Nghiên cứu phương pháp đo độ nét của ảnh bằng thuật toán xử lý ảnh kỹ thuật số

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ NGHIÊN CỨU PHƯƠNG PHÁP ĐO ĐỘ NÉT CỦA ẢNH BẰNG THUẬT TOÁN XỬ LÝ ẢNH KỸ THUẬT SỐ LÊ ĐỨC TÔN ducton71290@gmail.com Ngành Kỹ thuật Y Sinh Giảng viên hướng dẫn : PGS.TS Hoàng Mạnh Thắng Viện : Điện tử - viễn thông Hà Nội, tháng năm 2020 Chữ ký GVHD LỜI CẢM ƠN Trước tiên, xin bày tỏ biết ơn chân thành sâu sắc tới PGS TS Hoàng Mạnh Thắng – Thầy giáo trực tiếp hướng dẫn trực tiếp Ts Trịnh Quang Đức người hết lòng hỗ trợ giúp đỡ tơi q trình nghiên cứu hồn thiện luận văn thạc sĩ Tơi xin gửi lời cảm ơn chân thành tới thầy, cô giảng viên Bộ môn Kỹ thuật y sinh – Viện Điện tử Viễn thông - Trường Đại học bách khoa Hà Nội tận tình dạy dỗ hướng dẫn cho tơi suốt q trình học tập thạc sĩ trường Mặc dù cố gắng hoàn thành luận văn chắn khơng tránh khỏi sai sót Kính mong nhận cảm thơng, bảo tận tình q thầy cô bạn Tôi xin chân thành cảm ơn! Hà Nội, ngày tháng năm 2020 NGƯỜI THỰC HIỆN Lê Đức Tơn Tóm tắt nội dung luận văn Luận văn đưa khảo sát nghiên cứu tiêu chí đánh giá ảnh y tế mục đích phân loại gợi mở ứng dụng tương lai để thực tiêu chí phân loại Luận văn đưa nói vai trị cần thiết ảnh kỹ thuật số số lĩnh vực y tế Các phương pháp đo độ nét quang học, phương pháp số… Từ tìm đến cơng cụ phát triển ứng dụng khác, đề tài chọn phương pháp đánh giá độ sắc nét thông qua thuật tốn xử lý số liệu có ma trận ảnh Phương pháp tính gradient phương pháp hợp lý để luận văn tiến hành ứng dụng thử nghiệm Luận văn thực nghiệm phép đo độ sắc nét dựa giá trị gradient tổng thể HỌC VIÊN Lê Đức Tôn Mục lục LỜI CẢM ƠN Mục lục Danh mục hình Chương Vai trị ảnh kỹ thuật số y tế 1.1 Ảnh y tế đặc điểm 1.2 Các dạng ảnh y tế 1.2.1 Ảnh X Quang 1.2.2 Ảnh cắt lớp CT 1.2.3 Ảnh Siêu Âm 1.2.4 Ảnh Cộng Hưởng Từ 10 1.3 Các tiêu đánh giá ảnh 15 1.3.1 Độ tương phản 15 1.3.2 Bố cục 17 1.3.3 Màu sắc 17 1.3.4 Độ sắc nét 19 1.4 Các phương pháp đo xử lý ảnh y tế 22 Chương Độ nét ảnh kỹ thuật số phương pháp xác định 24 2.1 Đo độ nét phương pháp quang học 24 2.2 Đo độ nét phương pháp số 28 2.3 Phương pháp đo gradient 31 2.4 Phạm vi ứng dụng y tế 35 Chương Các thuật toán đo độ nét 39 3.1 Thuật toán ngưỡng gradient 39 3.2 Thuật tốn gradient bình phương 41 3.4 Thuật toán gradient Tenenbaum 44 3.5 Phương pháp Tenenbaum lai 47 3.6 Thiết kế chương trình MATLAB 47 Chương Kết đánh giá 53 4.1 Kết chụp ảnh 53 4.2 Kết khảo sát theo hàm gradient tuyệt đối 55 4.3 Kết khảo sát theo hàm gradient bình phương 59 4.4 Kết khảo sát theo hàm gradient Brenner 63 Kết luận 75 Tài liệu tham khảo 76 Danh mục hình Hình 1: Ảnh X- Quang lồng ngực người khám bệnh Hình 2: Ảnh cắt lớp CT sọ não Hình 3: Hình ảnh siêu âm thai nhi Hình 4: Ảnh Cộng Hưởng Từ não 11 Hình 5: Ảnh mô tuyến tiền liệt bệnh nhân 13 Hình 6: Ảnh nội soi dày bệnh nhân 14 Hình 7: Ảnh minh họa ảnh có độ tương phản khác 16 Hình 8: Ảnh nội soi bệnh nhân viêm loét đại tràng 18 Hình 9: Ảnh minh họa độ sắc nét 20 Hình 10: Sự mờ hóa ảnh y tế 20 Hình 11: Biểu diễn độ nét khác 25 Hình 12: Biểu diễn miền thời gian ảnh 26 Hình 13: Phép đo MFT để đánh giá độ nét hệ thống tạo ảnh quang học 27 Hình 14: Minh họa ma trận liệu ảnh 29 Hình 15: Cảm biến full-frame hãng Kodak 30 Hình 16: Ma trận Sobel 45 Hình 