SISTEME IMAGISTICE MEDICALE

Prelucrarea imaginilor cu niveluri de gri

Cristian Rotariu

Curs 2
Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Îmbunătăţirea calităţii unei imagini are in vedere accentuarea anumitor

trăsături din imagine cu scopul obţinerii unei imagini mai bune pentru
analiză. Acest proces nu poate creşte conţinutul informaţional al imaginii,
ci doar permite modificarea gamei de valori pentru trăsăturile alese, astfel
încât să poată fi detectate cu uşurinţă.

Operaţiile de tip punctual acţionează asupra unui singur pixel, fără a ţine
cont de nivelurile de gri ale pixelilor vecini, şi se referă doar la
modificarea nivelului de gri al acestuia.

Funcţia de transformare (mapare) a nivelelor de gri este de forma

b'  f (b) unde b este nivelul de gri al pixelului din imaginea sursă, iar b'
este nivelul de gri al pixelului corespunzător din imaginea destinaţie.
Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Modificarea strălucirii (brightness) – Funcţia de transformare este de

forma f (b)  b  c . În cazul in care c  0 , imaginea destinaţie va fi mai
strălucitoare, iar dacă c  0 imaginea destinaţie va fi mai întunecată.

Amplificarea – Funcţia de transformare este de forma f (b)  a  b şi

reprezintă multiplicarea tuturor pixelilor din imagine cu o constantă. În
acest caz, funcţia de transformare este o linie a cărei pantă este egală cu
amplificarea a. O valoare a  1 amplifică imaginea, iar o valoare a  1 o
atenuează.

Transformarea liniară – Dacă se combină amplificarea cu adunarea unei

constante, se obţine o transformare liniară de forma: f (b)  a  b  c unde
a este amplificarea, iar c offsetul aplicat.
Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Inversarea scării de gri – Funcţia de transformare este de forma

f (b)  L  1  b unde b ia valori în intervalul [0… L  1 ] iar L reprezintă
numărul de niveluri de gri din imagine. Inversarea scării de gri este o
transformare liniară cu a  1 şi c  L  1 .

Segmentarea cu prag – Este una din cele mai importante operaţii

punctuale, iar funcţia de transformare este de forma:

 L  1, dacă b  T
f (b)   , unde T  [0...L  1] .
 0, altfel
Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Cuantizarea – Poate fi privită ca o segmentare multi-prag: toţi pixelii cu
niveluri de gri mai mici ca T1 vor avea în imaginea destinaţie nivelul q1
cei cu niveluri de gri mai mari ca T1 dar mai mici ca T2 vor avea in
imaginea destinaţie nivelul q 2 , ş.a.m.d. Funcţia de transformare este
de forma:

q1 , dacă 0  b  T1
q , dacă T1  b  T2
 2
f (b)  
 
 q n , dacă Tn1  b  L  1

Cuantizarea poate fi uniformă (caz în care Ti 1  Ti este constant i )

sau neuniformă.
Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Scalarea – Funcţia de transformare (scalare a imaginii din intervalul

[a1...b1 ] în intervalul [a 2 ...b2 ] ) este de forma:

b2  a2
f (b)  (b  b1 )   b2
b1  a1

Limitarea – Funcţia de transformare este de forma:

0, dacă b  0

f (b)   L  1, dacă b  L  1
 b, altfel

Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Egalizarea histogramei

Pentru a evalua modificările scării de gri in fiecare imagine, se calculează

distribuţia nivelelor de gri, asociind fiecărui nivel numărul pixelilor din
imagine care au acel nivel de gri.

Datorită informaţiilor pe care le furnizează, histograma este folosită în

diferitele etape ale prelucrării primare ale imaginilor, precum şi la
segmentarea acestora. Aprecierea eficienţei unor tipuri de filtrări se face
pe baza modificării alurii histogramei.

Histograma reprezintă frecvenţa de apariţie a nivelelor de gri din

imagine. Astfel: H ( p )  {(i, j ) / f (i, j )  p} , unde p reprezintă nivelul de
gri, f reprezintă matricea de imagine, iar i  [0...nRows] , j  [0...nCols ] ,
unde nRows şi nCols reprezintă numărul de linii, respectiv numărul de
coloane din matricea de imagine.
 Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Egalizarea histogramei

Probabilistic, histograma poate fi considerată ca fiind densitatea de

repartiţie pentru o variabilă aleatoare corespunzătoare nivelului de gri din
imagine:
1
P( p)   H ( pi )
nRows  nCols

şi reprezintă probabilitatea de apariţie a nivelului pi în imagine.

