Suavização
A suavização pode melhorar a relação sinal-ruído da sua imagem ao borrar pequenas variações de intensidade. O filtro Gaussiano é excelente para isso: é um kernel de suavização circular (ou esférico) que atribui pesos maiores aos pixels próximos do que aos distantes.
A largura da distribuição é controlada pelo argumento sigma, e valores mais altos produzem efeitos de suavização maiores.
Neste exercício, teste os efeitos de aplicar filtros Gaussianos ao raio-x do pé antes de criar uma máscara de osso.
Este exercicio faz parte do curso
Análise de Imagens Biomédicas em Python
Instruções do exercicio
- Convolva
imcom filtros Gaussianos de tamanhosigma=1esigma=3. - Plote as "máscaras de osso" de
im,im_s1eim_s3(isto é, onde as intensidades são maiores ou iguais a145).
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# 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()