17: Kính hiển vi tiêu nhiễm sắc thể 48 Hình 18: Ảnh chụp số 53 Hình 19: Ảnh chụp số 53 Hình 20: Ảnh chụp số 54 Hình 21: Ảnh chụp số 54 Hình 22: Ảnh chụp số 55 Hình 23: Phân bố gradient thành phần hình theo hàm gradient tuyệt đối 56 Hình 24: Phân bố gradient thành phần hình theo hàm gradient tuyệt đối 57 Hình 25: Phân bố gradient thành phần hình theo hàm gradient tuyệt đối 57 Hình 26: Phân bố gradient thành phần hình theo hàm gradient tuyệt đối 58 Hình 27: Phân bố gradient thành phần hình theo hàm gradient tuyệt đối 59 Hình 28: Phân bố gradient thành phần hình theo hàm gradient bình phương 60 Hình 29: Phân bố gradient thành phần hình theo hàm gradient bình phương 61 Hình 30: Phân bố gradient thành phần hình theo hàm gradient bình phương 61 Hình 31: Phân bố gradient thành phần hình theo hàm gradient bình phương 62 Hình 32: Phân bố gradient thành phần hình theo hàm gradient bình phương 63 Hình 33: Phân bố gradient thành phần hình theo hàm gradient Brenner 64 Hình 34: Phân bố gradient thành phần hình theo hàm gradient Brenner 65 Hình 35: Phân bố gradient thành phần hình theo hàm gradient Brenner 66 Hình 36: Phân bố gradient thành phần hình theo hàm gradient Brenner 66 Hình 37: Phân bố gradient thành phần hình theo hàm gradient Brenner 67 Hình 38: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum 68 Hình 39: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum 68 Hình 40: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum 69 Hình 41: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum 69 Hình 42: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum 70 Hình 43: Phân bố gradient thành phần hình sát theo hàm gradient Tenenbaum lai 72 Hình 44: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum lai 72 Hình 45: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum lai 73 Hình 46: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum lai 73 Hình 47: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum lai 74 Chương Vai trò ảnh kỹ thuật số y tế Ảnh y tế lớp ảnh quan trọng đóng vai trị hỗ trợ đắc lực khơng muốn nói rằng, ảnh y tế dần trở thành phận thiếu ngành y học đại Ảnh y tế xuất nhiều lĩnh vực chuyên môn thuộc ngành y tế từ xét nghiệm tế bào đến chẩn đốn hình ảnh Có thể nói phép chẩn đốn dựa kết thí nghiệm hình ảnh cung cấp cho bác sĩ nhiều thông tin lâm sàng quan trọng Dựa thông tin lâm sàng biểu lâm sàng mà bác sĩ lựa chọn phác đồ điều trị phù hợp cho bệnh nhân Ảnh y tế xuất phát từ nhu cầu muốn quan sát hình ảnh giải phẫu lâm sàng Trước ảnh x-quang xuất hiện, ngành giải phẫu học phải thực mổ xác chết để học cấu trúc giải phẫu thể người Những thông tin cung cấp cho bác sĩ chức sinh học để từ bác sĩ biết trạng thái lâm sàng quan chức sinh học thể Sự nghiên cứu liên hệ với biểu lâm sàng bệnh nhân q trình điều trị Do đó, chức sinh học quan sinh học khám phá Việc thực phẫu thuật để chẩn đoán bệnh mang lại cho bệnh nhân đau đớn không hợp lý không triệt để thực khám chữa bệnh Chính vậy, cơng cụ chẩn đốn khơng xâm lấn đề xuất sở để kỹ thuật ảnh X-Quang đời Ý nghĩa chẩn đốn hình ảnh ngành y tế lớn trực quan hình ảnh làm cho bác sĩ dễ liên hệ hình dung với kiến thức lâm sàng mà họ học Tuy nhiên, ảnh X-quang có giới hạn loại ảnh y tế khác đời để bổ sung thông tin mà ảnh X-Quang thể