Aspect
Ratio cu constanta 1 din meniul Set Scale, ca n figura 6.14.
Relatiile de vecin
atate ale unui pixel n raport cu pixelii din imediata apropiere sunt des utilizate n analiza si procesarea imaginilor. Vecinatatea este formata dintr-o multime de pixeli
de diferite dimensiuni si forme geometrice raportate fata de pixelul centrat considerat. Coordonatele pixelilor din vecinatati vor fi raportate la elementul central - pixelul fata de care va fi
considerata vecinatatea. Notiunea de vecinatate (cadru) a unui pixel este importanta pentru
functiile de procesare numite operatii de vecinatate, care permit modificarea valorii unui pixel
n functie de valorile vecinilor. Cele mai uzuale vecinatati sunt cele de V4 si V8. In figura 6.15
este prezentata vecinatatea V8.
Transformatele geometrice: translatie, scalare si rotatie Operatia de translatie presupune deplasarea n plan a continutului imaginii; si este echivalenta cu schimbarea originii
sistemului de coordonate atasat imaginii conform ecuatiilor:
xT = xinitial + x0
(1.2)
yT = yinitial + y0
(1.3)
unde xinitial , yinitial sunt coordonatele initiale, xT , yT sunt coordonatele noi, rezultate n urma
translatiei, iar x0 si y0 reprezinta deplasarile pe cele doua axe.
In aplicatia ImageJ acest lucru este realizat prin completarea celor doua campuri de offset care
a)
b)
Figura 1.14: a)Optiunea de translatie; b) Functia de scalare.

corespund lui x0 si y0 - deplasarilor pe cele doua axe.
O alta operatie geometrica necesara manipularii imaginilor este scalarea. In meniul ImajeJ
sunt afisate scalarile pe cele doua axe si numarul de linii/coloane, (exprimate n pixeli), metoda
de interpolare si optiunile de afisare ale noii imagini rezultate n urma operatiei de scalare
(figura 6.16).
Rotatia este transformarea geometrica la care are loc deplasarea circulara a pixelilor n jurul
centrului de rotatie (originea sistemului de coordonate) conform ecuatiilor:
xR = xinitial cos() + yinitial sin()
(1.4)
yR = xinitial sin() + yinitial cos()
(1.5)
unde xinitial , yinitial sunt coordonatele initiale, xR , yR sunt coordonatele noi, rezultate n urma
operatiei de rotatie, iar cos() este unghiul de rotatie.
Operatia de rotatie se efectueaza n ImageJ prin accesarea optiunii Rotate din meniul Transform, ca n figura 6.17a). Exista si optiunile de rotatie cu 90 de grade stanga sau drepta,
precum si operatia de rasturnare (Flip) dupa cele doua directii: orizontal si vertical, ca n
figura 6.17b).
1.3.3
Notiuni generale ale proces

arii imaginilor cu nivele de gri
In aceasta sectiune vor fi prezentate doua elemente de baza ale procesarii si analizei imaginilor
cu nivele de gri: notiunile de contrast al imaginii, histograma.
a)
b)
Figura 1.15: a)Optiunea de rotatie; b) Alte transformari geometrice.

Contrastul
Asa cum a fost mentionat n sectiunea 1.2.1 n cadrul unei imagini medicale cu nivele de gri,
unul dintre cele mai importante aspecte este contrastul imaginii. Gradul de vizibilitate al
obiectelor din imagine, reprezentand intervalul dintre zonele ntunecate si zonele luminoase
determina contrastul unei imagini. O imagine cu un contrast slab presupune o redare neclara,
cu dificultate a obiectelor din imagine.
Ca si definitie analitica, si masura cantitativa a notiunii de contrast, daca vom considera doua
regiuni: RO - regiunea unui obiect de interes considerat si RB - regiunea fundal, atunci contrastul este definit ca:
C = (mRO mRB )/mRB
(1.6)
unde mRO este media semnalului regiunii obiectului RO , iar mRB este media semnalului regiunii
de fundal din imagine. In practica contrastul este redat sub forma unui procent - prin nmultirea
fractiei cu 100.
Aplicatie ImageJ
Modificati contrastul imaginii mdb001.pgm, baleind scala de la nivelul minim la nivelul maxim
pentru 5 valori diferite. Ce observati? Salvati imaginile obtinute pentru cele 5 valori de contrast
selectate.
Similar, parcurgeti si modificati, pe rand, si scala corespunzatoare luminantei. Ce observati?
Histograma unei imagini
Histograma unei imagini reprezinta modul de distributie al nivelelor de gri n imagine. Este,
cu alte cuvinte, o functie care asociaza fiecarui nivel de gri din imagine frecventa de aparitie n
imagine.
Aceasta informatie este redata sub forma unui graf: daca vom considera o imagine cu o rezolutie
de 8 biti/pixel, pe axa abscisei sunt cele 256 nivele de gri posibile n imagine, iar pe axa ordonatei
se vor regasi frecventele de aparitie ale fiecarui nivel de gri de pe axa abscisei, ca n figura 6.18.
a)
b)
c)
Figura 1.16: a)Imaginea initiala; b) Histograma asociata; c) Frecventa de aparitie a fiecarui

nivel de gri n imagine
Histograma unei imagini este n stransa corelatie cu contrastul imaginii repective. De exemplu,
pentru o imagine cu un contrast slab, obiectele din imagine vor avea valori ale nivelurilor de gri
destul de apropiate, gama dinamica fiind destul de restransa. Acest lucru va influenta graful
histogramei: intevalul valorilor nivelelor de gri corespunzator gamei dinamice vor fi grupate si
vor avea asociate valori mari ale frecventelor de aparitie, iar celelalte nivele de gri nu vor fi
ocupate sau vor fi caracterizate de o frecventa mica de aparitie.
Aplicatie ImageJ
Afisati histograma pentru fiecare din cele 5 imagini cu nivel al contrastului diferit, salvat anterior.
Pe de alta parte, n cazul imaginilor care detin un contrast puternic se va observa ca nivelurile
de gri vor fi clusterizate n grupuri total separate, diferite.
Aplicatie ImageJ
Modificati panta dreptei din meniul Adjust si fereastra Brightness and Contrast pana la
obtinerea unei imagini binare. Aplicati histograma asupra unei imagini binare. Ce observati?
1.4
Intreb
ari
1. Definiti sintagma de caracter neinvaziv al unei tehnici de imagistica medicala.

2. In ce consta tehnica de imagistica bazata pe radiografie?
3. In ce consta tehnica de imagistica bazata pe tomografie?
4. Care este diferenta dintre tehnica de imagistica bazata pe radiografie si cea bazata pe

tomografie?
5. In ce consta tehnica de imagistica bazata pe rezonanta magnetica nucleara?
6. In ce consta tehnica de imagistica bazata pe medicina nucleara?
7. Explicati notiunile de esantionare si cuantizare cu privire la obtinerea si reprezentarea unei
imagini digitale.
8. Explicati sintagma rezolutia nivelelor de gri precum si rezolutie spatial
a.
9. Ce reprezinta pseudocolorarea? Dar tehnica de colorare fals
a?
10. Cum se poate reprezenta o imagine color RGB fata de o functie bidimensionala a unei
imagini cu nivele de gri?
11. Numiti trei particularitati ale imaginilor biomedicale.
12. Numiti cinci factori care influenteaza calitatea imaginii si explicati modul lor de influentare.
13. Ce este acela un raport de aspect al unei imagini?
14. Definiti termenii de vecinatate si conectivitate n cadrul unei imagini.
15. In ce consta transformatele geometrice de translatie si rotatie?
16. Ce reprezinta sintagma de contrast al unei imagini? Definiti masura cantitativa a acestuia.
17. Ce reprezinta histograma unei imagini?
18. Care este relatia de dependenta dintre histograma unei imagini si contrastul acesteia.
Capitolul 2
Introducere n Matlab
2.1
Definitie
Matlab este un mediu de dezvoltare proiectat pentru o paleta larga de aplicatii n domeniul tehnicii de calcul. Acesta integreaza calculul, vizualizarea si programarea eficienta ntr-o
interfata logica, structurata intuitiv si usor accesibila utilizatorului [10].
Cu ajutorul acestui limbaj, utilizatorul poate dezvolta algoritmi, sa creeze modele si aplicatii.
Limbajul intuitiv, instrumentele (tool-urile) usor de folosit si functiile matematice pre-compilate
(built-in) permite explorarea n paralel a mai multor abordari cu solutii mai rapide comparativ
cu limbajele traditionale de programare, cum ar fi C / C + + sau JavaT M .
Toate aceste argumente enumerate mai sus fac din Matlab un mediu foarte potrivit pentru
domeniul de cercetare si dezvoltare.
Limbajul Matlab a fost dezvoltat de laboratorul MathWorks [10], iar numele de Matlab vine
de la alaturarea/compunerea celor dua cuvinte matrix laboratory, sugerand faptul ca limbajul
este orientat pe lucrul cu structurile matriciale.
Matlabul poate fi folosit pentru o gama extinsa de aplicatii n diferite domenii:
prelucrare de semnal si comuncatii
procesarea imaginilor si a secventelor video
sisteme de control
sisteme de testare
sisteme de masurare
elemente de calcul si matematici financiare
elemente de biologie computationala
21
CAPITOLUL 2. INTRODUCERE IN MATLAB
2.2
22
Prezentarea interfetei programului Matlab
In cele ce urmeaza va fi prezentata succint fereastra/ interfata limbajului Matlab. Prezentarea

este realizata pentru versiunea R2012a, modificarile de la o versiune la alta constand ntr-o
alta dispunere a ferestrelor si campurilor n imagine. Dupa cum se poate observa n figura 6.1,
aceasta este alcatuita din mai multe campuri:
Command Window - similar cu modul de lucru din meniul DOS, n aceasta fereastra
comenzile vor fi preluate n linie de comanda, adica succesiv, linie cu linie;
Current Directory - dupa cum i spune si numele reda structura de directoare si fisiere
n care se lucreaza;
Workspace - contine lista variabilelor declarate n spatiul de lucru. Pentru fiecare variabila sunt redate si valorile - dimensiunea si tipul variabilei precum si valorile minime si
maxime nregistrate de structura respectiva;
Command History - n acest camp se regasesc nregistrarile comenzilor introduse n
campul Command Window n ordine cronologica. Printr-un dublu-click a unei comenzi
anterioare nregistrate se poate re-apela n meniul Command Window;
pentru ultimele versiuni exista un camp suplimentar n partea din stanga jos a ferestrei
pentru detalierea unui anumit fisier din meniul Current Directory.
Un alt camp special pe care l vom prezenta separat n cele ce urmeaza este meniul de editare
.m file.
2.3
Modul de reprezentare al unei imagini n Matlab
In capitolul anterior 1, am explicat modul de reprezentare n plan discret al unei imagini sub
forma unei matrici. In plus, asa cum i spune si numele, limbajul Matlab este proiectat pentru
lucrul cu structuri bi-dimensionale.
Aceste structuri bi-dimnesionale pot fi nsa extinse ca numar de dimensiuni. Pentru imaginile
color, de exemplu, asa cum a fost prezentat in capitolul anterior, n sectiunea 1.2, se va considera
o structura < 387X766X3uint8 >, unde al treilea plan este planul de reprezentare al informatiei
de culoare. Pentru structuri redate cu desfasurare in timp, acestea vor avea patru dimensiuni.
2.3.1
Sistemul de coordonate al unei imagini n Matlab
Inca de la inceput trebuie clarificata problema impusa de conventia sistemului de coordonate

