Kvalita obrazuKontrast, rozlišení, neostrost, šum a jeho eliminace, digitalizace obrazu
(kvantování a vzorkování), aliasing a antialiasing, ekvalizace histogramu.
Mgr. David ZoulFakulta biomedicínského inženýrství ČVUT
2013
Předzpracování obrazu
Image enhancement methods:
Rekonstrukce obrazu:
• Jas, kontrast.• Ekvalizace histogramu.• Odstranění šumu. • Periodické poškození obrazu. • Detekce a zvýraznění hran a rohů.
• Rozpoznání poškození.• Invertování.• Odstranění šumu.
Kontrast obrazuV levé části obrázku je znázorněno zobrazení jednoduché struktury kruhového tvaru průměru d a optické denzity A, obklopené homogenním prostředím - pozadím - o optické denzitě B. Výraznost struktury vůči pozadí můžeme charakterizovat jako kontrast objektu Cobj = (A-B)/B.
Vlivem nedokonalého prostorového rozlišení se ostré kontury původního objektu A rozostřily a snížil se rozdíl mezi maximem v obraze A* a pozadím B* - kontrast obrazu Cimg = (A*max-B*)/B* je nižší než kontrast objektu Cobj: Cimg<Cobj.
Za předpokladu struktury kruhového tvaru a Gaussovského konvolučního rozmazání (odezvová funkce bodového zdroje PSF kamery má tvar Gaussovy křivky s pološířkou FWHM) je vztah mezi kontrastem objektu a obrazu dán exponenciálním výrazem:
kde d je průměr struktury. Pro velké struktury (d > 4 FWHM) se kontrast zobrazením téměř nezmění (Cimg Cobj). U struktur malých rozměrů, srovnatelných nebo menších než FWHM, je však degradace kontrastu velmi výrazná, Cimg Cobj .
2FWHMd
img objC C e
Kontrast obrazuKontrast: Rozdíl v signálu sousedních oblastí výsledného obrazu – závisí na rozdílu zeslabovacích vlastností zobrazovaného objektu: a) rozdíl tlouštěk z
b) rozdíl v µ
1) kontrast objektu2) kontrast detektoru3) kontrast monitoru4) vnímavost oka
Redukce kontrastu:
kde S je množství rozptýleného a P množství primárního záření, dopadajícího na receptor obrazu (žádoucí, aby byl podíl S/P (SPR) co nejmenší).
0
S1P
CC
0 1 zA B
A
I IC eI
Příklad 1: dokažte
platnost této rovnosti
Pomůcky pro kontrolu zobrazení u přístrojů s přímou digitalizací obrazu Měření kontrastu
RozlišeníRozlišení zobrazovacího systému lze popsat prostřednictvím odezvy na bodový impuls.Obraz bodového mpulsu – PSF (Point Spread Function) – má v ideálním případě tvar gaussovského píku, u něhož stanovujeme rozlišení standardně jako FWHM (Full Widh in Half Magnitude).Bodový impuls (Diracovu funkci) realizujeme při klasické RTG projekci tzv. dírkovou kamerou, při CT projekci tenkým kovovým drátkem kolmým k rovině řezu. V reálu má však ohnisko rentgenky, stejně jako otvor v dírkové kameře konečné rozměry, a obrazem bodového impulsu je proto právě Gaussova funkce.V důsledku rozbíhavosti svazku se při klasické RTG projekci tvar PSF v rámci detektoru obrazu mění místo od místa – gaussovskému píku odpovídá přibližně na centrální ose svazku
Rozlišení
Reálný obraz je složen z množství bodových impulsů různé amplitudy.PSF určuje neostrost výsledného obrazu.Původní ostrý obraz lze získat pomocí dekonvoluce, je-li známo jádro konvoluce – PSF.
Rekonstrukce obrazu
I f g n
Poškozený obraz „Skutečný“ obraz Point Spread Function (PSF)Předpokládejme, že je známa
Šum
DekonvoluceVztahu pro neznámou X se často říká konvoluční rovnice.Proces vyřešení této rovnice se nazývá dekonvoluce.Jestliže g není známé resp. je částečně známé, pak se procesu říká krátkozraká čili myopická dekonvoluceKorelace je operace podobná jako konvoluce:
R
I x f g x f t g t x dt
f g n I
Konvoluční Věta
Přímou aplikací této věty je dekonvoluce
gfgfF ˆˆ
1
ˆˆ ˆ ˆˆ ˆˆ
ˆˆ
I f g n
I f g n
I nfg
f F f
Rychlá metoda pomocí FFT Pro nízké frekvence je druhý člen
velký a metoda v přítomnosti šumu selhává.
