Medizinische Bildverarbeitung - Inforakel
Medizinische Bildverarbeitung - Inforakel
Medizinische Bildverarbeitung - Inforakel
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
24 KAPITEL 3. MODALITÄTSABHÄNGIGE BILDVERBESSERUNG<br />
Ferner gilt:<br />
• f(x, y) beschreibt einen Pixel des aufgenommenen, verrauschten Bildes<br />
• c(x, y, µ, ν) misst die geometrische Nähe zwischen den Koordinaten (x, y) und (µ, ν)<br />
• s(f(x, y), f(µ, ν)) misst die photometrische Ähnlichkeit der Pixel f(x, y) und f(µ, ν)<br />
• Die Normalisierungskonstante ist gegeben durch<br />
Nähe und Ähnlichkeit<br />
k(x, y) =<br />
� +∞ � +∞<br />
−∞<br />
−∞<br />
c(x, y, µ, ν) s(f(x, y), f(µ, ν)) dµdν<br />
Ausgehend von den Annahmen aus Abschnitt 3.4.1 benötig man Funktionen um die Nähe und Helligkeit, beziehungsweise<br />
die photometrische Ähnlichkeit zweier Pixel zu berechnen. Dies geschieht mit den oben vorgestellten Funktionen<br />
c (closeness) und s (similarity) wie folgt:<br />
c(x, y, µ, ν) = e −1 �<br />
�(x, ⊤ ⊤ y) − (µ, ν)<br />
2<br />
� ! 2 �<br />
σd<br />
s(f(x, y), f(µ, ν)) = e −1 �<br />
�f(x, y) − f(µ, ν)<br />
2<br />
� ! 2 �<br />
σr<br />
Pixel bis zu einer Distanz von σd und einem Farbunterschied von σr werden miteinander verrechnet. Die Parameter σd<br />
und σr sind somit frei wählbar.<br />
Ergebnis der Rauschunterdrückung<br />
Abbildung 3.7 zeigt am Beispiel einer Bildkante die Anwendung des bilateralen Filters. Ein verrauschter Bildauschnitt<br />
mit einer Kante ist in Abbildung 3.7a zu sehen. Abbildung 3.7b zeigt den selben Ausschnitt nach der Filterung mit<br />
σd = 5 Pixel und σr = 50 Grauwerte.<br />
3.5 Beleuchtungskorrektur<br />
(a) Verrauschtes Bild (b) Bild nach Filterung<br />
Abbildung 3.7: Rauschunterdrückung mit bilateralem Filter (aus [8])<br />
Beleuchtungskorrektur dient dazu Beleuchtungsartefakte wie Glanzlichter, falsch dargestellte Farben, Fehler im optischen<br />
Sensorsystem und ungünstige Lichtverhältnisse auszugleichen um damit die Bildqualität zu verbessern. Das dazu<br />
benutzte Modell und die angewendeten Korrekturmethoden werden in diesem Abschnitt behandelt.<br />
3.5.1 Beleuchtungsmodell<br />
Das zugrunde liegende Beleuchtungsmodell ist linear und somit leicht zu verstehen. Das fehlerhafte Bild g ergibt sich<br />
aus dem idealen Bild f, sowie einem multiplikativen Faktor γ, das Gain-Field, und einer additiven Komponente β, dem<br />
Bias-Field. Daraus ergibt sich folgende Formel:<br />
g(x, y) = f(x, y)γ(x, y) + βx, y