in Matlab.
Prima observatie: in limbajul Matlab originea sistemului de coordonate se afla in punctul de
coordonate (1, 1) corespunzatoare primei linii si primei coloane. Asadar intervalul numarului
23
Figura 2.1: Interfata principala a limbajului Matlab

de linii este, de exemplu [1, N linii]; accesarea coordonatelor cu indicii 0, 0 ai unei matrice va
ntoarce mesajul de eroare: Subscript indices must either be real positive integers or
logicals.
In ceea ce priveste modul de orientare si variatie al numarului de linii/coloane originea sistemului de coordonate corespunzator elementului de pe prima linie, respectiv coloana, se afla in
coltul din stanga sus al imaginii; de exemplu, pentru o matrice cu M linii si N coloane avem
urmatoarea orientare al sensului de crestere/ descrestere al indicelui numarului de linii/coloane,
ca in figura 6.8:
Cu alte cuvinte, daca se va considera notatia A(3, 5) acesta inseamna ca se face referire la
elementul matricei de pe linia 3 si coloana 5.
Conform cu conventiile de mai sus, exista notiunea de vector linie, de exemplu, A(3, :) - a treia
linie a matricei si toate coloanele matricei vor forma un vector linie; similar, notatia A(:, 5) face referire la a 5-a coloana a matricei A. Daca se vrea a se accesa fiecare pixel al matricei A,
atunci se va scrie: A(:, :) echivalent cu toate liniile si coloanele matricei A.
2.4
Citirea si afisarea unei imagini n Matlab
Citirea unei imagini n Matlab se realizeaza cu ajutorul functiei imread a carei sintaxa este:
24
Figura 2.2: Sistemul de coordonate al unei imagini in Matlab

a = imread ( 0 NumeFisier 0 );
Conform cu notatia de mai sus a reprezinta variabila asociata fisierului citit N umeF isier.
N umeF isier este un sir de caractere care contine numele complet al fisierului (inclusiv extensia
acestuia).
Cu privire la extensia fisierului, limbajul Matlab poate citi fisiere cu diferite extensii, dintre
care cele mai importante: TIFF, JPEG GIF, BMP, PNG, PGM, PPM, etc.
Alte doua ultime observatii cu privire la citirea imaginii:
conform relatiei de mai sus 2.4 dupa specificarea sirului de caractere N umeF isier este
introdus si semnul de punctuatie punct si virgula ;. Prezenta acestuia n Matlab indica
faptul ca rezultatul (n cazul nostru, variabila bidimensionala a) nu va fi afisat automat
n fereastra de Command Window. Automat, daca la sfarsitul unei linii de comanda
nu apare atunci rezultatul liniei de comnada anterioare va fi afisat.
ultima observatie face referire la adresa de la care va fi citit fisierul N umeF isier. Daca
n paranteza functiei de citire imread nu este specificata nicio adresa (exemplul ecuatia
2.4) atunci citirea se face din fisierul curent, predefinit al programului Matlab. Pentru
citirea unui fisier aflat, insa, la o anumita adresa (de exemplu, figura 6.1), va trebui ca
citirea sa includa adresa D : \ sursetexIM \ Referat2 dupa cum urmeaza:
a = imread ( 0 D : \ sursetexIM \ Referat2 \ NumeFisier 0 );
Afisarea unei imagini n Matlab se realizeaza cu ajutorul functiilor imshow si image a caror
sintaxa este:
imshow ( a , M );
unde parametrul a este imaginea care se doreste a fi afisata, iar parametrul M este numarul
25
de niveluri de gri cu care va fi redata imaginea. Daca M nu este specificat, el va fi considerat

implicit egal cu 256.
Daca imaginea pe care dorim sa o afisam are un interval mic al nivelurilor de gri (o gama
dinamica mica), atunci relatia de mai sus, devine:
imshow ( a , [ ] );
In felul acesta este asigurata o afisare corecta a imaginii prin setarea valorii minime si maxime
la capetele intervalului nivelelor de gri.
Pentru functia image avem urmatoarea sintaxa:
image ( a , M );
Functia image creeaza un obiect grafic de tip imagine prin interpretarea fiecarui element din
matrice ca un indice intr-o harta de culoare sau direct ca valori numerice ale unei imagini RGB.
O harta de culoare este o matrice cu trei coloane M 3 cu numere reale cuprinse intre 0 si
1. Fiecare linie a matricii este un vector RGB, iar fiecare element al vectorului reprezinta
cantitatea de rosu, verde si albastru a culorii indicelui linie respectiv.
Optiunea colormap(map) asigneaza fiecarui indice al unui pixel din matrice indicele sau de
culoare.
In Matlab exista mai multe harti de culoare predefinite, ca de exemplu: autumn, bone, grayscale, jet, hsv, copper, etc. Fiecare dintre acestea urmeaza o tranzitie de la o nuanta de
culoare/nivel de gri prin mai multi pasi intermediari pentru a evidentia mai bine respectiva
imagine/zona din imagine.
Pentru o mai buna vizualizare a celor enuntate, vom da un exemplu.
Aplicatie
Sa se citeasca o image si sa se afiseze cu ajutorul functiei image. In cazul de fata, vom lua
considera ca imagine de test o mamografie.
[a, map ] = imread ( 0 mamografie . tiff 0 );
image(a);colormap(map );colorbar
Functia colorbar afiseaza in dreapta imaginii harta de culoare, nivelurile de tranzitie scalate
in intervalul [valoare minima ; valoare maxima].
Functia impixelinfo afiseaza valoarea intensitatii in pixelul respectiv.
2.5
Functii de baza pentru procesarea si analiza imaginilor
Functia care permite afisarea informatiilor de baza unei imagini este: whos:
26
Figura 2.3: Interfata principala a limbajului Matlab

a = imread ( 0 mamografie . tiff 0 );
whos a
Aplicatie
Apelati comandaimfinfo pentru o imagine din directorul ImaginiLaborator1. Ce observati?
Dimensiunea unei imagini este data prin apelarea functiei size. Aceasta returneaza numarul
de linii si coloane ale matricii.
size(a)
ans =
1024 1024
In practica, se foloseste aceasta functie pentru determinarea automata a dimensiunii imaginii:
[M ,N ]=size(a);
Aceasta sintaxa returneaza automat numarul de linii - M si numarul de coloane - N. Astfel,
daca se va dori parcurgerea matricii pixel cu pixel, se va parcurge cu doua bucle for, dupa linii,
respectiv, dupa coloane;
for i = 1 : M
for j = 1 : N
Aplicatie
27
Figura 2.4: Informatiile de baza ale unei imagini

Utilizand modul de parcurgere al matricii calculati suma elementelor unei imagini. Folositi
functia imfinfo vizualizati valorile pixelilor din matrice. Ce observati?
2.6
Tipuri de variabile
In ceea ce priveste lucrul cu matricele, exista o prima clasificare a tipurilor de date realizata in
limbajul Matlab:
valorile coordonatelor pe linie/ coloana care sunt intotdeauna valori intregi.
valorile pixelilor din imagine care nu sunt restrictionate la tipul integer si pot fi, la
randul lor, de tipul:
double - precizie double cu valori in intervalul [10308 ; 10308 ]
uint8 - intregi 8 biti/pixel fara semn cu valori in intervalul [0; 255]; majoritatea
imaginilor sunt preluate implicit in acest format.
uint16 - intregi 16 biti/pixel fara semn cu valori in intervalul [0; 65535]
uint32 - intregi 32 biti/pixel fara semn cu valori in intervalul [0; 232 ]
int8 - intregi 8 biti/pixel cu semn cu valori in intervalul [128; 127]
28
int16 - intregi 16 biti/pixel cu semn cu valori in intervalul [32768; 32767]

int32 - intregi 32 biti/pixel cu semn cu valori in intervalul [232 /2; 232 /2 1]
single - numere single-precision floating point cu valori in intervalul
[1038 ; 1038 ]
char - tip de date sir de caractere cu 16 biti pe element
logical - cu valori de 0 sau 1.
2.6.1
Conversia intre tipuri de variabile
Operatia de conversie in Matlab se realizeaza direct prin sintaxa:

out = tipvariabila ( in )
unde variabila out este rezultatul conversiei, tipvariabila este un tip de variabila mentionat in
lista 2.6, iar variabila in este variabila care se doreste a fi convertita.
Un aspect esential intr-o operatie de conversie este acela de a retine valorile intervalelor variabilelor intre care se realizeaza operatia de conversie.
Daca se considera variabila in de tip uint8 si dorim sa o convertim intr-o variabila de tip
doubledirect prin sintaxa:
out = double (in)
Daca vom considera cazul invers, avem o matrice cu valori rationale si dorim sa o convertim
intr-o variabila cu valori in intervalul [0; 255], atunci:
out = uint8 ( in )
Aplicatie
Daca vom considera exemplul de mai sus referitor la suma elementelor unei matrice, daca
variabila in care va fi retinuta suma este declarata de tip uint8 (implicit de Matlab) pentru ca
rezultatul sa fie corect, atunci va trebui ca elementele matricei sa fie convertite la tipul double:
a = double ( a );
[M ,N ]=size(a);
for i = 1 : M
for j = 1 : N
suma = suma + a(i,j) ;
end
end
In caz contrar, fara operatia de conversie, rezultatul va fi trunchiat automat la valoarea 255 valoarea maxima din intervalul [0; 255].
In limbajul Matlab exista mai multe posibilitati de conversie intre diferite tipuri de date:
29
functia im2uint8 converteste variabila de intrare in date de tip uint8;

functia im2uint16 converteste variabila de intrare in date de tip uint16;
functia mat2gray converteste variabila de intrare intr-o variabila de tip double scalata
in intervalul [0,1];
im2double converteste variabila de intrare intr-o variabila de tip double;
im2bw converteste variabila de intrare intr-o variabila de tip logic, cu valori de 0 sau 1;
terminatia bw a functiei inseamna black and white - adica, o imagine alb-negru.
Exemple
1. Daca vom considera variabila de tip uint8:

