Nghiên cứu phương pháp phân chia vùng ảnh và ứng dụng

MỤC LỤC DANH MỤC CÁC TỪ VIẾT TẮT ST T Tên viết tắt DICOM DBSCAN CT Tên tiếng Anh Định nghĩa Digital Imaging and Communications Số hóa truyền in Medicine ảnh y tế Phân cụm liệu Density Based Spatial Clustering of xác định nhiễu Applications with Noise dựa mật độ Chụp cắt lớp điện Computed Tomography Scanner toán LỜI CAM ĐOAN Tôi là: Nguyễn Thị Bích Điệp Lớp: CK11A Khoá học: 2012 - 2014 Chuyên ngành: Khoa học máy tính Mã số chuyên ngành: 60 48 01 Cơ sở đào tạo: Trường Đại học Công nghệ thông tin Truyền thông Thái Nguyên Giáo viên hướng dẫn: TS Vũ Việt Vũ Tôi xin cam đoan luận văn “Nghiên cứu phương pháp phân chia vùng ảnh ứng dụng” công trình nghiên cứu riêng Các số liệu sử dụng luận văn trung thực Các kết nghiên cứu trình bày luận văn chưa công bố công trình khác Thái Nguyên, ngày 10 tháng 06 năm 2014 HỌC VIÊN Nguyễn Thị Bích Điệp LỜI CẢM ƠN Học viên xin gửi lời cảm ơn chân thành tới TS Vũ Việt Vũ, Trường Đại học Kỹ thuật Công nghiệp – Đại học Thái Nguyên, người tận tình hướng dẫn giúp học viên hoàn thành luận văn tốt nghiệp Học viên xin gửi lời cảm ơn sâu sắc đến thầy cô giáo Trường Đại học Công nghệ Thông tin Truyền thông - Đại học Thái Nguyên, thầy cô giáo Viện Công nghệ thông tin - Viện khoa học Việt Nam nhiệt tình giảng dạy, truyền đạt kiến thức cho học viên suốt năm học Học viên xin cảm ơn giúp đỡ lãnh đạo khoa Chẩn đoán hình ảnh, bệnh viên Đa khoa Trung ương Thái Nguyên hỗ trợ cung cấp hình ảnh cho luận văn học viên Cảm ơn bác sĩ Lê Thị Lan – bệnh viên Đa khoa Trung ương Thái Nguyên giúp đỡ, bổ trợ cho học viên kiến thức chẩn đoán hình ảnh y khoa để học viên hoàn thành luận văn Nguyễn Thị Bích Điệp MỞ ĐẦU Xử lý ảnh lĩnh vực khoa học công nghệ so với nhiều ngành khoa học khác Tuy vậy, tốc độ phát triển nhanh với nhiều ứng dụng thiết thực ngành: vật lý, hóa học, sinh học, y học… Phân chia vùng ảnh toán toàn trình xử lý ảnh Quá trình thực việc phân ảnh thành vùng rời rạc đồng với hay nói cách khác xác định biên vùng ảnh Các vùng ảnh đồng thông thường tương ứng với toàn hay phần đối tượng thật bên ảnh Vì thế, hầu hết ứng dụng lĩnh vực xử lý ảnh, thị giác máy tính, phân chia vùng ảnh đóng vai trò thường bước tiền xử lý toàn trình trước thực thao tác khác mức cao nhận dạng đối tượng, biểu diễn đối tượng, nén ảnh dựa đối tượng, hay truy vấn ảnh dựa vào nội dung Một số ứng dụng thực tế toán phân chia vùng ảnh là: Truy xuất hình ảnh dựa nội dung; Hình ảnh y khoa: xác định vị trí khối u bệnh lý khác, đo khối lượng mô chẩn đoán, nghiên cứu cấu trúc giải phẫu; Phát nhận dạng: Nhận dạng vân tay, nhận dạng khuôn mặt… Hiện nay, có nhiều công trình nghiên cứu khoa học phân tích ảnh y học Các ứng dụng hướng đến mục tiêu hỗ trợ bác sĩ việc chẩn đoán bệnh lý, tổn thương dựa định tính Ảnh y học kỹ thuật trình sử dụng để tái tạo hình ảnh thể người phận thể Ảnh y học thường chụp phận bên thể người thiết bị chuyên dụng máy X-Quang chụp hộp sọ, máy chụp cắt lớp vi tính, máy chụp cộng hưởng từ, máy chụp mạch não nên ảnh thường không rõ, không sắc nét, gây khó khăn cho chuyên gia y học việc chẩn đoán bệnh Mặc dù thiết bị y tế với công nghệ ngày nâng cao để hỗ trợ cho chuyên gia y tế phân tích xử lý thông tin từ ảnh