Ứng dụng quá trình khuếch tán thực hiện giảm nhiễu đốm ảnh trong y học

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG ĐỖ THỊ THU HIỀN ỨNG DỤNG QUÁ TRÌNH KHUẾCH TÁN THỰC HIỆN GIẢM NHIỄU ĐỐM ẢNH TRONG Y HỌC Chuyên ngành: Khoa học máy tính Mã số chuyên ngành: 48 01 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Người hướng dẫn khoa học: TS Phạm Đức Long Thái Nguyên năm 2020 i LỜI CAM ĐOAN Tôi xin cam đoan luận văn cơng trình nghiên cứu thực cá nhân tơi thực hướng dẫn TS Phạm Đức Long Các số liệu, kết thân nghiên cứu tìm hiểu trình bày luận văn trung thực chưa công bố hình thức Tơi xin chịu trách nhiệm nghiên cứu Học viên Đỗ Thị Thu Hiền ii LỜI CẢM ƠN Với tình cảm chân thành lịng biết ơn sâu sắc, cho phép tơi gửi lời cảm ơn chân thành tới: – Trường Đại học Công nghệ thông tin Truyền thông, giảng viên, nhà sư phạm tận tình giảng dạy tạo điều kiện giúp đỡ q trình học tập, nghiên cứu hồn thành luận văn – Đặc biệt tơi xin bày tỏ lịng biết ơn sâu sắc đến người hướng dẫn luận văn tơi: TS Phạm Đức Long, người tận tình hướng dẫn, bảo giúp đỡ, động viên suốt q trình nghiên cứu hồn thành luận văn – Nhân dịp xin chân thành cảm ơn đến đồng chí Hiệu trưởng, Phó Hiệu trưởng, tất thầy cô giáo giảng viên trường Đại học Công nghệ thông tin Truyền thông, tạo điều kiện thuận lợi, nhiệt tình đóng góp ý kiến cho tơi q trình nghiên cứu – Cảm ơn bạn đồng nghiệp, bạn bè, gia đình động viên, khích lệ giúp đỡ tơi q trình học tập nghiên cứu khoa học Mặc dù cố gắng nhiều, luận văn không tránh khỏi thiếu sót; tác giả mong nhận thơng cảm, dẫn, giúp đỡ đóng góp ý kiến nhà khoa học, quý thầy cô, cán quản lý bạn đồng nghiệp Xin chân thành cảm ơn! Thái Nguyên, tháng năm 2020 Tác giả Đỗ Thị Thu Hiền iii MỤC LỤC Trang Trang phụ bìa Lời cam đoan i Lời cảm ơn ii Mục lục iii Danh mục bảng iv Danh mục hình v Danh mục từ viết tắt vi MỞ ĐẦU 1 Luận văn thực việc Đối tượng phạm vi nghiên cứu Hướng nghiên cứu đề tài NỘI DUNG CHƯƠNG NHIỄU ĐỐM VÀ KHỬ NHIỄU ĐỐM 1.1 Nhiễu ảnh 1.2 Nhiễu đốm 11 1.2.1 Khái niệm nhiễu đốm, đặc điểm [8],[12] 11 1.2.2 Khó khăn khử nhiễu đốm 12 1.3 Khử nhiễu đốm 12 1.3.1 Các phương pháp khử nhiễu đốm [12], [15],[26] 12 1.3.2 Những vấn đề tồn khử nhiễu đốm 18 1.4 Một số tiêu đánh giá xử lý ảnh thường dùng 18 1.4.1 MSE (Mean Squared Error) 18 1.4.2 SNR (Signal to Noise Ratio) 18 1.4.3 PSNR (Peak Signal to Noise Ratio) 19 1.4.4 MAE (Mean Absolute Error) 19 KẾT LUẬN CHƯƠNG 24 iv CHƯƠNG ỨNG DỤNG QUÁ TRÌNH KHUẾCH TÁN TRONG XỬ LÝ ẢNH 26 2.1 Sự khuếch tán ảnh 26 2.2 Khuếch tán đẳng hướng - khuếch tán tuyến tính 29 2.3 Khuếch tán không đẳng hướng 30 2.3.1 Khuếch tán không đẳng hướng thực: 