51 255
a=
85 5
si dorim sa aplicam o operatie de conversie la o variabila de tip double,
b = im2double (a)
atunci rezultatul intors este:

0.2
1
b=
0.33 0.01
Explicatie:
In acest caz, cand variabila de intrare este de tip uint8 conversia se realizeaza prin impartirea
fiecarui numar la valoarea maxima diin interval: pentru uint8 - 255, pentru uint16 - 65535.
2. Daca vom considera variabila de tip double:

0.2 0.4
a=
1.2 0.75
si dorim sa aplicam o operatie de conversie la o variabila de tip uint8,
b = uint8 (a)
atunci rezultatul este:

0
64
b=
255 191
Explicatie:
Intervalul pentru o variabila de tip uint8 este [0; 255]. Variabilele mai mici ca 0 vor fi automat
setate cu valoarea 0, variabilele subunitare sunt inmultite cu valoarea 255, iar valorile mai mari
sau egale cu 1 sunt setate cu valoarea maxima a intervalului 255.
3. Daca vom considera o variabila de tip double

a=
2 3
6 1
30
si dorim sa generam o imagine binara, dupa o comparatie cu un prag ales, de exemplu 3,

b=a>3
atunci variabila b devine:

0 0
b=
1 0
Explicatia este imediata: toate valorile mai mari strict ca pragul T=3 sunt setate cu 1 logic
in timp ce variabilele mai mici sunt 0.
Capitolul 3
Tehnici de mbun
at
atire a imaginilor
cu aplicatii n domeniul mamografiilor
3.1
Scopul lucr
arii
Scopul acestei lucari de laborator este de a prezenta o serie de operatii de mbunattire a mamografiilor. In prima parte este descrisa succint problematica medicala bolii de cancer la san,
n cea de-a doua parte a lucrarii sunt prezentate metodele de mbunatatire bazate pe operatii
punctuale, operatii care sunt utilizate n sectiunea a treia, de Desf
asurarea lucr
arii; ultima
parte este rezervata sectiunii de Intreb

ari.
3.2
Cancerul la s
an - Mamografia
Cancerul este o boala care apare atunci cand celulele devin anormale si se divid anarhic si
incontrolabil. Fiecare organ din corp este alcatuit dintr-o mare varietate de celule. Celulele se
divid ntr-o anumita ordine, astfel ncat numarul lor creste doar atunci cand este nevoie. In
cazul n care acestea se divid atunci cand nu este necesar, rezulta un excedent de tesut. Acest
surplus de tesut se numeste tumoare, care poate fi maligna sau benigna.
Din punct de vedere anatomic, cancerul de san este o afectiune n care celulele maligne (canceroase) se dezvolta la nivelul tesutului sanului.
Din punct de vedere al statisticii, la noi n tara, situatia cancerului mamar poate fi considerata
dramatica, daca avem n vedere ca mai mult de jumatate de bolnave sunt diagnosticate n stadii
avansate si, prin urmare, costurile terapeutice sunt ridicate, iar rezultatele slabe.
Mamografia Mamografia este un tip special de radiografie, al carei scop este de a crea
imagini detaliate ale muhiului mamar. Acestea folosesc o doza scazuta de substanta activa,
un contrast ridicat si filme de nalta rezolutie precum si un sistem special prevazut pentru
imagistica sanului. Succesul unui tratament al cancerului de san depinde, nsa, de o detectie si
31
AT
IRE A IMAGINILOR CU APLICAT
CAPITOLUL 3. TEHNICI DE IMBUNAT
II IN DOMENIUL MA
de un diagnostic timpuriu.
Figura 3.1: Achizitia unei imagini mamografice: n mamografie, fiecare san este compresat
orizontal, apoi oblic si pentru fiecare pozitie este preluata o raza X. Imaginea este proprietatea
A.D.A.M. Medical Encyclopedia
Este, n acelasi timp, unul dintre cele cel mai riguroase examene radiologice (vezi figura 3.2),
avand o buna sensibilitate si specificitate n depistarea leziunilor canceroase.
Desigur, pentru obtinerea unor imagini de calitate superioara, acest examen radiologic trebuie
efectuat pacientelor cu varste ( 40 50 ani), atunci cand raportul de tesut fibroglandular greu de interpretat - scade iar ponderea tesutului gras - cu un contrast mai bun - creste.
Vizualizarea structurilor mamare depinde atat de rezolutia spatiala cat si de contrastul imaginii.
Prin rezolutie spatiala sunt redate atat elemente fine ale arhitecturii sanului, cat si problemele
care pot sa apara (exemplu: micro-calcificari).
Din punct de vedere anatomic, prin presarea muschiului mamar, n imaginea rezultat (vezi
imaginea 3.2) avem urmatoarele parti componente:
o zona de fundal - negru,
muschiul pectoral - zona de opacitate triunghiulara plasata n regiunea de stanga sus a
imaginii
zona de tesut mamar propriu-zis, n cazul imaginii 3.2, zona de gri nchis
o zona de posibila leziune - regiunea opaca situata in a doua jumatate de jos a imaginii;
marcaje si alte adnotari ale personalului medical - in general, pentru o cat mai buna
prelucrare a imaginii digitale se realizeaza eliminarea acestor zone considerate artefacte.
vase sangvine - firicele subtiri care strabat zona de muschi mamar.
Pe de alta parte, prin contrast, percepem deosebirea ntre tesut glandular normal/carcinom.
Prin limitari ale contrastului ntelegem faptul ca este dificil de obtinut o expunere corecta
AT
II IN DOMENIUL MA
pentru ntregul san. Cu alte cuvinte, nu se pot vizualiza corect pe acelasi film atat tegumentul
cat si tesutul glandular [1].
Intotdeauna n practica este respectat un compromis ntre cantitatea si concentratia de radiatie
necesara pentru obtinerea unei mamografii si efectul nociv al radiatiilor.
Figura 3.2: Exemplu de mamografie. Imaginea face parte din baza de date MIAS [7]
Calitatea diagnosticului mamografic tine seama de urmatorii parametri: calitatea mamografiei,

calitatea negatoscopului utilizat si, nu n ultimul rand, calitatea interpretarii de catre personalul
medical [5].
3.3
Imbun
at
atirea imaginilor
Imbunatatirea imaginilor este o sintagma generala, care se refera la o clasa larga de operatii,
al caror scop este cresterea calitatii vizuale a imaginii n anasamblul ei, sau a componentelor
sale, n sensul perceptiei vizuale umane [16].
Ca urmare, criteriile de evaluare ale calitatii unei imagini sunt subiective (depinzand de utilizatorul imaginii) si specifice aplicatiei dezvoltate.
In principiu, mbunatatirea imaginilor se poate realiza fara a lua n considerare nicio informatie
asupra imaginii originale sau asupra procesului de degradare care a determinat ca imaginea
data sa necesite o mbunatatire.
Astfel, orice imagine poate fi mbunatatita, obtinandu-se o imagine artificiala (n sensul
diferentelor fata de original), dar subiectiv preferabila (datorita unui contrast mai mare, unor
muchii si frontiere mai accentuate, unor regiuni uniforme mai netede, etc).
AT
II IN DOMENIUL MA
3.3.1
Punerea problemei n cadrul metodelor de mbun

at
atire a mamografiilor
Examinarile radiologice, inclusiv mamografiile, se confrunta cu cateva probleme legate, n general, de modul de obtinere al imaginilor. Ca regula de baza, valabila pentru orice radiografie,
mamografiile necesita o rezolutie spatiala cat mai ridicata pentru capturarea detaliilor foarte
fine ale elementelor anatomice prezente n imagine.
Acest lucru presupune:
pe de o parte, obtinerea unei densitati a filmului optima,
dar si un contrast ridicat pentru toate elementele imaginii, ceea ce contravine cu limitarile
impuse de timpul de expunere si concentratia de radiatie folosita n procesul de radiografie
O alta constrangere provine din modul de mprastiere al fotonilor, care poate, uneori, sa fie
prea intens n anumite regiuni ale imaginii. In plus, mamografiile, prin natura tesutului investigat, sunt imagini cu un contrast scazut. Caracteristicile din mamografie sunt, de obicei, de
dimensiuni foarte reduse.
O alta limitare a contrastului mamografiei este data de blurarea imaginii, produsa de punctul
focal de dimensiune finita precum si de grosimea ecranului pe care se formeaza imaginea.
Un alt aspect relevant n analiza mamografiilor se refera la tipurile de tesut cu continut predominant de tesut dens parenchimal, care sunt mai greu de patruns n cadrul unui screening
comparativ cu un tesut gras, ceea ce conduce, inevitabil la o scadere substantiala a acuratetii
examinarii radiologice.
Astfel, datorita densitatii prea mari a filmului radiologic, doctorii prentampina probleme si n
clasificarea si stadializarea Bi-RADs a tesutului respectiv. Aceasta clasificare este importanta
din prisma faptului ca un pattern cu tesut glandular are un factor de risc mult mai ridicat de
dezvoltare a unei tumori.
De asemenea, este cunoscut faptul ca, n practica, radiologii percep vizual numai o mica parte
din informatia totala existenta ntr-o mamografie.
Pe de alta parte, detectarea vizuala a unei mase care nu este evidenta ntr-o mamografie nu
constituie o sarcina usoara pentru experti, ntrucat tumorile se pot gasi ntr-o mare diversitate
de forme si margini cu zone de contur de cele mai multe ori foarte slab definite. Toate aceste
aspecte sunt cu atat mai importante cu cat avem de-a face cu un tesut mamar de textura densa,
iar diferenta dintre tesutul dens normal si tumoare este sub pragul natural de perceptie umana.
Cand ne referim la mbunatatirea mamografiilor, avem n vedere doua aspecte importante:
contrastul si eliminarea zgomotului din imagine.
Cea mai mare pondere n mbunatatirea unei mamografii l are cresterea contrastului
tesutului mamar.
Ca definitie principala, contrastul reprezinta diferenta dintre un obiect si zona de fundal.
AT
II IN DOMENIUL MA
In literatura, contrastul C [11] unui obiect cu nivel de luminanta f, n raport cu zona din
vecinatate, de luminanta b, este definit n relatia 3.1, dupa cum urmeaza :
C=
f b
f +b
(3.1)
unde f este maximul de luminanta din imagine, iar b este minimul de luminanta din imagine.
Daca vom considera cazul unui obiect, abia vizibil din zona de fundal din vecinatate si vom
nota diferenta de luminanta dintre zona centrala a obiectului si luminanta imaginii respective
cu L, unde luminanta imaginii este L, raportul dintre cele doua este cunoscut ca raportul
lui Weber (relatia 3.2):
L
=W
L
(3.2)
unde W este o constanta care poarta numele de constanta lui Weber. Aceasta constanta variaza
puternic n functie de dimensiunea si forma obiectului de interes n raport cu fundalul.
3.3.2
Clasific
ari ale metodelor de mbun
at
atire
O prima clasificare a metodelor de mbunatatire se refera la numarul de pixeli din imaginea