Fourier quotient method.
gfgfF ˆˆ
Pro korelace platí
Wienerův Filtr
Myšlenka je následující:
ˆˆ ˆ ˆ
ˆChceme najít filtr takový, abyˆ ˆˆ ˆ ˆ ˆ
a pak ˆˆ ˆ ˆ
ˆˆ
I f g n
I f g nw
w f g n f g
w f g nf
g
Wienerův Filtr
Tento přístup je bohužel příliš optimistický. Reálnějším přístupem je:
2
ˆˆ ˆ ˆˆ
ˆˆa hledáme tak aby
ˆ ˆ byl minimální
w f g nf
gw
f f
2
2 2
Takový filtr má tvar:
ˆ ˆˆ
ˆ ˆ ˆ
f gw
f g n
Originál Poškození + šum
Rekonstrukce pomocí Wienera
Periodicke Artefakty
Originál Poškození + šum
Rekonstrukce pomoci Wienera
RozlišeníSchopnost zobrazovacího systému rozlišit blízké kontrastní objekty ve výsledném obrazu
FWHM signálu PSF (point spread function) pořízeného skrze dírkovou kameru 10 µmLSF (line spread function) signálu pořízeného štěrbinovou kamerouESF (edge spread function) odezva na ostrou hranu – používá se pro hodnocení vlivů závislých na velikosti pole (např. SPR)
Gaussova funkceBodový impuls PSF, či průmět snadněji měřitelné LSF, má charakter Gaussovy funkce
kde 0 je parametr určující „šířku“ funkce. Stanovení jejího Fourierova obrazu provedeme z definičního vztahu, v němž obě exponenciely sloučíme a exponenty převedeme na součet čtverce a části nezávislé na x:
2
2x
x e
2222
2 22 2 2 2
22 2
2
2 4 24
4
1 12 2
1 1 2 2
1 .2
xx i xi x
x i x i
x
x e e dx e dx
e dx e e dx
e e dx
F
Gaussova funkcePoslední integrand nemá primitivní funkci, takže jej bylo nutno zintegrovat lebesgueovsky:
čili
Lze tedy psát
což je hledaný Fourierův obraz Gaussovy funkce. Je vidět, že tvar funkce se zachová, ale šířky originálu a obrazu jsou si (v souladu s principem neurčitosti) nepřímo úměrné.
2 2 2 2
2 2 2
2 2
2 2
2
0 0 0 0
22
00
2 2
2 2 ,2
x x y
e dx e dydx e d d
e d e
2
2x
e dx
2 2
4
2x e
F
Princip neurčitosti
FT
prostor frekvenční
FT
prostor frekvenční
Malý objekt v prostoru je velký ve frekvenční oblasti a
na opak.
2
Jestliže je velikost objektu v prostoru a je velikostobjektu ve frekvenční oblasti, pak platí
116
x yu v
x y u v
RozlišeníF (prostorová frekvence) udává se v lp/mm.Měření F lze provádět buď pomocí Siemansovy hvězdice, nebo pomocí čárových testů.
RozlišeníMTF (modulační přenosová funkce) popisuje, jakým způsobem zobrazovací systém zaznamenává objekty se zvyšujícím se F. Při vysokém F dochází k modulaci MTF.MTF lze spočítat Fourierovou transformací LSF. Pokud má LSF gaussovský průběh, rovněž i MTF má gaussovský průběh. Čím je užší LSF (a tedy lepší rozlišení), tím je širší její Fourierova transformace MTF (důsledek principu neurčitosti) a tím vyšší je rozlišitelná F.
Neostrost obrazuNeostrost:
Geometrická neostrost (polostín)
kde D je nominální rozměr ohniska
Pohybová neostrost
kde
a α je úhel směru pohybu vzhledem k rovině receptoru
Materiálová neostrost – souvisí s použitím zesilujících fólií, ovlivněna jejich tloušťkou, velikostí zrn, kontaktem film-fólie.