31 2.3.2 Khuếch tán phức kết hợp giảm nhiễu tìm biên 34 2.4 Một thuật toán khuếch tán Anisotropic cải tiến [18] 39 KẾT LUẬN CHƯƠNG 46 CHƯƠNG KHỬ NHIỄU ĐỐM ẢNH Y HỌC BẰNG KHUẾCH TÁN ANISOTROPIC 47 3.1 Ảnh thực nghiệm 47 3.2 Kết thực nghiệm ảnh y học 50 3.3 Nhận xét đánh giá 58 KẾT LUẬN CHƯƠNG 58 KẾT LUẬN 59 HƯỚNG PHÁT TRIỂN 60 TÀI LIỆU THAM KHẢO 61 PHỤ LỤC viv DANH MỤC CÁC BẢNG Bảng 1.1 Một số số đo đánh giá xử lý ảnh khác 19 Bảng 3.1 So sánh hiệu lọc số phương pháp 55 iv vvi DANH MỤC CÁC HÌNH VẼ Hình 1.1 Máy cộng hưởng từ ảnh cộng hưởng từ MRI Hình 1.2 Máy siêu âm loại đứng xách tay Hình 1.3 Nhiễu Gaussian Hình 1.4 Nhiễu Uniform Hình 1.5 Ví dụ loại nhiễu 10 Hình 1.6 Phân phối gama 11 Hình 1.7 Nguyên lý Mean Filter 12 Hình 1.8 Nguyên tắc lọc median 11 Hình 1.9 Mặt nạ lọc trung vị hai chiều 13 Hình 1.10 Bộ lọc khuếch tán thích nghi mờ 17 Hình 2.1 Các giai đoạn xử lý ảnh 23 Hình 2.2 Lọc khuếch tán phục hồi thuộc tính ảnh 29 Hình 2.3 Khuếch tán ảnh y học: ảnh gốc 29 Hình 2.4 Làm trơn ảnh nhiễu có bảo tồn biên dùng khuếch tán không đẳng hướng sau 10, 20, 30, 40 50 lần lặp 30 Hình 2.5 Phương pháp khuếch tán Perona-Malik 31 Hình 2.6 Ảnh ‘Đền Kiếp Bạc’ (Hải Dương) nhiễu đốm a) ảnh gốc b) ảnh nhiễu đốm 0.05 31 Hình 2.7 Thực khuếch tán phức tuyến tính ảnh ‘Đền Kiếp Bạc’ kích thước 256x216 thành phần thực làm mờ ảnh, thành phần ảo thực tìm biên 36 Hình 2.8 Biên dốc biên bước a) biên kiểu dốc b) biên kiểu bước 36 Hình 2.9 Quan hệ biên dốc biên bước đạo hàm 37 Hình 2.10 Khuếch tán phức ảnh cameraman với nhỏ ( = /30) Phía giá trị thực Phía giá trị ảo Từ trái qua phải ảnh vii nguyên ảnh biến đổi sau 0.25, 2.5 25 giây……………………… 33 Hình 2.11 Khuếch tán phức ảnh cameraman với  lớn  Phía giá trị thực, phía giá trị ảo Mỗi frame ảnh từ trái qua phải ảnh nguyên các ảnh sau khoảng thời gian: 0.25, 2.5, 25……………………………………………………………………… 34 Hình 2.12 Khử nhiễu đốm mơ hình PM a) ảnh ngun b) ảnh nhiễu c) ảnh sau khử nhiễu 40 Hình 2.13 Ảnh hưởng tham số  42 Hình 2.14 Kết thực nghiệm thuật toán Mei Gao cộng sự.Các cột a) b) c) mô tả ảnh nguyên bản, ảnh có nhiễu đốm 0,05 ảnh sau lọc 41 Hình 3.1 Các ảnh dùng thực nghiệm 49 Hình 3.3 Lọc nhiễu kết hợp tìm biên 50 Hình 3.4 Khuếch tán phức ảnh CT MRI 51 Hình 3.5 Xử lý ảnh Viêm não amebic 51 Hình 3.6 Xử lý ảnh thận trái có sỏi 52 Hình 3.7 Lọc nhiễu ảnh siêu âm thận 52 Hình 3.8 Lọc nhiễu ảnh CT thận 53 Hình 3.9 Lọc nhiễu ảnh Sac Covi nhiễm vào đường thở, 53 Hình 3.10 Lọc nhiễu ảnh nhiễm trùng tế bào 54 Hình 3.11 Xử lý nhiễu ảnh não úng thủy 54 Hình 3.12 Lọc nhiễu ảnh bị bệnh nejmicm (một loại bệnh phụ nữ) 55 vi viii DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT