7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 1/41
Curso de Engenharia Biomédica
Discipl ina de Processamento de Imagens Médicas
Ano Lectivo de 2013/2014
Trabalho PráticoNº1
Executado por:27181-Cláudia Sofia Viana Moreira
27215-Sara Flor da Silva Queirós
Ori entado por Fernando Monteiro
Entregue em
11 de Maio de 2014
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 2/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 1
1. Resumo
Na área de Engenharia Biomédica, o processamento de imagens médicas é de grande
importância, e cada vez mais existem novos métodos capazes de permitir aos profissionais de
saúde uma melhor analise e visualização de imagens que são de elevada relevância para o
diagnóstico e prevenção de doenças.
Este trabalho realizado no âmbito da disciplina de Processamento de Imagens Médicas, tem
como finalidade principal a manipulação de determinadas imagens, para que se possa ver com a
melhor clareza, qualidade e perceção a informação contida nas mesmas. Para a realização destas
manipulações utilizou-se o MATLAB, que nos permite a melhoria de imagens, e ajuste de ruídos
recorrendo a diversos filtros.
Palavras Chave: Processamento, Imagem, MATLAB, Ruídos
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 3/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 2
2. Índice1. RESUMO ........................................................................................................................................................... 1
2.
ÍNDICE............................................................................................................................................................... 2
3. INTRODUÇÃO .................................................................................................................... ............................. 4
4. PRINCIPIOS BÁSICOS ........................................................... ................................................................. ....... 5
4.1. IMAGEM ............................................................. ................................................................. ............................. 5
4.2. PROCESSAMENTO DE IMAGEM ............................................................................................ ............................. 6
4.2.1. Modelo RGB e HSV (HSI) ........................................................ ............................................................. 6
4.3. HISTOGRAMA ................................................................................................................................................... 7
4.3.1. Definição ............................................................ ................................................................. .................. 7
4.3.2. Equalização Global do histograma ............................................................... ........................................ 8
4.3.3. Equalização Local do Histograma ................................................................ ........................................ 8
4.3.4. Expansão do histograma .......................................................... ............................................................. 9
4.4. OPERAÇÕES ARITMÉTICAS............................................................................................................................. 10
4.5. FILTROS ............................................................. ................................................................. ........................... 10
4.5.1. Filtros de Média ............................................................ ................................................................. ..... 10
4.5.2. Filtros de Mediana ........................................................ ................................................................. ..... 11
4.5.3. Filtro Gaussiano ................................................................................ ................................................. 12
4.5.4.
Filtro Bilateral ......................................................................................................... ........................... 12
4.5.5. Filtro Alpha Trimmed.................................................... .............................................................. ........ 13
4.5.6. Filtro de Kuwahara ................................................................. ............................................................ 13
4.6. GERAÇÃO DO Í NDICE ..................................................................................................................................... 13
5. RESULTADOS E DISCUSSÃO .......................................................... ........................................................... 14
5.1. EXERCÍCIO 1 – MANIPULAÇÃO DE IMAGEM ................................................................................................... 14
5.1.1. Acrescentar uma moldura branca, com uma largura de 10 pixels, à imagem original ...................... 14
5.1.2. Dividir a Imagem Original em 4 regiões iguais. Alterar a posição de cada região, de acordo com o
esquema seguinte: ............................................................................................................................................. 15
5.2. EXERCÍCIO 2- OPERAÇÕES ARITMÉTICAS ................................................................................................ ...... 17
5.3. MELHORIA DA IMAGEM ................................................................................................................................. 20
5.3.1. Na Perceção dos Vasos Sanguíneos (Fig4.tif) .................................................................................... 20
5.3.2. Na perceção geral da imagem............................................................................................. ................ 25
5.4. ATENUAÇÃO DE R UÍDO ............................................................ ................................................................. ..... 28
5.4.1. “Fig6.tif” ............................................................................................................................................ 28
5.4.2. “Fig7.tif” ............................................................................................................................................ 31
5.5. ATENUAÇÃO DE R UÍDO- MODIFICAÇÃO DE CÓDIGO FONTE ........................................................................... 34
6. CONCLUSÃO ................................................................................................................................................. 39
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 4/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 3
7. REFERÊNCIAS BIBLIOGRÁFICAS .......................................................... ................................................. 40
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 5/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 4
3. Introdução
O ser humano tem a necessidade de observar tudo aquilo que está à sua volta, e tudo isso
só é possível devido ao sentido da visão isto é, os nossos olhos. São os nossos olhos que nos
permitem ter a percepção das cores, dos tamanhos e tudo aquilo que vemos diariamente.