Probabilitatea ca un pixel din imagine să aibă un nivel de gri mai mic

decât pi este data de funcţia de repartiţie a variabilei aleatoare
corespunzătoare nivelului de gri din imagine, adică:
j
P( p j  pi )   P( pi )
i 0
 Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Egalizarea histogramei

O metodă de îmbunătăţire automată a contrastului unei imagini o

reprezintă egalizarea histogramei şi constă în aducerea acesteia la o
formă aproximativ constantă.

Egalizarea (ideală) a histogramei

Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Egalizarea histogramei

Calitatea unei imagini poate fi îmbunătăţită prin modificarea histogramei

astfel încât toate nivelele de gri din scală să conţină aproximativ acelaşi
număr de pixeli. Această aserţiune, se datorează faptului că repartiţia
spaţială a nivelurilor de gri în imagine generează informaţia despre
obiectele din imagine, iar repartiţia nivelurilor de gri din histogramă
furnizează informaţia de contrast.

O imagine dată este cu atât mai informantă cu cât entropia ei este mai
mare. Entropia unei imagini este maximă atunci când toate nivelurile de
gri au aceeaşi probabilitate de apariţie. Ochiul uman percepe mai bine o
imagine cu contrast mai mare. Deci, prin uniformizarea repartiţiei
nivelelor de gri, se îmbunătăţeşte informaţia subiectivă.
 Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Egalizarea histogramei
Considerând histograma imaginii H ( p), p  [ p 0 ... p k 1 ] , se doreşte
determinarea unei transformări punctuale monotone q  T ( p) astfel
încât histograma imaginii rezultat G (q ) să fie uniform distribuită pe
întreaga scară de gri [q0 ...q k 2 ] . Cum histograma poate fi considerata o
funcţie densitate de probabilitate, monotonia transformării T implică:
pk 1 qk 2

 H ( p)dp   G(q )dq

p0 q0

Însă G (q) corespunde unei funcţii densitate de probabilitate g a cărei

valoare este o constantă:
nRows  nCols
g , unde nRows şi nCols reprezintă numărul de
q k 2  q0
linii, respectiv numărul de coloane din matricea de imagine.
Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Egalizarea histogramei

Înlocuind rezultă:
pk 1
q  q0

p0
H ( p )dp nRows  nCols 
qk 2  q0


pk 1
qk 2  q0
q  T ( p) 
nRows  nCols  H ( p)dp  q
p0
0

Integrala din ecuaţie este denumită histograma cumulată, care este

aproximată prin sumă în cazul imaginilor digitale, de aceea imaginea
rezultata nu va avea o histograma perfect egalizată.

Aproximarea discretă a transformării T este:

pk 1
qk 2  q0
q  T ( p)  
nRows  nCols i  p0
H (i )  q0
Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Egalizarea histogramei

Este util ca transformările asupra histogramelor să se poată face

hardware, deci mult mai rapid. Mecanismul pe care îl oferă în acest sens
plăcile de achiziţie de imagini (frame-grabber) este cunoscut sub numele
de LUT (Look Up Table). LUT-ul este o zonă de memorie adresată de
valoarea numerică corespunzătoare nivelului de gri oferit, pentru fiecare
pixel, de convertorul analog/numeric. Valoarea de la respectiva locaţie
din LUT, este noul nivel de gri care se asociază pixelului şi care va fi
memorată în planul video, deci în memoria imagine. Are loc astfel o
transformare pixel cu pixel a histogramei.
Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Egalizarea histogramei

procedure hist_eq (src, dst, nRows, nCols, L)

for i = 0:L-1, i++
h(i) = 0;
endfor
for i = 0:Rows-1, i++
for j = 0:nCols-1, j++
h(src(i,j))++;
endfor
endfor
cumul = 0;
for i = 0:L-1, i++
lut(i) = (cumul+h(i))*(L-1)/(nRows *
nCols);
cumul = cumul+ h(i);
endfor
for i = 0:nRows-1, i++
for j = 0:nCols-1, j++
dst(i,j) = lut(src(i,j));
endfor
endfor
Prelucrarea imaginilor cu niveluri de gri Curs 2

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Egalizarea histogramei

Imagine (RM) cu niveluri de gri şi imaginea cu histograma egalizată

Prelucrarea imaginilor cu niveluri de gri Curs 3

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Modificarea contrastului

Modificarea contrastului reprezintă o operaţie necesară pentru corectarea

achiziţiei imaginii, atunci când histograma are o formă neconvenabilă. În
situaţii defavorabile de recepţionare şi înregistrare a imaginii, precum
iluminare slabă sau prea puternică, scara de gri poate să nu fie total
ocupată.