hết Tiếp theo cơng nghệ hình ảnh X-Quang, cơng nghệ khác ảnh siêu âm, ảnh cắt lớp, ảnh nội soi, ảnh sinh thiết bác sĩ phối hợp với kỹ sư đề xuất thử nghiệm Những tiêu chuẩn ảnh y tế đề xuất, nhiên, với đối tượng người đọc kỹ thuật viên bác sĩ đào tạo kỹ lưỡng ảnh y tế, đặc trưng ảnh y tế phát tiêu chuẩn ảnh chưa thỏa mãn Những kinh nghiệm bác sĩ kỹ thuật viên chẩn đốn hình ảnh bù đắp cho thiếu sót kỹ thuật Gần đây, với việc cải thiện tốc độ tính tốn với giá thành hạ, mơ hình điện tốn đám mây điện toán song song đời, phép xử lý ảnh trích xuất đặc trưng xử lý ảnh thực nhanh chóng Sự lợi tốc độ tính tốn xử lý gợi ý cho ý tưởng học máy học sâu chủ đề kiến thức định đòi hỏi kinh nghiệm, tiền đề trí tuệ nhân tạo đề xuất thời gian với cơng nghiệp 4.0 Nói cách khác, vai trị cải thiện tốc độ tính tốn gợi ý cho việc học nhận dạng thơng qua hình ảnh số lượng lớn mẫu để tạo ưu chẩn đoán bệnh kinh nghiệm Với cách tiếp cận vậy, ảnh y tế lớp toán chẩn đoán số hóa đưa vào trung tâm liệu để khai thác Các ảnh y tế phân lớp dán nhãn chuyên gia y học để đặc tính bệnh định Dựa liệu ảnh lớn, đặc trưng ảnh trích xuất tạo thành thơng số đặc trưng Dựa tham số đặc trưng đó, ảnh tương tự thuộc lớp tốn chẩn đốn xác định có bệnh không bệnh Nếu ảnh y tế không chuẩn hóa việc học dựa số lớn liệu ảnh dẫn đến đặc trưng ảnh khơng trích xuất hết việc học máy dẫn đến câu hỏi làm để dự kiến đủ số mẫu số lượng mẫu không chuẩn đưa vào tập liệu huấn luyện liệu phép chẩn đốn xác hay khơng ảnh tập liệu có giá trị huấn luyện ảnh khơng có giá trị huấn luyện, chí làm ảnh hưởng đến kết huấn luyện Do vậy, đặc trưng ảnh y tế vấn đề đề cập xuyên suốt luận văn Để đảm bảo tiêu chuẩn chất lượng ảnh y tế không ảnh hưởng đến trình huấn luyện, đặc trưng đánh giá chất lượng ảnh y tế nghiên cứu luận văn nhằm cải thiện chất lượng chẩn đoán bênh quan sát lâm sàng thơng qua hình ảnh chẩn đốn 1.1 Ảnh y tế đặc điểm Ngày bác sĩ chuyên khoa cần hỗ trợ đắc lực từ ảnh y tế, đặc biệt ảnh giải phẫu tái tạo thông qua phép dựng ảnh đo trực tiếp gián tiếp để thể hình ảnh trực quan quan sinh học thể người mà không cần can thiệp phép xâm lấn Những lớp ảnh cung cấp thông tin lâm sàng phân mà mắt thường khơng thể nhìn bị hấp thụ tán xạ quan sinh học bảo vệ biểu bì, da gọi ảnh y tế Ảnh y tế vĩ mơ có phân lớp: Ảnh tái tạo dạng lượng đâm xuyên qua mơ sinh học: Lớp biểu bì mơ da mô quan sinh học có chức bảo vệ quan sinh học tránh xạ điện từ mạnh ánh sáng Các bước sóng ánh sáng thường bị hấp thụ mạnh phân tán mô sinh học, khiến khả đâm xuyên photon thực tế giảm mạnh Nhưng hình ảnh lại tái tạo nhờ phân bố mật độ photon khơng gian Vì vậy, hình ảnh trực quan quan sinh học thể người quan sát dạng ảnh 62 Hình 30 phân bố giá trị gradient thành phần hình Giá trị gradient tổng thể thu 1547246, nhỏ giá trị gradient hình hình Trên thực tế quan sát hình ảnh kết tương tự phương pháp tính gradient tuyệt đối Hình 31: Phân bố gradient thành phần hình theo hàm gradient bình phương Kết thể hình 31 hình cho kết gradient tổng thể nhỏ so với kết thể hình 30 hình Kết giống kết thu phương pháp tính gradient tuyệt đối Như giá trị mờ hình ảnh nhiễm sắc thể, hình 4, phương pháp tính ln cho kết nhỏ Kết hình 32 giá trị gradient hình có giá trị tổng thể đáp số hình Điều giống hệt với tình trường