Image Processing CS 110 Why Image Processing? Medical - PowerPoint PPT Presentation

Image ¡Processing ¡ CS ¡110 ¡

Why ¡Image ¡Processing? ¡Medical ¡Images ¡ 2 ¡

Why ¡Image ¡Processing? ¡Manufacturing ¡ Dig;al ¡Image ¡Processing, ¡Spring ¡2006 ¡ 3 ¡

What ¡can ¡you ¡do ¡with ¡Image ¡Processing? ¡ ¡ Inspect, ¡Measure, ¡and ¡Count ¡using ¡Photos ¡and ¡Video ¡ hCp://www.youtube.com/watch?v=KsTtNWVhpgI ¡ ¡ Image ¡Processing ¡So<ware ¡ hCp://www.youtube.com/watch?v=1WJp9mGnWSM ¡ ¡

Image Enhancement: Histogram Equalization

Histogram ¡Equaliza;on ¡(Red ¡Channel) ¡ Original ¡ Equalized ¡ 8000 8000 7000 7000 6000 6000 5000 5000 4000 4000 3000 3000 2000 2000 1000 1000 0 0 0 50 100 150 200 250 0 50 100 150 200 250

Histogram ¡Equaliza;on ¡(Green ¡ Channel) ¡ Original ¡ Equalized ¡ 8000 8000 7000 7000 6000 6000 5000 5000 4000 4000 3000 3000 2000 2000 1000 1000 0 0 0 50 100 150 200 250 0 50 100 150 200 250

Histogram ¡Equaliza;on ¡(Blue ¡Channel) ¡ Original ¡ Equalized ¡ 9000 9000 8000 8000 7000 7000 6000 6000 5000 5000 4000 4000 3000 3000 2000 2000 1000 1000 0 0 0 50 100 150 200 250 0 50 100 150 200 250

How ¡Do ¡We ¡Transform ¡the ¡Image ¡ Basic ¡idea: ¡replace ¡a ¡color ¡intensity ¡value ¡by ¡it’s ¡ percen;le ¡ A ¡few ¡sample ¡red ¡values ¡and ¡their ¡transformed ¡red ¡values: ¡ Original ¡Red ¡value ¡ PercenCle ¡in ¡ Transformed ¡Value ¡ Original ¡Image ¡ 52 ¡ 20% ¡ 51 ¡ 178 ¡ 60% ¡ 153 ¡ 228 ¡ 90% ¡ 230 ¡

Histogram ¡Equaliza;on ¡Step ¡1 ¡

Histogram ¡Equaliza;on ¡Step ¡2 ¡

Histogram ¡Equaliza;on ¡Step ¡3 ¡

Results ¡

Histogram ¡Equaliza;on ¡in ¡Human ¡ Vision? ¡ Two ¡mechanisms ¡to ¡ regulate ¡the ¡dynamic ¡ range ¡of ¡the ¡eye: ¡ Pupil ¡ dilaCon , ¡chemical ¡changes ¡ in ¡the ¡re;na ¡( Perkinje ¡ effect ) ¡

Spa;al ¡Filtering ¡ Input ¡Image ¡ Output ¡Image ¡ w 1 w 2 w 3 A B C w 4 w 5 w 6 D E F E' w 7 w 8 w 7 G H I Spa;al ¡ Kernel ¡Filter ¡ E' ¡= ¡w 1 A+w 2 B+w 3 C+w 4 D+w 5 E+w 6 F+w 7 G+w 8 H+w 7 I ¡