Calitatea unor asemenea imagini se poate îmbunătăţi prin operaţia simplă

de rescalare a scării de gri, deci printr-o funcţie liniară care transformă
intervalul de străluciri corespunzător imaginii iniţiale în intervalul maxim
de străluciri.
Prelucrarea imaginilor cu niveluri de gri Curs 3

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Modificarea contrastului

a), b) Rescalări liniare, c) Rescalare cu limitare la capete, d) Inversarea

scării de gri, e) Binarizare, f) Accentuare de contrast pe porţiuni
Prelucrarea imaginilor cu niveluri de gri Curs 3

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Modificarea contrastului

Funcţia matematică de transformare utilizată pentru accentuarea

contrastului pe porţiuni utilizând legea din Figura 3.6 f) este de forma:

 m  u, 0  u  c m  tg 

v  f (u )   n  (u  c)  a, c  u  d n  tg 
 p  (u  d )  b, d  u  L  1 p  tg


Parametrii a şi b se obţin din examinarea histogramei, iar m, n şi p

determină gradul de accentuare a contrastului, astfel:
- m  1 , pentru regiunile întunecate;
- n  1 , pentru regiunea medie de gri;
- p  1 , pentru regiunile luminoase.
Prelucrarea imaginilor cu niveluri de gri Curs 3

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Modificarea contrastului

Aceasta alegere are justificare în faptul ca, de regula, regiunile întunecate

si luminoase sunt mai puţin informante şi se pot comprima fără o
pierdere importantă de calitate. Rămâne astfel un interval mai mare
pentru reprezentarea nivelelor de gri intermediare, mai informante.

O importanţă deosebită pentru aplicaţiile biomedicale o prezintă

pseudocolorarea, care este o tehnică de îmbunătăţire a vizibilităţii
anumitor componente din imagine (sau a imaginii în ansamblu) prin
modificarea paletei de culori cu care imaginea este afişată. Aceasta
înseamnă ca pentru anumite niveluri de gri, afişarea se va face folosind o
paletă color.
Prelucrarea imaginilor cu niveluri de gri Curs 3

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Modificarea contrastului

a) b)

Imagine RM cu niveluri de gri a) şi imaginea cu contrast modificat b)

Prelucrarea imaginilor cu niveluri de gri Curs 3

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Modificarea contrastului

a) b) c)
Imagine RM cu niveluri de gri a), imaginea cu contrast modificat b) şi
realizarea modificării de contrast prin consultarea histogramei c)
Prelucrarea imaginilor cu niveluri de gri Curs 3

Tehnici de îmbunătăţire a imaginilor în domeniul spaţial

Modificarea contrastului

a) b)
Imagine angiografică cu niveluri de gri a) şi imaginea cu contrast
modificat b)
Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Zgomote în imagini

Cu toate că în ultimul timp se folosesc dispozitive opto-electronice tot

mai performante, procesul achiziţiei imaginilor nu poate elimina în
totalitate influenţa unor factori perturbatori. De aceea, filtrarea este o
etapă obligatorie în procesul de prelucrare şi analiză a imaginilor şi are
drept scop atenuarea sau chiar eliminarea zgomotelor
Zgomotul este un semnal aleator ce poate apărea pe parcursul achiziţiei
sau transmisiei imaginii şi poate să fie sau nu corelat cu conţinutul
imaginii. Zgomotul poate fi descris prin caracteristicile sale
probabilistice.