Hoje em dia com a era digital, e com o Processamento de Imagem Digital é possível fazer
a alteração de imagens, melhorando assim a quantidade de ruido, a luminosidade entre outros
factores que por vezes nos impedem de visualizar determinadas imagens que desejamos.
Todas estas novas tecnologias foram adaptadas à área da saúde, permitindo assim através
da Engenharia Biomédica o Processamento de Imagens Médicas que tem como objetivo a
manipulação de imagens de forma a que se possa retirar mais facilmente a informação
existente nas mesmas, e assim proporcionar uma melhor visualização aos profissionais.
Este trabalho tem como principais objetivos criar algoritmos que nos permitam manipular
uma imagem, aplicar algoritmos de processamento de imagem que permitam melhorar uma
imagem, criar algoritmos de processamento de imagem que permitam diminuir o ruído
presente numa imagem, isto utilizando a ferramenta virtual MATLAB.
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 6/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 5
4. Principios básicos
4.1. Imagem
A imagem digital é a representação de uma imagem bidimensional usando números binários
codificados, de forma a permitir o seu armazenamento, reprodução e processamento através de
meios eletrónicos. A imagem digital é composta por uma matriz onde as linhas e colunas
reconhecem determinados pontos sendo o mais pequeno designado por pixel, á soma de todos os
pixels obtemos uma imagem definida.
As imagens normalmente utilizadas são de 8 bits, onde existem 256 níveis de cor, na qual o
valor 0 significa à cor preta e o valor 255 a cor branca.
Dependendo do número de pixels de uma imagem, esta pode conter qualidade diferente, a
esta qualidade designa-se por resolução, isto é a capacidade de se distinguirem detalhes numaimagem digital.
Em relação às imagens médicas, a resolução significa a quantidade de informação que a
imagem possui por unidade de comprimento, ou seja, a relação entre o tamanho do pixel e a área
em milímetros.
Fig.1-Representção de pixel numa imagem
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 7/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 6
4.2. Processamento de Imagem
4.2.1. Modelo RGB e HSV (HSI)
O modelo RGB é um modelo aditivo, que descreve as cores num sistema digital como uma
combinação das três cores primarias, isto é na existe uma mistura de cores, vermelho (R), verde
(G), azul (B).
O modelo RGB pode também ser representado por um cubo, em que as cores se encontram
divididas pelos vértices do cubo.
O modelo HSV é definido pelas grandezas tonalidade (H), saturação (S) e valor (V). A
tonalidade é a cor pura com saturação e luminosidade máximas que se exprime num valor
angular entre 0º e 360º. A saturação indica a maior ou menor intensidade da tonalidade, ou seja,
se se trata de uma cor esbatida (cinzenta) ou forte (pura).Uma cor saturada ou pura não contém
a cor preta nem a branca.
O valor traduz a luminosidade (luz refletida) ou o brilho (luz emitida) de uma cor, isto é, se uma
cor é mais clara ou mais escura, indicando a quantidade de luz que a mesma possui.
