Bibliographie & annexes
Présentation
RÉSUMÉ
Cet article est consacré aux traitements d'image 2D qui sont, pour l'essentiel, des corrections des imperfections des détecteurs et différents types de filtrage destinés à transformer une image « propre » en une image « clinique », c'est-à-dire une image où les détails importants pour le radiologue ont été accentués, en fonction du type d'examen pratiqué. Quelques mots sont également dits sur les écrans de visualisation à cette occasion.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
This article deals with X-ray 2D image processing techniques, i.e. mostly the correction of detector defects and various kinds of filtering intended to turn a “clean” image into a “clinical” image, i.e. one where details relevant for a radiologist are enhanced, depending on the kind of examination being done. A few words are added on medical displays.
Auteur(s)
-
Thierry LEMOINE : Directeur technique, Thales Microwave & Imaging Subsystems, France
INTRODUCTION
L'image délivrée par un détecteur de rayons X est inexploitable en l'état. Tout d'abord, elle s'étend sur une dynamique de niveaux de gris très supérieure à ce que l'œil peut détecter et très supérieure à ce que l'écran de visualisation peut afficher : il faut donc compresser cette dynamique tout en gardant perceptibles les contrastes intéressants. De plus, tout détecteur doit être calibré pour rendre invisibles les effets de fluctuation de sensibilité (ou de gain) et aussi pour obtenir une image au noir impeccable (suppression de l'offset). Ressortent alors les éventuels défauts du détecteur (pixels morts, etc.) qu'il faut rendre invisibles. Toutes ces opérations permettent d'obtenir une image « propre », qui n'est toujours pas celle à laquelle s'attend le radiologue : elle doit être filtrée de manière à mettre en évidence tel tissu plutôt que tel autre, tel détail plutôt que tel autre, selon la nature de l'examen et selon les caractéristiques corporelles du patient. Ces traitements se sont beaucoup développés depuis les années 1995, suite à l'apparition des détecteurs numériques (cassettes CR, caméras CCD, et plus récemment détecteurs plats), et aussi grâce à la disponibilité commerciale de processeurs de plus en plus puissants.
Cet article s'intéresse aux traitements mathématiques applicables aux images fournies par un détecteur de rayons X. Son objectif n'est pas d'en donner une description théorique, et trop rigoureuse. Le lecteur n'y trouvera pas non plus d'algorithmes précis, mais il y lira une description physique et une mise en lumière des objectifs recherchés.
L'expertise technique et scientifique de référence
KEYWORDS
image processing | X-ray image processing
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Technologies pour la santé
(130 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Filtrage du bruit5. Filtrage spatial, renforcement des contours et égalisation
5.1 Filtrage spatial linéaire d'une image
Le filtrage d'une image consiste, pour chaque pixel, à remplacer la valeur mesurée (le niveau de gris fourni par le détecteur) par une combinaison linéaire des valeurs mesurées sur les pixels environnants. Cette opération est l'équivalent algébrique d'une convolution (une multiplication dans l'espace de Fourier des fréquences spatiales). Les pixels environnants sont choisis dans un carré dont le côté est un nombre impair de pixels 2N + 1, le pixel central étant celui auquel s'applique le résultat de l'opération. Le carré est appelé template, l'ensemble de (2N + 1)2 pixels qu'il recouvre est appelé kernel (noyau en français). Dans chacune des cases du template, un chiffre indique le poids du pixel sous-jacent dans l'opération de filtrage. Plusieurs types de templates sont possibles, selon le type et la force du filtrage que l'on souhaite appliquer. La figure 4 donne quelques exemples classiques de templates 3 × 3 (on applique classiquement des templates allant jusqu'à 11 × 11, notamment si on veut filtrer des basses fréquences) . Nous verrons plus loin d'où viennent les chiffres indiqués ; à ce stade, ils sont donnés à titre d'exemple.
Le template sélectionné est appliqué à toute l'image, pixel par pixel, pour calculer une nouvelle valeur pour le pixel situé au centre du kernel : cette nouvelle valeur est la combinaison linéaire des valeurs des pixels contenus dans le kernel, pondérées par la valeur définie par le template.
S'il n'y a que des valeurs positives dans le template, celui-ci générera une perte de netteté, c'est-à-dire un filtrage des hautes fréquences dans l'image (filtre passe-bas). Par contre, si le template comprend des valeurs positives et négatives, il aura l'effet inverse d'augmenter la netteté et le bruit à haute fréquence. Les opérateurs de Sobel effectuent une opération similaire, mais de façon anisotrope. On les applique huit fois consécutives pour obtenir un fort...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Technologies pour la santé
(130 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Filtrage spatial, renforcement des contours et égalisation
BIBLIOGRAPHIE
-
(1) - SAMEI (E.H.), FLYNN (M.J.) - Advances in digital radiography. - RSNA Syllabus (2003).
-
(2) - VANMETTER (R.) - Image processing for projection radiography. - Advances in medical physics, vol. 3 (2010).
-
(3) - FLYNN (M.J.), KANICKI (J.) - High fidelity medical imaging displays. - SPIE (2004).
-
(4) - COUWENHOVEN (M.), SEHNERT (W.), WANG (X.), DUPIN (M.), WANDTKE (J.), DON (S.), KRAUSS (R.), PAUL (N.), HALIN, SARNO (R.) - Observer study of a noise suppression algorithm for computed radiography images. - SPIE Medical Imaging, vol. 5749 (2005).
-
(5) - AAPM - Assessment of display performance for medical imaging systems. - AAPM on-line report, no 3 (2005).
-
(6) - DESERNO (T.) - Fundamentals of medical image processing and analysis. - SPIE Short Courses SC086,...
DANS NOS BASES DOCUMENTAIRES
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Technologies pour la santé
(130 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
