PHÂN VÙNG ẢNH docx

PHÂN VÙNG ẢNH
(IMAGE SEGMENTATION)
CHƢƠNG 5
 Là một bước quan trọng trong việc phân tích và
phân loại ảnh y tế, trợ giúp cho quá trình đánh giá
hay chẩn đoán có sự trợ giúp của máy tính
(Computer-Aided Diagnosis).
 Mục đích: phân chia ảnh đầu vào thành các
vùng nhỏ tách rời thỏa mãn tính chất đồng nhất và
liên thông bằng cách nhóm các pixel gần kề nhau
thành nhóm dựa trên một số tiêu chí giống nhau
định trước nào đó.
- Tính chất đồng nhất: một vùng được gọi là đồng
nhất nếu các pixel trong vùng là đồng đều.
- Tính chất liên thông: một vùng được gọi là liên
thông nếu tồn tại một đường liên thông giữa 2 pixel
bất kỳ.
 Nói một cách chính xác, phân vùng một ảnh I là
chia ảnh đó thành các vùng nhỏ R
1
, R
2
, R
N
tách
rời thỏa mãn các điều kiện sau

N
i
i
IR

1
.1


 
trueRC
i
 .2
 
tr ueRH
i
 .3
 
falseRRH
ji
 .4
 Ba phương pháp phân vùng
o Phân vùng dựa theo điểm ảnh
o Phân vùng dựa theo đường biên
o Phân vùng dựa theo miền
Ví dụ phân vùng ảnh
(a): ảnh ban đầu
(b): ảnh được phân vùng
 Phân vùng dựa theo điểm ảnh
- Dựa trên các thống kê mức xám đồ của ảnh để
tạo ra các vùng đóng thuộc về các đối tượng có
trong ảnh.
- Phương pháp phân vùng đơn giản nhất , tính toán
nhanh, có thể thực hiện dễ dàng trong thời gian
thực sử dụng phần cứng chuyên biệt.

 Phân vùng dựa theo đường biên
- Dựa trên các thông tin về đường biên của ảnh để
xác định các đường bao của các đối tượng. Các
đường bao nay sau đó được phân tích, sửa đổi nếu
cần thiết nhằm tạo ra các vùng đóng thuộc về các
đối tượng có trong ảnh.
 Phân vùng dựa theo miền
- Các pixel được phân tích một cách trực tiếp
trong quá trình phát triển vùng (region growing)
dựa trên một tiêu chí giống nhau cho trước để hình
thành nên các vùng đóng thuộc về các đối tượng có
trong ảnh.
 Khi các vùng được xác định, các đặc điểm có thể
được tính toán để biểu diễn vùng nhằm mô tả, phân
tích, phân loại.
 Các đặc điểm có thể là thông tin về hình dạng,
cấu trúc (texture) của vùng cũng như các thông tin
xác suất (kỳ vọng-mean, phương sai-variance của
các giá trị mức xám).
5.1. Phân vùng dựa theo điểm ảnh
 Sử dụng các thống kê mức xám đồ để xác định
một hay nhiều mức ngưỡng để xắp sếp từng pixel
trong ảnh.
 Mức ngưỡng để xắp sếp các pixel vào các lớp
thu được từ phân tích mức xám đồ của ảnh.
 Nếu mức xám đồ có 2 đỉnh (bimodal) thì mức
ngưỡng là giá trị mức xám tương ứng với điểm
thấp nhất trong vùng hõm thung lũng (valley) của
mức xám đồ.
 Nếu không, ảnh được chia thành các phần nhỏ

dựa trên một số giả thiết (heuristic) về tính chất
của ảnh. Mức xám đồ của từng phần sau đó được
sử dụng để xác định mức ngưỡng.
 Chọn mức ngưỡng
Mức xám đồ hai đỉnh
 
 
 








Tyxf
Tyxf
yxg
,0
,1
,


T: mức ngưỡng được lựa chọn từ mức xám đồ.
g(x,y)=1 với các pixel là đối tượng, g(x,y)=0 với
các pixel là nền hoặc ngược lại tùy phân bố của
chúng trên mức xám đồ.
Đỉnh 1 có diện tích lớn hơn đỉnh 2 thì đỉnh 2 tương
ứng với đối tượng còn đỉnh 1 tương ứng với nền

(và ngược lại)
Nếu mức xám đồ rõ ràng là có hai đỉnh thì phương
pháp này cho kết quả rất tốt.
Ảnh y tế thường có nhiều đỉnh với các yêu cầu cụ
thể về vùng cần được phân vùng.
Ảnh cộng hưởng từ của não cùng mức xám đồ
Ảnh được phân vùng với T=12
T=12 được chọn để phân tách vùng não dưới hộp
sọ ra khỏi vùng nền.
Có một vài vùng trắng nhỏ bên trong vùng não
được phân tách ra. Các vùng này có thể được
chuyển thành đen để tính toán diện tích não tổng
thể nằm dưới hộp sọ.
Để phân vùng một số vùng não cụ thể như não thất
(vùng lớn nằm giữa ảnh) cần xác định từ mức xám
đồ thêm các mức ngưỡng khác bằng cách xem xét
các đỉnh khác trong phần phân bố của mức xám đồ
thuộc vào đỉnh chính thứ 2.
- Chọn ngay mức ngưỡng tiếp theo.
- Xác định một mức xám đồ khác (chỉ cho vùng
não đã được phân vùng) rồi tính mức ngưỡng.
Các vùng não tương ứng với dịch trắng, dịch não-
tủy sống trong rãnh não, não thất, thương tổn (nửa
bên phải ảnh) có thể nhìn thấy được trên ảnh được
phân vùng với mức ngưỡng T=166.
Với T=255 thì chỉ thấy não thất và thương tổn (do
mật độ proton và thời gian hồi phục T2 lớn).
Ảnh được phân vùng với T=166
Ảnh được phân vùng với T=255
5.1.1. Mức ngƣỡng tối thiểu xác suất của sai số

 Xác suất của sai số được định nghĩa là
P
e
= P{quyết định sai}
= P{quyết định d
2
khi m
1
đúng hoặc d
1
khi m
2
đúng}
= P(d
2
, m
1
) + P(d
1
, m
2
)
m
1
, m
2
: pixel tương ứng là nền hoặc đối tượng.
d
1
, d

2
: quyết định pixel thuộc về nền hay đối tượng
tương ứng.
 Sử dụng công thức xác suất có điều kiện
 
 
 
 
221112e
mPmdPmPmdPP 
Trong đó: P(m
1
) là đã biết trước;
P(m
1
) + P(m
2
) = 1
 Giả thiết rằng phân bố mật độ xác suất p
i
(x) của
nền và đối tượng chỉ có 1 đỉnh với kỳ vọng 
i
và
phương sai 
i
(có nghĩa pdf của ảnh có 2 đỉnh).
 Nếu 
1
< 

2
thì xác suất phân loại sai cho bởi
 
 



T
dxxpmdP
112
 
 



T
dxxpmdP
221
 Để tìm giá trị T mà P
e
là nhỏ nhất, lấy vi phân
của P
e
(T) theo T rồi cho kết quả bằng 0
       
       
2211
2211
0
mPTpmPTp

TpmPTpmP
T
P
e