Fig.2-Modelo RGB Fig.3-Modelo RGB em forma de cubo
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 8/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 7
4.3. Histograma
4.3.1. Definição
Através do histograma podemos fazer analises e representação de dados quantitativos,
agrupados em classes de frequência. O histograma de uma imagem é um diagrama que
representa a frequência de ocorrência dos pixels dessa imagem que apresentam determinado
nível de cinza, isto é, o histograma evidencia a relação entre o nível de cinzento e a quantidade
de pixels com esse nível. O histograma tem dois limites na qual o do lado esquerdo diz respeito
ao valor zero, isto é à cor preta; já olimite direito corresponde à cor branca, ou seja, 255.
Fig.4-Modelo HSV
Fig.5-Histograma
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 9/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 8
4.3.2. Equalização Global do histograma
Equalizar o histograma significa obter a máxima variancia do histograma de uma imagem,
obtendo assim uma imagem com o melhor contraste. O contraste é uma medida qualitativa e que
está relacionada com a distribuição dos tons de cinza em uma imagem. Numa equalização
global, os pixels são modificados por uma função de transformação baseada na distribuição de
intensidade da imagem inteira.
4.3.3. Equalização Local do Histograma
A equalização local utiliza-se uma janela de tamanho definido pelo usuário para varrer a imagem e,
onde em cada lugar , estuda-se apenas os tons de cinza dentro da janela. Neste caso apenas o pixel
central da janela é equalizado, e para tal o deslocamento da janela é feito ponto a ponto. A
equalização local não é realizada sobre toda a imagem, apenas serve para realçar detalhes.
Normalmente é utilizada com o objectivo de diferenciar partes da imagem que correspondem a
diferentes tipos de estruturas, isto é que são mais brilhantes ou mais escuras do que o resto da
imagem.
Fig.6-Imagem original e Imagem com Equalização Global e
seus histogramas
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 10/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 9
4.3.4. Expansão do histograma
A extensão do Histograma consiste em dividir as frequências de aparecimento dos pixéis pela
largura do histograma. Sendo assim trata-se de uma operação que consiste em alterar o
histograma de maneira a dividir o melhor possível as intensidades na escala dos valores
disponíveis. Isto significa estender o histograma para que o valor de intensidade mais
fraco fique a zero e que o mais elevada fique no valor máximo.
Desta maneira, se os valores do histograma forem muito próximos uns dos outros, a expansão vai
permitir fornecer uma melhor distribuição para tornar os pixéis claros ainda mais claros e os
pixéis escuros próximos do preto.
Fig.7-Imagem Original e suas Equalizações
Fig.8-Expansão do Histograma
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 11/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 10
4.4. Operações Aritméticas
Em processamento de imagem as operações aritméticas usadas são a soma, subtracção,
multiplicação e divisão. Todas as estas operações em imagem digital são efectuadas pixel a
pixel. Estas são essenciais para ajustar e suavizar imagens, particularmente em aplicações que
têm um baixo sinal ou imagens muito ruidosas. De forma geral, utiliza-se a operação de adição
para realçar a similaridade entre diferentes imagens, e as outras operações para realçar diferenças
espectrais.
O principal objetivo da subtração é encontrar diferenças entre duas imagens, sendo que esta
remove da imagem diferente, todas as características que são semelhantes, realçando assim os
detalhes da imagem, como por exemplo a incidência da luminosidade.
4.5. Filtros
Em processamento de imagem o ruído corresponde a determinadas partes da imagem que
não é relevante para o objetivo do processamento a efetuar e que degrada o desempenho desse
processamento. A principal fonte de ruído em imagens digitais ocorre durante o processo deaquisição e/ou durante a transmissão.
A filtragem, é uma forma de processamento que transforma ou melhora a informação existente
na imagem, realçando ou removendo características da mesma.
Existem vários tipos de ruído, Ruído Gaussiano, Ruído Aleatório, entre muitos outros. Os filtros
são utlizados de acordo com o tipo de ruído existente numa imagem, uma vez que cada filtro está
direcionado para cada tipo de ruido. A diminuição do ruido é fundamental para que se possa
adquirir bons efeitos no processamento de imagens.