VIẾT TẮT NHÓM TỪ Ý NGHĨA COC Correlation Coefficient Hệ số tương quan CT Computed Tomography Scan Chụp ảnh cắt lớp DDND Doubly Degenerate Nonlinear Diffusion Khuếch tán phi tuyến suy giảm gấp đôi DSP Digital Signal Processing Xử lý tín hiệu số FADFEN Fuzzy Adaptive Diffusion Filter Bộ lọc khuếch tán fuzzy thích nghi MRI Magnetic resonance imaging Chụp ảnh cộng hưởng từ MSSIM Mean Structural Similarity Index Measure LMS Least Mean Square Filter Chỉ số đo tương tự cấu trúc trung bình Bộ lọc bình phương trung bình tối thiểu MAE Mean Absolute Error MSE Mean Squared Error PDE Partial Differential Equation PSNR Peack Signal to Noise Ratio Tỷ số tín hiệu đỉnh nhiễu RMSE Root Mean Square Error Sai số trung bình bình phương SNR Signal to Noise Ratio Tỷ số tín hiệu nhiễu Sai số tuyệt đối trung bình Sai hỏng trung bình bình phương Phương trình vi phân đạo hàm riêng MỞ ĐẦU Cùng với phát triển cơng nghiệp hóa, đại hóa, lĩnh vực Y học dành nhiều thành tựu bât Trong nghiên cứu y học chuẩn đốn hình ảnh, liệu ảnh y tế thu nhận cần cung cấp ảnh có độ phân giải cao, xác có trình tự thời gian liệu đo Trong khám bệnh chữa bệnh kỹ thuật hình ảnh chiếm tầm quan trọng lớn Ảnh y tế tích hợp từ cơng nghệ Xquang, siêu âm, MRI, CT giúp thầy thuốc, bác sỹ nhìn thấy tình trạng thể người quan, phận quan tâm; mà bình thường khơng có cơng nghệ họ khơng thể thấy Các thơng tin hình ảnh giúp cho thầy thuốc, bác sỹ có thêm định xác điều trị người bệnh Một khó khăn sinh tích hợp ảnh ảnh thường bị nhiễu dẫn đến thông tin cần thiết bị che khuất chí hẳn Trong loại nhiễu nhiễu đốm thường gây khó khăn nhiều khử nhiễu Phương pháp khử nhiễu đốm hiệu sử dụng dùng trình khuếch tán ảnh y học gốc thu Việc hoàn thiện phương pháp nhiều nhà nghiên cứu giới quan tâm phát triển có ý nghĩa thực tiễn ý nghĩa khoa học cao Với lý tơi chọn đề tài Ứng dụng trình khuếch tán thực giảm nhiễu đốm ảnh y học” cho luận văn tốt nghiệp Bên cạnh ưu trội, ảnh y tế số đặc điểm chưa hoàn thiện, đặc biệt ảnh siêu âm: độ phân giải thấp (trong miền không gian phổ); mức nhiễu cao; độ tương phản thấp; biến dạng hình học; xuất hiện tượng ảnh giả Ảnh y tế có độ phân giải thấp kết việc thoả hiệp với điều kiện thương mại việc thu nhận ảnh Ví dụ, việc lấy mẫu khơng gian với thang chia mịn thời gian thu nhận dài làm ảnh bị mờ hay tạo ảnh giả dạng vết thớ(ảnh chụp CT), bóng lưng hay tăng âm (ảnh siêu âm),… Những hạn chế độ phân giải ảnh y tế gây khó khăn cho bác sĩ đưa 51 Hình 3.4 Khuếch tán phức ảnh CT MRI Hình 3.5 Xử lý ảnh Viêm não amebic 52 Hình 3.6 Xử lý ảnh thận trái có sỏi Hình 3.7 Lọc nhiễu ảnh siêu âm thận 53 Hình 3.8 Lọc nhiễu