Informatic medical

14.2. Imaginea numeric

O imagine este reprezentat numeric printr-un
tablou bidimensional de numere (matrice, bit-map).
Fiecare element reprezint intensitatea unei mici
zone ptrate din imagine, numit pixel (Figura
14.2.1).
Dac lum n considerare imaginea unui volum,
atunci este necesar o matrice tridimensional
numeric, fiecare element al acestei matrici
numindu-se de aceast dat voxel. O imagine
adus astfel n form numeric poate fi tratat ca
orice alt dat numeric: poate fi transmis prin
reele de comunicaii, memorat n baze de date
compacte pe medii magnetice sau optice, afiat pe
monitoare grafice, tiprit pe hrtie.

Figura 14.2.1. Un element de imagine (pixel).

14.3. Analiza imaginilor

Odat generate i memorate, imaginile trebuiesc
analizate. Procedura tradiional ofer radiologului
1

Mihai Tr

rolul primordial, datorit cunotinelor clinice,

abilitilor perceptuale i informaiilor despre
pacieni specifici.
Medicii fac adesea apel la imagistic pentru a
confirma sau pentru a obine ipoteze specifice.
Imaginile sunt folosite pentru a vizualiza structuri
sau funcii, pentru a determina astfel dac sunt
prezente sau nu caracteristicile bolii suspectate.
Curentul actual de folosire a calculatoarelor pentru
manipularea imaginilor ofer acces la posibiliti
din ce n ce mai mari de a prelucra aceste imagini
pentru a obine o mai bun vizualizare, iar curnd,
i recunoaterea automat a unor imagini specifice.
Pot fi aplicate tehnici de filtrare numeric a
imaginilor pentru nlturarea zgomotului din
imagine, pentru mbuntirea contururilor, pentru
mbuntirea contrastului, etc. mbuntirea
imaginilor este acum principalul obiectiv n
folosirea calculatorului n imagistic.
Dar, mai ales posibilitatea obinerii unor imagini
MRI tridimensionale va aduce un impuls prin
capacitatea unei mai bune vizualizri.
n plus, este posibil cuantificarea unor parametri
msurabili, de exemplu volumul inimii, sau
mrimea rinichiului.
O direcie de viitor este msurarea automat a
parametrilor cuantificabili, msurarea corect
automat a volumelor unor organe sau formaiuni,
precum i localizarea precis a unor formaiuni, n
beneficiul direct al chirurgiei.

Informatic medical

Dei interpretarea automat nu este implementat

nc ntr-o form integral, sunt deja disponibile
sisteme care ofer interpretare automat parial.
Ele interacioneaz cu utilizatorul care dirijeaz
procesul conform cu inteligena i cu experiena sa,
iar sistemul rezolv sarcinile computaionale
solicitate:
Prelucrare global
Segmentare
Extragerea caracteristicilor
Clasificare
Prelucrarea global implic prelucrarea unei
imagini ntregi, fr a considera specificul local al
imaginii, cu scopul mbuntirii ei pentru
vizualizarea uman i pentru analiz automat
ulterioar. n acest moment prelucrarea global
este cel mai dinamic domeniu, deoarece aplic
principii i instrumente deja puse la punct n
tehnic.
Cteva exemple cuprind:
Ferestruirea n scara de gri a imaginilor CT,
care uzual conin numere ntre -3000 i
+4000 la tomografele noi. Omul ns poate
distinge numai 100 de nuane de gri. Din
acest motiv, operatorul poate ajusta nivelul
de mijloc i domeniul de gri care s fie afiat.
Prin reglarea nivelului i limii imaginii pe
ecran,
radiologii
i
perfecioneaz
capacitatea de a percepe modificri mici n

