Processamento de Imagem

Curso de Engenharia Biomdica
Disciplina de Processamento de Imagens Mdicas

Ano Lectivo de 2013/2014
Trabalho PrticoN1
Executado por:
27181-Cludia Sofia Viana Moreira
27215-Sara Flor da Silva Queirs
Orientado por
Fernando Monteiro
Entregue em
11 de Maio de 2014
Modelo para execuo de Relatrios
1. Resumo
Na rea de Engenharia Biomdica, o processamento de imagens mdicas de grande
importncia, e cada vez mais existem novos mtodos capazes de permitir aos profissionais de
sade uma melhor analise e visualizao de imagens que so de elevada relevncia para o
diagnstico e preveno de doenas.
Este trabalho realizado no mbito da disciplina de Processamento de Imagens Mdicas, tem
como finalidade principal a manipulao de determinadas imagens, para que se possa ver com a
melhor clareza, qualidade e perceo a informao contida nas mesmas. Para a realizao destas
manipulaes utilizou-se o MATLAB, que nos permite a melhoria de imagens, e ajuste de rudos
recorrendo a diversos filtros.
Palavras Chave: Processamento, Imagem, MATLAB, Rudos
Fernando Monteiro - ESTiG/IPB
2. ndice
1.
RESUMO ........................................................................................................................................................... 1
2.
NDICE............................................................................................................................................................... 2
3.
INTRODUO ................................................................................................................................................. 4
4.
PRINCIPIOS BSICOS ................................................................................................................................... 5

4.1. IMAGEM ........................................................................................................................................................... 5
4.2. PROCESSAMENTO DE IMAGEM ......................................................................................................................... 6
4.2.1.
Modelo RGB e HSV (HSI) ..................................................................................................................... 6
4.3. HISTOGRAMA................................................................................................................................................... 7
4.3.1.
Definio ............................................................................................................................................... 7
4.3.2.
Equalizao Global do histograma ....................................................................................................... 8
4.3.3.
Equalizao Local do Histograma ........................................................................................................ 8
4.3.4.
Expanso do histograma ....................................................................................................................... 9
4.4. OPERAES ARITMTICAS............................................................................................................................. 10

4.5. FILTROS ......................................................................................................................................................... 10
4.5.1.
Filtros de Mdia .................................................................................................................................. 10
4.5.2.
Filtros de Mediana .............................................................................................................................. 11
4.5.3.
Filtro Gaussiano ................................................................................................................................. 12
4.5.4.
Filtro Bilateral .................................................................................................................................... 12
4.5.5.
Filtro Alpha Trimmed.......................................................................................................................... 13
4.5.6.
Filtro de Kuwahara ............................................................................................................................. 13
4.6. GERAO DO NDICE ..................................................................................................................................... 13

5.
RESULTADOS E DISCUSSO..................................................................................................................... 14
5.1. EXERCCIO 1 MANIPULAO DE IMAGEM ................................................................................................... 14
5.1.1.
Acrescentar uma moldura branca, com uma largura de 10 pixels, imagem original ...................... 14
5.1.2.
Dividir a Imagem Original em 4 regies iguais. Alterar a posio de cada regio, de acordo com o
esquema seguinte: ............................................................................................................................................. 15

5.2. EXERCCIO 2- OPERAES ARITMTICAS ...................................................................................................... 17
5.3. MELHORIA DA IMAGEM ................................................................................................................................. 20
5.3.1.
Na Perceo dos Vasos Sanguneos (Fig4.tif) .................................................................................... 20
5.3.2.
Na perceo geral da imagem............................................................................................................. 25
5.4. ATENUAO DE RUDO .................................................................................................................................. 28

5.4.1.
Fig6.tif ............................................................................................................................................ 28
5.4.2.
Fig7.tif ............................................................................................................................................ 31
5.5. ATENUAO DE RUDO- MODIFICAO DE CDIGO FONTE ........................................................................... 34