În ceea ce priveşte repartiţia zgomotului în cazul bidimensional se poate

vorbi despre o repartiţie în raport cu variabilele spaţiale, în ceea ce
priveşte localizarea pixelilor afectaţi de zgomot, precum şi de o repartiţie
a nivelelor de gri, in ceea ce priveşte distribuţia în amplitudine a
zgomotului.
 Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Zgomot de tip uniform

Zgomotul de tip uniform este caracterizat printr-o distribuţie de

probabilităţi uniformă(constantă) în raport cu variabilele spaţiale. Dacă
distribuţia amplitudinii zgomotului în intervalul [0...Z max ] este uniformă
zgomotul se numeşte cu distribuţie uniformă de valori. Figura prezintă
graficul unei funcţii de distribuţie de probabilitate P(g) uniformă:

P(g) P(g) = A, g = 0..L-1

O Zmax g
Distribuţie uniformă
Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Zgomot de tip Gauss

Zgomotul de tip Gauss se caracterizează printr-o distribuţie gaussiană a

nivelelor de gri. El reprezintă o bună aproximare a zgomotelor care apar
în practică şi care au o distribuţie uniformă în raport cu variabilele
spaţiale (privind localizarea pixelilor afectaţi de zgomot) şi o distribuţie
gaussiană a nivelelor de gri (privind amplitudinea zgomotului). Figura
prezintă graficul unei funcţii de distribuţie de probabilitate P(g), dată de
relaţia: ( g   )2
1 
e  , g = [0..L-1]
2
P(g) P( g ) 
 2

unde  şi  sunt media şi respectiv dispersia.

O  L-1 g
Distribuţie Gauss
 Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Zgomot de tip “sare şi piper”

Zgomotul de tip “sare şi piper” poate fi caracterizat printr-o distribuţie de

tip “beta” a nivelelor de gri. Nivelele de gri ale pixelilor afectaţi de
zgomot vor avea valori apropiate de capetele scării de gri [0..255].
Distribuţia “beta” pentru intervalul normalizat [0...1] este dată de:

 1
  x a 1  (1  x) b1 , 0  x 1
P   B(a, b)
 0, în rest
unde:
1


B(a, b )  x a 1  ( x  1) b 1 dx
0
Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Zgomot de tip “sare şi piper”

Figura a) prezintă graficul unei funcţii de distribuţie de probabilitate

P(g), dată de relaţia 3, cu a = b < 1, iar în figura b) se prezintă o un caz
simplificat, o distribuţie care generează doar valorile extreme ale
intervalului (0 sau L – 1).

P(g) P(g)

1
2

O L-1 g O L-1 g

a) Distribuţie beta b) Distribuţie beta simplificată

 Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Tipuri de zgomote

Zgomotul de tip aditiv este descris de următorul model:

G(i,j) = F(i,j) + Z(i,j),

unde F reprezintă imaginea iniţială (neafectată de zgomot), cu i 

[0..nRows – 1], j  [0..nCols – 1] iar G imaginea afectată de zgomot.

În cazul zgomotului de tip multiplicativ amplitudinea zgomotului

depinde de amplitudinea semnalului. Dacă amplitudinea zgomotului este
mult mai mare decât amplitudinea semnalului, acest tip de zgomot poate
fi descris prin următorul model:

G (i, j )  F (i, j )  Z  F (i, j )  F (i, j )  (1  Z )  Z  F (i, j )

 Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Filtrarea prin mediere

Acest tip de filtrare se utilizează în cadrul imaginilor afectate de zgomot

de tip uniform, precum şi în cazul imaginilor cu zgomot de tip “sare şi
piper”. Dezavantajul major al acestui tip de filtrare este acela al
deteriorării contrastului şi al contururilor existente în imaginea iniţială.
Nivelul de gri G(i,j) al pixelului din imaginea filtrată corespunzător
pixelului F(i,j) din imaginea iniţială, valoare obţinută în urma filtrării
medii se determină după formula de mai jos:

1
G (i, j ) 
M
 F(n,m),
( n ,m )V

unde M reprezintă numărul de pixeli care se găsesc în vecinătatea V a

pixelului F(i,j).
Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Filtrarea prin mediere

În cadrul filtrării prin mediere poate fi utilizată media pixelilor din

vecinătatea ce include pixelul curent, fie o medie a pixelilor din
vecinătate excluzând pixelul curent din mijlocul vecinătăţii

P P P P P P
H   P P P  H   P P 
 P P P   P P P 

Medie incluzând pixelul curent Medie excluzând pixelul curent

 Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Filtrarea prin mediere

Vecinătatea poate fi de tip 3x3, 5x5 etc. Problema care apare în cadrul
utilizării filtrării prin mediere este aceea a alegerii mărimii vecinătăţii
pentru care se face medierea. Mărimea vecinătăţii trebuie să fie corelată
cu conţinutul imaginii. Pentru valori prea mari ale vecinătăţii utilizate la
filtrare, pe lângă fenomenul de filtrare mai apare şi fenomenul de
înceţoşare (blurring).
 Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Filtrarea prin mediere. Tipuri de măşti

