Smussamento
Lo smoothing può migliorare il rapporto segnale-rumore dell'immagine sfumando le piccole variazioni di intensità. Il filtro gaussiano è eccellente per questo: è un kernel di smussamento circolare (o sferico) che assegna un peso maggiore ai pixel vicini rispetto a quelli lontani.
La larghezza della distribuzione è controllata dall'argomento sigma: valori più alti producono un effetto di smussamento maggiore.
In questo esercizio, metti alla prova gli effetti dell'applicazione di filtri gaussiani alla radiografia del piede prima di creare una maschera dell'osso.
Questo esercizio fa parte del corso
Analisi di immagini biomediche in Python
Istruzioni dell'esercizio
- Convolvi
imcon filtri gaussiani di dimensionesigma=1esigma=3. - Traccia le "maschere dell'osso" di
im,im_s1eim_s3(cioè dove le intensità sono maggiori o uguali a145).
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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()