6.
CONCLUSO ................................................................................................................................................. 39
7.
REFERNCIAS BIBLIOGRFICAS ........................................................................................................... 40
3. Introduo
O ser humano tem a necessidade de observar tudo aquilo que est sua volta, e tudo isso
s possvel devido ao sentido da viso isto , os nossos olhos. So os nossos olhos que nos
permitem ter a percepo das cores, dos tamanhos e tudo aquilo que vemos diariamente.
Hoje em dia com a era digital, e com o Processamento de Imagem Digital possvel fazer
a alterao de imagens, melhorando assim a quantidade de ruido, a luminosidade entre outros
factores que por vezes nos impedem de visualizar determinadas imagens que desejamos.
Todas estas novas tecnologias foram adaptadas rea da sade, permitindo assim atravs
da Engenharia Biomdica o Processamento de Imagens Mdicas que tem como objetivo a
manipulao de imagens de forma a que se possa retirar mais facilmente a informao
existente nas mesmas, e assim proporcionar uma melhor visualizao aos profissionais.
Este trabalho tem como principais objetivos criar algoritmos que nos permitam manipular
uma imagem, aplicar algoritmos de processamento de imagem que permitam melhorar uma
imagem, criar algoritmos de processamento de imagem que permitam diminuir o rudo
presente numa imagem, isto utilizando a ferramenta virtual MATLAB.
4. Principios bsicos
4.1. Imagem
A imagem digital a representao de uma imagem bidimensional usando nmeros binrios

codificados, de forma a permitir o seu armazenamento, reproduo e processamento atravs de
meios eletrnicos. A imagem digital composta por uma matriz onde as linhas e colunas
reconhecem determinados pontos sendo o mais pequeno designado por pixel, soma de todos os
pixels obtemos uma imagem definida.
As imagens normalmente utilizadas so de 8 bits, onde existem 256 nveis de cor, na qual o
valor 0 significa cor preta e o valor 255 a cor branca.
Fig.1-Represento de pixel numa imagem

Dependendo do nmero de pixels de uma imagem, esta pode conter qualidade diferente, a
esta qualidade designa-se por resoluo, isto a capacidade de se distinguirem detalhes numa
imagem digital.
Em relao s imagens mdicas, a resoluo significa a quantidade de informao que a
imagem possui por unidade de comprimento, ou seja, a relao entre o tamanho do pixel e a rea
em milmetros.
4.2. Processamento de Imagem

4.2.1. Modelo RGB e HSV (HSI)
O modelo RGB um modelo aditivo, que descreve as cores num sistema digital como uma
combinao das trs cores primarias, isto na existe uma mistura de cores, vermelho (R), verde
(G), azul (B).
O modelo RGB pode tambm ser representado por um cubo, em que as cores se encontram
divididas pelos vrtices do cubo.
Fig.2-Modelo RGB
Fig.3-Modelo RGB em forma de cubo
O modelo HSV definido pelas grandezas tonalidade (H), saturao (S) e valor (V). A
tonalidade a cor pura com saturao e luminosidade mximas que se exprime num valor
angular entre 0 e 360. A saturao indica a maior ou menor intensidade da tonalidade, ou seja,
se se trata de uma cor esbatida (cinzenta) ou forte (pura).Uma cor saturada ou pura no contm
a cor preta nem a branca.
O valor traduz a luminosidade (luz refletida) ou o brilho (luz emitida) de uma cor, isto , se uma
cor mais clara ou mais escura, indicando a quantidade de luz que a mesma possui.
Fig.4-Modelo HSV
4.3. Histograma
4.3.1. Definio
Atravs do histograma podemos fazer analises e representao de dados quantitativos,

agrupados em classes de frequncia. O histograma de uma imagem um diagrama que
representa a frequncia de ocorrncia dos pixels dessa imagem que apresentam determinado
nvel de cinza, isto , o histograma evidencia a relao entre o nvel de cinzento e a quantidade
de pixels com esse nvel. O histograma tem dois limites na qual o do lado esquerdo diz respeito
ao valor zero, isto cor preta; j olimite direito corresponde cor branca, ou seja, 255.
Fig.5-Histograma
4.3.2. Equalizao Global do histograma
Equalizar o histograma significa obter a mxima variancia do histograma de uma imagem,

obtendo assim uma imagem com o melhor contraste. O contraste uma medida qualitativa e que
est relacionada com a distribuio dos tons de cinza em uma imagem. Numa equalizao
global, os pixels so modificados por uma funo de transformao baseada na distribuio de
intensidade da imagem inteira.
Fig.6-Imagem original e Imagem com Equalizao Global e

seus histogramas
4.3.3. Equalizao Local do Histograma
A equalizao local utiliza-se uma janela de tamanho definido pelo usurio para varrer a imagem e,
onde em cada lugar , estuda-se apenas os tons de cinza dentro da janela. Neste caso apenas o pixel
central da janela equalizado, e para tal o deslocamento da janela feito ponto a ponto. A
equalizao local no realizada sobre toda a imagem, apenas serve para realar detalhes.
Normalmente utilizada com o objectivo de diferenciar partes da imagem que correspondem a
diferentes tipos de estruturas, isto que so mais brilhantes ou mais escuras do que o resto da
imagem.
Fig.7-Imagem Original e suas Equalizaes