Mihai Tr

rezoluia de contrast, n subregiunea de

interes dintr-o imagine global.
Egalizarea histogramei, n care distribuia
statistic a nivelelor de gri n cadrul imaginii
este uniformizat. O astfel de netezire a
histogramei mbuntete uneori rezoluia
de contrast. n conexiune cu aceast tehnic,
mai exist muli algoritmi de filtrare cu
ajutorul crora se poate nltura zgomotul
datorat
echipamentului,
sau
se
pot
mbunti contururile.
Segmentarea
nseamn
extragerea
din
imaginea global a unor zone de interes,
structurile putnd fi evideniate prin
contururile lor, sau prin compoziii pe
imagine, caz n care sunt aplicate tehnici de
detecie de regiune, n ncercarea de a putea
depista regiuni cu caracteristici comune.
Segmentarea este acum intens asistat
manual, din cauza dificultii procesului.
Extragerea de caracteristici este procesul de
extragere a unor parametri din regiuni
segmentate,
care
s
ofere
informaii
suplimentare, care pot fi folosii n proceduri
automate de clasificare, care determin tipul
de obiect gsit. De exemplu regiuni mici
circulare de pe imagini n raze X pot fi
clasificate ca tumori pe baza intensitii
luminoase, perimetrului, ariei.

14.4. Administrarea imaginilor

4

Informatic medical

Memorarea i regsirea imaginilor este o problem

mare, avnd n vedere volumul mare de date, aa
nct se pstreaz de obicei pe film, dup ce n
prealabil au fost optimizate prin prelucrare.
Sunt ns n studiu sisteme pentru arhivarea
numeric a imaginilor, regsirea lor rapid prin
interogarea automat a bazelor de date de imagini,
transmiterea lor cu vitez mare prin reele de
comunicaii. Un astfel de sistem (PACN Picture
Archiving and Communication Network) pune
probleme complexe pn s devin realitate, i
anume standardizarea formatelor de transmitere i
memorare a imaginilor, dezvoltarea schemelor de
administrare a memorrii lor, proiectarea unor
console conform solicitrilor radiologilor, care s fie
utile i acceptate de ei, aa cum sunt acum
panourile luminoase care permit inspecia filmelor.
Ca ordin de mrime, o imagine CT poate s consiste
dintr-o matrice de 512 x 512 pixeli, fiecare pixel
fiind reprezentat printr-un cuvnt de 11-13 bit. O
examinare CT const din 15-30 seciuni
transversale. Toate acestea rezult n cca. 100 000
000 bit, informaie care poate fi redus de circa trei
ori prin tehnici de comprimare, fr a afecta
rezoluia.
Se poate astfel determina capacitatea de memorare
necesar pentru arhivarea imaginilor preluate ntro secie de radiologie.
14.5. Administrarea informaiei

Mihai Tr

O secie de radiologie pune probleme deosebite de

administrare pentru c activitatea este complex,
incluznd
toate
aspectele:
programarea
examinrilor, nregistrarea pacienilor, rezultatele
examinrilor,
analiza
imaginilor,
scrierea
rapoartelor,
notele
de
plat,
administrarea
imaginilor. n plus, sunt probleme de aprovizionare,
de ntreinere a echipamentelor i a seciei,
asigurarea calitii, monitorizarea expunerii la
radiaii.
Au fost dezvoltate sisteme informatice n radiologie
(RIS Radiology Information Systems) pentru a se
ocupa de problemele precizate mai sus. Ele ns
trebuiesc astfel concepute nct s poat fi
integrate cu alte sisteme informatice.
Primele aplicaii ale calculatoarelor n radiologie au
fost dezvoltate n anii 1960-1970, viznd mai ales
dou
aspecte
pentru
nceput,
i
anume
nregistrarea foii de observaie i administrarea
bibliotecii de filme. ntr-un astfel de sistem s-au
folosit etichete scrise n cod cu bare, pentru
identificarea filmelor. Codul alocat era prezent i pe
ecran, asociat cu datele pacientului.
Majoritatea
sistemelor
din
acest
domeniu
administreaz biblioteci cu imagini pe film, din
cauza dificultilor legate nc de memorarea
imaginilor, care conin mari cantiti de informaie,
dar progresul tehnologic recent privind mrirea
capacitii de memorare i a vitezei de transfer a
informaiei
fac
deja
posibil
administrarea
imaginilor numerice, cel puin la nivel instituional.
6