ảnh CT thận Hình 3.9 Lọc nhiễu ảnh Sac Covi nhiễm vào đường thở 54 Hình 3.10 Lọc nhiễu ảnh nhiễm trùng tế bào Hình 3.11 Xử lý nhiễu ảnh não úng thủy 55 Hình 3.12 Lọc nhiễu ảnh bị bệnh nejmicm (một loại bệnh phụ nữ) Bảng 3.1 So sánh hiệu lọc số phương pháp TT Ảnh Lọc Median PSNR (dB) Lọc Wiener Khuếch tán tuyến tính Khuếch tán phi tuyến 37.2601 38.0892 37.9887 38.9627 Ảnh CT viêm tụy 32.0910 35.8956 ảnh viêm phổi 31.1116 37.6601 56 31.9116 32.5431 33.2125 34.0828 30.8326 33.5883 34.4217 36.6006 33.9199 34.8195 35.1293 36.4851 30.4761 33.2182 33.7233 34.5321 31.4731 38.7173 39.1032 39.7786 Ảnh siêu âm có sỏi Ảnh siêu âm thận Ảnh siêu âm thận Ảnh CT thận 57 Ảnh MRI viêm não amebic 29.9180 33.7284 33.8520 33.9625 31.8046 38.3139 38.5691 39.1217 30.3497 31.2006 31.5973 32.1197 27.2658 30.6555 36.6512 38.5783 31.6456 37.3784 37.6910 38.0263 SARCOVI2 nhiễm đường thở 10 Nhiễm trùng tế bào 11 Bệnh nejmicm 12 58 3.3 Nhận xét đánh giá Qua bảng số liệu so sánh nhận thấy rằng: Với mục tiêu giảm nhiễu gữi gìn biên khuếch tán phi tuyến cho ưu điểm vượt trội qua số đánh giá PSNR so với lọc Wiener, Median khuếch tán tuyến tính Ưu điểm thể tất thể loại ảnh siêu âm, X quang, ảnh CT ảnh MRI Trong so sánh chưa xét đến tác dụng kép khuếch tán phi tuyến sử dụng loại hình khuếch tán phi tuyến phức cho kết giảm nhiễu tìm biên mà loại hình lọc nhiễu thơng thường khơng có KẾT LUẬN CHƯƠNG Trong chương số thực nghiệm thực lọc nhiễu đốm tiêu biểu thông dụng nhiều thể loại ảnh thực Xem xét kết qua cảm nhận mắt thường đánh giá thông qua số lực giảm nhiễu cho thấy tính ưu điểm phương pháp giảm nhiễu tìm biên phương trình khuếch tán phi tuyến 59 KẾT LUẬN Xử lý ảnh lĩnh vực có nhiều ứng dụng sống với trợ giúp máy tính Trong q trình học tập học viên thày truyền đạt nhiều kiến thức xử lý ảnh Với vốn kiến thức say mê nghiên cứu thông qua tài liệu tham khảo nước thực định hướng thầy giáo hướng dẫn luận văn đạt số kết sau: - Tìm hiểu cách tổng quan loại nhiễu ảnh xử lý ảnh Nhiễu đốm loại nhiễu khó loại trừ lại thường xuất ảnh y học ảnh viễn thám Học viên nắm phương pháp loại nhiễu từ phương pháp kinh điển đến phương pháp ứng dụng kỹ thuật wavelet, fuzzy, phương pháp phối hợp gần phương pháp sử dụng phương trình khuếch tán; hệ thống hố trình khuếch tán: Từ phương pháp khuếch tán tuyến tính, phi tuyến đẳng hướng, phi tuyến khơng đẳng hướng đến khuếch tán phức xử lý ảnh ứng dụng chúng ứng dụng xử lý ảnh - Cùng với việc nghiên cứu lý thuyết để hiểu chất phương pháp, tác giả cài đặt phương pháp giảm nhiễu đốm với số loại ảnh MATLAB, thực thực nghiệm xử lý số file ảnh y học số trường hợp lọc median, Viener phương