INSTITUTO POLITÉCNICO NACIONAL
CENTRO DE INVESTIGACIÓN EN COMPUTACIÓN
LABORATORIO DE PROCESAMIENTO DE IMÁGENES
DESARROLLO DE SISTEMA DE ANÁLISIS DE RETINAS HUMANAS
T E S I S
QUE PARA OBTENER EL GRADO DE
MAESTRO EN CIENCIAS DE LA COMPUTACIÓN
PRESENTA:
Ing. Iván Ríos Hernández
DIRECTOR DE TESIS:
Dr. Edgardo M. Felipe Riverón
México, D. F.
Diciembre de 2008
Resumen
En el mundo hay unos 37 millones de ciegos y unos 124 millones de personas con deficiencias visuales, según señala la Organización Mundial de la Salud (OMS), que, por otra parte, recuerda que tres cuartas partes de los casos de ceguera son prevenibles o tratables, y que, de no mediar ninguna intervención, el número de personas ciegas irá en aumento hasta alcanzar los 75 millones para 2020. Dentro de estas enfermedades que propenden a la ceguera se encuentran la Retinopatía Diabética (RD), la Retinopatía Hipertensiva (RH), la Degeneración Macular Dependiente de la Edad (DMDE), el Glaucoma, entre otras.
En este trabajo de tesis se desarrolló un sistema de análisis de retinas humanas para imágenes oftalmoscópicas de retina en colores, basado principalmente en técnicas de morfología matemática, para la detección de determinadas afecciones que a largo plazo propenden a la ceguera. Dentro de estas afecciones a considerar se encuentran los microaneurismas, las hemorragias, las drusas y los exudados; a su vez el sistema realiza un análisis global de la normalidad de la retina y es capaz de detectar y analizar la mácula lútea.
Dentro de este trabajo de tesis se proponen diversos métodos automáticos, tales como: la detección y extracción de exudados, la detección y extracción de drusas, la detección y extracción de hemorragias, la detección y extracción de microaneurismas, la detección y análisis de la mácula lútea, el análisis de la normalidad de la retina.
Abstract
In the world there are about 37 million blind and about 124 million people visually impaired, says the World Health Organization (WHO), recalled that three-quarters of cases of blindness are preventable or treatable, and that, in the absence of any intervention, the number of blind people will increase to reach 75 million by 2020. Within these diseases which tend to blindness we can find: diabetic retinopathy (DR), the hypertensive retinopathy (RH), the Macular Degeneration age-dependent (DMDE), the Glaucoma (G), among others.
In this thesis work, a system for analyzing human retinas for ophthalmoscopic retinal images in color, has been developed, based mainly on morphology mathematical techniques for the detection of certain pathologies that in the long run tend to blindness within these pathologies to consider are, microaneurismas, hemorrhages, exudates and Druze, in turn, the system performs a comprehensive analysis of the normality of the retina and is capable of detecting and analyzing , the macula.
Within this thesis work, we suggest various automated methods, such as: the detection and extraction of exudates, detection and extraction of drusen, detection and extraction of hemorrhages, detection and extraction of microaneurismas, detection and analysis of the macula luteal, analysis of the normality of the retina.
Agradecimientos
A Dios por cuidar de mí y de mi familia siempre.
A mis Padres por darme la vida y ser mi luz en el camino.
A mi vaquita que siempre me ha apoyado.
A mis amigos y a todos los que de una u otra forma han
contribuido al logro de mis metas.