Informatic medical

Indiferent cum sunt achiziionate imaginile, ele

sunt memorate n fiiere n diferite formate. Cele ce
urmeaz vor prezenta detalii asupra structurii
informaiei asociate imaginilor ct i asupra
prelucrrii imaginilor, constituindu-se ntr-un ghid
practic la ndemna oricui, cu att mai mult cu ct
vom folosi n acest scop mediul MATLAB cu care
cititorii sunt deja familiarizai (vezi volumul I).
Aprofundnd cu rbdare seciunile urmtoare, v
vei narma cu elementele de baz ale prelucrrii
imaginilor, instrument deosebit de util n imagistica
medical.
14.6. Elemente de prelucrarea imaginilor
S ncepem cu nceputul, i anume citirea unui
fiier imagine n MATLAB. nainte de aceasta,
desigur, curm spaiul de lucru folosind
instruciunea clear i tergem figurile existente, cu
instruciunea close all.
Pentru a citi un fiier imagine folosim comanda
imread. De exemplu (vezi Figura 14.6.1):
I=imread('fgn.bmp'); % citete fiierul de imagine
imshow(I); % afieaz imaginea n cadrul unei figuri
n acest exemplu extensia fiierului este .bmp
(bitmap, adic hart de bii), ceea ce ne spune c
probabil mai sunt i alte formate posibile pentru
fiierele imagine.
7

Mihai Tr

Structura de baz din MATLAB, matricea, este n

mod natural potrivit pentru a memora i
reprezenta imagini.

Figura 14.6.1. Citirea i afiarea unei imagini n

MATLAB (celule.bmp).

MATLAB memoreaz cele mai multe imagini ca

structuri bidimensionale (matrici) n care fiecare
element corespunde unui singur pixel n imagine.
Imaginile color RGB (Red Green Blue), necesit o
matrice tridimensional, n care primul plan n a
treia dimensiune reprezint intensitile pixelilor
roii (Red), al doilea plan intensitile pixelilor verzi
(Green) iar planul al treilea intensitile pixelilor
albatri (Blue).

Informatic medical

Din aceste motive lucrm cu imaginile n mod

asemntor cu orice alt tip de date matriciale.
Dac o imagine are 400 pixeli pe orizontal i 300
de pixeli pe vertical, atunci dimensiunea sa este
de 400 x 300 =120000 pixeli, iar matricea
corespunztoare are i ea dimensiunea 400 x 300,
desigur numai dac imaginea este de tip bitmap.
Astfel putem selecta un pixel din imagine foarte
simplu I(57,63), adic cel care are poziia 57 pe
orizontal i respectiv 63 pe vertical.

Figura 14.6.2. Citirea i afiarea unei imagini n

MATLAB (celule.jpg).

Mihai Tr

Deci n MATLAB, o imagine const dintr-o matrice

de date i posibil dintr-o matrice de culoare. Sunt
folosite trei tipuri de baz, care difer prin felul n
care sunt interpretate elementele din matricea de
date:
Imagini indexate
Imagini n intensitate (grayscale sau scal de
gri)
RGB (truecolor sau culori adevrate).
Imaginea din figura 14.6.1 n format bitmap .bmp
ocup n memorie un spaiu de 1157 KB. Aceeai
imagine memorat ntr-un fiier ..jpg ocup 139 KB
(Figura 14.6.2) iar ntr-un fiier .gif ocup 302 KB.
Care este misterul?
Dac analizm cele dou imagini (Figura 14.6.1 i
Figura 14.6.2) abia putem sesiza unele diferene i
totui diferena de dimensiune numeric este
semnificativ. Secretul este comprimarea imaginii.
Imaginea .jpg este rezultaul comprimrii imaginii
.bmp desigur fr a afecta prea mult calitatea.
Problema este cu att mai serioas cnd vorbim
despre video, adic despre imagini n micare. Aici
att volumul de date ct i viteza de transfer sunt
critice. Pentru a transmite imagini TV de calitate
(720 x 485 x 30 imagini/secund) necesit o vitez
de transfer de 31 MB/s, mult mai mult dect pot
asigura calculatoarele curente. Singura soluie o
constituie comprimarea datelor fr a afecta prea
mult calitatea. Diverse abordri au dus la trei
standarde acceptate acum:
10

Informatic medical

JPEG (Joint Photographic Experts Group),

MPEG (Moving Pictures Expert Group)
P*64.

