Analýza biomedicínských obrazů - počítačová cvičení
Popis:
1 Práce se signály a obrazy v prostředí MATLAB®
MATLAB®. jako programovací jazyk resp. programové prostředí, je hojně využívaným nástrojem pro vědecké a výzkumné účely převážné v akademických radiích. Kromě základního jádra umožňuje využívat i knihovny obsahující funkce specifického zaměření (např. optimalizace, zpracování signálů, statistické výpočty, simulace apod.). Pro účely těchto skript je vhodné se soustředit kromě základního jádra na dvě knihovny obsahující řadu užitečných funkcí pro práci se signály a obrazy (Signál Processing Toolbox n Iniage Processing Toolbox).
1.1 Cykly vs. podmíněné indexování v prostředí MATLAB®
Při zápisu počítačového programu se často využívají řídicí struktury (větvení programu, cykly,...). Díky tomu, že je MATLAB® maticové orientovaný, je v některých případech vhodné nahrazovat cykly tzv. podmíněným indexováním, dosáhne se tím výrazného zrychlení výpočtu a zjednodušení kódu. jak ukazují Alg. 1.1 a Alg. 1.2.
Klíčová slova:
transformace
kontrast
ostření obrazu
segmentace
rekonstrukce
morfologické operace
obrazové data
Obsah:
- 1 Práce se signály a obrazy v prostředí MATLAB® 8
1.1 Cykly vs. podmíněné indexování v prostředí MATLAB® 8
1.2 Základní operace se signály a obrazy 8
2 Frekvenční analýza obrazů 14
2.1 Spektrum obrazu 16
3 Transformace kontrastu 21
3.1 Operátory pro zpracování obrazů 21
3.2 Histogram obrazu 22
3.3 Transformace kontrastu 24
3.4 Pscudobarvení 32
4 Potlačení šumu 36
4.1 Základní typy šumu a jejich vlastnosti 36
4.2 Potlačení aditivního bílého gaussovského šumu 37
4.2.1 Konvoluční operátory 40
4.3 Potlačení impulzního šumu 41
4.3.1 Mediánový filtr 42
4.4 Potlačení šumu typu moiré 42
5 Ostření obrazu 45
5.1 Ostření odečtením rozostřeného obrazu 45
5.2 Ostření pomocí lokálních operátoru 47
5.2.1 Výpočet konvoluce ve spektrální oblasti 48
5.3 Ostření úpravou spektra 49
6 Hranová detekce 54
6.1 Lokální operátory aproximující první a druhou derivaci 54
6.2 Kombinované přístupy detekce hran 58
7 Texturní analýza 62
7.1 Texturní analýza na základě významných oblastí ve spektru G4
7.2 Mikrostrukturní metody 66
7.3 Metoda založená na lokálních binárních znacích 70
8 Segmentace 76
8.1 Prahování 76
8.2 Metoda dělení a slučování oblastí 78
8.3 Metoda narůstání oblastí 80
8.4 Metoda rozvodí 83
8.5 Houghova transformace 85
8.5.1 Houghova transformace pro vyhledávání přímek 86
8.5.2 Houghova transformace pro vyhledávání kružnic 90
9 Rekonstrukce z projekcí 96
9.1 Radonová transformace, projekce, sinogram 96
9.2 Prostá zpětná projekce 100
9.3 Filtrovaná zpětná projekce 101
9.4 Rekonstrukce prostřednictvím frekvenční oblasti 106
10 Morfologické operace 110
10.1 Eroze a dilatace 111
10.2 Otevření a uzavření 115
10.3 Morfologický gradient 118
10.4 Top-hats a Bottom-hats transformace 119
10.5 Distanční mapa a skelet objektu 120
11 Lícování obrazů 125
11.1 Geometrické transformace 125
11.2 Interpolace 127
11.3 Globální podobnostní kritéria 129
11.4 Optimalizační algoritmy 131
11.4.1 Kontrolované náhodné prohledávání 132
11.5 Implementace lícování v MATLABu® 133
11.6 Odhad posunu mezi obrazy pomocí fázové korelace 136
12 Fúze obrazových dat 142
12.1 Víceúrovňové přístupy k fúzi obrazových dat 142
12.1.1 Vínková transformace obrazových dat 143
12.1.2 Fúze obrazů s využitím vínkové transformace 146
12.2 Disparitní analýza 151
12.2.1 Výpočet disparitní mapy pomocí 2D nelineárních přizpůsobených filtru 152
13 Restaurace obrazů 159
13.1 Inverzní filtrace 1G0
13.2 Wienerův filtr 165
13.3 Restaurace s využitím homomorfických operátorů 169
O souborech cookie na této stránce
Soubory cookie používáme pro funkční účely, pro shromažďování a analýzu informací o výkonu a používání stránky.