originala folositi pentru a calcula valoarea unui pixel din imaginea rezultat:
metode de mbunatatire bazate pe operatii punctuale - prin care se realizeaza o
corespondenta de tip unu la unu ntre valoarea initiala a nivelului de gri si noua valoare
a acestuia, pentru fiecare pixel al imaginii;
metode de mbunatatire bazate pe operatii de vecinatate - noua valoare a nivelului de gri
este obtinuta din valoarea initiala a pixelului respectiv si din valorile unor pixeli vecini
pixelului considerat.
In lucrarea de fata, vom studia cele mai simple metode de mbunatatire ale mamografiilor
bazate pe operatiile punctuale.
3.3.3
Operatii punctuale de mbun

at
atire
Operatiile punctuale de modificare a contrastului (numite si transformari ale nivelului de gri)

sunt asocieri (mapping, n engleza) ce leaga nivelul de gri original u de noua sa valoare v. O
asemenea asociere este o functie conform ecuatiei 3.3:
v = T (u), u [0, M 1].
In [8] se stabilesc ca necesare conditiile ca
(3.3)
AT
II IN DOMENIUL MA
transformarea T sa pastreze gama admisibila de valori ale imaginii (daca nivelele de gri
au fost reprezentate pe M nivele de cuantizare, atunci 0 6 T (x) 6 M 1, x [0; M 1])
si
ca transformarea T sa fie monoton crescatoare (sau descrescatoare) pentru a pastra ordinea ntre nivelele de gri (componentele nchise din imagine sa ramana nchise si dupa
transformare) [15].
Vizibilitatea componentelor scenei este determinata n general de contrastul zonei din imagine;
contrastul este o masura proportionala cu diferenta dintre luminozitatea (intensitatea, nivelul
de gri) anumitor pixeli [15].
Pentru a intui efectele unei operatii de mbunatatire de tipul prezentat asupra contrastului este
suficienta studierea diferentelor de nivele de gri dintre o aceeasi pereche de pixeli nainte si
dupa efectuarea transformarii.
La limita, este posibil ca pixelii sa aiba nivelul de gri original diferit cu doar o unitate (cuanta minima), si atunci modificarea contrastului (relatia 3.4) va fi data de diferenta valorilor
transformate, adica de derivata functiei de transformare:
C=
3.3.4
T (u2 ) T (u1 )
dT (u)
v
=
=
= T 0 (u).
u
u2 u1
du
(3.4)
Modificarea liniar
a a contrastului
Cea mai des folosita tehnica de modificare liniara a contrastului este o transformare liniara pe
portiuni, conform ecuatiei 3.5, data de figura 3.3:
Figura 3.3: Functia de modificare liniara a contrastului.
v=
Ta
u, 0 u < a
a
Ta
a + Tbba
(u a) , a u < b
M 1Tb
b + M 1b (u b) , b u < M
(3.5)
AT
II IN DOMENIUL MA
In formula 3.5, parametrii de control sunt Ta , Tb , a si b; acestia sunt grupati cate doi, definind
punctele (Ta , a) si (Tb , b).
Aceste doua puncte de control, mpreuna cu punctele fixe (0, 0) si (M 1, M 1) vor defini
cele trei segmente de dreapta ce apar n formula.
Un exemplu de astfel de transformare este prezentat n figura 3.16. Rezultatul aplicarii unei
asemenea operatii punctuale se obtine modificand valoarea (nivelul de gri) fiecarui pixel al
imaginii initiale, u, conform, obtinand noul nivel de gri v.
Pentru functia liniara pe portiuni este evident ca derivata va fi constanta pe aceleasi intervale,
avand valoarea egala cu panta segmentului de dreapta (relatia 3.6).
C=
Ta
, daca u [0; a]
a
Tb Ta
,daca u [a; b]
ba
M 1Tb
, daca u [b; M
M 1b
(3.6)
1]
Daca pe un interval aceasta panta este subunitara, atunci diferenta ntre nivelele alaturate de
gri se micsoreaza si, deci, contrastul scade; daca, din contra, panta dreptei este supraunitara,
diferenta dintre nivelele de gri alaturate se mareste, iar contrastul va creste.
In functie de alegerea celor patru parametri a,b,Ta si Tb putem avea mai multe cazuri particulare.
3.3.5
Cazuri particulare pentru modificarea liniar

a de contrast
Binarizarea
In cazul n care a=b, Ta = 0 si Tb = M 1, se va obtine o operatie de binarizare; n acest
caz, toti pixelii din imaginea originala mai mici decat pragul a vor fi 0 (corespunzatoare culorii
negru, , iar pixelii cu valori de gri mai mari decat pragul a vor fi de culoare alba (figura 3.4).
Operatia de clipping (lipire)
Daca intervalului de valori de gri [a, b] din imaginea originala i corespunde intervalul de intensitati [Ta , Tb ] n imaginea rezultat, iar in rest, intervalelor de intensitati [0, a], precum si
[b, M 1] le corespunde nivelul 0 (negru), atunci operatia de modificare a contrastului este una
de clipping (lipire), asa cum reiese din figura 3.5.
Operatia de slicing (decupare)
Daca intervalului de valori de gri [a, b] din imaginea originala i corespunde o constanta M 1 n
imaginea rezultat, iar n rest, intervalelor de intensitati [0, a], precum si [b, M 1] le corespund
nivelul 0 (negru), atunci operatia de modificare a contrastului se numeste slicing (decupare),
dupa cum se poate vedea n figura 3.6.
AT
II IN DOMENIUL MA
Figura 3.4: Functia de binarizare
Figura 3.5: Functia de clipping
Figura 3.6: Functia de slicing

Operatia de ntindere maxim
a a contrastului (contrast stretching)
Daca pentru un interval [a, b] din imaginea originala, valorile corespunzatoare Ta , respectiv, Tb
din imaginea rezultat sunt Ta = 0 si Tb = M 1, atunci operatia de modificare a contrastului
AT
II IN DOMENIUL MA
poarta numele de ntindere maxima a contrastului, asa cum se poate observa n figura 3.7.
Figura 3.7: Operatia de ntindere maxima a contrastului.

In general, imaginile pot avea un contrast slab datorita conditiilor de iluminare neuniforma,
neliniaritatii sau datorita gamei dinamice restranse a senzorului de imagine.
Una dintre cele mai simple metode de crestere a contrastului unei mamografii consta n ajustarea
histogramei imaginii, astfel ncat sa se obtina o foarte buna separatie ntre distributiile de nivele
de gri ale fundalului si ale obiectelor din imagine [3].
Daca vom considera imaginea originala cu nivele de gri x, imaginea rezultata n urma normalizarii y; transformarea de rescalare este y = f (x), unde f (.) poate fi orice functie. Functia 3.7
prezinta o transformare tipica de ntindere a contrastului distributiilor nivelelor de gri dintr-o
mamografie.
x, 0 x < a
(x a), a x < b
y=
(x b), b x < L
(3.7)
unde pantele , si sunt alese mai mari decat unitatea, pe palierele n care vrem sa avem
o ntindere a contrastului, iar parametrii a si b pot fi obtinuti prin examinarea histogramei
mamografiei originale; L este nivelul de gri maxim al mamografiei initiale. Intervalele (palierele)
valorilor de gri de interes vor fi normalizate/ ntinse pentru cresterea vizibilitatii a ntregii scene
de interes.
Cea mai simpla transformare de normalizare consta n aplicarea unei relatii liniare. Astfel, daca
vom considera imaginea originala x, imaginea rescalata y va fi data de ecuatia 3.8:
y =kx+m
(3.8)
unde constantele k si m diferite de zero influenteaza cresterea sau scaderea contrastului n

imaginea rezultat y.
AT
II IN DOMENIUL MA
Similar relatiei liniare, relatia de transformare (vezi relatia 3.9) poate fi una neliniara:
y = k xp
(3.9)
unde constanta k reprezinta constanta de rescalare, care depinde de valoarea lui p.

Dezavantajul major al acestei tehnici consta n alegerea, pentru o imagine data, a unei anumite
transformari optimale.
O alta transformare liniara este operatia de negativizare. Dupa cum i spune si numele aceasta
consta n calculul complementului pentru un anumit nivel de gri; daca vom considera o imagine
initiala cu 8 biti pe pixel, atunci pentru un pixel cu un nivel de gri 120, n imaginea rezultat
pixelul respectiv va avea o valoare a luminantei egala cu 256 120 = 136. Transformarea de
negativizare este folosita des n cazul analizei radiografiilor, deoarece zonele de posibil leziuni
nchise pe un fundal deschis sunt mult mai usto de anlaizat si identificat.
3.3.6
Modificarea neliniar
a a contrastului
Dezavantajul major al tehnicii liniare pe portiuni consta n faptul ca modificarea contrastului

este aceeasi pe un ntreg interval de nivele de gri, nefiind posibila o modificare neuniforma a
contrastului pe ntregul interval de nivele de gri sau n jurul unui anume nivel de gri.
Acest neajuns este rezolvat prin aplicarea unei functii neliniare de modificare a contrastului.
Functia logaritmic
a
O prima varianta de modificare neliniara a contrastului consta n operatia de compandare a
domeniului, [9] definita de o curba logaritmica (vezi relatia 3.12) si cu punctele fixe (0, 0) si
(M 1, M 1), asa cum se poate observa n figura 3.8:
v = T (u) =
M 1
lg(1 + u)
lg M
(3.10)
Prin aplicarea acestei transformari, contrastul variaza neuniform de-a lungul scalei de gri,
marindu-se la capatul inferior (negru) si micsorandu-se la capatul superior (alb) [15].
Functia exponential
a
Analog, se poate defini expandarea domeniului, ca transformarea inversa celei de compandare
(relatia 3.11), si deci avand o alura exponentiala, asa cum se poate vedea n figura 3.10:
v = T (u) = (M 1)
eu 1
eM 1 1
(3.11)
AT
II IN DOMENIUL MA
Figura 3.8: Aplicarea unei functii logaritmice.
Figura 3.9: Aplicarea unei functii exponentiale

