Институт прикладной математики и автоматизации, мл. науч. сотр. отдела нейроинформатики и машинного обучения
Institute of Applied Mathematics and Automation, Junior Researcher of the Department of Neuroinformatics and Machine Learning
When visualizing X-ray images, there is a problem of specific transformation of the original image in accordance with the examined tissues and body parts. Since different tissues have different ranges of densities, the required results can be achieved by expanding the dynamic range for pixels whose intensity values are in a certain range characteristic of the corresponding tissue. Such transformations for each pixel of the image are determined directly by the pixel intensity value and do not depend on the intensity values of neighboring pixels, i.e. the transformation is a function of one variable. This allows using tabular representations of functions (Lookup Tables – LUTs), which ensures high computational efficiency. To select the appropriate transformation functions, the participation of an expert is required, who will determine how correctly a particular function transforms the image. The paper presents a flexible generator of lookup tables (LUTs), with the help of which it is possible to produce tables with various parameters. Illustrations of the transformation results are provided. A link with an implementation in Python is attached, which provides the ability to visualize the result in order to interactively select the appropriate parameters.
При визуализации рентгеновских изображений возникает задача специфического преобразования исходного изображения в соответствии с исследуемыми тканями и частями тела. Так как различные ткани имеют различный диапазон плотностей, требуемых результатов можно добиться путем расширения динамического диапазона для пикселей, значения интенсивности которых находятся в некотором диапазоне, характерном для соответствующей ткани. Такого рода преобразования для каждого пикселя изображения определяются непосредственно значением интенсивности пикселя и не зависят от значений интенсивности соседних пикселей, т.е. преобразование представляет собой функцию от одной переменной. Это позволяет использовать табличные представления функций (Lookup Tables – LUT), которые обеспечивают высокую вычислительную эффективность. Для подбора соответствующих функций преобразования требуется участие эксперта, который определит, насколько та или иная функция корректно преобразовывает изображение. В работе представлен гибкий генератор таблиц преобразования (LUT), при помощи которого можно продуцировать таблицы с различными параметрами. Приведены иллюстрации результатов преобразования. Прилагается ссылка с реализацией на языке Python, в которой предусмотрена возможность визуализации результата для того, чтобы интерактивно подбирать подходящие параметры.