trình khuếch tán (tuyến tính, phi tuyến thực phức) Việc so sánh hiệu phương pháp với thông qua tiêu đo lường chất lượng PSNR Qua trình nghiên cứu học viên tự tích lũy thêm cho kiến thức tốn học, kỹ thuật lập trình, quan trọng rèn luyện kỹ để thực nghiên cứu khoa học Tuy bước đầu, kết giúp ích cho tơi nghiên cứu sau để thu kết tốt Trong luận văn có số điểm khiếm khuyết Tác giả mong nhận bảo Thầy, Cô 60 HƯỚNG PHÁT TRIỂN Trong luận văn việc nghiên cứu mức bao quát Để có tác dụng với thực tiễn cần sauu với nhánh cụ thể Học viên dự kiến sâu nghiên cứu loại bỏ nhiễu đốm loại bệnh cụ thể y học ví dụ bệnh gan thận, với thể loại ảnh dùng loại bệnh Một lần xin chân thành cảm ơn Thày, Cô giáo Trường Đại học Công nghệ Thông tin Truyền thông – Đại học Thái Nguyên, cảm ơn thày giáo hướng dẫn tận tình bảo, giúp đỡ tơi trình học tập thực luận văn tốt nghiệp Thái Nguyên Ngày tháng năm 2020 ĐỖ THỊ THU HIỀN 61 TÀI LIỆU THAM KHẢO Tiếng Việt: [1] Lương Mạnh Bá, Nguyễn Thanh Thủy, Nhập môn xử lý ảnh số, NXB Khoa học kỹ thuật, 2002 [2] Đỗ Năng Toàn, Bài giảng xử lý ảnh, Học viện bưu viễn thơng, 2010 Tiếng Anh: [3] A Achim, A Bezerianos P Tsakalides,” Novel Bayesian Multiscale Method for Speckle Removal in Medical Ultrasound Images” IEEE Trans On Medical Imaging, vol 20, no 8, Aug 2001 [4] Cetin Elmas, Recep Demirci , Ug˘ur Güven, Fuzzy diffusion filter with extended neighborhood, Expert Systems with Applications 40, 866–872, 2013 [5] D A Nelson Mascarenhas, “An Overview of Speckle noise filtering in SAR images.” European Space agency Provided by the NASA Astrophysics Data System, 1993 [6] Guy Gilboa, Nir Sochen, Yehoshua Y Zeevi, "Complex Diffusion Processes for Image Filtering," Scale-Space 2001, LNCS 2106, Springer-Verlag, pp 299-307, 2001 [7] Guy Gilboa, Nir Sochen, and Yehoshua Y Zeevi, ”Image Enhancement and Denoising by Complex Diffusion Processes," IEEE Transactions on Analysis and Machine Inlelligence, Vol 26, No 8, pp 1020-1036, 2004 Pattern [8] Ishani Thakur, Manish Kansal, A Review on Noise Reduction from Medical Images, International Research Journal of Engineering and Technology (IRJET) eISSN: 2395 -0056 Volume: 03 Issue: 06 | June-2016 [9] Jamal Saeedi, Mohammad Hassan Moradi, Karim Faez, “A new wavelet-based fuzzy single and multi-channel image denoising,” Image and Vision Computing, vol 28, no 12, pp 1611–1623, 2010 [10] J Lee, “Digital Image Enhancement and Noise Filtering By Use Of Local Statistics” IEEE Trans On Pattern Analysis and Machine Intelligence, vol Pami-2, no.