INSTITUTO DE INGENIERÍA Y TECNOLOGÍA

Departamento de Ingeniería Eléctrica y Computación

Licenciatura en Ingeniería Biomédica

Procesamiento de imágenes biomédicas

IEC-9908-17

PRÁCTICA #4: “Morfología Matematica”

Amin Daniel Corral Salazar

Matrícula: 190306

Profesor: Alberto Davis Ortiz

Fecha: 26 de septiembre del 2022

1. Introducción

Elementos estructurantes
Un elemento estructurante plano es un entorno que asume valores binarios, que puede ser
2D o multidimensional y en el que los píxeles con el valor true se incluyen en el cómputo
morfológico, en tanto que los píxeles denominados con el valor false. El píxel central del
elemento estructurante, llamado origen, identifica el píxel de la imagen que se está
procesando. Puede utilizar elementos estructurantes planos con ambas, imágenes binarias
e imágenes en escala de grises.

Morfología matemática
La morfología matemática es una teoría y técnica para el análisis y tratamiento de las
estructuras geométricas, basada en la teoría de conjuntos, teoría de retículos, topología y
funciones aleatorias. La morfología matemática es comúnmente aplicada más a las
imágenes digitales, pero puede ser empleada también en gráficos, mallas poligonales,
sólidos y muchas otras estructuras espaciales. La morfología matemática es también la base
del procesamiento de imágenes morfológicas, que consiste en un conjunto de operadores
que transforman las imágenes de acuerdo a las caracterizaciones anteriores.

La morfología matemática se desarrolló originalmente para imágenes binarias y se extendió

más tarde a funciones e imágenes en escala de grises. La generalización posterior a
retículos completos es ampliamente aceptada hoy en día como fundamento teórico de la
morfología matemática.

Mascara
La máscara es una imagen binaria compuesta por 0 y 1. Cuando se aplica una máscara en
una función determinada, se procesa el área de valor 1 y el área de valor 0 enmascarada no
se incluye en el cálculo.

Segmentación
La segmentación es uno de los problemas generales del campo de la visión artificial y
consiste en dividir una imagen digital en varias regiones (grupos de píxeles) denominadas
segmentos. Más concretamente, la segmentación es un proceso de clasificación por píxel
que asigna una categoría a cada píxel de la imagen analizada.
Región de interés
Una región de interés es muestras dentro de un conjunto de datos identificado para un
propósito particular.

Skull stripping.

Es un proceso de segmentación del tejido cerebral (corteza y cerebelo) de la región

circundante (cráneo y área no cerebral). También es un paso de preprocesamiento muy
importante que precede al análisis posterior en el caso de muchas imágenes neurológicas
de resonancia magnética (como el registro de imágenes o la clasificación de tejidos) [ 7 ].
 En la práctica clínica, este método es ampliamente utilizado en el desarrollo de métodos
automatizados para la evaluación del progreso de enfermedades neurodegenerativas como:
la enfermedad de Alzheimer, la esclerosis múltiple y otros trastornos neurológicos como
el envejecimiento cerebral o incluso alguna enfermedad mental.

2. Objetivo

• Aplicar operaciones morfológicas en diferentes tipos de imágenes.

3. Materiales y Herramientas

• Software: Matlab
• Imagen dicom: 512x512 , tipo uint16 y tamaño total 527426

• PERICO.JPG:
 4. Procedimiento

En este segmento de código se convierte la imagen en escala de grises, luego se llama a uno de los
tres canales para generar una máscara, por medio de la variable mask1, recordemos que las
mascaras se generan con valores en 0 y 1, por lo tanto igualamos mask1 a 0, después cuando
tengamos un valor del canal en 1 este se igualara a 0 y los valores menores a 29 se igualaran a 1.

Por medio de la función strel se origina una estructura morfológica, por la que por medio de una
estructura disk de radio 5 se realizara una operación de dilatación por medio de la función
“imdilate”, este procedimiento se repite pero ahora para la función “imerode” que es una operación
de erosión. Luego este procedimiento se repetirá con las formas “square” y “octagon”.
Se obtuvieron las unidades Hounsfield mediante “HU = m*x+a”, la variable obtenida se hizo
double para poder usar mejor los datos obtenidos en las imagenes. Se igualo la máscara al mismo
tamaño que el de las unidades Hounsfield pero de igual manera se igualaron a 0 para generar la
máscara. A la máscara se le asigno los valores de 1 cuando “HU” es menor que 70. Luego con la
funcion “strel” se crea estructura morfológica de ‘disk’ con un radio de 40. Despues se realizaron
las operaciones “imopen, imclose, imdilate, imeorde” todas estas adjudicadas a la variable de la
mascara.
Se realizaron 2 operaciones en conjunto , en este caso fue una dilatación dentro de una erosión ,
esto con el fin de obtener un mejor resultado al momento.