2 2 2geom pohyb materialU U U U
1 objekt receptorgeom
ohnisko objekt
D df U D M
d
cospohybU vtM
ohnisko film
objekt film
dIMO d
ŠumAditivní model NoiseSignalSignal CleanM
NoiseSignalSignal CleanM *Modely šumu
Typy šumu
Korelované
• Elektrická interference• Zdroj-Detektor interference• Moiré patterns
• Kvantový šum na CCD kamery• Kvantizovaný šum na dig. fotkách• Neuronal noise in a retina
Nekorelované
Multiplikativní model
Příklad 2: Vypočtěte celkovou neostrost rentgenovaného objektu, který se pohybuje rychlostí 0,5 ms-1, jestliže expoziční čas činil 5 ms, vzdálenost ohnisko – objekt byla 60 cm, SID = 100 cm, a nominální velikost ohniska byla 0,3 mm. Materiálovou neostrost zanedbejte.
Šuma) Kvantový šum (poissonovské rozdělení)
b) Poměr signál – šum
c) Kvantová detekční účinnost
d) Strukturální šum – vzniká důsledkem náhodných fluktuací v počtu absorbovaných fotonů v jednotce plochy zesilující fólie filmu v důsledku nehomogenity scintilační vrstvy
e) Zrnitost filmu – vzniká v důsledku nehomogenit v rozložení např. radiofotoluminiscenčních center na povrchu filmu a jejich odezvy při skenování
f) Poměr kontrast – šum
kde tloušťka vrstvy Al = 0,2 mm
detN
detdet dop 40NSNR N QDE N
det
dop
NQDE
N
2 2
5
2
PV Al PV normCNR
Al norm
Příklad 3: Vypočtěte poměr signál – šum, jestliže na pixel detektoru dopadlo 106 fotonů a kvantová detekční účinnost detektoru je 10%.
Příklad 4: Vypočtěte poměr kontrast – šum pro záření o polotloušťce 2 mm Al a pro stejné parametry, jako v předešlé úloze.
Kontrast a šumNáhodné fluktuace detekovaného signálu, nezávisle pro každý pixel
Relativní statistické fluktuace s/n = 1/(N) jsou tím nižší, čím vyšší je počet impulsů nastřádaný v jednotlivých pixelech obrazu. Konstantní pozadí B je tedy zobrazeno jako plocha, jejíž body kolísají zhruba mezi B*±(B*), tj. sB = ±(B*). Podobně statisticky kolísají hodnoty bodů v obraze A*. Pokud jsou tyto fluktuace příliš vysoké, srovnatelné s průměrnými hodnotami rozdílu mezi A* a B*, mohou se v nich tyto rozdíly snadno "ztratit" a příslušná struktura nebude na obraze patrná. Rušivé statistické fluktuace jsou tak principiálním limitujícím faktorem rozpoznatelnosti malých a ne příliš kontrastních objektů v obraze.
Roseovo kritériumZe statistické analýzy obrazových dat plyne, že rozpoznat (a statisticky prokázat) můžeme v obraze jen takovou strukturu, jejíž kontrast C img splňuje podmínku
Cimg > 4/(B*).
Je to podmínka statistické významnosti rozdílu A*-B* informace v obraze objektu vůči okolnímu fluktuujícímu pozadí B*. Pro kvantitativní popis vlastností obrazů se zavádějí pojmy:Signál s je rozdíl v intenzitě obrazu (počtu nastřádaných impulsů) mezi vyšetřovanou strukturou a okolím. V našem případě je dán rozdílem:
s = A*max-B*.
Šum n (Noise) představuje rušivé statistické fluktuace v obraze. Pro náš případ jsou důležité fluktuace pozadí, takže šum je dán druhou odmocninou z průměrného nastřádaného počtu impulsů v obraze pozadí:
n = sB = (B*).
Shora uvedenou statistickou podmínku detekovatelnosti struktury lze pak vyjádřit tzv.
Roseovým kritériem: SNR > 4.