-2 March 1980 [11] Joachim Weickert, “Anisotropic Diffusion in Image Processing”, B.G Teubner Stuttgart, 1998 62 [12] Jyoti Jaybhay and Rajveer Shastri, A study of Speckle noise reduction filters, Signal & Image Processing : An International Journal (SIPIJ) Vol.6, No.3, June 2015 [13] J Weickert, “Theoretical foundations of anisotropic diffusion in image processing”, Computing, Suppl 11, pg 231-236, 1996 [14] Karthikeyan.S, Manikandan.T, Nandalal.V, Mazher Iqbal.J.L, Jai Jaganath Babu, A Survey on Despeckling Filters for Speckle Noise Removal in Ultrasound Images, Proceedings of the Third International Conference on Electronics Communication and Aerospace Technology ICECA, pg 605-609, IEEE, 2019 [15] Kaur R., Girdhar A., Kaur J A new thresholding technique for despeckling of medical ultrasound images In: fourth international on advances in computing and communications pp 84-88., conference 2014 [16] Ken Chan, Understanding Signal to Noise Ratio and Noise Spectral Density in High Speed Datat Converters_3, Texas Instruments, 2017 [17] Md Motiur Rahman, Md Shohel Rana, Md Aminul Islam, Md Rahman, Mehedi Hasan Talukder, A New Filtering Speckle Noise from Medical Images Based Filter, International Journal of Technology, Vol 2, Issue Research Technique for Masudur denoising on Adaptive and Anisotropic Diffusion in Computer and Communication 9, September -2013 [18] Mei Gao, Baosheng Kang, Xiangchu Feng, Wei Zhang and Wenjuan Zhang, Anisotropic Diffusion Based Multiplicative Speckle Noise Removal, Sensors, 19, 3164; doi:10.3390/s19143164, 2019 [19] P.Perona and J.Malik, “Scale-Space and Edge Detection Anisotropic Diffusion”, IEEE Transaction on Pattern Analysis and Using Machine Intelligence, Vol 12, No 7, July 1990 [20] Pizurica A, Wink AM, Vansteenkiste E, et al A Review of wavelet in MRI and ultrasound brain imaging Curr Med Imag Rev denoising ; 2: 247-60, 2006 [21] R Garg, Er Abhijeet Kumar, “Comparison of Various Noise Removals Using Bayesian Framework” International Journal of Modern Engineering Research vol.2, Issue.1, Jan-Feb 2012 pp- 265-270 63 [22] R Sivakumar, M K Gayathri and D Nedumaran, Speckle Filtering of Ultrasound B-Scan Images - A Comparative Study of Single Scale Filters, Multiscale Filter and Diffusion Filters, IACSIT Engineering and Technology, Vol.2, Spatial Adaptive International Journal of No.6, December 2010 [23] Saba Adabi, Silvia Conforto, Anne Clayton, Adrian G Podoleanu, Ali Hojjat and Mohammad R N Avanaki1, An Intelligent Speckle Algorithm for Optical Coherence Tomography Images, In International Conference on Photonics, Optics and Reduction Proceedings of the 4th Laser Technology (PHOTOPTICS 2016), pages 40-45, 2016 [24] Sharif M, Jaffara MA, Mahmood