4.3.4. Expanso do histograma
A extenso do Histograma consiste em dividir as frequncias de aparecimento dos pixis pela

largura do histograma. Sendo assim trata-se de uma operao que consiste em alterar o
histograma de maneira a dividir o melhor possvel as intensidades na escala dos valores
disponveis. Isto significa
estender o histograma para que o valor de intensidade mais
fraco fique a zero e que o mais elevada fique no valor mximo.

Desta maneira, se os valores do histograma forem muito prximos uns dos outros, a expanso vai
permitir fornecer uma melhor distribuio para tornar os pixis claros ainda mais claros e os
pixis escuros prximos do preto.
Fig.8-Expanso do Histograma
4.4. Operaes Aritmticas

Em processamento de imagem as operaes aritmticas usadas so a soma, subtraco,
multiplicao e diviso. Todas as estas operaes em imagem digital so efectuadas pixel a
pixel. Estas so essenciais para ajustar e suavizar imagens, particularmente em aplicaes que
tm um baixo sinal ou imagens muito ruidosas. De forma geral, utiliza-se a operao de adio
para realar a similaridade entre diferentes imagens, e as outras operaes para realar diferenas
espectrais.
O principal objetivo da subtrao encontrar diferenas entre duas imagens, sendo que esta
remove da imagem diferente, todas as caractersticas que so semelhantes, realando assim os
detalhes da imagem, como por exemplo a incidncia da luminosidade.
4.5. Filtros
Em processamento de imagem o rudo corresponde a determinadas partes da imagem que
no relevante para o objetivo do processamento a efetuar e que degrada o desempenho desse
processamento. A principal fonte de rudo em imagens digitais ocorre durante o processo de
aquisio e/ou durante a transmisso.
A filtragem, uma forma de processamento que transforma ou melhora a informao existente
na imagem, realando ou removendo caractersticas da mesma.
Existem vrios tipos de rudo, Rudo Gaussiano, Rudo Aleatrio, entre muitos outros. Os filtros
so utlizados de acordo com o tipo de rudo existente numa imagem, uma vez que cada filtro est
direcionado para cada tipo de ruido. A diminuio do ruido fundamental para que se possa
adquirir bons efeitos no processamento de imagens.
4.5.1. Filtros de Mdia
A suavizao da imagem conseguida atravs da variao da janela utilizada, quanto maior a

dimenso da janela maior a suavizao conseguida custa de qualidade da imagem. Mais uma
vez a escolha do valor do parmetro depende apenas do resultado desejado, mas se o objectivo
10
for a eliminao do rudo com a mnima perda de qualidade da imagem este filtro consegue um
resultado satisfatrio.
Fig.9-Filtro de Mdia
4.5.2. Filtros de Mediana
Tem como objetivo a suavizao da imagem original, que ser tanto maior quanto maior for
o tamanho da janela utilizada. A implementao do filtro Mediana atribui a cada ponto visitado o
valor mediano da janela utilizada. Comparativamente com o filtro Mdia, o filtro Mediana
apresenta melhores resultados , pois para alm de eliminar o rudo, as orlas so preservadas com
maior qualidade do que com o filtro Mdia.
Fig.10-Filtros de Mediana
11
4.5.3. Filtro Gaussiano
O filtro gaussiano muito utilizado para suavizao de imagens, com a diferena de no

preservar as arestas uma vez que no considera a diferena das intensidades. Ele possui dois
parmetros, a dimenso da janela e um valor para o desvio padro mximo sigma. A quantidade
da imagem que ser suavizada est relacionado ao desvio padro sigma, isto , quanto maior o
sigma, mais a imagem suavizada, no dependendo muito do parmetro referente a dimenso da
janela. Quanto maior o sigma, maior o nmero de pixels cujo valor diferente de zero, o que
leva os pixels vizinhos a terem maior influncia em cada ponto, realizando uma suavizao
maior na imagem.
4.5.4. Filtro Bilateral
O filtro bilateral considerado um filtro no-linear que combina filtros no domnio e no