vấn đề đặt cần phải giải song song việc nâng cao chất lượng ảnh - khâu quan trọng coi bước tiền xử lý cho bước phân chia vùng ảnh y học Nếu phân chia vùng ảnh không tốt dẫn đến sai lầm trình nhận dạng ảnh, người ta xem công đoạn phân chia vùng ảnh trình then chốt trình xử lý ảnh nói chung Nội dung luận văn tập trung tìm hiểu số phương pháp phân chia vùng ảnh ứng dụng vào việc phân tách vùng ảnh chụp CT não người Luận văn chia thành nội dung chính: Chương 1: Tổng quan phân chia vùng ảnh Chương 2: Tìm hiểu số phương pháp phân chia vùng ảnh tiêu biểu tập trung tìm hiểu phương pháp phân chia vùng ảnh dựa thuật toán phân cụm Chương 3: Ứng dụng cho toán phân chia vùng ảnh y khoa Khi viết báo cáo học viên cố gắng để đạt mục tiêu định hướng nghiên cứu đề ban đầu, song điều kiện thời gian lực hạn chế nên không tránh khỏi thiếu sót Học viên mong nhận góp ý thầy giáo hướng dẫn, thầy cô giáo để học viên có kinh nghiệm thực tế bổ ích để sau xây dựng chương trình hoàn thiện CHƯƠNG I TỔNG QUAN VỀ PHÂN CHIA VÙNG ẢNH Chương tìm hiểu vấn đề tổng quan phân chia vùng ảnh Để có kiến thức ban đầu phân chia vùng ảnh, qua trình đọc tài liệu, học viên tìm hiểu khái niệm phân chia vùng ảnh, tảng giải thuật phân chia vùng ảnh hướng tiếp cận phân chia vùng ảnh I.1 Tổng quan phân chia vùng ảnh Phân chia vùng ảnh [1] thao tác mức thấp toàn trình xử lý ảnh Quá trình thực việc phân chia vùng ảnh thành vùng rời rạc đồng với hay nói cách khác xác định biên vùng ảnh Các vùng ảnh đồng thông thường tương ứng với tòan hay phần đối tượng thật bên ảnh Vì thế, hầu hết ứng dụng lĩnh vực xử lý ảnh (image processing), thị giác máy tính, phân chia vùng ảnh đóng vai trò thường bước tiền xử lý toàn trình trước thực thao tác khác mức cao nhận dạng đối tượng, biểu diễn đối tượng, nén ảnh dựa đối tượng, hay truy vấn ảnh dựa vào nội dung … Vào thời gian đầu, phương pháp phân chia vùng ảnh đưa chủ yếu làm việc ảnh mức xám hạn chế phương tiện thu thập lưu trữ Ngày nay, với phát triển phương tiện thu nhận biểu diễn ảnh, ảnh màu thay hoàn toàn ảnh mức xám việc biểu diễn lưu trữ thông tin ưu vượt trội hẳn so với ảnh mức xám Do đó, kỹ thuật, thuật giải thực việc phân chia vùng ảnh loại ảnh màu liên tục phát triển để đáp ứng nhu cầu Các thuật giải, kỹ thuật thường phát triển dựa tảng thuật giải phân chia vùng ảnh mức xám có sẵn I.2 Các hướng tiếp cận phân chia vùng ảnh Phân chia vùng ảnh [1] chia ảnh thành vùng không trùng lặp Mỗi vùng gồm nhóm pixel liên thông đồng theo tiêu chí Tiêu chí phụ thuộc vào mục tiêu trình phân vùng Ví dụ đồng màu sắc, mức xám, kết cấu, độ sâu layer… Sau phân vùng pixel thuộc vùng Để đánh giá chất lượng trình phân vùng khó Vì trước phân chia vùng ảnh cần xác định rõ mục tiêu trình phân vùng Xét cách tổng quát, ta chia hướng tiếp cận phân chia vùng ảnh thành ba nhóm sau: • Các kỹ thuật phân chia vùng ảnh dựa không gian đặc trưng • Các kỹ thuật dựa không gian ảnh • Các kỹ thuật dựa mô hình vật lý I.2.1 Các kỹ thuật phân chia vùng ảnh dựa không gian đặc trưng Nếu giả định màu sắc bề mặt đối tượng ảnh thuộc tính bất biến màu sắc ánh xạ vào không gian màu đó, có nhìn đối tượng ảnh cụm (cluster) điểm không gian màu Mức độ phân tán điểm trong cụm xác định chủ yếu khác biệt màu sắc Một