MT Optimal composite supervised |lter for image denoising using genetic magnetic resonance images Eng Appl morphological programming: Application to Artif Intell; 31: 78-89, 2014 [25] S.Kalaivani Narayanan and R.S.D.Wahidabanu, “A View on Despeckling Ultrasound Imaging”, International Journal of Signal Processing,Image and Pattern Recognition vol 2, no.3, in Processing Sept 2009 [26] Sen P, Sharma N Analysis of ultrasound image denoising using type of filter In J Adv Res Comp Sci Software Engineer; different 4(7): 203-7, 2014 [27] X Zong, A Laine, and E Geiser, “Speckle reduction and contrast enhancement of echocardiograms via multiscale nonlinear IEEE Transactions on Medical Imaging, vol 17, no 4, processing,” pp 532–540,1998 [28] Y Huang , J L van Genderen, “Evaluation of Several Speckle Filtering techniques for ERS-1&2 Imagery” International Archives of Photogrammetry Remote sensing vol XXXI, Part B2 Vienna and 1996 [29] Z Zhou, Z Guo, G Dong, J Sun, D Zhang, B.Wu, A doubly degenerate diffusion model based on the gray level indicator for IEEE Trans Image Process, 24, 249– 260, 2015 multiplicative noise removal PHỤ LỤC Một số mã nguồn chương trình Giảm nhiễu tính số so sánh phương pháp %%%%%%%%%%%%% IMAGE LENA %%%%%%%%%%%%%%%%%%% B=imread('lena_goc.bmp'); figure(4); imshow(B); lenaGray=rgb2gray(imread('lena_goc.bmp')); imwrite(lenaGray,'lena_Gray.BMP','BMP'); figure(5); imshow(lenaGray); %J = imnoise(lenaGray,'salt & pepper',0.05); J = imnoise(lenaGray,'speckle',0.05); %%%%%%%% Write to file imwrite(J,'LenaGrayNoiseSpeckle.BMP','BMP'); figure(6); imshow(J); %%%%%%%%%% Processing photo "Lena" %%%%%%%%%%%%% InputImage=imread('lena_Gray.BMP'); Y1=medfilt2(InputImage,[5 5]); YDifferen=anisotropic_diffusion(InputImage, 2, 1); K = wiener2(J,[5 5]); %K1= heat_blur2D(J, 1, 2, 3); %% Hien anh sau khuechs tán %% figure(7); imshow(YDifferen); %%%%% Đ? ghi file newLenaGrayDifferenFilter.BMP %%%%%%%% imwrite(Y1,'newLenaGrayMedialFilter.BMP','BMP'); imwrite(YDifferen,'newLenaGrayDifferenFilter.BMP','BMP'); imwrite(K,'newLenaGraywieneFilter.BMP','BMP'); ReconstructedImage=imread('newLenaGrayMedialFilter.BMP'); n=size(InputImage); M=n(1); N=n(2); MSE = sum(sum((InputImage-ReconstructedImage).^2))/(M*N); gtPSNR = 10*log10(256*256/MSE); fprintf('\nMSE Lena Median: %7.2f ', MSE); fprintf('\nPSNR Lena Median: %9.7f dB', gtPSNR); ReconstructedImage=imread('newLenaGrayDifferenFilter.BMP'); n=size(InputImage); M=n(1); N=n(2); MSE = sum(sum((InputImage-ReconstructedImage).