espao de cores da imagem. A sua frmula simples, sendo que a intensidade de cada pixel
trocada pela mdia pesada dos pixels vizinhos. Este filtro considera, ao contrrio do filtro
gaussiano, a variao de intensidades para a preservao das arestas, bem como a estrutura da
imagem, uma vez que apenas interfere sobre a vizinhana que faz parte da mesma regio do
ncleo. O filtro bilateral depende de dois parmetros, a similaridade e a distncia.
12
4.5.5. Filtro Alpha Trimmed
O filtro Alpha-Trimmed baseado em estatsticas de ordem e varia entre um filtro de mediana e

um filtro de mdia. usado quando uma imagem contm tipos de curta e longa cauda de rudo
(por exemplo Gaussiano).
4.5.6. Filtro de Kuwahara
O Filtro Kuwahara: preserva bem os contornos da imagem original. Este filtro analisa um pixel
na qual vo existir 4 regioes sua volta onde se calcula a mdia e a varincia. O valor atribudo
ao pixel central o valor mdio da regio que possui menor varincia.
4.6. Gerao do ndice

Insira o cursor na rea do ndice, seleccione a opo ndices e tabelas no menu Inserir e prima
OK, o actual ndice ser substitudo pelo que reflecte o contedo do seu documento.
Para alterar directamente no ndice j gerado, seleccionar o ndice, clicar o boto direito do rato e
escolher Actualizar campo; depois pode optar por actualizar todo o ndice.
13
5. Resultados e Discusso
Aqui, explicaremos o que foi feito em cada exerccio, tendo em conta o raciocnio aplicado
em cada um. Faremos referncia aos cdigos de Matlab utilizados, no entanto, enviaremos todos
eles parte deste relatrio.
5.1. Exerccio 1 Manipulao de Imagem
Figura 12- Imagem (Fig1.tif)
Neste primeiro exerccio foi-nos proposto a realizao de operaes, recorrendo

apenas a estruturas de programao do Matlab, isto , independentes de manipulao de imagem.
5.1.1. Acrescentar uma moldura branca, com uma largura de 10 pixels,

imagem original
Atendendo ao que nos foi pedido, optamos inicialmente por identificar o tamanho
da imagem original, obtendo o nmero de linhas e colunas desta. Isto -nos importante uma
vez que, precisaremos de criar uma matriz, com tamanho superior original de modo a
conseguirmos a moldura.
Assim, depois de identificado o tamanho da imagem original, criamos uma matriz
de uns. Esta matriz, tal como j foi explicado, ser a moldura com uma largura de 10
pixels. Para esse fim, resolvemos somar 20 linhas e 20 colunas, ao nmero de linhas e
14
colunas da imagem original. Depois de termos o tamanho correto, d-mos a cor moldura,
usando o valor 255 que corresponde cor branca.
Por fim, depois de termos a imagem original e a moldura, separadamente, juntamolas atravs de um ciclo for. Posto isto, obtivemos o resultado:
Figura13-Resultado Obtido
5.1.2. Dividir a Imagem Original em 4 regies iguais. Alterar a posio de

cada regio, de acordo com o esquema seguinte:
Original
Alterada
Inicialmente, antes de se separar a imagem nas quatro regies, voltamos a

identificar o nmero de linhas e colunas da imagem. Posto isto, para separar em
quatro regies, dividimos as linhas e colunas em metade de ambas, de modo a ficar
as regies pretendidas. Tivemos o cuidado de utilizar uma funo que nos
15
assegurasse que a diviso desse um valor inteiro, utilizamos ento a funo

round.
co1
lo 1
Fig14- Esquema usado para ajudar na execuo do cdigo de Matlab
De seguida, atribumos as letras A,B,C,e D tal como nos indicava no esquema Original. Posto
isto, era necessrio que a imagem se alterasse para o esquema pedido (esquema Alterado), ento para
isto, criamos uma matriz de uns com o mesmo tamanho que a imagem original. Depois disto, era
necessrio que se converte-se esta matriz criada, numa matriz de valores no fracionrios sem sinal
de 8 bits, para isto, usamos o comando uint8, assim conseguimos logo a seguir dar a cada regio a
nova atribuio de letras correspondentes. A nossa imagem ficou assim com a alterao pretendida.
Alterada
Original
Fig15-Resultado Obtido
16
5.2. Exerccio 2- Operaes Aritmticas