Vezmeme-li v úvahu vliv rozlišení i statistických fluktuací, spojením shora uvedených vztahů můžeme základní podmínku rozpoznatelnosti struktury zformulovat takto:
2FWHMd
obj *
4C eB
Pomůcky pro kontrolu zobrazení u přístrojů s přímou digitalizací obrazu Portalvision Phantom
C-D diagramProstorové rozlišení lze nejlépe popsat pomocí MTF, kontrast pomocí SNR, popř. CNR.Diagram Contrast-Detail kvalitativně popisuje vzájemný vztah těchto parametrů zobrazovacího systému.Na ose x leží škála velikostí objektu (rozlišení detailů), na ose y pak kontrast objektu.A – lepší prostorové rozlišeníB – lepší rozlišení kontrastu
Dynamický kontrast a kvantová detekční účinnost
Dynamický (expoziční) kontrast:
Kvantová detekční účinnost:
kde NPS je tzv. výkonové spektrum šumu, které se získá Fourierovoutransformací autokorelační funkce ACF
NEQ je ekvivalent šumu (číselně odpovídá Ndet)
max
min
EDRE
2 22
2out
in
PV MTF F NEQ FSNRQDE FSNR NPS F
1
L
ACF x i x x i x dxL
Eliminace šumu
Cílem je snížit rozptyl šumové funkce.Lidskému oku nejvíce vadí vysoké frekvence šumu nízkofrekvenční filtr.Informace o hranách však také leží ve vysoké frekvenci.
Metody pro eliminaci šumu 1. „Časove“ průměrování
Snímá se vícekrát a konečný obraz je průměrem všech obrazů.
`
22
Za předpokladu, že šum je 2D
zredukuje se variance šumu z na N
m clean
m clean
S S n
nS SN
Metody pro eliminaci šumu 2. Obyčejné (souřadnicové)
průměrování
121242121
161
111111111
91
typumaticí sobrazu Konvoluce
C
nebo
C
Pokud jsou hrany známé, tak podél hran používáme jiný filtr.V ostatních částech používáme souřadnicový filtr.
Výsledek konvoluce v bodě měníme pouze když překročil zadaný práh, nebo když leží v daném intervalu (Podle toho jaké vlastnosti má šum a jaké je SNR)
Metody pro eliminaci šumu 3. Průměrování podél hran
Metody pro eliminaci šumu 4. Prahování
Používají se dva typy konvoluční matice 3x3 pro všech 8 směrů (8 sousedů počítaného bodu). Metoda pracuje na okolí 5x5 bodů a to tak, že v osmi směrech od středního bodu počítá rozptyl. Vybere oblast s nejmenším rozptylem, oblast zprůměruje pomocí konvoluce a výslednou hodnotou nahradí bod uprostřed masky 5x5.
Metody pro eliminaci šumu 5. Metoda rotujicího okna
V okně provedeme seřazení dat a prostřední prvek (medián) tvoří výsledek.Výběrové okno je třeba zvolit tak, aby hrany nebyly na koncích.Algoritmus má při klasickém třídění náročnost O(n4) ale pomocí Quicksortu nebo Heapsortu nebo MergeSortu lze redukovat na O(n2 log 2n) případně na O(n log n).Existuje nová verze (FMF, Fast Median Filter) která má náročnost O(n)
Metody pro eliminaci šumu 6. Mediánový Filtr
Metody pro eliminaci šumu 7. Zobecněný Mediánový Filtr
Provedeme seřazení dat a na setříděnou posloupnost aplikujeme váhovou funkci w rovnu např.
1 0,0, 0,1,2,1,0, ,0,04
Medián
w
U šumu typu S&P se většina pixelů správně zobrazí (bez šumu) a jen některé mají falešnou hodnotu 0 nebo 255. Pro takový šum stačí udělat průměrování v bodech majících hodnotu 0 nebo 255. Filtr se zvolí typu:
Metody pro eliminaci šumu 8. Šum typu Salt and Pepper
111101111
81C
Digitalizace obrazuADC charakterizován vzorkovací frekvencí (pixelizace) a bitovou hloubkou (kvantování obrazu). S nižší vzorkovací frekvencí a bitovou hloubkou dochází ke ztrátě informací z původního analogového signálu.Výsledný digitální obraz obsahuje informaci o poloze bodů a amplitudě signálu v těchto bodech.K rekonstrukci obrazu na zobrazovací jednotce (monitoru) je zapotřebí DAC převodník.