cách khác, thay ánh xạ pixel ảnh vào không gian màu cụ thể, ta xây dựng histogram dựa đặc trưng màu dạng ad-hoc cho ảnh (ví dụ Hue), thông thường, đối tượng ảnh xuất giá trị đỉnh histogram Do đó, việc phân vùng đối tượng ảnh tương ứng với việc xác định cụm – cách biểu diễn thứ nhất; xác định vùng cực trị histogram – cách biểu diễn thứ hai Các phương pháp tiếp cận làm việc không gian màu I.2.2 Các kỹ thuật dựa không gian ảnh Kỹ thuật đề cập phần hoạt động dựa không gian đặc trưng ảnh (thông thường màu sắc) Do đó, vùng ảnh kết đồng tương ứng với đặc trưng chọn cho không gian Tuy nhiên, đảm bảo tất vùng thể hiển cô đọng (compactness) nội dung xét theo ý nghĩa không gian ảnh (ý nghĩa vùng theo cảm nhận hệ thần kinh người) Mà đặc tính quan trọng thứ hai sau đặc tính vùng ảnh Do phương pháp gom cụm xác định ngưỡng histogram nêu bỏ qua thông tin vị trí pixel ảnh Trong báo cáo khoa học phân chia vùng ảnh mức xám, có nhiều kỹ thuật cố thực việc thoả mãn lúc hai tiêu chí tính đồng không gian đặc trưng ảnh tính cô đọng nội dung ảnh Tuỳ theo kỹ thuật mà thuật giải áp dụng, chúng phân thành nhóm sau:  Các thuật giải áp dụng kỹ thuật chia trộn vùng  Các thuật giải áp dụng kỹ thuật tăng trưởng vùng  Các thuật giải áp dụng lý thuyết đồ thị  Các giải thuật áp dụng mạng neural  Các giải thuật dựa cạnh I.2.3 Các kỹ thuật dựa mô hình vật lý Tất giải thuật xem xét qua, không nhiều mặt có khả phát sinh việc phân vùng lỗi trường hợp cụ thể 10 đối tượng ảnh màu bị ảnh hưởng nhiều vùng sáng bóng mờ, tượng làm cho màu đồng ảnh thay đổi nhiều cách đột ngột Và kết thuật giải tạo kết phân vùng mức mong muốn so với cảm nhận đối tượng ảnh mắt thường Để giải vấn đề này, giải thuật phân chia vùng ảnh áp dụng mô hình tương tác vật lý bề mặt đối tượng với ánh sáng đề xuất Các công cụ toán học mà phương pháp sử dụng không khác so với phương pháp trên, điểm khác biệt việc áp dụng mô hình vật lý để minh hoạ thuộc tính phản chiếu ánh sáng bề mặt màu sắc đối tượng 45 xử lý hết File ảnh có khoảng màu rộng so với định dạng thông thường khác gần với thực tế nhìn mắt thường Trong tất thông tin chi tiết rõ ràng đầy đủ Nhưng để tiến hành thao tác xử lý ảnh Matlab hay công cụ khác Các file không hỗ trợ đọc ghi có bước chuyển từ dcm file sang Jpeg hay Tiff file để tiện cho việc xử lý Quan sát ảnh chụp CT ta dễ nhận thấy range màu nằm mức xám nhiều Nên trình chuyển đổi tiếp từ ảnh RGB sang ảnh xám đảm bảo cho ta thông tin đầy đủ cho thao tác phân chia vùng ảnh • Bước 2: Phân chia ảnh theo cấu trúc dựa trị số đậm độ Như trình bày chương III, hình định vị hình dùng để xác định vị trí lát cắt Ở hình định vị có đường đánh số đặt chồng lên vùng thể khảo sát Các số đánh dấu cúa đường tương ứng với số hình hay lát cắt trình bày phim CT Ta dùng hình định vị để quan sát nhanh lát cắt cần xem phim CT Hoặc ngược lại, xác định bất thường lát cắt CT nằm vị trí hình định vị Trong số liệu ảnh cung cấp, nhận thấy bệnh nhân có khoảng 20 đến 50 ảnh tương ứng với số lát cắt Tương ứng với lát cắt, ta xác định trị số độ đậm tương ứng với mức xám đặc trưng cấu trúc: Xương, mô não, mạch máu, Qua ta xác định cấu trúc cần phân vùng Mục đích phân chia vùng ảnh chia ảnh thành nhiều vùng dựa đặc tính Ở ta chọn tiêu chí mức