4.5.1. Filtros de Média
A suavização da imagem é conseguida através da variação da janela utilizada, quanto maior é a
dimensão da janela maior é a suavização conseguida à custa de qualidade da imagem. Mais uma
vez a escolha do valor do parâmetro depende apenas do resultado desejado, mas se o objectivo
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 12/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 11
for a eliminação do ruído com a mínima perda de qualidade da imagem este filtro consegue um
resultado satisfatório.
4.5.2. Filtros de Mediana
Tem como objetivo a suavização da imagem original, que será tanto maior quanto maior for
o tamanho da janela utilizada. A implementação do filtro Mediana atribui a cada ponto visitado ovalor mediano da janela utilizada. Comparativamente com o filtro Média, o filtro Mediana
apresenta melhores resultados , pois para além de eliminar o ruído, as orlas são preservadas com
maior qualidade do que com o filtro Média.
Fig.9-Filtro de Média
Fig.10-Filtros de Mediana
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 13/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 12
4.5.3. Filtro Gaussiano
O filtro gaussiano é muito utilizado para suavização de imagens, com a diferença de não
preservar as arestas uma vez que não considera a diferença das intensidades. Ele possui dois
parâmetros, a dimensão da janela e um valor para o desvio padrão máximo sigma. A quantidade
da imagem que será suavizada está relacionado ao desvio padrão sigma, isto é, quanto maior o
sigma, mais a imagem é suavizada, não dependendo muito do parâmetro referente a dimensão da
janela. Quanto maior o sigma, maior o número de pixels cujo valor é diferente de zero, o que
leva os pixels vizinhos a terem maior influência em cada ponto, realizando uma suavizaçãomaior na imagem.
4.5.4. Filtro Bilateral
O filtro bilateral é considerado um filtro não-linear que combina filtros no domínio e no
espaço de cores da imagem. A sua fórmula é simples, sendo que a intensidade de cada pixel é
trocada pela média pesada dos pixels vizinhos. Este filtro considera, ao contrário do filtro
gaussiano, a variação de intensidades para a preservação das arestas, bem como a estrutura da
imagem, uma vez que apenas interfere sobre a vizinhança que faz parte da mesma região do
núcleo. O filtro bilateral depende de dois parâmetros, a similaridade e a distância.
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 14/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 13
4.5.5. Filtro Alpha Trimmed
O filtro Alpha-Trimmed é baseado em estatísticas de ordem e varia entre um filtro de mediana e
um filtro de média. É usado quando uma imagem contém tipos de curta e longa cauda de ruído
(por exemplo Gaussiano).
4.5.6. Filtro de Kuwahara
O Filtro Kuwahara: preserva bem os contornos da imagem original. Este filtro analisa um pixelna qual vão existir 4 regioes à sua volta onde se calcula a média e a variância. O valor atribuído
ao pixel central é o valor médio da região que possui menor variância.
4.6. Geração do Índice
Insira o cursor na área do índice, seleccione a opção Índices e tabelas no menu Inserir e prima
OK, o actual índice será substituído pelo que reflecte o conteúdo do seu documento.
Para alterar directamente no índice já gerado, seleccionar o índice, clicar o botão direito do rato e
escolher “Actualizar campo”; depois pode optar por “actualizar todo o índice”.
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 15/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 14
5. Resultados e Discussão
Aqui, explicaremos o que foi feito em cada exercício, tendo em conta o raciocínio aplicado
em cada um. Faremos referência aos códigos de Matlab utilizados, no entanto, enviaremos todos
eles à parte deste relatório.
5.1. Exercício 1 – Manipulação de Imagem
Neste primeiro exercício foi-nos proposto a realização de operações, recorrendoapenas a estruturas de programação do Matlab, isto é, independentes de manipulação de imagem.
5.1.1. Acrescentar uma moldura branca, com uma largura de 10 pixels, àimagem original
Atendendo ao que nos foi pedido, optamos inicialmente por identificar o tamanho
da imagem original, obtendo o número de linhas e colunas desta. Isto é-nos importante uma
vez que, precisaremos de criar uma matriz, com tamanho superior à original de modo a
conseguirmos a moldura.