high-res image pixelated quantizedpixelated
& quantized
Kvantování (bitová hloubka) obrazu
Kvantování (bitová hloubka) obrazuBitová hloubka určuje rozlišení kontrastu
Vzorkování (pixelizace)Průměrování přes
obdélník
),( yxfDS yxf ,
high-res image pixelated image DS
kde je vzorkovací funkcea je obdélníková funkcese šířkou
NN
N
f f s
s
N
Vzorkování (pixelizace)
Ztratí se informace se vzorkováním?Ukazuje se, že za určitého předpokladu nikolivProces vzorkování lze chápat jako násobení původního obrázku s následujcí funkcí
které říkáme „vzorkovací funkce“ a N je vzorkovací šířka
Vzorkování (pixelizace)
Výsledný obraz je pak diskrétní verzí původního obrazu.Fourierova transformace takového obrazu je konvolucí FT původního obrazu a 2D delta funkce s intervaly 1/N.FT bude pak periodická
Vzorkování (pixelizace) obrazuUrčuje prostorové rozlišení
AliasingMatice detekčních či zobrazovacích elementů je charakterizována vzorkovací šířkou L a šířkou detekčního (zobrazovaccího) elementu – obě nenulové. Dochází ke vzorkování obrazu a zprůměrování obrazu přes šířku elementu. Interval prostorových frekvencí F, které mohou být detekovány či zobrazeny, je dána Nyquistovým kritériem F ≤ 1/(2L).
Aliasing
Aliasing
AliasingDigitální receptory mají obdélníkovou LSF. Mějme obdélníkový puls popsaný funkcí
Fourierova transformace obdélníkového pulzu je tedy
Protože f(x) je sudá funkce, je poslední integrand lichou funkcí a jeho integrál je tudíž nulový. Máme tak
Označme L vzorkovací šířku detektoru (vzdálenost středu dvou sousedních detekčních elementů), F prostorovou frekvenci (lp/mm) signálu.
0 pro 0 pro E x L
f xx L
cos sin cos sinikxF k f x e dx f x kx i kx dx f x kx dx i f x kx dx
00 0
sincos cos sin 2L L
LL
E kLF k f x kx dx E kx dx kx E Lk kL
0
sin 2,
L FMTF F L E L
L F
AliasingNyquistovo kriterium:
Je li prostorová frekvence vstupního signálu vyšší než Flim, dochází k modulaci MTF, což se projeví jako splývání struktur – aliasing. Frekvence výsledného splynutého signálu je o tolik menší než F, o kolik je větší frekvence vstupního signálu oproti F.
lim1
2F
L
0
1 pro a 0 pro
pak sin 2
f x x L f x x L
LFF f k E L
LF
Snímek cihlové zdi pořízený ve vysokém (vlevo) a v nízkém (vpravo) rozlišení
DS
kde je vzorkovací funkcea je obdelníková funkcese šířkou
NN
N
f f s
s
N
DSˆ
ale i opak je pravdou:Ideální rekonstruční vzorkovací filtr
má v k-prostoru tvar obdelníkový1 se šírkou (odstraníme-li vysoké
frekvence které nejsme schopni detekovat) a tudíž v t-oblas
NNf F f s F
N
max
ti bude konvoluční filtr mít tvar znamé
sinc funkce:
2sin xfx
Anti-aliasing filter
Anti-aliasing
Image enhancement methods(Metody pro vylepšení obrazu)
Histogram obrazu je funkce četnosti jednotlivých intenzit. Kumulativní histogram obrazu je funkce intenzit kde pro
každou intenzitu je funkční hodnota rovna počtu bodů majících svou intenzitu menší nebo rovnu.
Ekvalizace (Transformace) Histogramu
Obecně se jedná o transformace histogramu na požadovaný tvar. K transformaci se používá kumulativní histogram.Transformace je možné dělat i lokálně (změna jasu, kontrastu).
0 127 255
012 7
25 5
Změna jasu
Změna jasu
0 127 255
012 7
25 5
g
transform mapping
Změnakontrastu
minmax
minmax
IIIIK
Histogram pro RGB obraz
Ekvalizace Histogramu
Ztráta detailů z ekvalizace
histogramů
Zpracování digitálního obrazuKorekce digitálního obrazu Iraw(x,y) (temný šum, vadné pixely):
kdeD je průměrný temný šum elementů detektoru,G je průměrná odezva elementů detektoru na homogenní signál G(x,y).
Vstupní výkonové spektrum šumu radiačního pole na povrchu detektoru
Výkonové spektrum šumu na výstupu digitálního RTG zobrazovacího zařízení
Detekční kvantová účinnost
, ,
,rawGI x y I x y D
G x y
2,in a in aa
EW u v K SNR K dE E dE
K
2
256 256
1 1 1
, , , exp 2256 256
M
out n k i j i j n i k j
m i j
x yW u v I x y S x y i u x v yM
2 ,, ,
,in
out
W u vDQE u v MTF u v
W u v