Iat cteva din formatele curent folosite pentru

memorarea imaginilor:

BMP (Microsoft Windows Bitmap);

HDF (Hierarchical Data Format);
JPEG (Joint Photographic Experts Group);
PCX (Paintbrush);
PNG (Portable Network Graphics);
TIFF (Tagged Image File Format);
GIF (Graphics Interchange Format);
XWD (X Window Dump);
DICOM. Fiierele DICOM, folosite pentru
memorarea imaginilor medicale, conin pe
lng imagine n sine metadate care ofer
informaii
despre
imagine
(mrime,
dimensiuni, adncime, modalitatea folosit,
setri ale echipamentului, etc.). Pentru citirea
acestor informaii se folosete funcia
dicominfo.

14.6.1. Operaii de baz

Ca fiine, analizm curent orice imagine vedem,
pn la a recunoate obiecte sau fiine chiar dac
imaginea este incomplet. Mintea omeneasc este
ns incapabil s fac msurri pe o imagine,
lucru posibil pentru main, dac imaginea este
11

Mihai Tr

corect achiziionat i memorat. Iat, mintea

omeneasc i maina se completeaz reciproc.

Figura 14.6.1.1. mbuntirea contrastului unei

imagini n MATLAB (celule.jpg).

nainte de a msura ceva pe o imagine, lucru foarte

necesar mai ales n medicin, sunt uneori motive
serioase de a mbunti (prelucra) imaginea,
deoarece n mod obinuit imaginile sunt
zgomotoase (n cea, cu puncte albe), au contrast
slab, au prea multe detalii neimportante, etc.

12

Informatic medical

Pentru a mbunti imaginea sunt n general

necesare secvene de operaii de trei tipuri:
operaii punctuale
operaii de grup
operaii n cadru.
Vom exemplifica n cele ce urmeaz unele din
operaiile importante i necesare n practica
prelucrrii imaginilor.

Figura 14.6.1.2. Fereastra Adjust Contrast

invocat de imcontrast pentru mbuntirea
contrastului unei imagini n MATLAB (celule.jpg).

Anumite operaii, cum ar fi mbuntirea

contrastului nu opereaz dect pe matrici de
intensitate, ceea ce n cazul imaginilor color face
necesar conversia lor n gri. Aceasta se realizeaz

13

Mihai Tr

simplu aplicnd instruciunea rgb2gray imaginii

color (deja deschis cu numele I):
>> J = rgb2gray(I);
Instruciunea cu care operm asupra contrastului
este imcontrast (Figura 14.6.1.1) care se aplic unui
handle al imaginii afiate n prealabil cu imshow(J).
Prin gca se aplic instruciunea figurii curente, n
cazul nostru figura 1.

Figura 14.6.1.3. Reglarea intensitii unei

imagini n MATLAB folosind imadjust (celule.jpg).

14

Informatic medical

Aa cum se vede n figura 14.6.1.2. imcontrast

invoc un instrument interactiv (Adjust Contrast) n
care operm cu oarecele, reglnd contrastul dup
dorin (Figura 14.6.1.1.). O alt operaie frecvent
folosit este reglarea luminozitii unei imagini,
care se realizeaz cu instruciunea imadjust. Figura
14.6.1.3 d un exemplu de folosire
Operarea n matricea intensitate ajusteaz implicit
contrastul (figura 14.6.1.3). Folosirea ca n figur a
instruciunii imadjust transform valorile imaginii
gri n valori noi astfel nct 1 % din valoare este
saturat la intensiti mici i mari ale imaginii
iniiale. Aceasta mbuntete contrastul, dup
cum se vede n figura 14.6.1.3.
14.6.2. Filtrarea imaginilor
Unele imagini sunt zgomotoase. Iat am simulat
acest lucru adugnd zgomot n imaginea noastr
gri (Figura 14.6.2.1).
S repetm cum am produs figura 14.6.2.1:
>>
>>
>>
>>

I=imread('celule.bmp');
J = rgb2gray(I);
L = imnoise(J,'gaussian');
imshow(L)

Am citit fiierul imagine celule.bmp n matricea I,

am transformat imaginea color RGB n imagine gri
n matricea J, am adugat zgomot imaginii

15

Mihai Tr

rezultnd imaginea memorat n matricea L i am

vizualizat matricea L cu rezultat figura 14.6.2.1.
S vedem acum cum scpm de zgomot sau mcar
dac putem s-l micorm.