Contrastul va varia neuniform de-a lungul scalei de gri, marindu-se la capatul superior (alb) si
micsorandu-se la capatul inferior (negru). Trebuie, nsa, subliniat ca n prelucrarea imaginilor
aceste transformari nu afecteaza domeniul de valori, care ramane acelasi: [0, M 1].
Aplicatie
Dati diferite valori de test si calculati n Matlab rezultatele obtinute conform ecuatiei 3.11. Ce
observati?
In cazul implementarii transformaii exponentiale conform ecuatiei va trebui sa ne asiguram ca
nu suprasaturam imaginea, ca n figura de mai jos:
Pentru aceasta, vom apela la o relatie matematica pentru a preveni efectul nedorit de saturare
rapida a imaginii.
AT
II IN DOMENIUL MA
100
200
300
400
500
600
700
800
900
200
400
600
800
1000
1200
Figura 3.10: Aplicarea unei functii exponentiale

Pentru aceasta vom folosi ca punct de plecare operatia inversa operatiei exponentiale - operatia
de logaritmare:
v = T (u) =
M 1
log(1 + u)
log M
(3.12)
Relatie care se poate scrie:

M 1
log(1 + u) = v
log M
(3.13)
log(u + 1)
= v/M 1
log M
(3.14)
sau:
Ecuatiei 3.14 i aplicam o ridicare la puterea exp si rezulta:

v
(u + 1)
= exp M 1
M
(3.15)
In final, extragem variabila u - inversa variabilei v - adica inversa a operatiei logaritmice:

v
u = M exp M 1 1
(3.16)
Daca vom da valori la limita, 0, respectiv 255, vom vedea ca ecuatia 3.16 ne conduce n acelasi
interval [0, 255], ceea ce probeaza ca algoritmul aplicat mai sus este corect.
AT
II IN DOMENIUL MA
Functia putere
Un alt tip de transformare corespunzatoare unei modificari neliniare a contrastului este functia
putere:
(
v = T (u) = (M 1) (M 1))r
u
(3.17)
unde, r este parametrul de reglaj. In functie de valoarea parametrului r fata de valoarea unitate,
transformata corespunzatoare functiei putere poate sa aiba alura unei curbe exponentiale (r >
1), respectiv alura unei curbe logaritmice pentru valori ale lui r < 1. Pentru valoarea r = 1, se
obtine ecuatia dreptei, respectiv a primei bisectoare, asa cum se poate observa n figura 3.11.
Figura 3.11: Aplicarea unei functii putere.
3.3.7
Egalizarea de histogram
a
In lucrarea anterioara 1.3.3 am definit notiunea de histograma ca o functie care asociaza fiecarui
nivel de gri din imagine frecventa sa de aparitie n imagine.
Daca n imaginea initala nu avem o distribuire egala a nivelelor de gri: imaginea initiala este
fie prea ntunecata, fie prea alba, atunci histogramele asociate vor fi aglomerate fie n prima
parte a scalei (corespunzatoare valorilor mici ale nivelelor de gri), fie concentrate n partea
dreapta a intervalului (corespunzatoare valorilor mari ale nivelelor de gri). Mai jos, n figura
sunt prezentate doua exemple:
Intr-un mod similar avem si imaginile ale caror nivele de gri ocupa un interval restrans din
scala de gri posibila:
Toate cazurile prezintate n figurile 3.12 si 3.13 prezinta dezavantajul de a fi greu de diagnosticat
prin faptul ca au o gama dinamica restransa a nivelelor de gri din imagine; de aceea, se impune
utilizarea unei metode care sa corecteze acest neajuns. In acest scop se utilizeaza operatia de
egalizare de histograma.
AT
II IN DOMENIUL MA
Figura 3.12: Exemple de imagini greu de investigat a) crop dintr-o imagine de mamografie;
b) o radiografie pulmonara. Imaginile fac parte din a) baza de date MIAS [7] si b) A.D.A.M.
Medical Encyclopedia [4]
Figura 3.13: Radiografie cu un spectru redus de redare a nivelelor de gri.

Egalizarea de histograma este o tehnica neliniara care si propune sa modifice o imagine initiala,
astfel ncat histograma imaginii rezultat sa fie uniforma; cu alte cuvinte, nivelele de gri ale
AT
II IN DOMENIUL MA
imaginii finale sa fie echiprobabile.
Trebuie mentionat ca n practica, prin uniformizarea fortata, din exterior, a histogramei nu se
obtin ntotdeauna rezultatele scontate, deoarece, odata cu informatia utila, sunt amplificate si
zgomotul din imagine, precum si alte artefacte nedorite care pot sa altereze mai mult imaginea
originala, ca n figura 3.21.
Fiind o tehnica de procesare automata si globala, n tot acest proces de alocare uniforma a
nivelelelor de gri din imagine, utilizatorul nu are nici un control asupra operatiei de distribuire
a pixelilor, respectiv a regiunilor de interes.
Acest neajuns al egalizarii de histograma se poate corecta, uneori, printr-o egalizare de histograma adaptiva locala, care actioneaza independent asupra diverselor regiuni din imagine, asa
cum se poate observa n figura 3.14. In mod ideal, o histograma este generata ntr-o fereastra
centrata pe fiecare pixel din imaginea originala, egalizata si utilizata, ulterior, pentru calcularea
unei noi valori pentru pixelul respectiv.
Figura 3.14: a)Imaginea initiala; b) Aplicarea egalizarii de histograme asupra imaginii a); c)
Aplicarea unei egalizari de histograma adaptiva locala asupra imaginii initiale a)
O trasatura comuna a imaginilor radiologice o reprezinta intervalul dinamic global mare, pe de
o parte, si variatii foarte mici a nivelelor de gri pentru componentele din imagine, pe de alta
parte. In acest sens, metoda de egalizare de histograma ntr-o maniera adaptiva s-a dovedit
eficace n mbunatatirea imaginilor mamografice. Dezavantajul major al acestei tehnici este
puterea mare de calcul necesara.
O alta problema consta n selectarea dimensiunii ferestrei pentru care se calculeaza histograma,
care, de cele mai multe ori, difera n functie de aria obiectului de interes investigat. Cum n
mamografiile initiale, dimensiunea poate sa varieze destul de mult, acest ultim aspect reprezinta
un alt dezavantaj important.
AT
II IN DOMENIUL MA
3.4
Desf
asurarea lucr
arii
In aceasta sectiune se vor realiza modificari ale contrastului ale mamografiilor cu ajutorul
operatiilor punctuale precum si cu ajutorul operatiei de egalizare de histograma. 1. Sa se
citesca si sa se afiseze o mamografie, la alegere, din directorul Mamografii.
a = imread ( 0 mamografie . pgm 0 );
image(a);colormap(gray ( 256 ) ); axis image;
2. Sa se implementeze operatia de negativizare ntr-o functie, ca n exemplul de mai jos. Ce
observati?
function out = negativizare ( in );
si sa se apeleze n meniul Command Window:
out = negativizare(a);
a)
b)
Figura 3.15: a) Mamografia initiala, b) Mamografia rezultata n urma aplicarii operatiei de

negativizare
3. Similar cu punctul anterior, sa se implementeze o operatie de modificare a contrastului,
liniara pe portiuni; Apoi, sa se aplice functiei ca parametrii cele doua puncte de control (a, Ta)
si (b,Tb); unde a =155, b =170, Ta =50 si Tb =250. Ce observati?
4. Sa se aplice o operatie de modificare a contrastului, liniara pe portiuni, implementata la
punctul anterior, cu alta pereche de puncte de control (a,Ta) si (b,Tb); unde a=155, Ta=170,
b=150 si Tb=250. Comparati rezultatele obtinute la punctul anterior, aplicatia 2 si 3.
5. Sa se implementeze transformata exponentiala de modificarea contrastului conform ecuatiei
3.16. Sa se aplice functia pe mai multe mamografii. Ce observati?
6. Sa se implementeze transformata logaritmica de modificarea contrastului conform ecuatiei
3.12. Sa se aplice functia pe mai multe mamografii. Comparati rezultatele obtinute la punctele
4 si 5.
6. Sa se aplice o operatie de modificare neliniara a contrastului cu ajutorul functiei putere cu
parametrul de reglaj r = 0.3.
AT
II IN DOMENIUL MA
a)
b)

modificare liniara a contrastului conform punctului 2
a)
b)

modificare liniara a contrastului conform punctului 3
7. Realizati o egalizare de histograma asupra mamografiei aleasa la punctul 1.
8. Cititi si afisati imaginea mdb028.tif f ca n figura de jos. Sa se aplice una din transformarile
prezentate care sa conduca la rezultatul de mai jos. Care este transformarea punctuala aplicata?
9. Pornind de la Imaginea rezultat de la punctul 8, sa se aplice doua praguri care sa conduca
la obtinerea imaginilor din figura 3.22, de mai jos:
AT
II IN DOMENIUL MA
a)
b)

modificare neliniara a contrastului cu ajutorul functiei exponentiale
a)
b)

modificare neliniara a contrastului cu ajutorul functiei logaritmice
AT
II IN DOMENIUL MA
a)
b)

modificare liniara a contrastului cu ajutorul functiei putere
a)
b)