Neste segundo exerccio pretende-se, atravs de operaes aritmticas, obter o melhor
resultado da angiografia, entre as duas imagens (Fig3 e Fig4).
Fig3(A)
Fig3(B)
Fig16- As duas imagens resultantes de Angiografia, Fig3.tif(A) e Fig4.tif(B)
Comeamos por ver as imagens iniciais, acompanhadas pelos seus histogramas. Pelos
seus histogramas conseguimos identificar, que a imagem est a cores, ao contrrio do que
aparenta.
Fig17- As duas imagens Fig3.tif(A) e Fig4.tif(B) e respetivos Histogramas
17
De vrias operaes aritmticas que temos conhecimento e que poderiam ter sido
aplicadas, escolhemos a subtrao. A subtrao ao ser aplicada nas duas imagens, ir realar as
diferenas entre ambas, sendo este o objetivo pretendido.
Fig18- Resultado Obtido da Subtrao e respetivo Histograma
Analisando o histograma da imagem com subtrao, este encontra-se concentrado apenas

numa extremidade (esquerda), da a imagem estar muito escura e, por isso, pouco percetvel.
Ento, com o objetivo de ter uma melhor imagem e com um maior realce dos vasos sanguneos,
aplicamos a Expanso (imadjust). De seguida aplicamos os dois tipos de Equalizao (Local e
Global) para termos de comparao. Ocorreu o que espervamos, obtendo assim um melhor
resultado com a Equalizao Local (adapthisteq) que nos permitiu um maior realce dos vasos
sanguneos.
18
Obtivemos ento o seguinte resultado:
Fig19-Resultados Obtidos da Expanso e Equalizao (Local e Global) e os respetivos

Histogramas
19
5.3. Melhoria da Imagem

5.3.1. Na Perceo dos Vasos Sanguneos (Fig4.tif)
Fig20- Imagem de RetinaFig4.tif
-nos proposto a realizao de um conjunto de operaes de modo a melhorar a perceo

dos vasos sanguneos da Fig4.tif. Para atingir o nosso objetivo fizemos dois testes, usando
diferentes operaes, de modo a selecionar um como o mais eficaz.
5.3.1.1. Teste 1 Componentes RGB com Equalizao Local
Neste primeiro teste, resolvemos ir pelas componentes Vermelha, Verde e Azul (RGB)
da imagem que nos foi dada (Imagem Original- Fig4.tif).
Inicialmente, aplicamos as componentes RGB imagem original, com a finalidade de
comparar e pegar na que apresenta uma melhor perceo dos vasos sanguneos. Analisando, a
original com as trs componentes, atravs das imagens e os respectivos histogramas,
apercebemo-nos que a componente verde a que nos permite uma melhor visualizao daquilo
que nos pedido.
20
(*)
(*)
Fig21- Imagem Original e as suas trs componentes RGB
Poderamos ter escolhido a componente Vermelha, uma vez que, olhando, at parece ser
percetvel toda a imagem em si, no entanto, optamos pela componente Verde porque demonstra
ser melhor para o processamento da imagem, pois contm toda a informao de maneira
minimamente definida, mais do que a Vermelha (exemplo: os vasos sanguneos esto mais
percetveis na parte branca, em forma de circulo, do que na componente Vermelha (*)) . Ento,
aps a escolha, procedemos equalizao local da mesma, utilizando o comando adapthisteq.
Utilizamos esta funo uma vez que, este uma equalizao que utilizada para realar detalhes
em pequenas reas, que exatamente o que nos proposto.
21
O resultado obtido foi o seguinte:
Fig22- Resultado Final
22
5.3.1.2. Teste 2- Converso da Imagem Original em nveis de