Assim, depois de identificado o tamanho da imagem original, criamos uma matriz
de “uns”. Esta matriz, tal como já foi explicado , será a moldura com uma largura de 10
pixels. Para esse fim, resolvemos somar 20 linhas e 20 colunas, ao número de linhas e
Figura 12- Imagem (“Fig1.tif”)
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 16/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 15
Alterada
colunas da imagem original. Depois de termos o tamanho correto, dá-mos a cor à moldura,
usando o valor “255” que corresponde à cor branca.
Por fim, depois de termos a imagem original e a moldura, separadamente, juntamo-
las através de um ciclo for. Posto isto, obtivemos o resultado:
5.1.2. Dividir a Imagem Original em 4 regiões iguais. Alterar a posição decada região, de acordo com o esquema seguinte:
A B
C D
Original
Inicialmente, antes de se separar a imagem nas quatro regiões, voltamos a
identificar o número de linhas e colunas da imagem. Posto isto, para separar em
quatro regiões, dividimos as linhas e colunas em metade de ambas, de modo a ficar
as regiões pretendidas. Tivemos o cuidado de utilizar uma função que nos
B C
D A
Figura13-Resultado Obtido
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 17/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 16
lo 1
assegurasse que a divisão desse um valor inteiro, utilizamos então a função
“round”.
1 co1 c
De seguida, atribuímos as letras A,B,C,e D tal como nos indicava no esquema Original. Posto
isto, era necessário que a imagem se alterasse para o esquema pedido (esquema Alterado), então para
isto, criamos uma matriz de “uns” com o mesmo tamanho que a imagem original. Depois disto, era
necessário que se converte-se esta matriz criada, numa matriz de valores não fracionários sem sinal
de 8 bits, para isto, usamos o comando uint8, assim conseguimos logo a seguir dar a cada região a
nova atribuição de letras correspondentes. A nossa imagem ficou assim com a alteração pretendida.
A B
C D
Original Alterada
l
Fig14- Esquema usado para ajudar na execução do código de Matlab
Fig15-Resultado Obtido
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 18/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 17
5.2. Exercício 2- Operações Aritméticas
Neste segundo exercício pretende-se, através de operações aritméticas, obter o melhor
resultado da angiografia, entre as duas imagens (“Fig3” e “Fig4”).
Fig3(A)
Começamos por ver as imagens iniciais, acompanhadas pelos seus histogramas. Pelosseus histogramas conseguimos identificar, que a imagem está a cores, ao contrário do que
aparenta.
Fig3(B)
Fig16- As duas imagens resultantes de Angiografia, “Fig3.tif”(A) e “Fig4.tif”(B)
Fig17- As duas imagens “Fig3.tif”(A) e “Fig4.tif”(B) e respetivos Histogramas
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 19/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 18
De várias operações aritméticas que temos conhecimento e que poderiam ter sido
aplicadas, escolhemos a subtração. A subtração ao ser aplicada nas duas imagens, irá realçar as
diferenças entre ambas, sendo este o objetivo pretendido.
Analisando o histograma da imagem com subtração, este encontra-se concentrado apenas
numa extremidade (esquerda), daí a imagem estar muito escura e, por isso, pouco percetível.
Então, com o objetivo de ter uma melhor imagem e com um maior realce dos vasos sanguíneos,
aplicamos a Expansão (imadjust). De seguida aplicamos os dois tipos de Equalização (Local e
Global) para termos de comparação. Ocorreu o que esperávamos, obtendo assim um melhor
resultado com a Equalização Local (adapthisteq) que nos permitiu um maior realce dos vasos
sanguíneos.
