Elektronika Medyczna cz.1
Transkrypt
Elektronika Medyczna cz.1
prof. Paweł Strumiłło dr hab. Michał Strzelecki tel. 631 26 31, p. 216, [email protected] godz. przyj : poniedziałek 12-13, wtorek 15-16 Strumillo, Strzelecki Literatura: 1. Notatki i materiały wykładowe (pliki *.pdf) (http://www.eletel.p.lodz.pl/~mstrzel) user: student password: oiz2004 2. A. Materka, Elementy przetwarzania obrazów, PWN, 1991. 3. 4. R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wyd. Fundacji Post pu Telekomunikacji, Kraków 1997. 4. K. Zieli ski, M. Strzelecki, Komputerowa analiza obrazu biomedycznego, PWN 2002. 5. T. Pavlidis, Grafika i przetwarzanie obrazów, WNT, 1987. 6. W. Skarbek, Metody reprezentacji obrazów cyfrowych, Akademicka Oficyna Wydawnicza, Warszawa, 1993. Cele przetwarzania obrazów 1. Poprawa subiektywnej jako ci obrazu postrzeganej przez ludzkie oko. (np. w 1964, zastosowano komputerowe metody do poprawy jako ci obrazu zdj Ksi yca przesłanych przez sond kosmiczn Ranger 7 w Jet Propulsion Laboratory, USA) 2. Przetworzenie obrazu do postaci umo liwiaj cej pomiar wybranych jego cech, automatycznej analizy lub transmisji. (np. czas transmisji pierwszego przesłania obrazu kablem poło onym na dnie oceanu w 1920, obliczono na ok. 1 tyg., po zastosowaniu technik kompresji danych czas transmisji skrócił si do 3 godz.) Cele przetwarzania obrazów Przetworzenie obrazu do postaci umo liwiaj cej pomiar wybranych jego cech, automatycznej analizy lub transmisji. Cele przetwarzania obrazów Przetworzenie obrazu do postaci umo liwiaj cej pomiar wybranych jego cech, automatycznej analizy lub transmisji. JPEG 0.1 bpp 8 bpp Wavelet 0.1 bpp Playboy Magazine Cele przetwarzania obrazów Poprawa subiektywnej jako ci obrazu postrzeganej przez ludzkie oko. MIT Widmo fal elektromagnetycznych Cz stotliwo 1024 1022 1020 1018 1016 1014 1012 prom. X , Hz 1010 108 106 104 mikrofale promieniowanie gamma fale radiowe Promieniowanie wietlne ultrafiolet 400 500 600 podczerwie 700 [nm] 102 Schemat naturalnego przetwarzania obrazów Obraz (90% informacji) Decyzja! Schemat komputerowego systemu przetwarzania obrazów Przetwarzanie Przetwarzanie wst wst pne pne Akwizycja obrazu Segmentacja Segmentacja Komputer Komputer ++ program program ++ baza baza wiedzy wiedzy decyzja Wydzielanie Wydzielanie cech cech Analiza Analiza cech cech obrazu obrazu decyzja Polepszanie jako ci obrazu transformacja skali jasno ci Addison_Wesley Inc. ruch kamery w czasie ekspozycji obraz po korekcji Przykład zadania analizy obrazów " $ ! # Systemy analizy obrazów zastosowania • nauka i przemysł (kontrola jako ci produktów, sortowanie wyrobów, ...) • medycyna (diagnostyka obrazowa, RTG, tomografia komputerowa, USG, mikroskopia, ...) • obronno (rozpoznanie fotograficzne, wykrywanie i ledzenie celów, sterowanie pociskami, ...) • robotyka (sterowanie spawarek i dysz do malowania, sterowanie pojazdów, ...) • eksploracja Ziemi i kosmosu (interpretacja obrazów astronomicznych, satelitarnych, lotniczych, sody kosmiczne, ....) % & & ' ( ) !* + . & ,& / 0 0 0 / 1 & & 1 1 & 2 / & / tomografia CT (A. Cormack, G. Hounsfield, 1972) tomografia MRI (P. Lauterbur, P. Mansfield, 1973 angiografia ultrasonografia w zast. od lat 80tych) (E. Honiz, 1927) (I. Edler, C. Hertz, 1953) rentgenografia (J. Hall-Edwards, 1896) tomografia PET (M. Ter-Pogossian i wsp., 1973) kapsuła endoskopowa (Given Imaging, 2001) endoskopia (B. Hirschowitz, zast. od lat 70tych) !"# $ ! " %$ % # $ ! % &'()$ *+, % " ! -. % " !& ! % $ 3 4 . & $5 $5 4 6 , 7 - 7 & 8, 4 Termografia komputerowa Termogram Obraz optyczny Struktura układu scalonego Medycyna Energetyka Budownictwo & & 9 & Przykłady zada rozpoznawania obrazów: odciski palców Baza obrazów z odciskami palców FBI 1992 Przykłady zada rozpoznawania obrazów: diagnostyka obrazowa Mamografia Przykłady zada rozpoznawania obrazów: rozpoznawanie twarzy (biometria) Juliusz Jaksa, Krzysztof lot, Piotr Szczypi ski „ Face recognition using deformable models”, ICSES’2001 Przykłady zada rozpoznawania obrazów: rozpoznawanie twarzy (biometria) H. Nowak „Rozpoznawanie słów na podstawie analizy sekwencji obrazów”, praca doktorska realizowana w Zakładzie Elektroniki Medycznej IE Przykłady zada rozpoznawania obrazów: rozpoznawanie t czówki oka (biometria) Jan Mazur, „Iris pattern recognition using simple non-linear filtering”, ICSES’2001 Przykłady zada rozpoznawania obrazów: bazy obrazów „Idea” obrazu kopia obrazu lub poszukiwanego poszukiwanego Obraz odszukany DWT C.E. Jacobs, A. Finkelstein, D.H. Salesis, „Fast multiresolution image quering”, 1999 Obraz monochromatyczny jako funkcja dwumymiarowa f(x,y) x y Obraz monochromatyczny jako funkcja dwumymiarowa 220 200 180 160 140 120 100 80 60 0 50 100 150 200 Distance along profile 250 300 Obrazy kolorowe RGB R B G Obrazy kolorowe RGB 300 250 200 150 100 50 0 0 50 100 150 200 250 300 Distance along profile 350 400 450 rozkład składowych RGB dla wybranej linii obrazu 500 Obraz cyfrowy dyskretyzacja + kwantowanie piksel (ang. picture element) Obraz cyfrowy jako macierz pikseli (0,0) X f(x,y) ............ . . 15 17 18 . . . . 20 31 14 . . .......... Y Obraz cyfrowy jako macierz pikseli Obraz cyfrowy f(x,y): macierz dwuwymiarowa (M,N), tj. o M wierszach i N kolumnach, której elementy s nieujemne i przyjmuj sko czon liczb warto ci f ( x, y ) x = 0,1, ..., N − 1 y = 0,1, ..., M − 1 f ( x, y ) = 0,1, ..., L − 1 (np. L=256) Kolorowy obraz cyfrowy? Kolorowy obraz cyfrowy RGB Je eli ka da składowa koloru jest kodowana za pomoc 8 bitów, mo na uzyska 224 kolorów! f ( x, y ) = ( f R , f G , f B ) Kolorowy obraz cyfrowy – obraz indeksowany f=25 0 1 2 . . . R G B : : : 25 . . . obraz monochromatyczny paleta barw (look-up-table) Obraz kolorowy Hands on – demo Demonstracja prostego programu do przetwarzania obrazów