Suavizado
El suavizado puede mejorar la relación señal-ruido de tu imagen al difuminar pequeñas variaciones de intensidad. El filtro gaussiano es excelente para esto: es un kernel de suavizado circular (o esférico) que pondera más los píxeles cercanos que los lejanos.
El ancho de la distribución se controla con el argumento sigma: cuanto mayor es, mayor es el efecto de suavizado.
En este ejercicio, prueba los efectos de aplicar filtros gaussianos a la radiografía del pie antes de crear una máscara de hueso.
Este ejercicio forma parte del curso
Análisis de imágenes biomédicas en Python
Instrucciones del ejercicio
- Convoluciona
imcon filtros gaussianos de tamañosigma=1ysigma=3. - Dibuja las "máscaras de hueso" de
im,im_s1yim_s3(es decir, donde las intensidades son mayores o iguales que145).
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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()