Figura 14.6.2.1. O imagine cu zgomot gaussian

produs folosind imnoise din MATLAB (celule.jpg).

Imaginile numerice sunt susceptibile la diverse

tipuri de zgomot. Zgomotul este rezultatul erorilor
n achiziia iniial a imaginii, al cror rezultat sunt
valori ale pixelilor care nu reflect intesitatea din
imaginea adevrat. Zgomotul poate aprea n
imagine n mai multe feluri depinznd de cum este
creat imaginea. Dac imaginea este scanat dintro fotografie, granulaia filmului sau hrtiei
16

Informatic medical

fotografice este o surs de zgomot. Dac imaginea

este achiziionat direct, de exemplu cu un aparat
foto digital, mecanismul de achiziie (senzorul CCD)
poate introduce zgomot n imagine.
Transmisia electronic a imaginii poate ea nsi s
introduc zgomot.
nlturarea sau reducerea zgomotului depinde de
tipul de zgomot. O soluie o constituie filtrarea.

Figura 14.6.2.2. Rezultatul filtrrii liniare prin

mediere a unei imagini cu zgomot gaussian din
figura 14.7.2.1, produs folosind imfilter din
MATLAB (celule.jpg).

17

Mihai Tr

Filtrarea este o tehnic de modificare sau

mbuntire a imaginii, pentru a favoriza anumite
componente sau pentru a elimina alte componente.
Operaiile de prelucrare a imaginii care folosesc
filtrarea
sunt
netezirea,
accentuarea
i
mbuntirea marginilor.

Figura 14.6.2.3. Rezultatul filtrrii mediane a

unei imagini cu zgomot gaussian din figura
14.6.2.1, produs folosind medfilt2 din MATLAB
(celule.jpg).

Filtrarea este o operaie de vecintate n care

valoarea unui pixel considerat n imaginea rezultat
18

Informatic medical

este obinut prin aplicarea unui algoritm vecinilor

pixelului corespondent din imaginea original.
Vecintatea unui pixel este format dintr-o mulime
de pixeli definii prin locaiile lor fa de pixelul
considerat.
n filtrarea liniar valoarea unui pixel rezultant este
dat de o combinaie liniar a valorilor pixelilor
originali din vecintatea lui. Iat cum rezult
imaginea din figura 14.6.2.2:
>> h = ones(5,5) / 25;
>> I2 = imfilter(L,h).
Reducerea zgomotului este evident
imaginea original din figura 14.6.2.1.

fa

de

Figura 14.6.2.4. Rezultatul filtrrii mediane

(dreapta) a unei imagini cu zgomot gaussian
accentuat (stnga), produs folosind medfilt2 din
MATLAB (celule.jpg).

19

Mihai Tr

O alt soluie o constituie filtrarea median; este

asemntoare folosirii filtrului prin mediere. La
filtrarea median valoarea pixelului rezultat este
determinat de mediana pixelilor din vecintate, nu
de media lor. Mediana este mult mai puin sensibil
dect media la valori extreme i de aceea este
potrivit pentru reducerea lor pstrnd imaginea la
fel de net. Figurile 14.6.2.3, 14.6.2.4 prezint
rezultatul.
Imaginea din partea stng a figurii 14.6.2.4
conine zgomot gaussian mai pregnant (sare i
piper) iar cea din dreapta arat rezultatul filtrrii
mediane. Iat i instruciunile:
>> L1 = imnoise(J,'salt & pepper',0.03);
>> M = medfilt2(L1,[3 3]);
Matricea L1 conine imaginea zgomotoas iar M
imaginea dup filtrare.