Fig18- Resultado Obtido da Subtração e respetivo Histograma
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 20/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 19
Obtivemos então o seguinte resultado:
Fig19-Resultados Obtidos da Expansão e Equalização (Local e Global) e os respetivos
Histogramas
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 21/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 20
Fig20- Imagem de Retina“Fig4.tif”
5.3. Melhoria da Imagem
5.3.1. Na Perceção dos Vasos Sanguíneos (Fig4.tif)
É-nos proposto a realização de um conjunto de operações de modo a melhorar a perceção
dos vasos sanguíneos da Fig4.tif . Para atingir o nosso objetivo fizemos dois testes, usando
diferentes operações, de modo a selecionar um como o mais eficaz.
5.3.1.1. Teste 1 – Componentes RGB com Equalização Local
Neste primeiro teste, resolvemos ir pelas componentes Vermelha, Verde e Azul (RGB)
da imagem que nos foi dada (Imagem Original- Fig4.tif).
Inicialmente, aplicamos as componentes RGB à imagem original, com a finalidade de
comparar e “pegar” na que apresenta uma melhor perceção dos vasos sanguíneos. Analisando, a
original com as três componentes, através das imagens e os respectivos histogramas,
apercebemo-nos que a componente verde é a que nos permite uma melhor visualização daquilo
que nos é pedido.
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 22/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 21
(*)
(*)
Fig21- Imagem Original e as suas três componentes RGB
Poderíamos ter escolhido a componente Vermelha, uma vez que, olhando, até parece ser percetível toda a imagem em si, no entanto, optamos pela componente Verde porque demonstra
ser melhor para o processamento da imagem, pois contém toda a informação de maneira
minimamente “definida”, mais do que a Vermelha (exemplo: os vasos sanguíneos estão mais
percetíveis na parte branca, em forma de circulo, do que na componente Vermelha (*)) . Então,
após a escolha, procedemos à equalização local da mesma, utilizando o comando adapthisteq.
Utilizamos esta função uma vez que, este é uma equalização que é utilizada para realçar detalhes
em pequenas áreas, que é exatamente o que nos é proposto.
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 23/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 22
O resultado obtido foi o seguinte:
Fig22- Resultado Final
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 24/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 23
5.3.1.2. Teste 2- Conversão da Imagem Original em níveis de
Cinzento e Equalização Local
Começamos este teste, com a utilização do comando rgb2hsv, de modo a colocar a
imagem original a níveis de cinzento.
Fig23- Imagem a níveis de cinzento e respectivo histograma
Com a ajuda do histograma verificamos que não há necessidade de recorrer a
operações como a Expansão, uma vez que, este já abrange todos os valores. O que
poderemos usar neste caso, e porque conhecemos a imagem original e sabemos que os
vasos sanguíneos se destacam na imagem, é a Equalização Local (adapthisteq) que nos
irá realçar os vasos sanguíneos, tal como no teste 1.
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 25/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 24
Foi então o que fizemos, obtendo:
Posto isto, e analisando cuidadosamente os dois testes, escolheríamos o teste 1 para fazer
a melhoria desta imagem, dando este um maior realce aos vasos sanguíneos da retina.
Fig24- Imagem Final
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 26/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 25
Fig25-Imagem “Fig5.tif”
5.3.2. Na perceção geral da imagem
Estamos perante uma imagem a cores e com muita luminosidade, portanto, usamos o
comando rgb2hsv deste modo, retira-se a componente do brilho.
Fig26-Imagem Original e respetivo Histograma
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 27/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 26
Analisando o histograma da imagem, podemos verificar que este está maioritariamente
numa gama de valores, pelo que nos leva a utilizar a Expansão ( imadjust ), para que a gama
de valores que este abrange seja maior.
Após efetuada a expansão, verifica-se uma melhor percepção da imagem uma vez que o
histograma apresenta uma gama de valores mais distribuída nos níveis de cinzento.
Seguidamente, e numa tentativa de melhorar a imagem, tentamos a equalização mas, no entanto,
assumimos que não será uma mais valia pois o histograma não apresenta uma tão “boa”
distribuição como apenas na Extensão da imagem.
