Calibration du détecteur
Imagerie médicale par rayons X - Traitements d'image 2D

1 - De l'image brute à l'image présentée sur un écran

2 - Correction des défauts du détecteur

3 - Calibration du détecteur

• 3.1 - Calibration d'offset
• 3.2 - Correction de gain par calibration

4 - Optimisation du contraste dans l'image

• 4.1 - Histogramme d'une image
  Figure 2 - Exemples d'histogramme. Les niveaux de gris correspondent aux différentes intensités possibles en sortie d'un pixel. Sur ces exemples, les signaux fournis par le détecteur sont codés sur 12 bits (4 096 niveaux de gris, de 0 à 4 095). L'intégrale de la courbe est égale au nombre total de pixels. (a) l'image est complète, y compris les pixels qui ne sont pas sous le faisceau primaire (ils sont masqués par le collimateur) mais qui reçoivent des photons diffusés (en vert), et y compris les pixels qui reçoivent un faisceau non atténué (« background » ou feu nu), en rouge. (b) l'image après segmentation de ces deux zones Figure 3 - Application d'une LUT (Look-Up Table  – courbe rouge). Les niveaux de gris situés dans la zone d'intérêt sont dilatés (par rapport à l'échelle totale qui a décru de 4 000 (12 bits) à 1 000 (10 bits)), alors que les niveaux de gris hors ROI (Region of Interest ) ont été fortement comprimés. Pour éviter des artefacts dans l'image, une courbe en S a été préférée à la droite rouge en trait fin
• 4.2 - Segmentation de l'ouverture du collimateur et du background
• 4.3 - Application d'une LUT : optimisation de la latitude et du contraste

5 - Filtrage spatial, renforcement des contours et égalisation

• 5.1 - Filtrage spatial linéaire d'une image
  Figure 4 - Opérateurs de filtrage spatial, templates 3x3. Dans le cas (a), le pixel central se voit attribuer une valeur égale à la somme des valeurs des 9 pixels proches voisins, chacun étant pondéré avec le même poids (1/9). Les filtres (a) et (b) induisent une perte de netteté dans l'image. À l'inverse, le filtre (c) augmente les contrastes et accentue les contours, aux dépens du bruit haute-fréquence également amplifié. Les filtres (a), (b) et (c) doivent être normalisés pour retrouver un histogramme ad hoc. À l'inverse, (d) est un filtre de contraste qui n'a pas besoin d'être normalisé. Les filtres (e) et (f) appartiennent à la famille des huit filtres anisotropes de Sobel (ils sont obtenus en prenant par exemple le template (e) et en le tournant 7 fois de 45o), utilisés pour faire du renforcement de contraste de structures unidimensionnelles (lignes de contours) [6])
• 5.2 - Renforcement des contours
  Figure 5 - Renforcement de contours
• 5.3 - Filtrage multi-échelle et DRM
  Figure 6 - Filtrage spatial multi-échelle. L'image de gauche montre le signal d'origine (en mauve) dans l'espace des fréquences spatiales. En gris, le filtre G passe-bas sépare la composante basse-fréquence (en vert) de la composante haute-fréquence (en mauve pointillés, reconstituée par soustraction). La composante basse-fréquence (en vert) est alors sous-échantillonnée (dilatée) et refiltrée par le même filtre (dessin de droite). Cette opération est répétée autant de fois que nécessaire. On obtient ainsi une succession de composantes bande-étroite (les courbes en pointillés) dont la somme restitue le signal d'origine. Avant d'effectuer cette somme, on pondère les composantes bande-étroite, pour obtenir le résultat recherché. Dans l'exemple du renforcement de contours (figure 5), il n'y avait que deux composantes ; la composante basse-fréquence était pondérée par un facteur 1, la composante haute-fréquence par un facteur 2

6 - Filtrage du bruit

• 6.1 - Transformée d'Anscombe
• 6.2 - Filtrage du bruit haute-fréquence : filtrage non linéaire contextuel
  Figure 7 - Exemple de fonction C (S)

7 - Addition et multiplication d'images

• 7.1 - Filtrage récursif d'images dynamiques
• 7.2 - DSA (Digital Angiography Substraction)
• 7.3 - Double-énergie

8 - Autres traitements

• 8.1 - Suppression de la grille
• 8.2 - Stitching
• 8.3 - Rescaling de la taille des pixels
• 8.4 - Zoom et agrandissement, rotation, retournement, inversion négative – positive, etc.
• 8.5 - Calcul du logarithme de l'image

9 - Écrans de visualisation

10 - Traitements d'image de haut niveau

11 - Conclusion

12 - Glossaire – Définitions