hợp tính tốn phương pháp gradient tuyệt đối Giá trị gradient tổng thể không thay đổi hình với hình 5, đồng thời giá trị max chứng tỏ động chỉnh lấy nét mắt thường trường 63 hợp kinh nghiệm đạt đến giá trị tối ưu Giá trị tối ưu chứng tỏ cách tính khác nhau, cho kết qủa giống Hình 32: Phân bố gradient thành phần hình theo hàm gradient bình phương Cả hai phương pháp tính gradient sử dụng phép tính tuyệt đối hay bình phương cho kết tương đồng Có thể nói, khác biệt giá trị phép tính bình phương lớn nhiều, nhiên, chênh lệch đạt đến giá trị tối ưu lấy nét có kết tương đồng Ở đây, phương pháp Santos đề xuất Sự khác biệt ý nghĩa phân bố giá tri thành phần có biên độ khác Tuy nhiên, đây, phép tính khác biệt giá trị khác nhau, đạt đến tối ưu, phương pháp thể hội tụ điểm tối ưu 4.4 Kết khảo sát theo hàm gradient Brenner Phương pháp Brenner có phần khác so với cách tiếp cận Santos, khác biệt rời rạc điểm để tính toán giá trị gradient thành phần 64 Kết phép tính nào, mục này, cần kiểm chứng so sánh với kết trình bày mục trước Áp dụng công thức 12 cho trường hợp ứng dụng Brenner cho hình ảnh mẫu, kết hình trình bày hình 33 Kết hình 33 phân bố giá trị gradient thành phần, giá trị tính với giá trị trung bình có cách biệt điểm tính gradient Biên độ hình vẽ cho thấy giá trị biên độ gradient thành phần tính theo cách Brenner lớn chút so với cách tính Santos Vì giá trị thành phần lớn giá trị thành phần theo cách tính Santos, giá trị tổng thể phương pháp cho thấy gần gấp đơi giá trị so với phép tính Santos Điều cho thấy rời rạc điểm tính giá trị gradient làm khuếch đại giá trị gradient tổng thể Như vậy, cảm biến ảnh có độ phân giải cao, giá trị liên tiếp làm cho độ lớn gradient giảm xuống Có lẽ điều cải thiện mức độ khác biệt giá trị gradient tơng thể sau Hình 33: Phân bố gradient thành phần hình theo hàm gradient Brenner 65 Hình 34 kết phân bố giá trị gradient thành phần hình 2, với giá trị gradient tổng thể đạt ngưỡng 3465361, khác biệt độ nét hình hình cho thấy khác biệt nhiều phương pháp tính gradient bình phương Santos Điều chứng tỏ giá trị liên tiếp ảnh có độ phân giải cao khơng có q nhiều khác biệt Ở với độ phân giải 15 triệu điểm ảnh cảm biến camera, thấy khác biệt rõ ràng giá trị thành phần dẫn tới thêm khác biệt Như hiểu khoảng cách chưa đủ lớn, giá trị đo lấy nét ảnh phụ thuộc vào độ phân giải ảnh Hình 35 biểu diễn phân bố gradient thành phần cho hình với giá trị gradient tổng 3190553 Dễ thấy, giá trị gradient tổng thể nhỏ giá trị gradient hình đồng thời tạo khác biệt nhiều so sánh với khác biệt phương pháp tính Santos mang lại Điều này, hồn tồn tương đồng sơ với phép tính trước mục 4.2 4.3 Hình 34: Phân bố gradient thành phần hình theo hàm gradient Brenner 66 Hình 35: Phân bố gradient thành phần hình theo hàm gradient Brenner Hình 36: Phân bố gradient thành phần hình theo hàm gradient Brenner 67 Hình 37: Phân bố gradient thành phần hình theo hàm gradient Brenner Cũng tương tự so sánh với phương pháp Santos, hình 36 kết hình với gradient tổng thể nhỏ hình đạt giá trị gradient giơng với hình Một lần phép thí nghiệm chứng minh giá trị độ nét hình giá trị hình tối ưu 4.5 Kết khảo sát theo hàm gradient Tenenbaum Những kết ứng dụng phương pháp tính đề xuất Santos Brenner chứng minh cho thấy giá trị tối