Fig27-Imagem com Expansão e respetivo Histograma
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 28/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 27
Fig27- As três fases de Processamento pela qual a Imagem Original foi sujeita e os respetivos Histogramas
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 29/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 28
5.4. Atenuação de Ruído
Tendo em conta ambas as imagens, é-nos proposto que usemos sequências de operações
de modo a atenuar o ruído.
Tal como é percetível, as imagens apresentam características muito distintas entre elas, e
como tal tivemos que usar operações diferentes.
5.4.1. “Fig6.tif”
Começando pela primeira imagem, “Fig6.tif”, decidimos aplicar dois tipos de filtros,
inicialmente em separado e posteriormente fizemos a sua combinação.
Decidimos aplicar então o filtro Gaussiano, tentamos vários tamanhos de máscara, no final,
optamos pela 7x7.
Fig28-Imagens Originais “Fig6.tif” (A) e “Fig7.tif”(B)
(A) (B)
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 30/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 29
Obtemos o seguinte:
Depois do filtro Gaussiano, a nossa segunda opção foi o Filtro Mediana, em que, optamos
igualmente (após analisar todas as outras) por uma máscara 7x7, pois foi esta que mais atenuou o
ruído:
Fig29-Imagem Original e Imagem com Filtro Gaussiano
Fig30-Imagem Original e Imagem com Filtro de Mediana
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 31/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 30
Analisando ambos os resultados, podemos verificar que com o Filtro Mediana, embora haja
um maior esbatimento da imagem, comparando com o Filtro Gaussiano, há também mais
atenuação do ruído.
Visto que um mantinha uns melhores contornos (não há esbatimento) e outro melhorou o
ruído, decidimos fazer a combinação de ambos:
Assim, a imagem continua com contornos relativamente bem definidos e, como proposto,com menos ruído.
Fig31-Imagem Original e Imagem com Combinação de Filtros escolhida: Gaussiano e Mediana
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 32/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 31
5.4.2. “Fig7.tif”
Neste segunda imagem, tivemos mais margem de manobra, pois conseguimos aplicar
todos os filtros que foram abordados nas aulas de Processamento de Imagens Médicas. Como
tal, recorremos aos Filtros de Mediana, Gaussiano, de Média e Bilateral.
Nesta imagem, recorremos também à técnica de Extensão porque analisando o
histograma apercebemo-nos de que este estava situado essencialmente numa gama de
valores, pelo que, para uma melhor perceção da imagem e Extensão iria ajudar muito.
Fig32-I magem Or igi nal e Imagem com Expansão e respetivos H istogramas
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 33/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 32
Posto isto, fomos então aplicar os Filtros. Obtivemos então os seguintes resultados:
Depois de analisadas todos os resultados, optamos por escolher as duas melhores de modo a
tentar uma combinação entre ambas. Pegamos então no Resultado dos Filtros Gaussiano e
Mediana.
Fig.33- Imagem dos quatro filtros aplicados
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 34/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 33
Em comparação à imagem original, no filtro Mediana embora haja uma atenuação do ruído,
houve um ligeiro esbatimento da imagem:
A nível do filtro Gaussiano, notamos algumas diferenças no ruído.
Combinando ambos os filtros, verificamos que embora os contornos não estejam tão
salientes como antes, há menos ruído que era o que se pretendia.
Fig34-Imagem Original em comparação com Imagem filtrada com o Filtro Mediana
Fig35-Imagem Original em comparação com Imagem filtrada com o Filtro Gaussiano
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 35/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 34
5.5. Atenuação de Ruído- Modificação de código fonte
Neste exercício foi-nos proposto que utilizássemos o código fonte da função kuwahara.
Teremos de alterar o código, de modo a que mantendo a mascara principal de 5x5, sejam
utilizadas 8 submáscaras.