Figura 14.6.2.5. Rezultatul filtrrii adaptive

(dreapta) a unei imagini cu zgomot gaussian

20

Informatic medical

(stnga), produs folosind wiener2 din MATLAB

(celule.jpg).

n sfrit exemplificm filtrarea adaptiv (Figura

14.6.2.5) folosind instruciunea wiener2 care
implementeaz un filtru adaptiv Wiener acesta se
adapteaz, cum i spune i numele, la variana
local a imaginii. Cnd variana este mare, adic la
marginile obiectelor, netezirea (filtrarea) este mic
i invers. De aceea filtrarea adaptiv produce
rezultate mai bune dect filtrarea liniar i este mai
selectiv, pstrnd marginile i alte detalii de
frecven nalt din imagine .
Iat instruciunile care produc exemplul nostru:
>> N = imnoise(J,'gaussian',0,0.005);
>> O = wiener2(N,[5 5]);
Matricea N conine imaginea zgomotoas iar O
imaginea dup filtrare.
14.6.3. Operaii morfologice
Operaiile morfologice de baz sunt dilatarea i
erodarea. Pe baza lor se definesc
deschiderea morfologic obinut prin erodare
urmat de dilatare, respectiv
nchiderea morfologic obinut prin dilatare
urmat de erodare.
S le exemplificm. Desigur ne vom folosi de
imaginea gri memorat n matricea J, ca mai sus.
21

Mihai Tr

Dilatarea adaug pixeli la marginile obiectelor din

imagine, iar erodarea nltur pixeli.
Numrul de pixeli adugai sau nlturai depinde
de mrime i de forma elementului de structurare
folosit n prelucrarea imaginii.

Figura 14.6.3.1. Rezultatul dilatrii morfologice

(dreapta) a unei imagini (stnga), produs
folosind imdilate din MATLAB (celule.jpg).

Iat secvena de instruciuni care

dilatarea unei imagini n MATLAB:
>>
>>
>>
>>

realizeaz

I=imread('celule.bmp');
J = rgb2gray(I);
SE = strel('square',3);
BW2 = imdilate(J,SE);

Rezultatul se vede n figura 14.6.3.1.

22

Informatic medical

Prin dilatare obiectele sunt mrite prin adugarea

stratului exterior al obiectelor.
Dac distana dintre dou obiecte este mai mic
dect grosimea a dou straturi, obiectele sunt
conectate. Dac o gaur e mai mic dect grosimea
a dou straturi atunci ea dispare.

Figura 14.6.3.2. Rezultatul erodrii morfologice

(dreapta) a unei imagini (stnga), produs
folosind imerode din MATLAB (celule.jpg).

Iat acum secvena de instruciuni care realizeaz

erodarea unei imagini n MATLAB:
>>
>>
>>
>>

I=imread('celule.bmp');
J = rgb2gray(I);
SE = strel('arbitrary',eye(5));
BW2 = imerode(J,SE);

Rezultatul se vede n figura 14.6.3.2.

Dup erodare obiectele sunt mai strmte, n sensul
c prin erodare se scade stratul interior al imaginii.
23

Mihai Tr

Dac un obiect este mai mic dect grosimea

stratului, el dispare din imagine.
Prin combinarea erodrii i dilatrii morfologice
sunt posibile dou operaii numite deschidere i
nchidere, aa cum am vzut mai sus.

Deschiderea morfologic este prin definiie o

erodare urmat de o dilatare morfologic.
Operaia dual, nchiderea morfologic a unei
imagini este prin definiie o dilatare urmat
de o erodare morfologic cu acelai element
structural.

Figura
14.6.3.3.
Rezultatul
deschiderii
morfologice (erodare urmat de dilatare) (dreapta)
a unei imagini (stnga), (celule.jpg).

Iat cum realizm o deschidere morfologic a unei

imagini:
>> SE = strel('square',5);
>> K = imerode(J,SE);
>> L = imdilate(K,SE);
24

Informatic medical

echivalent cu:
>> M=imopen(J,SE)
Rezultatul se vede n figura 14.6.3.3.
Deschiderea
netezete
contururile,
nltur
obiectele mici i deconecteaz delicat particule
conectate.

Figura 14.6.3.4. Rezultatul nchiderii morfologice

(dilatare urmat de erodare) (dreapta) a unei
imagini (stnga), (celule.jpg).