Cinzento e Equalizao Local
Comeamos este teste, com a utilizao do comando rgb2hsv, de modo a colocar a

imagem original a nveis de cinzento.
Fig23- Imagem a nveis de cinzento e respectivo histograma
Com a ajuda do histograma verificamos que no h necessidade de recorrer a

operaes como a Expanso, uma vez que, este j abrange todos os valores. O que
poderemos usar neste caso, e porque conhecemos a imagem original e sabemos que os
vasos sanguneos se destacam na imagem, a Equalizao Local (adapthisteq) que nos
ir realar os vasos sanguneos, tal como no teste 1.
23
Foi ento o que fizemos, obtendo:
Fig24- Imagem Final
Posto isto, e analisando cuidadosamente os dois testes, escolheramos o teste 1 para fazer
a melhoria desta imagem, dando este um maior realce aos vasos sanguneos da retina.
24
5.3.2. Na perceo geral da imagem
Fig25-Imagem Fig5.tif
Estamos perante uma imagem a cores e com muita luminosidade, portanto, usamos o
comando rgb2hsv deste modo, retira-se a componente do brilho.
Fig26-Imagem Original e respetivo Histograma
25
Analisando o histograma da imagem, podemos verificar que este est maioritariamente

numa gama de valores, pelo que nos leva a utilizar a Expanso (imadjust), para que a gama
de valores que este abrange seja maior.
Fig27-Imagem com Expanso e respetivo Histograma
Aps efetuada a expanso, verifica-se uma melhor percepo da imagem uma vez que o
histograma apresenta uma gama de valores mais distribuda nos nveis de cinzento.
Seguidamente, e numa tentativa de melhorar a imagem, tentamos a equalizao mas, no entanto,
assumimos que no ser uma mais valia pois o histograma no apresenta uma to boa
distribuio como apenas na Extenso da imagem.
26
Fig27- As trs fases de Processamento pela qual a Imagem Original foi sujeita e os respetivos Histogramas
27
5.4. Atenuao de Rudo
(A)
(B)
Fig28-Imagens Originais Fig6.tif (A) e Fig7.tif(B)
Tendo em conta ambas as imagens, -nos proposto que usemos sequncias de operaes
de modo a atenuar o rudo.
Tal como percetvel, as imagens apresentam caractersticas muito distintas entre elas, e
como tal tivemos que usar operaes diferentes.
5.4.1. Fig6.tif
Comeando pela primeira imagem, Fig6.tif, decidimos aplicar dois tipos de filtros,
inicialmente em separado e posteriormente fizemos a sua combinao.
Decidimos aplicar ento o filtro Gaussiano, tentamos vrios tamanhos de mscara, no final,
optamos pela 7x7.
28
Obtemos o seguinte:
Fig29-Imagem Original e Imagem com Filtro Gaussiano
Depois do filtro Gaussiano, a nossa segunda opo foi o Filtro Mediana, em que, optamos
igualmente (aps analisar todas as outras) por uma mscara 7x7, pois foi esta que mais atenuou o
rudo:
Fig30-Imagem Original e Imagem com Filtro de Mediana
29
Analisando ambos os resultados, podemos verificar que com o Filtro Mediana, embora haja
um maior esbatimento da imagem, comparando com o Filtro Gaussiano, h tambm mais
atenuao do rudo.
Visto que um mantinha uns melhores contornos (no h esbatimento) e outro melhorou o
rudo, decidimos fazer a combinao de ambos:
Fig31-Imagem Original e Imagem com Combinao de Filtros escolhida: Gaussiano e Mediana
Assim, a imagem continua com contornos relativamente bem definidos e, como proposto,
com menos rudo.
30
5.4.2. Fig7.tif
Neste segunda imagem, tivemos mais margem de manobra, pois conseguimos aplicar
todos os filtros que foram abordados nas aulas de Processamento de Imagens Mdicas. Como
tal, recorremos aos Filtros de Mediana, Gaussiano, de Mdia e Bilateral.
Nesta imagem, recorremos tambm tcnica de Extenso porque analisando o
histograma apercebemo-nos de que este estava situado essencialmente numa gama de
valores, pelo que, para uma melhor perceo da imagem e Extenso iria ajudar muito.
Fig32-Imagem Original e Imagem com Expanso e respetivos Histogramas
31
Posto isto, fomos ento aplicar os Filtros. Obtivemos ento os seguintes resultados:
Fig.33- Imagem dos quatro filtros aplicados
Depois de analisadas todos os resultados, optamos por escolher as duas melhores de modo a
tentar uma combinao entre ambas. Pegamos ento no Resultado dos Filtros Gaussiano e
Mediana.
32
Em comparao imagem original, no filtro Mediana embora haja uma atenuao do rudo,
houve um ligeiro esbatimento da imagem:
Fig34-Imagem Original em comparao com Imagem filtrada com o Filtro Mediana
A nvel do filtro Gaussiano, notamos algumas diferenas no rudo.
Fig35-Imagem Original em comparao com Imagem filtrada com o Filtro Gaussiano
Combinando ambos os filtros, verificamos que embora os contornos no estejam to