5. Resultados

La figura 1.1 muestra la dilatación en forma de discos de la imagen JPG.

Figura 1.1. Dilatación con discos de imagen JPG.

La figura 1.2 muestra erosión de la imagen en forma de discos.

Figura 1.2 Erosión con discos de imagen JPG.

La figura 1.3 muestra la dilatación de la imagen en forma de círculos en la imagen JPG.

Figura 1.3 Dilatación con círculos de imagen JPG.

La figura 1.4 muestra la erosión en forma de círculos en la imagen JPG

Figura 1.4 Erosión con círculos de imagen JPG.

La figura 1.5 muestra la dilatación en forma de octágonos en la imagen JPG

Figura 7. Dilatación con octágonos de imagen JPG.

La figura 1.6 muestra la erosión en forma de octagonos en la imagen JPG

Figura 1.6 Erosión en forma de octágonos de imagen JPG.

En esta segunda parte se mostrarán los resultados de la imagen tipo Dicom

La imagen 2.1 muestra la imagen Dicom convertida a unidades Hounsfield.

Figura 2.1 Imagen DICOM con unidades Hounsfield

La figura 2.2 muestra el histograma de la imagen la figura 2.1

Figura 2.2 Histograma de la imagen 2.1

La figura 2.3 muestra la imagen Dicom al realizarle una apertura en forma de discos

Figura 2.3 Operación de apertura en la imagen Dicom

La figura 2.4 muestra el histograma de la imagen 2.3

Figura 2.4 Histograma de la imagen 2.3

La figura 2.5 muestra la imagen Dicom al realizarle una operación de clausura en forma de discos.

Figura 2.5 Operación de clausura en la imagen Dicom

La figura 2.6 muestra el histograma de la imagen 2.5

Figura 2.6 Histograma de la imagen 2.5

La figura 2.7 muestra la imagen de una erosión en forma de discos en la imagen Dicom

Figura 2.7 Operación de erosión en la imagen Dicom

La figura 2.8 muestra el histograma de la imagen 2.7

Figura 2.8 Histograma de la imagen 2.7

La siguiente parte consta de la operación en conjunto de dos operaciones que son la clausura y
erosión de la imagen. Siendo resultante la imagen 3.1

Figura 3.1 Operación de clausura y erosión en la imagen Dicom

Conclusión

¿Para qué me sirven estas técnicas y que aplicaciones reales tienen?

La morfología matemática nos ayuda a simplificar las imágenes conservando sus características
principales. Nos ayudan a procesar imágenes y detectar elementos en las imágenes.

¿En qué tipo de imágenes se pueden aplicar?

En imágenes binarias o en escala de grises.

¿Con cuál elemento estructurante tuvo mejor resultado en la primera imagen y por qué?

La más eficiente la dilatación en forma de círculos porque fue la que perdió menos información
de la imagen.

¿Qué combinación de operadores morfológicos hubiera tenido que hacer si quisiera la mascara del
hueso?

Utilizaría una erosión junto con una apertura, ya que la apertura llenaría los huecos que genere la
erosión después de que elimine parte del hueso y el cráneo.
Referencias

Swiebocka-Wiek, J. (2016). Skull stripping for MRI images using morphological operators.
Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence
and Lecture Notes in Bioinformatics), 9842 LNCS, 172–182. https://doi.org/10.1007/978-3-319-
45378-1_16/FIGURES/12

Elemento estructurante morfológico - MATLAB - MathWorks América Latina. (n.d.). Retrieved

September 24, 2022, from https://la.mathworks.com/help/images/ref/strel.html

OPERACIONES BASICAS | procomun. (n.d.). Retrieved September 24, 2022, from

https://procomun.intef.es/articulos/operaciones-basicas

Video

https://youtu.be/03CQooN_sns