Iat cum realizm o nchidere morfologic a unei

imagini:
>> SE = strel('square',5);
>> K = imdilate(J,SE);
>> L = imerode(K,SE);
echivalent cu:

25

Mihai Tr

>> M=imclose(J,SE);
Rezultatul se vede n figura 14.7.3.4.
nchiderea netezete contururile, suprim gurile
mici precum i depresiunile mici. Poate i ea s
conecteze obiecte aflate n imediat apropiere.
Pe baza erodrii i dilatrii morfologice se
construiesc i alte operaii de mare necesitate n
prelucrarea imaginilor. Dou dintre acestea sunt:
determinarea perimetrelor obiectelor un pixel
este considerat c este pixel de perimetru
dac satisface criteriile:
pixelul exist
unul sau mai muli pixeli din jurul su
nu exist
scheletizarea reduce obiectele la linii fr a
schimba radical structura imaginii

Figura
14.6.3.5.
Generarea
perimetrului
obiectelor (dreapta) unei imagini (stnga), folosind

26

Informatic medical

bwperim(JJ) (celule.jpg). Imaginea din stnga este

obinut cu imcontrast.

Figura 14.6.3.5 (dreapta) prezint rezultatul

generrii perimetrelor obiectelor din imaginea din
stnga. Se vede clar izolarea perimetrelor. Operaia
este important n alte operaii legate de numrarea
obiectelor, calculul dimensiunii sau ariilor lor, etc.
Figura 14.6.3.6 (dreapta) prezint rezultatul
scheletizrii imaginii din stnga. Se vede c
structura imaginii (de exemplu aezarea obiectelor)
nu se modific prin scheletizare.

Figura 14.6.3.6. Generarea scheletului obiectelor

(dreapta)
unei
imagini
(stnga),
folosind
bwmorph(JJ,'skel',Inf) (celule.jpg). Imaginea din
stnga este obinut cu imcontrast.

Scheletonizarea este un exemplu tipic de

transformare homotopic a imaginii. Printr-o
transformare homotopic sunt conservate relaiile
ntre obiecte i gurile dinuntrul lor. Un obiect cu
27

Mihai Tr

cinci guri devine un alt obiect cu cinci guri, dou

obiecte fr guri sunt tot dou obiecte fr guri.
Deschiderea, nchiderea, erodarea i dilatarea nu
sunt operaii homotopice.
Mai sunt i alte operaii necesare n practic i cred
c este util mcar s le menionm:

Curarea (clean), numit i deschidere

geodezic, nti erodeaz imaginea nct
obiectele mici dispar, apoi obiectele erodate
rmase sunt reconstruite la forma i
mrimea lor iniial.

Umplerea gurilor (fill holes) este folositoare

dac putem detecta numai marginile
obiectelor deoarece obiectele au o structur
intern bogat cu intensiti tipice pentru
fond i pentru margini. Dup umplerea
gurilor, marginile sunt transformate n arii
nchise.

Ca ilustrare a ceea ce nseamn practic prelucrarea

de imagine, relum pe scurt cteva rezultate dintr-o
lucrare tiinific (Tr Daniela, Ghita S, Tr
M, 2001).
Pentru a msura porozitatea unui material,
secvena de operaii efectuate asupra imaginii
originale (Figura 14.6.3.7 stnga) este:
complementarea culorii
erodare
28

Informatic medical

accentuare
contrast
comparare cu prag
netezire
curare
inversare
detectarea obiectelor
msurri

Figura 14.6.3.7. nainte (stnga) i dup

prelucrarea
imaginii
(dreapta),
cu
scopul
evidenierii porilor dintr-un material. Zonele albe
sunt pori. (Tr Daniela et al. 2001)

Secvena de operaii necesare pentru detecia i

msurarea gurilor dintr-un material (Figura
14.6.3.8) este:
comparare cu prag
curare.
Secvena de operaii necesare pentru detecia i
msurarea grunilor dintr-un material (Figura
14.6.3.9) este:
29

Mihai Tr

complementarea culorii
erodare
comparare cu prag
umplerea gurilor
detecia obiectelor
msurare.

Figura 14.6.3.8. nainte (stnga) i dup

prelucrarea
imaginii
(dreapta)
cu
scopul
evidenierii gurilor dintr-un material. Zonele albe
sunt guri. (Tr Daniela et al. 2001)

Figura 14.6.3.9. nainte (stnga) i dup

(dreapta) prelucrarea imaginii (dreapta) cu scopul
evidenierii grunilor dintr-un material. Gurile

30

Informatic medical

dispar dup prelucrare (Tr Daniela et al.

