Trong không gian 2D, các phần tử ảnh (pixel) được thể hiện bằng các nút mạng mô tả như một hình vuông (xem Hình 2.1). Đối với mỗi phần tử ảnh được gán một giá trị duy nhất dựa trên các đặc điểm cộng hưởng từ trung bình có trong mô tương ứng với phần tử đó. Kích thước của phần tử xác định độ phân giải không gian hoặc độ mịn của chi tiết có thể được phân biệt trong ảnh. Kích thước pixel khác nhau tùy thuộc vào thông số ảnh, cường độ từ trường, thời gian cho phép thu nhận và các yếu tố khác. [1]
24
2.1.2 Ma trận ảnh và phần tử ảnh
Gốc của ảnh (ảnh tự nhiên) là ảnh liên tục về không gian và độ sáng. Để xử lý bằng máy tính, ảnh cần phải được số hóa. Số hóa ảnh là sự biến đổi gần đúng một ảnh liên tục thành một tập điểm phù hợp với ảnh thật về vị trí (không gian) và độ sáng (mức xám). Khoảng cách giữa các điểm ảnh đó được thiết lập sao cho mắt người không phân biệt được ranh giới giữa chúng. Mỗi một điểm ảnh như vậy gọi là điểm ảnh (Picture Element) hay gọi tắt là Pixel. Trong ảnh hai chiều, mỗi pixel ứng với cặp tọa độ (x,y).
Điểm ành (Pixel) là một phần tử của ảnh số tại tọa độ (x,y) với độ xám hoặc màu nhất định. Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thích hợp sao cho mắt người cảm nhận nhận sự liên tục về không gian và mức xám (hoặc màu) của ảnh số gần như ảnh thật. Mỗi phần tử trong ma trận được gọi là một phần tử ảnh [5].
2.1.3 Mức xám
Mức xám của điểm ảnh là cường độ sáng của nó được gán bằng giá trị số tại điểm đó.
Ảnh nhị phân: như tên của nó cho thấy chỉ chứa hai phần tử pixel là 0 và 1, trong đó 0 đề cập đến màu đen và 1 đề cập đến màu trắng. Ảnh này còn được gọi là ảnh đơn sắc.
Ảnh đen trắng: ảnh chỉ bao gồm màu đen và trắng.
Ảnh 8 bit: Đây là định dạng ảnh nổi tiếng nhất. Nó có 256 màu khác nhau và thường được gọi là ảnh xám. Trong định dạng này, 0 là đại diện màu đen, 255 là đại diện màu trắng và 127 là đại diện màu xám.
Ảnh 16 bit: Đây là định dạng ảnh màu. Nó có 65.536 màu khác nhau trong đó. Còn được gọi là định dạng ảnh màu chất lượng cao. Trong định dạng này, phân phối màu không giống như ảnh xám.
25
2.2 Mô hình ngữ cảnh không gian ảnh
Việc sử dụng bối cảnh không gian hoặc thông tin lân cận có tầm quan trọng lớn trong phân đoạn MRI não. Trừ khi ảnh chỉ đơn giản nhiễu ngẫu nhiên, cường độ của pixel phụ thuộc rất cao vào mức xám các lân cận của nó (các pixel xung quanh). Lý thuyết trường ngẫu nhiên Markov (MRF) cung cấp một cơ sở để mô hình hóa các thuộc tính cục bộ của một ảnh, trong đó các thuộc tính ảnh toàn cục theo mối tương tác cục bộ. Các mô hình MRF đã được tích hợp thành công trong các phương pháp phân đoạn MRI não khác nhau để giảm lỗi phân loại sai do nhiễu ảnh.[6]
2.2.1 Hệ lân cận của điểm ảnh
Các điểm ảnh được biểu diễn như là một ma trận S của N=n*m vị trí: S={s1,s2,…,sN}. Các vị trí hay điểm ảnh được thể hiện trong hình 2.2, có mối liên hệ với một hệ lân cận S thỏa mãn:
, s, { , } , r s
s S s r s S s r
(2-1)