Začněte nyníZačněte zdarma

Vyhlazování

Vyhlazování může zlepšit poměr signálu k šumu snímku tím, že rozmaže drobné variace v intenzitě. K tomu skvěle poslouží Gaussův filtr: jde o kruhové (případně sférické) vyhlazovací jádro, které přikládá větší váhu blízkým pixelům než vzdáleným.

Šířku distribuce řídí argument sigma – čím vyšší hodnota, tím silnější vyhlazení.

V tomto cvičení si vyzkoušíš, jaký vliv mají Gaussovy filtry na rentgenový snímek nohy, než přistoupíš k vytvoření masky kostí.

Toto cvičení je součástí kurzu

Biomedical Image Analysis in Python

Zobrazit kurz

Pokyny k cvičení

  • Proveď konvoluci im s Gaussovými filtry o velikostech sigma=1 a sigma=3.
  • Vykresli „masky kostí" pro im, im_s1 a im_s3 (tj. oblasti, kde jsou intenzity větší nebo rovny 145).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Smooth "im" with Gaussian filters
im_s1 = ndi.gaussian_filter(____, sigma=____)
im_s3 = ____

# Draw bone masks of each image
fig, axes = plt.subplots(1,3)
axes[0].imshow(____ >= 145)
axes[1].imshow(____)
____
format_and_render_plot()
Upravit a spustit kód