xám làm điều kiện phân chia vùng ảnh 46 Hình 3.3 Hình ảnh xương mạch máu ảnh CT Quan sát liệu ảnh ta chia thành vùng theo mức xám : Vùng đen : vùng với mức xám thấp Vùng thịt : mức xám trung bình Vùng xương mạch máu : mức xám cao Bước 3: Phân chia vùng ảnh thuật toán phân cụm – – – • Thuật toán DBSCAN thuật toán phân cụm có nhiều điểm mạnh: - Khám phá cụm có hình dáng - Chỉ cần thông số đầu vào (số phần trăm nhiễu) - Hiệu sở liệu lớn - Có khả xử lý nhiễu Bởi vậy, lựa chọn thuật toán cho toán phân chia vùng ảnh hợp lý Vấn đề đặt thuật toán phân cụm làm việc tập liệu điểm rời rạc, liệu đầu vào cần xử lý ta file ảnh Vậy ta cần có bước chuyển đổi liệu phù hợp với toán đặt Khi đọc file ảnh matlab ta dùng lệnh : X= imread(‘ file path’); 47 Khi X nhận giá trị mảng chiều ( với ảnh RGB) Mỗi điểm ảnh bao gồm thông số R, G,B Hoặc X nhận giá trị mảng chiều (với ảnh xám), tọa độ biểu diễn mức xám Sau đó, với nhóm chia bước 2, ta dựa vị trí (tọa độ) ảnh mà thực phân chia điểm ảnh vào nhóm III.4 Các chức chương trình Thanh Menu có chức chính: • • Browse: chọn đường dẫn file ảnh, hiển thị ảnh Bond: Thực việc phân chia vùng ảnh cấu trúc xương hiển thị ảnh sau phân vùng, đồng thời đưa kết vào Result số • phân vùng Brain Tissue: Thực việc phân chia vùng ảnh cấu trúc mô não hiển thị ảnh sau phân vùng, đưa kết vào Result số phân vùng Hình 3.4 Giao diện chương trình 48 III.5 Kết thử nghiệm Thuật toán cài đặt ngôn ngữ lập trình Matlab môi trường Matlab 7.12.0.Chương trình cài đặt chạy thử nghiệm nhiều ảnh khác Một số ảnh thử nghiệm cho kết tốt Hình 3.5 Phân chia vùng ảnh theo cấu trúc xương 49 Hình 3.6 Kết thử nghiệm phân tách mô não 50 KẾT LUẬN • Một số kết đạt Trong trình làm luận văn học viên đạt số kết sau: - Tìm hiểu cách tổng quan vấn đề phân chia vùng ảnh Có cách nhìn có hệ thống phương pháp phân chia vùng ảnh thuật toán phương pháp - Học viên tìm hiểu cài đặt phương pháp phân chia vùng ảnh dựa vào thuật toán phân cụm Phương pháp phân vùng hiệu với ảnh chụp CT não người Bên cạnh kết đạt học viên nhận thấy luận văn số điểm hạn chế như: - Chưa đề xuất phương pháp phân chia vùng ảnh hoàn toàn • Chương trình mô ứng dụng phạm vi hẹp Hướng phát triển đề tài Dựa kết bước đầu đạt luận văn, học viên hi vọng hoàn thiện chương trình cài đặt thử nghiệm Xây dựng thuật toán phân chia vùng ảnh tốt phương pháp để qua tiến tới cài đặt hoàn thiện hệ thống trợ giúp định chẩn đoán tổn thương Chương trình phân tích tệp ảnh đầu vào đưa ảnh có tổn thương giúp cho bác sĩ nhanh chóng đưa chẩn đoán xác 51 TÀI LIỆU THAM KHẢO [1] Lương Mạnh Bá, Đỗ Thanh Thủy, Nhập môn xử lý ảnh số, NXB Khoa học Kỹ thuật, Hà Nội, 2002 [2] Phạm Việt Bình, Đỗ Năng Toàn, Xử lý ảnh, NXB Khoa học Kỹ thuật, Hà Nội, 2008 [3] Nguyễn Duy Huề - Phạm Minh Thông , Chẩn đoán hình ảnh, NXB Giáo dục Việt Nam, 2009 [4] R C Gonzalez and R E Woods, Digital Image Processing, 3rd ed, Prentice Hall, New Jersey, 2008 [5] M Ester, H Peter Kriegel, J Sander, X Xu,“A Density-Based Algorithm for Discovering Clustersin Large Spatial Databases with Noise”,Proceedings of 2nd Internation Conference on Knowledge Discovery and Data Mining,1996 [6] J Shi and J Malik, “Normalized cuts and image segmentation”, IEEE Transactions on Pattern Analysis