egalizare de histograma
AT
II IN DOMENIUL MA
a)
b)
Figura 3.22: a) Mamografia initiala, b) Imaginea Rezultat
a)
b)
Figura 3.23: Aplicarea diferitelor praguri asupra imaginii rezultat de la punctul 8 a) Imagine
binarizata obtinuta cu un prag care permite si retinerea unor zone cu vase de sange in imagine,
cu alte cuvinte, pragul nu este foarte restrictiv b) Imaginea binarizata cu un prag mai restrictiv
care pastreaza numai retinerea zonelor de opacitate - zonele dense, luminoase din imagine
.
Capitolul 4
Standardul DICOM
4.1
Scopul lucr
arii
Lucrarea are ca scop nsusirea notiunilor de baza legate de standardul DICOM,un scurt istoric
al acestui format, formatul standard al unui fisier DICOM. In partea de Desf
asurarea lucr
arii
vor fi convertite, vizualizate si prelucrate fisiere n format DICOM aferente imaginilor medicale
cu ajutorul unor programe specializate. Pentru lucrarea de fata s-au ales pentru aplicatiile
de conversie si analiza fisierelor DICOM limbajul Matlab, o aplicatie dezvoltata n mediul
LabView, precum si un viewer uzual, IrfanView.
4.2
4.2.1
Introducere
Definitie
Standardul DICOM este un standard global n IT, folosit n majoritatea spitalelor si clinicilor
din ntreaga lume. Acronimul DICOM provine de la Digital Imaging and Communication in
Medicine si reprezinta efortul multor ani pentru cristalizarea unui standard fundamental care
sta la baza imagisticii medicale n format digital.
Ca atare, acesta ofera toate instrumentele necesare pentru reprezentarea datelor si prelucrarea
imaginilor medicale n vederea stabilirii unui diagnostic precis. Mai mult decat atat, contrar
opiniei initiale, DICOM nu reprezinta doar o imagine sau un format de fisier. Acesta este
un transfer atotcuprinzator de date, care cuprinde partea de stocare si protocolul de afisare
construit si concepute pentru a acoperi toate aspectele functionale ale imagisticii medicale
digitale. Ca sa concluziona putem afirma, fara ndoiala, ca standardul DICOM guverneaza cu
adevarat medicina practicii digitale .
Structura sa actuala, dezvoltata initial n 1993, este proiectata pentru a asigura interoperabilitatea sistemelor utilizate pentru: elaborarea, pastrarea, afisarea, procesarea, trimiterea,
preluarea, interogarea sau printarea imaginilor medicale si a documentelor derivate structurate,
precum si de a gestiona fluxul de lucru.
51
CAPITOLUL 4. STANDARDUL DICOM
52
Formatul DICOM descrie modul n care se compun mesajele ntre diverse tehnici de obtinere a
imaginilor medicale (de ex: computer tomograf (CT), rezonanta magnetica (MR), dispozitive
de ultrasunete, medicina nucleara, radiografii, filme digitalizate, captura video si informatii
HIS/RIS (Hospital Information Systems/ Radiology Information System) si defineste un set
de operatiuni pentru a le transmite n retea. Aceste mesaje pot fi, de asemenea, scrise n
fisiere de stocare offline pentru sistemul PACS, pe CD-uri, sau alt tip de dispozitiv de stocare.
Formatarea mesajelor combina imagini si mesaje metadata pentru a crea o descriere complexa
a unei proceduri imagistice medicale. Acest format este extrem de detaliat, lista specificatiilor
avand mai mult de 2500 de pagini.
Punctul de plecare pentru dezvoltarea unui standard care si propune transmisia imaginilor
medicale a constat n ideea de a permite personalului medical sa acceseze imagini (mpreuna
cu informatia aferenta) produse de aparatura medicala, ntr-un format standard, care sa fie
respectat de toti producatorii.
Un alt acronim important care apare interconectat cu sfera utilizatorilor de standard DICOM
este PACS (Picture Archiving and Communication Systeme de comunicatii). PACS reprezinta
sisteme medicale (constand n hardware-ul si software-ul necesar) proiectate si folosit pentru a
gestiona imagini digitale medicale.
Acestea cuprind imagini digitale, dispozitive de achizitie (aparate de radiografie digitala, tomografie computerizata (CT), scanere de ultrasunete, etc.), arhive de imagini digitale (n cazul n
care sunt stocate imaginile achizitionate), si statii de lucru, asa cum se poate observa in figura
4.1.
Figura 4.1: Arhitectura si componentele de baza ale unui sistem PACS. Imaginea este proprietatea [12]
Standardul DICOM respecta modelul ISO pentru comunicarea n retea si nglobeaza concepte
de programare orientata pe obiecte. Desi ideea initiala a plecat de la radiologie, standardul
53
DICOM este adaptabil. In acest sens, el poate sa functioneze si pentru alte ramuri medicale
care genereaza imagini, cum ar fi: patologie, endoscopie, computer tomograf, etc.
Succesul standardului deschide organizatiilor de sanatate noi oportunitati n mbunatatirea calitatii serviciilor medicale prin accesul n conditii mai bune si la un cost mai scazut, mai rapid, la
imaginile medicale si informatiile asociate. Din punctul de vedere al producatorilor de echipamente medicale, standardul DICOM descrie n detaliu toate specificatiile pe care un dispozitiv
cu o interfata de comunicare trebuie sa le satisfaca, pentru a se conforma standardului. In
cazul dispozitivelor mai vechi, acest lucru se poate realiza prin atasarea unei interfete hardware
si a software-ului aferent. Pentru echipamentele noi aplicatiile DICOM pot fi ncorporate n
dispozitiv. In ambele situatii, interfata utilizeaza un set de programe care folosesc protocolul
DICOM (n interiorul echipamentului ori n dispozitivele atasate).
DICOM se foloseste de avantajele standardelor din industria de calculatoare pentru a realiza
conexiunea cu alte dispozitive. Aceasta permite integrarea usoara a echipamentelor DICOM
n retelele existente n spitale. Pe langa conexiunile din interiorul spitalelor, se ncurajeaza
comunicarea ntre clinici pentru schimbul de imagini, informatii si diagnostice.
Interesul producatorilor de echipamente medicale s-a globalizat, ceea ce face ca standardul
DICOM sa devina un standard predominant pentru transmiterea imaginilor medicale.
4.2.2
Scurt istoric
Primul rezultat n definirea standardului DICOM a constat n realizarea standardului pilot

ACR-NEMA (alianta dintre American College of Radiology si companiile producatoare de
echipamente medicale, membre ale NEMA - National Electrical Manufacturers Association,
colaborare care a nceput n anul 1984). La acea vreme, aceasta conexiune realiza o conexiune
punct la punct. Insa, odata cu extinderea retelelor de calculatoare si a dimensiunilor bazelor
de date, s-a atins o limitare a acestui tip de conexiune.
Standardul DICOM a mbunatatit semnificativ comunicatia ntre dispozitivele medicale si a
redus costurile si complexitatea integrarii solutiilor hardware si software. Inainte de aparitia
acestui standard, fiecare producator folosea formatele de imagine, precum si protocoale de
comunicatii proprii pentru conectarea solutiilor hardware. Integrarea partii hardware si software
medical de la diversi furnizori presupunea traducerea de protocoale de la unul la celalalt. Procesul era lent si se desfasura cu dificultate. O industrie de servicii de translatare a datelor se
dezvoltase pe parcurs.
Odata cu introducerea standardului DICOM ca standard formal n anul 1993, s-au nlocuit
mai multe protocoale si formate. DICOM este un format comun care integreaza solutii de la
mai multi furnizori. De exemplu, acesta face posibila integrarea unui scanner MR de la firma
General Electric cu un sistem de arhivare de tip PACS de la AGFA precum si imprimanta unui
film fara a folosi dispozitive de traducere/translatie. Integrarea nu este limitata doar la partea
de hardware. Programe, ca de exemplu Matlab, care accepta standardul DICOM, pot partaja
imagini cu toate aceste dispozitive, cu conditia ca fiecare din dispozitivele hardware sa aiba
implementate serviciile DICOM necesare.
4.2.3
54
Standard DICOM / Implementare DICOM
Pentru o cat mai buna ntelegere, trebuie sa facem diferenta ntre cele doua concepte: cel de
standard si cel de implementare.
Standardul Digital Imaging and Communications in Medicine (DICOM) este o specificare detaliata care descrie modalitatile de codare si transfer a imaginilor medicale si a informatiilor
asociate; cu alte cuvinte, este un asamblu de norme care satisface nevoile producatorilor si utilizatorilor de echipamente medicale care furnizeaza imagini n scopul interconectarii acestora
prin retele standard.
Implementarea, pe de alta parte, transpune n practica o modalitate de a vizualiza fisierele
DICOM, ntrucat acestea nu pot fi accesate n mod direct, implicit ci prin decompresie.
Asa cum s-a prezentat n lucrarea anterioara, standardul Digital Imaging and
Communications in Medicine a fost creat n ideea de a permite personalului medical sa vizualizeze imagini (mpreun cu informatia necesaa aferenta) produse de aparatura medicala, ntr-un
format standard, care sa fie respectat de toti producatorii de aparatura medicala.
Un fisier DICOM contine atat un header (care stocheaza informatii referitoare la: numele
pacientului, tipului scanarii, dimensiunile imaginii si alte detalii legate de pacient), cat si toate
datele si informatiile imaginii n sine.
Formatul DICOM se diferentiaza fata de formatul Analyse, prin faptul ca stocheaza
informatiile imaginii ntr-un singur fisier (.img) si informatiile header-ului ntr-un fisier diferit
(.hdr). O alta diferenta ntre cele doua standarde consta n faptul ca imaginea DICOM poate
fi comprimata (ncapsulata) pentru reducerea dimensiunii acesteia. Fiserele pot fi comprimate
utilizandu-se variante de format .jpeg cat si variante ale formatului Run-Length Encoding.
4.2.4
Header-ul DICOM
Imaginea din figura 6.1) prezinta structura unui fisier DICOM. In acest exemplu, primii 794
bytes sunt utilizati pentru header-ul formatului DICOM, care contine informatii legate de
dimensiunile imaginii si informatii despre scanare. Marimea header-ului variaza n functie de
informatia stocata. Aici header-ul defineste o imagine cu dimensiunile de 109 91 2 voxeli,
cu rezolutia de 1 byte/voxel. Datele care definesc imaginea urmeaza imediat informatiilor
headerului, fiind stocate n acelasi fisier.
4.2.5
Luminozitatea si contrastul
In limbajul de specialitate, pentru a desemna luminozitatea si contrastul unui fisier convertit n

imagine se folosesc temenii de centru si l
atime a unei ferestre. Aceste valori sunt foarte
importante pentru scannerele Xray/CT/PET care tind sa genereze intensitati calibrate, asa
ncat se poate utiliza o pereche specifica C:W (Centre : Width) pentru fiecare imagine n parte
(de exemplu, o specificatie de 400 : 2000 poate fi indicata pentru vizualizarea tesuturilor osoase,
n timp ce 50 : 350 poate fi ideala pentru vizualizarea tesuturilor moi). Figura 6.8 ilustreaza
55
Figura 4.2: Header-ul DICOM. Imaginea este proprietatea [6]

conceptul celor 2 variabile prin prezentarea a 3 ipostaze ale aceleiasi imagini cu setari C:W
diferite.
a)
Figura 4.3: 3 ipostaze ale aceleiasi imagini MRI cu setari C:W diferite. Imaginea este proprietatea: http://www.cabiatl.com/mricro/dicom/index.html
4.2.6
Formatul fisierului DICOM
Un fisier DICOM are, dupa cum se poate vedea n figura 6.1, urmatoarea structura:
56
un preambul de 128 octeti

un prefix (patru octeti), unde sunt retinute initialele: D, I, C si M care reprezinta
semnatura unui fisier DICOM
un set de date care retine informatii, cum ar fi: nume pacient, tip imagine, dimensiune
imagine, etc.
pixelii, care compun imaginea (imaginile) continute n fisier.
Figura 4.4: Formatul fisierului DICOM