2001).

Cele de mai sus constituie o introducere n

prelucrarea imaginilor. Cred c cititorul apreciaz
complexitatea dar i frumuseea acestui domeniu,
preecum i utilitatea sa n medicin, poate mai ult
ca oriunde.
14.6.4. Noiuni elementare de stereologie
Chiar dac nu adncim acest subiect, suntem
datori ca n cadrul acestei introduceri n
prelucrarea imaginilor, s prezentm cteva noiuni
elementare de stereologie.

Figura 14.6.4.1. Fotografia unei seciuni ntr-un

material. Zonele albe sunt guri.

31

Mihai Tr

Stereologia este tiina relaiilor geometrice ntre o

structur tridimesional (corp n spaiu) i imagini
bidimensionale ale acelei structuri.
Aceste imagini trebuiesc prelucrate pentru a pune
n eviden obiectele de interes. Iat ca exemplu o
seciune printr-un material (Figura 14.6.4.1) din
care n urma prelucrrii imaginii sunt detectai
grunii (Figura 14.6.4.2) ca n final s fie detectate
marginile acestora (Figura 14.6.4.3) fcnd astfel
posibile msurri diverse (numr de obiecte, aria
obiectelor, fracia de arie, distribuia dimensiunilor,
etc.).

Figura 14.6.4.2. Grunii materialului din figura

14.7.4.1 identificai n urma prelucrrii imaginii
originale. Gurile nu mai sunt prezente n
imagine. Un careu al grilei este 1 x 1 m.

Dac ne gndim la analogia cu secionarea cu

cuitul a unui ou fiert n felii successive, de fiecare
32

Informatic medical

dat vom gsi prin tiere un nou plan. Toate feliile

oului reconstruiesc desigur oul.
Figura 14.6.4.1 prezint o seciune printr-un
material. Fcnd o alt seciune distanat cu cinci
microni fa de prima, unii gruni din prima
seciune vor disprea deoarece planul s-a
ndeprtat de ei, dar poate vor aprea alii, .a.m.d.
Este la fel cu ceea ce se ntmpl atunci cnd tiem
cozonacul cu stafide i rahat.

Figura 14.6.4.3. Detecia contururilor grunilor

din figura 14.7.4.2 face posibil msurarea
grunilor n seciunea dat. Este marcat un
grunte. Un careu al grilei este 1 x 1 m.

Aceste diverse seciuni prin material sunt

reprezentative, pentru c pe baza lor se poate
reconstrui volumul secionat. Stereologia pune la
dispoziie n acest scop msuri simple bazate pe
geometrie statistic. Volumele sunt prin urmare
33

Mihai Tr

puse n eviden prin suprafee, suprafeele prin

linii, curbele (liniile) prin puncte.
Prin suprapunerea unei grile peste o seciune
(Figura 14.6.4.3) se construiete aa numita prob
stereologic care cuprinde plane, linii i puncte. Cu
ea eantionm microstructura n studiu.
S ilustrm o msurare stereologic clasic
fracia de arie - folosind exemplul nostru (Figura
14.7.6.3).
Fracia de arie nseamn raportul ntre aria
obiectelor din cadru i aria cadrului, adic de fapt
un raport de ocupare a cadrului.
Sunt dou abordri posibile. Fie numrm cte
noduri ale grilei cad n interiorul tuturor obiectelor
i mprim la 560 (numrul total de noduri ale
cadrului din exemplul nostru), fie definim o gril
mai mic (eantion) pe care o deplasm aleator n
cadru fcnd de fiecare dat raportul de arie fa de
grila eantion i apoi raportul mediu. Ca exemplu
de numrare n obiectul marcat cu gri n figur se
gsesc cinci noduri ale grilei. Pentru cadrul nostru
fracia de arie este 0,46 adic 46 %. Aceasta este o
metod mult mai simpl dect calcularea cu
precizie a suprafeei fiecrui obiect.
Ne oprim aici, pstrnd pentru urmtoarea ediie ideea de a prezenta mai n
detaliu
stereologia.

34

Informatic medical

35