and Machine Itelligence,2000 [7] Sunita Jahirabadkar, Parag Kulkarni,“Algorithm to determine - distance parameter in density based clustering”, Expert System with Applications, 2013 [8] Hai Vu, Tomio Echigo, Ryusuke Sagawa, Keiko Yagi, Masatsugu Shiba, Kazuhide Higuchi, Tetsuo Arakawa, Yasushi Yagi "Detection of contractions in adaptive transit time of the small bowel from wireless capsule endoscopy videos", Computers in Biology and Medicine 39, 2009, p16-p26 [9] V.V Vu, N Labroche, and B Bouchon-Meunier,“Active learning for semi supervised k-means clustering”, Proceedings of the 22nd International Conference on Tools with Artificial Intelligence, IEEE ICTAI, pages 12–15, 2010 52 [10] V.V.Vu, N Labroche, and B Bouchon-Meunier, “ Improving constrained clustering with active query selection”, Pattern Recognition, 2011 [11] V.V.Vu, N Labroche, and B Bouchon-Meunier, “An efficient active constraint selection algorithm for clustering”, Proceedings of the 22nd International Conference on Pattern Recognition ICPR, 2010 [12] V.V.Vu, N Labroche, and B Bouchon-Meunier, “ Boosting clustering by active contraint selection”, Proceedings of the 19nd European Conference on Artifical Intelligence, 2010 53 PHỤ LỤC A Cấu trúc file DICOM File Preamble DI C OM Prefix Data S et File Meta Infor mation DI C OM Data S et Hình A.1 Cấu trúc file DICOM Các Data Element đầu file cung cấp số thông tin ban đầu quan trọng Chúng nằm Data Set tên File Meta Information Sau Data Set File Meta Information đến Data Element bình thường, Data Element nội dung DICOM file (gồm hình ảnh, thông tin hình ảnh, thông tin khám, thông tin bệnh nhân) • Các khái niệm DICOM Khái niệm Data Set Data Element Tag VR (Value Representation) VM (Value Multiplicity) Ý nghĩa Là tập hợp nhiều Data Element file DICOM Là đơn vị thông tin DICOM file Date Element chứa thông tin đầy đủ Các field Data Element có nhiệm vụ đặc tả đầy đủ thông tin, đặc tả bao gồm: ý nghĩa, giá trị, chiều dài tin định dạng liệu tin Là số nguyên không dấu, số 16 bit Cặp số nguyên xác định ý nghĩa Data Element tên bệnh nhân, chiều cao ảnh, số bit màu, … Một số xác định Group Number số xác định Element Number Giá trị Group Number Element Number cho biết Data Element nói lên thông tin Các thông tin (Data Element) liên quan đến nhóm ngữ nghĩa có chung số Group Number Đây field tùy chọn, tùy vào giá trị Transfer Syntax mà VR có mặt Data Element hay không Giá trị VR cho biết kiểu liệu định dạng giá trị Data Element Cho biết số lượng Value Value Field Value Field có nhiều giá trị 54 Value Length Value Field Transfer Syntax Information Object Definition (IOD) Lớp ServiceObject Pair (SOP) Nếu số lượng Value không xác định, VM có dạng “a-b” với a số giá trị Value nhỏ b số Value lớn có Data Element VD: VM = “6-10” : Value Field có giá trị nhiều 10 giá trị Data Element với Value Field có nhiều giá trị Với chuỗi kí tự, dùng kí tự 5Ch („\‟) làm kí tự phân cách Với giá trị nhị phân, kí tự phân cách Là số nguyên không dấu, có độ dài 16 hay 32 bit Giá trị Value Length cho biết độ lớn (tính theo byte) field Value Field (không phải độ lớn toàn Data Element) Giá trị Value Length FFFFFFFFh (32 bit) hàm ý không xác định chiều dài (Undefined Length) Là nội