1 1 1 0 1 0 
1 1
H 1  1 1 1 H 2  1 1 1
9 5
1 1 1 0 1 0
1 1 1 1 2 1 
1 1
H 3  1 2 1 H 4  2 4 2
10 16
1 1 1 1 2 1 
21 a 1 a a a 
 1   1 
H5   a a 2
a  H6  a b a 
 a  2   b  8a  
1 a 1  a a a 

Diferite tipuri de măşti de filtrare

Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Filtrarea prin mediere direcţională

Filtrarea prin mediere direcţională reprezintă o variantă a filtrării prin

mediere, în sensul că filtrarea se realizează pe una sau mai multe direcţii.
Alegerea direcţiei de filtrare se face în funcţie de orientarea majorităţii
contururilor din imagine ce se doresc a fi păstrate.

Măştile utilizate pentru filtrare medie direcţională sunt cazuri particulare

ale măştilor prezentate anterior, având o serie de coeficienţi nuli.

Filtrarea medie direcţională prezintă avantajul păstrării contururilor care

sunt orientate paralel cu direcţia de filtrare.
 Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Filtrarea prin mediere cu prag

Efectul de alterare a contururilor datorat filtrării medii poate fi atenuat

prin introducerea unui prag Pm în algoritmul de filtrare astfel:

 1 1
G (i, j )  2   F (n, m), pentru F (i, j )  2   F (n, m)  Pm
 N ( n,mV ) ( n ,m )(i , j ) N ( n,mV ) ( n ,m )( i , j )
 G (i, j )  F (i, j ), în celelalte cazuri

 Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Filtrarea prin acumulare

Filtrarea prin acumulare (cunoscută şi sub denumirea de filtrare

temporală) presupune realizarea unei medii temporale utilizând mai
multe imagini (cadre succesive) pentru o perioadă în care se consideră că
imaginea iniţială nu se modifică esenţial. Filtrarea prin acumulare poate
fi descrisă prin următoarea relaţie:

1
G (i, j ) 
M
 F(i, j, t) ,
( n ,m )V

unde M reprezintă numărul de cadre luate în considerare.

Se presupune că zgomotul existent în imagine este de medie nulă, în caz

contrar, după filtrare, intervine în membrul drept al ecuaţiei un decalaj
corespunzător mediei zgomotului.
Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Rezultate

a) b)

a) imagine cu niveluri de gri

b) imaginea cu zgomot de tip uniform
c) imagine filtrată prin mediere
c) d)
d) imagine filtrată prin acumulare
 Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Filtrarea mediană

Filtrarea mediană este o metodă de filtrare neliniară cu performanţe bune

în ceea ce priveşte eliminarea zgomotului de tip “sare şi piper”, a liniilor
sau a pixelilor izolaţi.

Filtrul median este un filtru de ordine a cărui ieşire este statistica de

ordine de ordin central a setului de valori selectate de fereastra de filtrare.

  N 1
 x 2 , dacă N este impar
  
medianx1 , x 2 ...x N   
 1 x N   1 x N  1, dacăN este par
 2  2  2  2 
Prelucrarea imaginilor cu niveluri de gri Curs 3

Filtrări în domeniul spaţial. Filtrarea mediană

Ieşirea filtrului median este deci valoarea din centrul secvenţei ordonate;
în cazul măştilor de filtrare de dimensiune pară, această poziţie centrală
nu există, şi atunci este definită ca media aritmetică a valorilor vecine
centrului imaginar. În practică, filtrul median se foloseşte doar cu măşti
de filtrare de dimensiune impară. De aceea se poate scrie:

medianx1 , x2 ...x N   rang N 1 x1 , x2 ...xn 

2

Efectele de filtrare a zgomotului impulsiv (de tip sare şi piper) sunt

evidente; nivelurile de gri ale pixelilor afectaţi de zgomot sunt 0 şi L-1 şi
deci, după ordonare se vor afla la “capetele” şirului de valori şi ieşirea
filtrului median va fi situată departe de valorile extreme.