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.