PDI
FILTRADO Y REGISTRO DE IMÁGENES
Fecha: 18 de enero 2022
Autor: Luisa María Zapata Saldarriaga
Filtrado
1. Definición:
El filtrado es una operación que cambia la calidad de la imagen en términos de resolución, contraste y artefactos.
Típicamente el proceso de filtrado involucra aplicar una operación matemática a cada píxel de la imagen.
El filtrado espacial modifica la intensidad de cada píxel de una imagen utilizando una función que opera sobre los píxeles vecinos.
Ej: Mejorar la resolución cuando se le aplica un filtro.
TIPOS DE FILTROS:
Filtro de mediana:
Filtro simple que consiste en reemplazar cada pixel de una imagen por la mediana de la vecindad (NxN) alrededor del píxel. La salida del filtro será una imagen con apariencia más suavizada y menos ruidosa que la imagen de entrada.
Ejemplo en slicer de filtro de mediana
- Cargar imágenes de dataset 1
Imagen sin filtrar
-
Seleccionar módulo Volume Rendering
Modules-> Filtering -> Denoising -> Median Image filter -
Definir el tamaño del filtro
- Seleccionar la imagen de entrada
- Asignar nombre a imagen de salida
Filtro Gaussiano
Es muy utilizado, en donde decrece en los extremos. Se especifica un tamaño de aplicación que va determinar el ancho del filtro ya sea en píxeles o voxeles dependiendo de las dimensiones de la imagen.
A medida que se aumenta el tamaño se puede perder información.A mayor ancho suavizado de la imagen.
No es el mejor para filtrar bordes, dado que se pierde detalles de los bordes es decir se pierde información a medida que se eliminan los artefactos.
Filtro de difusión anisotrópica
Los métodos de difusión anisotrópica están formulados para preservar los bordes ya que permite la eliminación Y Elimina artefactos de punto más conocidos como sal y pimienta. Es un métodos basado en la aproximación de derivadas parciales mediante diferencias finitas.
Es un método que ha mostrado eficacia en imágenes MRI en T1 y T2, conserva los bordes. Puede usarse en otras modalidades, pero muestra buenos resultados al trabajarlo sobre imágenes de MRI.
Suele utilizarse en dos aplicaciones principalmente:
- Reducción de ruido como paso de pre-procesamiento para segmentación.
- Paso de pre-procesamiento para reconstrucción volumétrica, permite obtener reconstrucciones volumétrica más limpias.
Se conserva los bordes sin embargo se puede perder información relacionada en diferentes tejidos, no se recomienda aumentar mucho la conductancia ni el número de iteraciones.
Para reconstrucción volumétrica, es más complejo visualizar los vasos y delimitar los bordes por eso es importante quitar los puntos. El realce de bordes es importante para la segmentación.
Ejemplo en slicer de filtro de
- Cargar imágenes de (dataset1)[]
-
Seleccionar modulo de gradiente
-> module->filtering->denoising-> Gradient Anisotropic Diffusion - Definir parámetro conductance: Menor valor de conductividad permite preservar más los bordes y obtener menos suavizado.
- Definir número de iteraciones: El número de iteraciones controla la cantidad de suavizado que se realiza dentro de las regiones limitadas por los bordes.
- Definir Time step: Depende de la dimensionalidad de la imagen. Para imágenes 3D se recomienda utilizar el valor por defecto.
- Seleccionar imagen de entrada
- Asignar nombre a imagen de salida.
Imagen filtrada
Se suavizo más el tejido.
Registro
Encontrar los parámetros óptimos de una transformación geométrica para alinear espacialmente dos imágenes diferentes del mismo objeto.
Establece correspondencia espacial entre los píxeles de la imagen móvil con los de la imagen de referencia.
- i y j son las imágenes de referencia y móvil respectivamente.
- i(x,y) y j(u,v) representan los valores de intensidad de los píxeles ubicados en dos mallas regulares en los espacios de imagen i y j respectivamente.
- Para el mismo sujeto, el mismo punto anatómico z puede estar en la posición x,y y u,v en j.
Se aplica una transformación para que coincida con el espacio.
Posterior al registro, se encuentran en el mismo espacio.
Componentes del registro de imágenes:
- Dimensionalidad: 2D/2D, 3D/3D, 2D/3D (poco comunes).
- Transformación: lineal, no-lineal.
- Medida de similitud: intensidades, puntos de referencia, bordes, superficies.
- Procedimiento de optimización.
- Enfoque: intra-sujeto (para un diagnostico se suele usar varias imágenes), inter-sujeto, construcción de atlas.
Tipo de registro
Lo más importante es la naturaleza de la transformación puede ser:
- Rígida
- Afín
- Curva
- Proyectiva
1. Transformación rígida:
Una imagen 3D tiene 6 grados de libertad:
- 3 traslaciones
- 3 rotaciones
