Binarización

PARTE 1

Introducción al tratamiento de imágenes
Disciplina multidisciplinaria Sensores de imágenes Visible, IR cercano (banda 400, 1100 nm) : CCD, CMOS Infrarrojo térmico (banda transmisión atmósfera 1.4 à 2.6 µm (IRI), 35µm (IRII) ; 8-14µm(IRIII)) Rayos X, principio de los sensores (pantalla fluorescente más CCD o CMOS) Imágenes radar hiperfrecuencias (longitudes de onda utilizadas: 1m1mm,300 Mhz, 300 Ghz) Imágenes ecografía (frecuencia ultrasonidos de 2Mhz à 10 Mhz, λ del orden del mm) Imágenes de cuenta de fotones Tratamiento de imágenes: codificación, compresión, filtración Interpretación de imágenes: segmentación, binarización, extracción de objetos Imágenes calculadas: realidad virtual, infografismo, reconstitución de 1 imagen 3D a partir de imagen 2D (Escáner rayos X, CT scan)Aplicaciones muy diversas Algunos ejemplos: - Restauración de imagen: reducción del ruido o de los defectos de la cadena de adquisición - Mejoramiento de imagen para la visualización - Adaptación de imagen para la impresión - Codificación y compresión para el almacenamiento y la transmisión - Identificación de objetivos o extracción de informaciones en una imagen: reconocimiento de laescritura, vigilancia, control de una cadena de producción, análisis de imágenes médicas, análisis de imágenes satélites para la prospección minera, indización de imágenes con arreglo a su contenido, biometría, persecución de objetos en movimiento etc. Tratar un problema de tratamiento de imágenes pide un conocimiento de la cadena que va del sensor y sus defectos, al utilizador final y sus manías. Puedeapelar a la electrónica, la óptica, el tratamiento de la señal, el análisis numérico, las estadísticas, la teoría de la información, el arte, la 2 fisiología, la psicofísica, la psicología.

1

Aplicacion 1 : Presentacion de un problema de ayuda al diagnosis

Differenciacion entre infeccion fuerte (bacterial) y cronica (tuberculosis) bajo analisis de imagen de una biopsie de los pulmones3

Preparacion de la imagen
Coagulacion del tejido con formol Rigidificacion de la estructura tissular con parafina Corte del tejido en lamas de 5µm de espesor Coloracion rosa con hématéina Ampliacion microscopio x 4 Imagen tamaño 1280x1024

4

2

Infecion bacterial fuerte
· Présencia de fibrina (color amarillo) · Hémoragia (mas rosado) ·

Zonas homogeneas donde las alveolas no sonvisibles

Alveolas sanas muy claras

5

Infecion cronica (tuberculosis)

Cellulas gigantes de color mas clara al interior y nucleos interiores

Disparicion de las alvéolas sanas

Zoom
6

3

Aplicacion 2 : Ubicacion de escaleras en una foto de baja resolucion

7

Representación de las imágenes Imágenes blanco y negro: matriz I de N líneas por M columnas, cada píxel (i, j) tienesu nivel de gris I codificado sobre 8 bits, 0 negro y 255 blanco. El punto (0,0) está arriba a la izquierda de la matriz. j
i

Matlab : >>I = imread ('C:\ camino…\poumon infecté.jpg') ; % I se transforma en una matriz de dimensión correcta conteniendo las informaciones de % la imagen; si se olvida el « ; » después de imread uno tiene derecho al desfile de los % valores de la matriz! >>whos; %permite tener un conjunto de informaciones sobre la imagen, y saber su dimensión % NxM, uint8 para enteros sin asignatura de 0 à 255 etc.

Imagen color RGB: está constituida de 3 planos de colores, un rojo, un verde, un azul (blue), cada plano es una imagen con niveles de gris (píxel codificado entre 0 255). Para pasar de imagen RGB a la imagen negro y blanco : I(i,j) = (R(i,j) +G(i,j)+B(i,j))/38

4

Matlab : J = rgb2gray(I) ; %convierte la imagen RGB en %niveles de gris haciendo %(R+G+B)/3 Matlab imagen RGB matriz NxMx3 : capa roja I (x,y,1), capa verde I(x,y,2), capa azul I(x,y,3)
Rojo + Verde = Amarillo Rojo + Azul = Magenta Verde + Azul = Cyan Rojo + Verde + Azul = Blanco X, Y y Z siendo numeros entre 0 y 1, Color = (X * Rojo + Y * Verde) + (Z *Azul) Colores son additivas...