ưu thuộc hình hình thơng số Gradient tổng thể hớp với Những thứ tự độ nét khác biệt thứ tự độ nét 1,5,2,3,4 Giá trị gradient tổng thể hình số nhỏ hình lớn Sự khác biệt giá trị gradient thành phần gradient tổng thể Giá trị thành phần tổng thể xắp xếp sau: Gradient Brenner > Gradient Bình Phương > Gradient Tuyệt Đối Những phương pháp tính cho thấy cách tính giãn cách làm tăng giá trị gradient khác biệt giá trị thành phần 68 mang lại Sự khác biết lớn dễ gây tác động tới điều chỉnh để tìm giá trị hội tụ mà quỹ đạo điều khiển vươn tới Hình 38: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum Hình 39: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum 69 Hình 40: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum Hình 41: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum 70 Hình 42: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum Trong mục này, phương pháp tính khơng sử dụng giá trị gradient thành phần phân bố theo đường song song nằm ngang mà dựa vào lọc toán tử Sobel, lọc có phép tìm giá trị gradient dọc gradient ngang Những phân bố giá trị gradient lại cho thấy dồn giá trị lại rơi vào khu vực rìa ảnh mà khơng tập trung vào khu vực ảnh Phép tính tốn cho thấy phân bố không hợp lý thể nhiễm sắc vốn nhỏ trường hợp so với tế bào khác Những ảnh tế bào khác dành giá trị gradient phân bố quanh khu vực chúng, mọt nhứng yếu tố cho thấy cân tạo ảnh yếu tố quan trong tạo ảnh Thứ tự phép tính tốn cho giá trị gradient tổng thể có thứ tự thay đổi so với phương pháp trước: 1=5>4>3>2 Giá trị cho thấy cách tính có thay đổi so với cách tính kiểu đường song song Phép tính thực tế đánh giá mắt thấy 71 khơng xác Lý xác độ lớn ma trận toán tử Sobel, ma trận chi tiết ảnh nhỏ nhiễm sắc thể, chúng tỏ không phù hợp 4.6 Kết khảo sát theo hàm gradient Tenenbaum lai Phương pháp cuối mà luận văn muốn xem xét tiếp phương pháp Tenenbaum lai với ngưỡng mà luận văn đề xuất Ngưỡng sau tích hợp với tốn tử Sobel biến thảnh tốn tử Laplace Tốn tử Laplace tác động lên ma trận ảnh tương tự ma trận Sobel tác động lên ảnh Sự tác động giống ánh xạ dạng cửa sổ để soi chi tiết ảnh Phép soi hiểu ánh xạ thơng qua phép nhân chập Những giá trị gradient thành phần, đó, khơng đơn chứa gradient theo chiều ngang dọc bình thường mà giá trị gradient bao gồm thành phần định hình theo chiều dọc theo chiều ngang ảnh Hình 42 thể phân bố gradient thành phần ảnh So với phương pháp Tenenbaum nguyên thủy, giá trị gradient thành phần lúc nhỏ nhiều Các giá trị gradient lớn tập trung rìa ảnh phần ảnh thể chi tiết quan trọng giá trị gradient lúc lại thấp Việc giới hạn giá trị g tạo điều kiện để gradient nhiễu không can thiệp vào gradient giá trị foreground lúc này, đó, giá trị gradient tổng thể bị thu hẹp Phân bố ảnh thể rõ tịt giảm giá trị gradient thành phần giá trị gradient tổng thể đạt 4.0765e+09 Hình 43 thể phân bố gradient thành phần giá trị gradient tổng thể đạt 3.9466e+09 Con số nhỏ số gradient tơng thể hình Điều tỏ hợp lý tương đồng với phép tính Tenenbaum trước Tuy nhiên, để rõ ràng khác biệt, mẫu sau cần khảo sát để đưa phân tích Như kết luận phần trước, hom Sobel ứng dụng trường hợp chi tiết nhỏ gặp 72 phải khó khăn định Tốn tử Sobel toán tử Lagrange toán tử cho phép tìm đường bao tách biệt chi tiết ảnh Hình 43: Phân bố