Elementul Data Set poate fi definit ca o informatie transmisa care consta ntr-un set de valori
de atribute avand o legatura directa sau indirecta cu Obiectele Informatie. Valoarea fiecarui
atribut dintr-un Data Set este exprimata ca un Data Element. Un Data element este
compus din cateva campuri:
Eticheta (tag-ul) Data Element - un identificator unic pentru un Data Element. Tagul este compus dintr-un GroupNumber pe 2 octeti si un Element Number (2 octeti).
Sintaxa de transfer reprezinta un set de reguli de codificare care permit aplicatiei sa negocieze sintaxa de codificare (structura Data Element, ordonarea octetilor, compresia).
Exista doua modalitati de codificare a ordonarii octetilor: Big Endian si Little Endian. In
cazul folosirii lui Big Endian, mai multi octeti sunt codificati avand cel mai semnificativ
octet codificat primul, restul octetilor fiind codati n ordinea descrescatoare a sintaxei. In
cazul ordonarii Little Endian, cel mai putin semnificativ octet este codificat primul. Intrun Data Set, Data Element-ele sunt aranjate ntr-o ordine crescatoare a numarului
de eticheta si apar o singura data.
Reprezentarea Valorii (RV) descrie tipul datei si dimensiunea corespunzatoare a unui
element din Data Element. Este un vector de caractere memorat pe 2 octeti. Reprezentarea Valorii pentru un tag Data Element este definit n Data Dictionary, iar vectorul
de caractere este codat folosind sirul standard definit n standardul DICOM.
Lungimea Valorii: 16 sau 32 biti n functie de reprezentarea valorii: implicita sau
explicita.
Campul Valoare: un numar impar de octeti continand valorile de Data Elemente.
Multiplicitatea valorii: specifica cate valori (folosind campul de reprezentarea valorii) pot
fi plasate n Campul Valoare.
4.2.7
57
Algoritm de extragere a datelor si a imaginilor din fisierele

DICOM
Extragerea de date din fisierele DICOM se face tinand cont de fiecare dintre tag-urile din
dictionarul DICOM. Fiecare dintre acestea va fi cautat n fisier, iar, daca va fi gasit, va fi
interpretat.
Pasii pentru extragerea informatiei din fisier sunt urmatorii:
Verificarea existentei caracterelor D, I, C si M.
Stabilirea tipului RV. Acesta informatie este data de UID, valoare corespunzatoare tagului sintaxei de transfer.
Stabilirea ordonarii octetilor (BigEndian sau LittleEndian). Standardul DICOM contine
toate valorile posibile.
Cautarea unui tag n fiierul DICOM, corespunzator ordonarii octetilor si tipului de RV.
Extragerea valorii corespunzatoare acelui tag.
Standardul DICOM contine peste 20 de tipuri de date. Tipul de data pastrata n campul valoare
este data de RV. In functie de aceasta, se va extrage informatia de tipul string, ntreg, etc.
Problematica extragerii imaginilor din fisierele standard DICOM, va fi descrisa n continuare
tinand cont de metoda de compresie: RLE sau JPEG.
Imaginile se pot clasifica dupa cateva criterii:
Numarul de imagini memorate: una sau mai multe.
Numarul de biti per pixel: 8 biti, 12 biti, 16 biti sau 24 biti.
Compresia: cu sau fara compresie (raw, RLE sau JPEG).
Interpretarea fotometrica: nuante de gri, imagini color.
In cazul imaginilor fara compresie, extragerea imaginilor este realizata pixel cu pixel, tinand
cont de numarul de biti pentru fiecare pixel. Pentru imaginile care folosesc compresie este
necesara, mai ntai, decompresia.
Algoritmul pseudocod de extragere a imaginilor din format DICOM
Informatiile clinice sunt transpuse intr-o gama larga de formate: de exemplu, distantele sunt
redate n milimetri, timpul de achizitie este cuantificat n secunde, numele pacientilor sunt scrise
de obicei folosind caractere alfanumerice, etc. Componenta standardului, intitulata Structura
Datelor si Encodarea acestora, contine 27 de tipuri de date standard, cunoscute sub numele
de Value Representations - (VR), care nglobeaza toate tipurile de date ce pot aparea n
58
domeniul medical. Orice informatie codata ntr-un fiier DICOM trebuie sa se regaseasca n
unul din aceste tipuri predefinite. Fiecare componenta VR (vezi tabelul 4.5) are propria sa
abreviere de doua litere, o descriere a ceea ce reprezinta, o specificare a caracterelor care sunt
permise n cadrul tipului de date respectiv, si o lungime predefinita a campurilor apartinand
tipului de date respectiv.
Algoritmul pseudocod pentru extragerea imaginilor este urmatorul:
Repet
a pana la extragerea tuturor imaginilor:
Dimensiune imagine = numar coloane * numar linii * biti per pixel
Citeste toate informatiile necesare: header + numar * dimensiune
Dac
a imaginea curenta este monocroma, atunci:
Salveaza imaginea (ex. n format .jpeg sau .gif )
End Dac
a
Dac
a imaginea este redata folosind o paleta de culori:
Citeste paleta
Citeste pixelii din paleta
Salveaza imagine (ex. n format .jpeg sau .gif )
End Dac
a
Dac
a imaginea este o imagine n format RGB, atunci:
Citeste fiecare pixel cu cele trei componente de rosu, verde si albastru
Compune informatia de culoare din cele trei planuri
Salveaza imaginea (ex. n format .jpeg sau .gif )
End Dac
a
End Repet
a
4.3
4.3.1
Desf
asurarea lucr
arii
Prelucrarea imaginilor medicale n format DICOM cu Matlab
Citirea fisierelor din formatul DICOM

Pentru citirea si vizualizarea unei imagini codata n format DICOM (vezi fig. 4.6), se va scrie:
59
a = dicomread ( 0 CT-MONO2-16-ankle . dcm0 );

imshow(a , 0 DisplayRange 0 [ ] );
Pentru citirea unei serii de imagini avem exemplul de mai jos: consideram cazul unui pacient
care este supus unui studiu de imagistica, care poate contine mai multe serii de imagini. Fiecare
serie se bazeaza pe o singura modalitate de achizitie, fie ca este vorba de MR, CT, X-ray si
poate avea mai multe imagini.
Daca vom considera ca studiul consta dintr-o serie de 20 de imagini MRI creier, se doreste ca
aceste imagini sa fie citite cu ajutorul limbajului Matlab (aceste 20 de imagini sunt stocate n
fisierele DICOM cu nume ca, de exemplu, brain 017.dcm).
Pornim de la presupunerea ca fiecare imagine are dimensiunea 256 256 si de o rezolutie de 16
biti. In concluzie, putem sa citim seria de poze cu ajutorul functiei dicomread folosind codul:
Prealoca vectorul de imagini Xcu dimensiunea 256 *256 * 1 *20.
- X = repmat(int16(0), [256 256 1 20]);
Citeste seria de imagini.
- for p = 1 : 20
- filename = sprintf(0 brain %03d.dcm0 , p);
- X(:,:,1,p) = dicomread(filename);
- end
Afiseaza stiva de imagini.
- montage(uint8(X)),[ ])
Dupa rularea liniilor de program de mai sus, vom obtine un vector cu 4 dimensiuni X care va
retine fiecare din cele 20 de imagini de dimensiune 256 256. Imaginile sunt afisate sub forma
unei matrici cu ajutorul functiei montage, ca n figura 6.8.
O alta posibilitate de vizualizare a colectiei formata din cele 20 de MRI-uri (aflate ntr-o structura de tip .mat cu numele de mri ) este afisarea consecutiva a imaginilor n aceeasi fereastra
a imaginilor (sub forma unui scurt film) cu ajutorul functiei immovie.
- load mri
- mov = immovie(D,map);
- movie(mov,3)
60
Accesarea datelor din formatul DICOM

In exemplul precedent am facut cateva ipoteze n momentul prealocarii dimensiunii vectorilor
de date. Toate aceste ipoteze se bazau pe faptul ca informatia exista n format DICOM. Mai
mult decat atat, pixelii din imagine sunt limitati la un interval mai mic decat gama dinamica
totala posibila a imaginii; prin urmare, se cere ca datele existente n standardul DICOM sa fie
rescalate pentru a umple intervalul dinamic de 16 biti. Intrucat toate imaginile dintr-un set de
date au aceeasi dimensiune si aceeasi rezolutie, avem nevoie doar sa preluam informatia de la
o singura imagine din seria de 20 (din exemplul nostru), pentru prealocarea ntregului vector.
Pentru a accesa informatiile dintr-un fisier DICOM se va folosi functia dicominfo:
info = dicominfo(0 brain 001.dcm0 )
Salvarea unei imagini n format DICOM
Salvarea unei imagini codata n format DICOM se face utilizand functia dicomwrite. Exemplul
de mai jos salveaza imaginea a in fisierul DICOM ankle.dcm.
dicomwrite ( a 0 ankle . dcm0 );
O alta posibilitate de a salva o imagine n format DICOM este prin specificarea functiei dicomwrite a unei structuri returnate cu ajutorul functiei dicominfo. In exemplul de mai jos,
functia dicomwrite salveaza informatia relevanta ntr-o structura metadata:
inf o = dicominfo ( 0 CT-MONO2-16-ankle . dcm0 );
a = dicomread(info);
dicomwrite ( a 0 ankle . dcm0 ,info);
Reconstructie si vizualizare n 3D
Cu ajutorul programului Matlab si a functiilor dezvoltate n toolbox-ul de Image Processing,
se pot realiza mai multe aplicatii asupra imaginilor n format DICOM. Una din aplicatii presupune reconstructia n 3D a slice-urilor (felii) dintr-o colectie de imagini n format DICOM.
Aceste posibilitati de afisare n 3D pot mbunatati o vizualizare a volumelor sofisticate sau
pentru aproximarea cat mai precisa a suprafetelor unor leziuni sau tumori.
Functia isocaps nchide o isosuprafata. Pentru o vizualizare n 3D a stivei formata din cele
20 de MRI-uri de mai sus cu ajutorul functiei isocaps se va introduce urmatorul exemplu, al
caror rezultat l putem vizualiza n figura 6.9:
load mri
D = squeeze(D);
D(:,1:60,:) = [];
61
p = patch(isosurface(D, 5), 0 F aceColor0 , 0 red0 , 0 EdgeColor0 , 0 none0 );

p2 = patch(isocaps(D, 5), 0 F aceColor0 , 0 interp0 , 0 EdgeColor0 , 0 none0 );
view(3); axis tight; daspect([1 1 .4])
colormap(gray(100))
camlight; lighting gouraud
isonormals(D, p);
De asemenea, se pot folosi si functii de morfologie, segmentare, extragerea trasaturilor pentru
imaginile convertite din formatul DICOM cu ajutorul functiei dicomread.
Alte functii din Matlab pentru utilizate pentru lucrul cu fisierele n format DICOM
Alte functii disponibile pentru lucrul cu fisierele n format DICOM sunt:
- dicomanon - ascunderea detaliilor din fisierul DICOM;
- dicomdict - preia sau steeaza dictionarul de date DICOM;
- dicomlookup - determina atributele n dictionarul DICOM.
Aplicatii 1. Preluati un fisier n format DICOM si aplicati o functie de ascunderea detaliilor
acestuia. 2. Utilizati o functie care sa determine numele atributelor DICOM folosind etichetele
acestora.
4.3.2
Prelucrarea imaginilor medicale n format DICOM cu LabView
In cadrul acestei sectiuni, se va rula o aplicatie dezvoltata n programul LabView, Viewer.vi.