dung thông tin (Data Element) Kiểu liệu field VR quy định độ lớn (tính theo byte) nằm Value Length Transfer Syntax quy ước định dạng liệu Giá trị Transfer Syntax cho biết cách liệu định dạng mã hóa DICOM đồng thời cho biết VR có tồn Data Element hay không Mặc định ban đầu, Transfer Syntax file DICOM Explicit VR Little Endian Transfer Syntax IOD đại diện cho đối tượng chứa thông tin đối tượng có tồn giới thực Thông tin đối tượng IOD thông tin đối tượng giới thực Có loại IOD Composite IOD: IOD đại diện cho phần khác đối tượng khác giới thực Normalized IOD: IOD cho đối tượng giới thực Lớp SOP tạo ghép IOD với DIMSE Service dành cho IOD Có loại lớp SOP Lớp Normalized SOP: tạo ghép Normalized IOD với dịch vụ DIMSE-N 55 Lớp Composite SOP: tạo ghép Composite IOD với dịch vụ DIMSE-C Thứ tự chuỗi byte: giá trị lưu thành hay nhiều byte file Có quy ước quy định thứ tự xuất byte giá trị file DICOM Little Endian Đối với số nhị phân gồm nhiều byte byte có trọng số thấp (Least Significant Byte) nằm trước, byte lại có trọng số tăng dần nằm tiếp sau Đối với chuỗi kí tự, kí tự nằm theo thứ tự xuất chuỗi (từ trái sang phải) Big Endian Đối với số nhị phân gồm nhiều byte byte có trọng số lớn (Most Significant Byte) nằm trước, byte lại có trọng số giảm dần nằm tiếp sau Đối với chuỗi kí tự, kí tự nằm theo thứ tự xuất chuỗi (từ trái sang phải) 56 B Một số loại chấn thương X - Quang chấn thương sọ não : Đối với chấn thương sọ não phân loại tổn thương: Tổn thương nguyên phát tổn thương thứ phát Hình B.1 Cấu trúc liên quan sọ - màng não – nhu mô não • Tổn thương nguyên phát: Vỡ hộp sọ Tổn thương trục (extra-axial) - Tụ máu màng cứng Tụ máu màng cứng Xuất huyết khoang nhện Tổn thương trục (intra-axial) Dập não Xuất huyết não Tổn thương trục lan toả Tổn thương chất xám sâu Tổn thương cuống não Xuất huyết não thất Tổn thương thứ phát - Thoát vị não - Nhồi - thiếu máu não chấn thương - Phù não - Tổn thương thiếu oxy não - Tổn thương xương: Nứt sọ dạng đường, lún sọ, dãn khớp sọ -  57 - Tổn thương phần mềm Hình B.2 Tổn thương phần mềm hộp sọ Hình B.3 Tổn thương xương hộp sọ  Tụ máu màng cứng - Hay gặp thái dương - đính (95%) - Tổn thương động mạch màng não (90%), tĩnh mạch tuỷ sọ, - xoang màng cứng (10%) Thường kết hợp với nứt sọ bên tụ máu màng cứng - đối bên (90%) Hình hai mặt lồi (biconvex/ lenticular) Không vượt qua khớp sọ 58 - Chạy vượt qua nếp màng não (liềm, lều não) Hình B.4 Tụ máu màng 59  Tụ máu màng cứng - Đứt tĩnh mạch cầu nối - Hình liềm - Chạy qua khớp sọ - Không vượt qua nếp màng cứng (liềm, lều não) - Tuỳ tụ máu cấp, bán cấp hay mãn mà đậm độ khác Hình B.5 Tụ máu màng cứng ... thuật phân chia vùng ảnh hướng tiếp cận phân chia vùng ảnh I.1 Tổng quan phân chia vùng ảnh Phân chia vùng ảnh [1] thao tác mức thấp toàn trình xử lý ảnh Quá trình thực việc phân chia vùng ảnh. .. dạng ảnh, người ta xem công đoạn phân chia vùng ảnh trình then chốt trình xử lý ảnh nói chung Nội dung luận văn tập trung tìm hiểu số phương pháp phân chia vùng ảnh ứng dụng vào việc phân tách vùng. .. thuật phân vùng tiêu biểu như: Phân vùng dựa vào ngưỡng biên độ, phân vùng dựa sở vùng, phân vùng theo miền đồng nhất, phân vùng theo đồ thị Vì luận văn mình, học viên sâu vào nghiên cứu phương pháp