// ¡Spa;al ¡Filtering ¡ ¡ void ¡draw() ¡{ ¡ // ¡Perform ¡spa;al ¡filtering ¡on ¡one ¡pixel ¡loca;on ¡ PImage ¡img; ¡ ¡ ¡// ¡Draw ¡the ¡image ¡on ¡the ¡background ¡ color ¡spa;alFilter(int ¡x, ¡int ¡y, ¡float[][] ¡matrix, ¡ ¡ PImage ¡filt; ¡ ¡ ¡image(img,0,0); ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡int ¡msize, ¡PImage ¡img) ¡{ ¡ int ¡w ¡= ¡100; ¡ ¡ ¡ ¡ ¡ ¡float ¡rtotal ¡= ¡0.0; ¡ int ¡msize ¡= ¡3; ¡ ¡ ¡// ¡Get ¡current ¡filter ¡rectangle ¡loca;on ¡ ¡ ¡float ¡gtotal ¡= ¡0.0; ¡ ¡ ¡ ¡int ¡xstart ¡= ¡ ¡ ¡ ¡float ¡btotal ¡= ¡0.0; ¡ // ¡Sharpen ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡constrain(mouseX-­‑w/2,0,img.width); ¡ ¡ ¡int ¡offset ¡= ¡msize/2; ¡ float[][] ¡matrix ¡= ¡{{ ¡-­‑1., ¡-­‑1., ¡-­‑1.}, ¡ ¡ ¡int ¡ystart ¡= ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡{ ¡-­‑1., ¡ ¡9., ¡-­‑1.}, ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡constrain(mouseY-­‑w/2,0,img.height); ¡ ¡ ¡// ¡Loop ¡through ¡filter ¡matrix ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡{ ¡-­‑1., ¡-­‑1., ¡-­‑1.}}; ¡ ¡ ¡ ¡ ¡ ¡for ¡(int ¡i=0; ¡i<msize; ¡i++) ¡{ ¡ ¡ ¡ ¡// ¡Filter ¡rectangle ¡ ¡ ¡ ¡ ¡for ¡(int ¡j=0; ¡j<msize; ¡j++) ¡{ ¡ // ¡Laplacian ¡Edge ¡DetecCon ¡ ¡ ¡loadPixels(); ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ //float[][] ¡matrix ¡= ¡{{ ¡ ¡0., ¡ ¡1., ¡ ¡0. ¡}, ¡ ¡ ¡filt.loadPixels(); ¡ ¡ ¡ ¡ ¡ ¡ ¡// ¡What ¡pixel ¡are ¡we ¡tes;ng ¡ // ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡{ ¡ ¡1., ¡-­‑4., ¡ ¡1. ¡}, ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡int ¡xloc ¡= ¡x+i-­‑offset; ¡ // ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡{ ¡ ¡0., ¡ ¡1., ¡ ¡0. ¡}}; ¡ ¡ ¡for ¡(int ¡i=0; ¡i<w; ¡i++ ¡) ¡{ ¡ ¡ ¡ ¡ ¡ ¡ ¡int ¡yloc ¡= ¡y+j-­‑offset; ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡for ¡(int ¡j=0; ¡j<w; ¡j++) ¡{ ¡ ¡ ¡ ¡ ¡ ¡ ¡int ¡loc ¡= ¡xloc ¡+ ¡img.width*yloc; ¡ // ¡Average ¡ ¡ ¡ ¡ ¡ ¡ ¡int ¡x ¡= ¡xstart ¡+ ¡i; ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ //float[][] ¡matrix ¡= ¡{{ ¡1./9., ¡1./9., ¡1./9.}, ¡ ¡ ¡ ¡ ¡ ¡ ¡int ¡y ¡= ¡ystart ¡+ ¡j; ¡ ¡ ¡ ¡ ¡ ¡ ¡// ¡Make ¡sure ¡we ¡haven't ¡walked ¡off ¡ ¡ // ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡{ ¡1./9., ¡1./9., ¡1./9.}, ¡ ¡ ¡ ¡ ¡ ¡ ¡color ¡c ¡= ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡// ¡the ¡edge ¡of ¡the ¡pixel ¡array ¡ // ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡{ ¡1./9., ¡1./9., ¡1./9.}}; ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡spa;alFilter(x, ¡y, ¡matrix, ¡msize, ¡img); ¡ ¡ ¡ ¡ ¡ ¡ ¡loc ¡= ¡constrain(loc,0,img.pixels.length-­‑1); ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡int ¡loc ¡= ¡i+j*w; ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ // ¡Gaussian ¡Blur ¡ ¡ ¡ ¡ ¡ ¡ ¡filt.pixels[loc] ¡= ¡c; ¡ ¡ ¡ ¡ ¡ ¡ ¡// ¡Calculate ¡the ¡filter ¡ //float[][] ¡matrix ¡= ¡{{ ¡ ¡1./16., ¡ ¡2./16., ¡ ¡1./16. ¡}, ¡ ¡ ¡ ¡ ¡} ¡ ¡ ¡ ¡ ¡ ¡ ¡rtotal ¡+= ¡(red(img.pixels[loc]) ¡* ¡matrix[i][j]); ¡ // ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡{ ¡ ¡2./16., ¡ ¡4./16., ¡ ¡2./16. ¡}, ¡ ¡ ¡} ¡ ¡ ¡ ¡ ¡ ¡ ¡gtotal ¡+= ¡(green(img.pixels[loc]) ¡* ¡matrix[i][j]); ¡ // ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡{ ¡ ¡1./16., ¡ ¡2./16., ¡ ¡1./16. ¡}}; ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡btotal ¡+= ¡(blue(img.pixels[loc]) ¡* ¡matrix[i][j]); ¡ ¡ ¡ ¡filt.updatePixels(); ¡ ¡ ¡ ¡ ¡} ¡ void ¡setup() ¡{ ¡ ¡ ¡updatePixels(); ¡ ¡ ¡} ¡ ¡ ¡//img ¡= ¡loadImage("bmc3.jpg"); ¡ ¡ ¡ ¡ ¡ ¡// ¡Make ¡sure ¡RGB ¡is ¡within ¡range ¡ ¡ ¡img ¡= ¡loadImage("moon.jpg"); ¡ ¡ ¡// ¡Add ¡rectangle ¡around ¡convolved ¡region ¡ ¡ ¡rtotal ¡= ¡constrain(rtotal,0,255); ¡ ¡ ¡size( ¡img.width, ¡img.height ¡); ¡ ¡ ¡stroke(0); ¡ ¡ ¡gtotal ¡= ¡constrain(gtotal,0,255); ¡ ¡ ¡filt ¡= ¡createImage(w, ¡w, ¡RGB); ¡ ¡ ¡noFill(); ¡ ¡ ¡btotal ¡= ¡constrain(btotal,0,255); ¡ } ¡ ¡ ¡image(filt, ¡xstart, ¡ystart); ¡ ¡ ¡ ¡ ¡ ¡rect(xstart, ¡ystart, ¡w, ¡w); ¡ ¡ ¡// ¡return ¡resul;ng ¡color ¡ } ¡ ¡ ¡return ¡color(rtotal, ¡gtotal, ¡btotal); ¡ } ¡

Sharpen ¡ Edge ¡ Gaussian ¡ Detec;on ¡ Blur ¡

Image ¡Processing ¡in ¡Processing ¡ ;nt() ¡modulate ¡individual ¡color ¡components ¡ blend() ¡combine ¡the ¡pixels ¡of ¡two ¡images ¡in ¡a ¡given ¡manner ¡ filter() ¡apply ¡an ¡image ¡processing ¡algorithm ¡to ¡an ¡image ¡