gradient thành phần hình sát theo hàm gradient Tenenbaum lai Hình 44: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum lai 73 Hình 45: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum lai Hình 46: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum lai 74 Hình 47: Phân bố gradient thành phần hình theo hàm gradient Tenenbaum lai Tuy nhiên, thực tế chứng minh thấy phép ánh xạ làm việc không tốt với chi tiết nhỏ ảnh thể không cân Thứ tự giá trị gradient tông thể xếp theo chiều từ xuống thể sau: 4>1=5>3>2 Như giới hạn g tham gia vào q trình tính tốn giá trị gradient chứng tỏ sai số mang lại cịn lớn phép tính Tenenbaum Lý gây sai lệch khuếch đại gradient đột biến rìa ảnh Đây lý làm cho sai lệnh giới hạn g làm trần trọng sai số tính tốn gradient tổng thể 75 Kết luận Luận văn khảo sát nghiên cứu tiêu chí đánh giá ảnh y tế mực đích phân loại gợi mở ứng dụng tương lai Bởi đặc thù ảnh y tế ảnh thường khơng có màu sắc chi tiết cần quan tâm tập trung chụp lại phương pháp vật lý, tiêu chi độ sắc nét ảnh trở thành đối tượng quan trọng để nghiên cứu Để thực tiêu chí phân loại từ tìm đến công cụ phát triển ứng dụng khác, luận văn chọn phương pháp đánh giá độ sắc nét thông qua thuật tốn xử lý số liệu có ma trận ảnh Phương pháp tính gradient phương pháp hợp lý để luận văn tiến hành ứng dụng thử nghiệm Để bố trí thí nghiệm,luận văn lựa chọn ảnh chụp nhiễm sắc thể để làm đối tượng thí nghiệm Thơng qua giải thuật đề xuất Santos, Brenner, Tenenbaum Tenenbaum lai, luận văn thưc nghiệm phép đo độ sắc nét dựa giá trị gradient tổng thể Thông qua kết thí nghiệm, luận văn thấy phương pháp tính tốn gradient phương pháp rời rạc điểm tính gradient theo đường song song ảnh phương pháp xác tương đồng với chất lượng thật ảnh mà kiểm chứng mắt thường Giá trị gradient có khác biệt nhỏ hay lớn, lựa chọn phương pháp có độ xác cao hội tụ điểm tối ưu Những điểm tối ưu biên độ thay đổi lớn dễ điều chỉnh so với phương pháp tính tốn độ khác biệt nhỏ Việc kết giá trị lớn gradient thành phần tập trung ngồi rìa ảnh cho thấy phân bổ không hợp lý chi tiết ảnh gây ảnh hưởng đến độ xác ảnh Những chi tiết ảnh nhỏ khơng thích hợp phương pháp đo gradient sử dụng toán tử dạng ma trận với tích chập Những ma trận tốn tử ngun nhân bỏ sót đường bao chi tiết nhỏ 76 Tài liệu tham khảo Santos, A., Solorzano, C.O., Vaquero, J.J., Pe ´ na, J.M., Malpica, N & Pozo, ˜ F (1997) Evaluation of autofocus functions in molecular cytogenetic analysis J Microsc 188, 264–272 Brenner, J., Dew, B., Horton, J., King, J., Neirath, P & Sellers, W (1971) An automated microscope for cytologic research J Histochem Cytochem 24, 100–111 Krotkov, E (1987) Focusing Int J Comput Vis 1, 223–237 ... phương pháp đo xử lý ảnh y tế 22 Chương Độ nét ảnh kỹ thuật số phương pháp xác định 24 2.1 Đo độ nét phương pháp quang học 24 2.2 Đo độ nét phương pháp số 28 2.3 Phương pháp. .. pháp đo độ nét quang học, phương pháp số? ?? Từ tìm đến cơng cụ phát triển ứng dụng khác, đề tài chọn phương pháp đánh giá độ sắc nét thơng qua thuật tốn xử lý số liệu có ma trận ảnh Phương pháp. .. chẩn hóa 1.4 Các phương pháp đo xử lý ảnh y tế Những phương pháp xử lý ảnh y tế tập trung vào mảng sau: - Chuyển đổi ảnh dạng thường quy sang ảnh kỹ thuật số: việc thực thông thường ảnh chụp X-Quang