salientes como antes, h menos rudo que era o que se pretendia.
33
Fig36-Imagem Original em comparao com Imagem filtrada com a Combinao de Filtros: Gaussiano
e Mediana
5.5. Atenuao de Rudo- Modificao de cdigo fonte

Neste exerccio foi-nos proposto que utilizssemos o cdigo fonte da funo kuwahara.
Teremos de alterar o cdigo, de modo a que mantendo a mascara principal de 5x5, sejam
utilizadas 8 submscaras.
Pegando no cdigo inicial, podemos ver que o que encontramos uma mascara 5x5 com
4 submscaras 3x3. No entanto, o que nos pedido nessa mesma mscara de 5x5 consigamos
colocar 8 submscaras com o mesmo pixel central. Tendo em conta que
W1,W2,W3,W4,W5,W6,W7 e W8 so as nossas submscaras; que o WINSZ,tal como
apresentado no cdigo, corresponde ao tamanho da matriz (temos o numero de linhas e colunas
total da mascara); e que, PADDING igual metade de WINSZ sendo este transformado
num valor inteiro, se a diviso der um numero fracionrio. Isto acontece porque existe o
comando floor no cdigo (PADDING=floor(WINSZ/2)).
Posto isto, tendo em conta o nosso raciocnio vem que:

34
Fig37- Posio das 8 submscaras na mscara 5x5
Ao cdigo inicial, o que foi acrescentado foi:

35
inicialmente a leitura de imagem e a sua apresentao;

as restantes submscaras, uma vez que s tinha 4 no cdigo inicial, assim como as suas
posies na mscara 5x5;
no final, a apresentao da imagem final com a utilizao de kuwahara.
Fig38-Cdigo Kuwahara modificado
36
Para testar a alterao do cdigo, recorremos a duas imagens (ambas com rudo):
b) Man
a)Lenna
Fig39-Imagens Escolhidas para verificar o cdigo modificado kuwahara
37
Obtivemos os seguintes Resultados:
Fig40-Resultados Obtidos
38
6. Concluso
Numa avaliao geral, o objetivo que nos foi proposto foi alcanado. Deparamo-nos ao
longo deste trabalho com diversas situaes em que conseguimos ter a perceo em como
cada vez mais a tecnologia nos permite uma melhor, e mais pormenorizada, anlise daquilo
que no somos capazes de analisar a olho nu. Esta, tambm acaba por ser uma mais-valia
para os profissionais de sade que lidam diariamente com a imagiologia como auxilio ao
diagnostico. O Processamento de Imagem Digital constitui assim um importante
desenvolvimento nas reas de visualizao de imagens, e o MATLAB uma importante
ferramenta que permite que este tipo de Processamento seja possvel. Deste modo,
importante que ns futuros Engenheiros Biomdicos, estejamos familiarizados com este tipo
de ferramenta. Este tipo de trabalhos ento muito til para a nossa obteno de
conhecimento nesta rea. Com este, foi-nos possvel uma maior explorao quer de funes
de MATLAB, como de software que nos permite um mais eficaz e rpido tratamento de
imagens.
Concluindo, neste trabalho lidamos com uma rea que cada vez mais explorada, onde
h muito por desvendar ainda. E, de modo geral, conseguimos atingir os objetivos deste
trabalho, adquirindo simultaneamente um maior vontade com esta ferramenta de
Processamento de Imagem, que o MATLAB.
39
7. Referncias bibliogrficas
[1]http://ai-b.blogs.sapo.pt/5104.html
[2]http://dfmesteves.blogspot.pt/2012/11/modelo-hsv.html
[3]http://www.di.ufpe.br/~if143/projetos/99_2/equali/Equalizacao.html
[4]http://paginas.fe.up.pt/~mandrade/tvd/2006/trabalhos1-2006/TD-trab1-grupo02.pdf
[5]http://lvelho.impa.br/ip09/demos/jbu/filtros.html
[6]http://www.blackice.com/Help/Tools/Document%20Imaging%20SDK%20webhelp/WebHelp
/Alpha-Trimmed_Mean_Filter.htm
[7]http://www.dei.isep.ipp.pt/~ana/ROBOTICA/docs/PDI-MestEEC.pdf
[8] Sebenta de Processamento de Imagens Mdicas, Fernando Monteiro
40