^2))/(M*N); gtPSNR = 10*log10(256*256/MSE); fprintf('\nMSE Lena Differen: %7.2f ', MSE); fprintf('\nPSNR Lena Differen: %9.7f dB', gtPSNR); ReconstructedImage=imread('newLenaGraywieneFilter.BMP'); n=size(InputImage); M=n(1); N=n(2); MSE = sum(sum((InputImage-ReconstructedImage).^2))/(M*N); gtPSNR = 10*log10(256*256/MSE); fprintf('\nMSE wiene Differen: %7.2f ', MSE); fprintf('\nPSNR wiene Differen: %9.7f dB', gtPSNR); %%%%%%%%%%%%% IMAGE chua_tam_chuc %%%%%%%%%%%%%%%%%%% B=imread('chua_tam_chuc.bmp'); figure(1); imshow(B); chua_tam_chucGray=rgb2gray(imread('chua_tam_chuc.bmp')); imwrite(chua_tam_chucGray,'chua_tam_chuc_Gray.BMP','BMP'); figure(2); imshow(chua_tam_chucGray); %J = imnoise(lenaGray,'salt & pepper',0.05); J = imnoise(chua_tam_chucGray,'speckle',0.05); figure(3); imshow(J); %%%%%%%%%% Processing image "chua_tam_chuc" %%%%%%%%%%%%% InputImage=imread('chua_tam_chuc_Gray.BMP'); Y1=medfilt2(InputImage,[5 5]); YDifferen=anisotropic_diffusion(InputImage, 2, 1); K = wiener2(J,[5 5]); figure(4); imshow(K); imwrite(Y1,'newchua_tam_chucGrayMedialFilter.BMP','BMP'); imwrite(YDifferen,'newchua_tam_chucGrayDifferenFilter.BMP','BMP'); imwrite(K,'newchua_tam_chucGraywieneFilter.BMP','BMP'); ReconstructedImage=imread('newchua_tam_chucGrayMedialFilter.BMP'); n=size(InputImage); M=n(1); N=n(2); MSE = sum(sum((InputImage-ReconstructedImage).^2))/(M*N); gtPSNR = 10*log10(256*256/MSE); fprintf('\nMSE chua_tam_chuc Median: %7.2f ', MSE); fprintf('\nPSNR chua_tam_chuc Median: %9.7f dB', gtPSNR); ReconstructedImage=imread('newchua_tam_chucGrayDifferenFilter.BMP'); n=size(InputImage); M=n(1); N=n(2); MSE = sum(sum((InputImage-ReconstructedImage).^2))/(M*N); gtPSNR = 10*log10(256*256/MSE); fprintf('\nMSE chua_tam_chuc Differen: %7.2f ', MSE); fprintf('\nPSNR chua_tam_chuc Differen: %9.7f dB', gtPSNR); ReconstructedImage=imread('newchua_tam_chucGraywieneFilter.BMP'); n=size(InputImage); M=n(1); N=n(2); MSE = sum(sum((InputImage-ReconstructedImage).^2))/(M*N); gtPSNR = 10*log10(256*256/MSE); fprintf('\nMSE chua_tam_chuc Differen: %7.2f ', MSE); fprintf('\nPSNR chua_tam_chuc Differen: %9.7f dB', gtPSNR); -+++++ ... nhiễu ảnh giảm Chính v? ?y, luận văn sử dụng ứng dụng trình khuyếch tán để giảm nhiễu đốm ảnh y học 29 Hình 2.2 Lọc khuếch tán phục hồi Hình 2.3 Khuếch tán ảnh y học: ảnh gốc thuộc tính ảnh (a)... thuyết xử lý ảnh dùng PDE  X? ?y dựng thuật toán thực PDE khuếch tán phức để giảm nhiễu đốm cho ảnh y học  Thực nghiệm 5 NỘI DUNG CHƯƠNG NHIỄU ĐỐM VÀ KHỬ NHIỄU ĐỐM 1.1 Nhiễu ảnh a) Khái niệm Ảnh. .. thuyết: - Nhiễu đốm ảnh y học - Khử nhiễu đốm khuếch tán Anisotropic + Thực nghiệm: - Cài đặt thuật toán Malab - X? ?y dựng thuật toán thực PDE khuếch tán phức để giảm nhiễu đốm cho ảnh y học Hướng