Aplicatia de fata a fost dezvoltata n cadrul laboratorului de Imagistica Medicala. Aceasta
preia imagini din format DICOM pe care le converteste n formatul .jpeg.
Testarea functionarii corecte a programului se va face prin baleierea tuturor optiunilor de care
aplicatia dispune. Functiile reprezinta efectul programului la apasarea de catre utilizator a
diferitelor butoane din panoul frontal.
Tem
a Realizati, dupa modelul aplicatiei Viewer.vi, o varianta simplificata care preia o imagine/serie de imagini n format DICOM si o/le converteste ntr-un format uzual de imagine,
folosind functiile din toolbox-ul Motion&Vision.
Primul pas n derularea aplicatiei este ncarcarea n browser a directorului care contine seria
de imagini n format DICOM care se doreste a fi vizualizata. Se apasa pe butonul ALEGE
62
DIRECTOR (figura 5.2). In urma ncarcarii imaginilor, se constata utilitatea afisarii tuturor
imaginilor din director, ceea ce faciliteaza selectarea imaginii dorite; se remarca, nsa, faptul ca
tocmai ncarcarea tuturor fisierelor aduce un mic inconvenient, si, anume, timpul de asteptare
care creste n functie de numarul obiectelor accesate din director. Pentru a reduce ntr-o
anumita masura acest neajuns, a fost introdusa o fereastra care sa afiseze n timp real stadiul
n care se afla derularea programului.
Accesare imagini
Navigarea prin browser se face cu usurinta, prin simpla apasare cu mouse-ul pe imaginea de
test.
Astfel, imaginea este afisata la dimensiunea ei initiala sau, daca este prea mare, este redimensionata pentru a putea fi redata n mod convenabil. Pentru functiile de marire/micsorare a
imaginii initiale (functia zoom), se vor folosi butoanele +, respectiv, .
In coltul din stanga sus al imaginii avem informatii extrase din header-ul fisierului DICOM.
Operatii auxiliare
Aplicatia de fata pune la dispozitie un set de operatii care presupun aplicarea unor prelucrari
de imagini, unele dintre acestea aplicandu-se nu numai asupra imaginii afisate, ci si asupra
ntreagii serii. Deoarece functionalitatea programului nu impune o anumita ordine pentru
apelarea acestor operatii pe imagine, succesiunea acestora poate fi aleatoare, n functie de
nevoia utilizatorului. O prima operatie este mbunatatirea calitatii imaginii prin modificarea
contrastului si a luminozitatii, a accentuarii contururilor, etc. Ramanand n zona acestui tip
de aplicatie, este important de mentionat ca luminozitatea, contrastul si nivelul gamma, se pot
modifica atat manual, cu ajutorul unor cursoare care baleiaza plaja de valori posibile cat si prin
alegerea unor niveluri presetate ale acestor parametri n functie de zona corpului (regiunea de
interes) care se doreste a fi prelucrata. Se observa ca, pentru utilizarea optima a acestor functii
cu niveluri presetate de contrast-luminozitate, este foarte importanta calibrarea acestor valori,
calibrare care se poate face folosind experienta personalului medical.
Butonul INVERT realizeaza negativizarea imaginii (valoarea fiecarui pixel se nlocuieste cu
complementul sau), dupa cum se poate vedea n figura 6.12:
O functie utila a programului este prezentarea unei figuri tridimensionale a imaginii de interes,
care se bazeaza pe vizualizarea valorii de luminanta a fiecarui pixel, aceasta reprezentand cea
de-a treia dimensiune.
O alta functie a aplicatiei Viewer.vi o reprezinta posibilitatea afisarii succesive a imaginilor
din cadrul unei colectii, sub forma unei secvente de film. Viteza de succesiune a cadrelor se
poate regla n intervalul [1, 25] cadre/secunda. Se pot, astfel, compara, doua cadre succesive.
O alta optiune a aplicatiei o reprezinta salvarea imaginii/colectiei de imagini convertite din
formatul DICOM ntr-un format uzual, JPEG.
4.3.3
63
Conversia imaginilor din format DICOM cu ajutorul programului IrfanView
O modalitate simpla de conversie a unei imagini/colectie de imagini din formatul DICOM este
utilizarea unui viewer uzual, IrfanView, prin accesarea unui plugin care face posibil acest lucru.
Acesta prezinta cateva optiuni de baza pentru prelucrarea ulterioara a imaginii convertite,
cum ar fi negativizarea unei imagini, afisarea histogramei, ajustarea automata a culorii,
mbunatatirea contrastului prin ascutirea detaliilor dintr-o imagine (functia sharpen), blurare a imaginii, extragerea contururilor, etc.
4.4
Intreb
ari si aplicatii
1. Ce reprezinta standardul DICOM si care a fost necesitatea si scopul introducerii unui

asemenea standard?
2. Care este diferenta ntre standard DICOM si implementare DICOM?
3. Plecand de la pseudocodul aferent conversiei unei imagini din formatul DICOM, scrieti o
aplicatie n limbajul Matlab care sa realizeze acest lucru.
4. Explicati linia de cod: X = repmat(int16(0), [256 256 1 20]);
5. Vizualizati succesiv colectia de imagini cu imagini mri folosite n exemplele din platforma.

Draft Indrumar IM v2.1-67

Încărcat de

Informații document

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

Draft Indrumar IM v2.1-67

Încărcat de

Drepturi de autor:

Formate disponibile

MEDICALA:

Introducere n domeniul imagisticii medicale . . . . . . . . . . . . . . . . . . . .

Tehnici de imagistica medicala . . . . . . . . . . . . . . . . . . . . . . . .

Introducere n domeniul prelucrarii si analizei de imagini . . . . . . . . . . . . .

Reprezentarea unei imagini

Notiuni generale de analiza spatiala a imaginii . . . . . . . . . . . . . . . 15

Notiuni generale ale procesarii imaginilor cu nivele de gri . . . . . . . . . 17

Prezentarea interfetei programului Matlab . . . . . . . . . . . . . . . . . . . . . 22

Modul de reprezentare al unei imagini n Matlab . . . . . . . . . . . . . . . . . . 22

Sistemul de coordonate al unei imagini n Matlab . . . . . . . . . . . . . 22

Citirea si afisarea unei imagini n Matlab . . . . . . . . . . . . . . . . . . . . . . 23

Functii de baza pentru procesarea si analiza imaginilor . . . . . . . . . . . . . . 25

Conversia intre tipuri de variabile . . . . . . . . . . . . . . . . . . . . . . 28

Cancerul la san - Mamografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

3.3 Imbunatatirea imaginilor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

Punerea problemei n cadrul metodelor de mbunatatire a mamografiilor . 34

Clasificari ale metodelor de mbunatatire . . . . . . . . . . . . . . . . . . 35

Operatii punctuale de mbunatatire . . . . . . . . . . . . . . . . . . . . . 35

Modificarea liniara a contrastului . . . . . . . . . . . . . . . . . . . . . . 36

Cazuri particulare pentru modificarea liniara de contrast . . . . . . . . . 37

Modificarea neliniara a contrastului . . . . . . . . . . . . . . . . . . . . . 40

Standard DICOM / Implementare DICOM . . . . . . . . . . . . . . . . . 54

Formatul fisierului DICOM . . . . . . . . . . . . . . . . . . . . . . . . . 55

Algoritm de extragere a datelor si a imaginilor din fisierele DICOM . . . 57

Prelucrarea imaginilor medicale n format DICOM cu Matlab . . . . . . 58

Prelucrarea imaginilor medicale n format DICOM cu LabView . . . . . . 61

Conversia imaginilor din format DICOM cu ajutorul programului IrfanView 63

4.4 Intrebari si aplicatii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

Rubo Dicom Viewer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

5.3 Intrebari si aplicatii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

Prezentarea interfetei principale . . . . . . . . . . . . . . . . . . . . . . . 88

IMAQ Motion and Vision . . . . . . . . . . . . . . . . . . . . . . . . . . 93

Afisarea unei imagini n LabView cu ajutorul IMAQ . . . . . . . . . . . . 97

Introducere n domeniul imagisticii medicale

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE2

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE3

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE4

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE5

Tehnica bazata pe imagistica nuclear

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE6

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE7

Introducere n domeniul prelucr

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE8

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE9

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE10

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE11

f (x, y) = [fR (x, y), fG (x, y), fB (x, y)]T

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE12

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE13

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE14

Figura 1.10: Interfata programului ImageJ.

Interfata principala a programului ImageJ Interfata programului ImageJ este usor de

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE15

Figura 1.11: Afisarea unei imagini in ImageJ.

Notiuni generale de analiz

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE16

Figura 1.12: Vecinatatea V8.

Figura 1.13: Vecinatatea V8.

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE17

Figura 1.14: a)Optiunea de translatie; b) Functia de scalare.

yR = xinitial sin() + yinitial cos()

Notiuni generale ale proces

CAPITOLUL 1. ELEMENTE INTRODUCTIVE IN ANALIZA IMAGINILOR MEDICALE18

Figura 1.15: a)Optiunea de rotatie; b) Alte transformari geometrice.