Processamento de Imagem

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Processamento de Imagem

Загружено:

Авторское право:

Доступные форматы

Curso de Engenharia Biomdica

Disciplina de Processamento de Imagens Mdicas

Modelo para execuo de Relatrios

Palavras Chave: Processamento, Imagem, MATLAB, Rudos

Fernando Monteiro - ESTiG/IPB

Modelo para execuo de Relatrios

PRINCIPIOS BSICOS ................................................................................................................................... 5

Modelo RGB e HSV (HSI) ..................................................................................................................... 6

Equalizao Global do histograma ....................................................................................................... 8

Equalizao Local do Histograma ........................................................................................................ 8

Expanso do histograma ....................................................................................................................... 9

4.4. OPERAES ARITMTICAS............................................................................................................................. 10

Filtros de Mdia .................................................................................................................................. 10

Filtros de Mediana .............................................................................................................................. 11

Filtro Gaussiano ................................................................................................................................. 12

Filtro Bilateral .................................................................................................................................... 12

Filtro Alpha Trimmed.......................................................................................................................... 13

Filtro de Kuwahara ............................................................................................................................. 13

4.6. GERAO DO NDICE ..................................................................................................................................... 13

esquema seguinte: ............................................................................................................................................. 15

Na Perceo dos Vasos Sanguneos (Fig4.tif) .................................................................................... 20

Na perceo geral da imagem............................................................................................................. 25

5.4. ATENUAO DE RUDO .................................................................................................................................. 28

5.5. ATENUAO DE RUDO- MODIFICAO DE CDIGO FONTE ........................................................................... 34

Fernando Monteiro - ESTiG/IPB

Modelo para execuo de Relatrios

REFERNCIAS BIBLIOGRFICAS ........................................................................................................... 40

Fernando Monteiro - ESTiG/IPB

Modelo para execuo de Relatrios

Fernando Monteiro - ESTiG/IPB

Modelo para execuo de Relatrios

A imagem digital a representao de uma imagem bidimensional usando nmeros binrios

Fig.1-Represento de pixel numa imagem

Fernando Monteiro - ESTiG/IPB

Modelo para execuo de Relatrios

4.2. Processamento de Imagem

Fig.3-Modelo RGB em forma de cubo

Fernando Monteiro - ESTiG/IPB

Modelo para execuo de Relatrios

Atravs do histograma podemos fazer analises e representao de dados quantitativos,

Fernando Monteiro - ESTiG/IPB

Modelo para execuo de Relatrios

4.3.2. Equalizao Global do histograma

Equalizar o histograma significa obter a mxima variancia do histograma de uma imagem,

Fig.6-Imagem original e Imagem com Equalizao Global e

Fernando Monteiro - ESTiG/IPB

Modelo para execuo de Relatrios

Fig.7-Imagem Original e suas Equalizaes

A extenso do Histograma consiste em dividir as frequncias de aparecimento dos pixis pela

estender o histograma para que o valor de intensidade mais

fraco fique a zero e que o mais elevada fique no valor mximo.

Modelo para execuo de Relatrios

4.4. Operaes Aritmticas

4.5.1. Filtros de Mdia

A suavizao da imagem conseguida atravs da variao da janela utilizada, quanto maior a

Fernando Monteiro - ESTiG/IPB

Modelo para execuo de Relatrios

4.5.2. Filtros de Mediana

Modelo para execuo de Relatrios

4.5.3. Filtro Gaussiano

O filtro gaussiano muito utilizado para suavizao de imagens, com a diferena de no

4.5.4. Filtro Bilateral

O filtro bilateral considerado um filtro no-linear que combina filtros no domnio e no

Fernando Monteiro - ESTiG/IPB