Pegando no código inicial, podemos ver que o que encontramos é uma mascara 5x5 com
4 submáscaras 3x3. No entanto, o que nos é pedido é nessa mesma máscara de 5x5 consigamos
colocar 8 submáscaras com o mesmo pixel central. Tendo em conta que
W1,W2,W3,W4,W5,W6,W7 e W8 são as nossas submáscaras; que o “WINSZ”,tal como é
apresentado no código, corresponde ao tamanho da matriz (temos o numero de linhas e colunas
total da mascara); e que, “PADDING” é igual à metade de “WINSZ” sendo este transformado
num valor inteiro, se a divisão der um numero fracionário. Isto acontece porque existe o
comando floor no código (PADDING=floor(WINSZ/2)).
Posto isto, tendo em conta o nosso raciocínio vem que:
Fig36-Imagem Original em comparação com Imagem filtrada com a Combinação de Filtros: Gaussianoe Mediana
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 36/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 35
Fig37- Posição das 8 submáscaras na máscara 5x5
Ao código inicial, o que foi acrescentado foi:
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 37/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 36
inicialmente a leitura de imagem e a sua apresentação;
as restantes submáscaras, uma vez que só tinha 4 no código inicial, assim como as suas
posições na máscara 5x5;
no final, a apresentação da imagem final com a utilização de “kuwahara”.
Fig38-Código Kuwahara modificado
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 38/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 37
b) “Man”
Para testar a alteração do código, recorremos a duas imagens (ambas com ruído):
a) ”Lenna”
Fig39-Imagens Escolhidas para verificar o código modificado kuwahara
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 39/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 38
Obtivemos os seguintes Resultados:
Fig40-Resultados Obtidos
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 40/41
Modelo para execução de Relatórios
Fernando Monteiro - ESTiG/IPB 39
6. Conclusão
Numa avaliação geral, o objetivo que nos foi proposto foi alcançado. Deparamo-nos ao
longo deste trabalho com diversas situações em que conseguimos ter a perceção em como
cada vez mais a tecnologia nos permite uma melhor, e mais pormenorizada, análise daquilo
que não somos capazes de analisar a olho nu. Esta, também acaba por ser uma mais-valia
para os profissionais de saúde que lidam diariamente com a imagiologia como auxilio ao
diagnostico. O Processamento de Imagem Digital constitui assim um importante
desenvolvimento nas áreas de visualização de imagens, e o MATLAB é uma importante
ferramenta que permite que este tipo de Processamento seja possível. Deste modo, é
importante que nós futuros Engenheiros Biomédicos, estejamos familiarizados com este tipo
de ferramenta. Este tipo de trabalhos é então muito útil para a nossa obtenção de
conhecimento nesta área. Com este, foi-nos possível uma maior exploração quer de funções
de MATLAB, como de software que nos permite um mais eficaz e rápido tratamento de
imagens.
Concluindo, neste trabalho lidamos com uma área que cada vez é mais explorada, onde
há muito por desvendar ainda. E, de modo geral, conseguimos atingir os objetivos deste
trabalho, adquirindo simultaneamente um maior “à vontade” com esta ferramenta de
Processamento de Imagem, que é o MATLAB.
7/21/2019 Processamento de Imagem
http://slidepdf.com/reader/full/processamento-de-imagem-56d9c6c6bcb77 41/41
Modelo para execução de Relatórios
7. Referências bibliográficas
[1]http://ai-b.blogs.sapo.pt/5104.html
[2]http://dfmesteves.blogspot.pt/2012/11/modelo-hsv.html
[3]http://www.di.ufpe.br/~if143/projetos/99_2/equali/Equalizacao.html
[4]http://paginas.fe.up.pt/~mandrade/tvd/2006/trabalhos1-2006/TD-trab1-grupo02.pdf
[5]http://lvelho.impa.br/ip09/demos/jbu/filtros.html
[6]http://www.blackice.com/Help/Tools/Document%20Imaging%20SDK%20webhelp/WebHelp
/Alpha-Trimmed_Mean_Filter.htm
[7]http://www.dei.isep.ipp.pt/~ana/ROBOTICA/docs/PDI-MestEEC.pdf
[8] Sebenta de Processamento de Imagens Médicas, Fernando Monteiro
Top Related