Contenido
Resumen ... 4
Abstract ... 5
Contenido ... 7
Lista de figuras ... 11
Lista de tablas... 14
Capítulo I ... 15
1.1 INTRODUCCIÓN ... 15
1.2 EL PROBLEMA A RESOLVER ... 15
1.3 JUSTIFICACIÓN ... 15
1.4 HIPÓTESIS... 16
1.5 OBJETIVO GENERAL ... 16
1.6 OBJETIVOS ESPECÍFICOS ... 16
1.7 ANTECEDENTES ... 16
1.8 ESTADO DEL ARTE ... 17
1.9 SISTEMAS DE ANÁLISIS DE RETINAS ... 17
1.10 MEDIOS UTILIZADOS ... 19
1.11 APOYOS Y CONTRIBUCIONES... 19
1.11.1 APOYOS ... 20
1.11.2 CONTRIBUCIONES ... 20
1.12 PUBLICACIONES REALIZADAS ... 20
1.12.1 REPORTE TÉCNICOS... 20
1.12.2 PONENCIAS EN CONGRESOS ... 20
1.13 ORGANIZACIÓN DEL DOCUMENTO ... 20
Capítulo II ... 22
2.1 SECCIÓN I COMPUTACIÓN ... 22
2.1.1 PROCESAMIENTO DIGITAL DE IMÁGENES ... 22
2.1.2 CONCEPTOS BÁSICOS Y DEFINICIONES ... 23
2.1.3 ESPACIOS DE COLOR ... 23
2.1.3.1 Teoría de Ostwald ... 24
2.1.3.2 Modelo RYB ... 24
2.1.3.3 Modelo RGB ... 24
2.1.3.4 Modelo CMY ... 25
2.1.3.5 Modelo HSI ... 26
2.1.4 ¿IMÁGENES EN COLORES O EN NIVELES DE GRIS? ... 26
2.1.5 LIMPIEZA DE RUIDO ... 27
2.1.6 UTILIZACIÓN DEL PLANO VERDE ... 28
2.1.7 ETIQUETADO DE COMPONENTES CONEXAS ... 28
2.1.8 NORMALIZACIÓN EN TAMAÑO ... 29
2.1.9 MEJORAMIENTO DEL CONTRASTE ... 29
2.1.10 ESTIRAMIENTO DEL HISTOGRAMA ... 30
2.1.11 MÉTODO DE UMBRALADO DE OTSU ... 31
2.1.12 INTERPOLACIÓN BILINEAL ... 32
2.1.13 MORFOLOGÍA MATEMÁTICA ... 32
2.1.13.1 Generalidades ... 33
2.1.13.1.1 Nociones sobre teoría de conjuntos... 33
2.1.14 MORFOLOGÍA EN NIVELES DE GRIS ... 35
2.1.14.1 Elemento de estructura... 35
2.1.14.1.1 Atributos de un EE ... 35
2.1.15 OPERADORES ... 36
2.1.15.1 Erosión en niveles de gris ... 36
2.1.16 DILATACIÓN EN NIVELES DE GRIS ... 37
2.1.17 APERTURA Y CLAUSURA EN NIVELES DE GRIS ... 38
2.1.18 SOMBRERO DE COPA TH(TOP HAT) ... 39
2.1.19 FILTROS MORFOLÓGICOS ... 40
2.1.19.1 Combinaciones Secuenciales ... 40
2.1.20 TRANSFORMACIONES GEODÉSICAS ... 41
2.1.20.1 Dilatación Geodésica ... 41
2.1.20.2 Erosión Geodésica ... 42
2.1.21 RECONSTRUCCIÓN MORFOLÓGICA ... 42
2.1.21.1 Reconstrucción por dilatación ... 42
2.1.21.2 Reconstrucción por erosión ... 43
Sección 2 Oftalmología ... 44
2.1.22 GENERALIDADES ... 44
2.1.23 ESTRUCTURAS OCULARES ... 44
2.1.24 MEDIOS REFRINGENTES ... 47
2.1.25 LA RETINA HUMANA ... 48
2.1.25.1 Estructura macroscópica de la retina ... 48
2.1.25.2 Estructura microscópica de la retina ... 49
2.1.25.3 Capas de la retina ... 49
2.1.26 IMPORTANCIA DEL ANÁLISIS DE RETINAS ... 50
2.1.27 MEDIOS QUE SE UTILIZAN PARA OBSERVAR LA RETINA ... 51
2.1.27.1 Características en el diseño. ... 51
2.1.28 ELEMENTOS ANATÓMICOS DEL FONDO DE OJO ... 52
2.1.28.1 Mácula lútea ... 52
2.1.28.2 Fóvea ... 53
2.1.28.3 Foveola ... 53
2.1.28.4 Papila óptica o Disco óptico ... 53
2.1.28.5 Redes vascular, venosa y arterial ... 54
2.1.29 CARACTERÍSTICAS MORFOLÓGICAS Y MORFOMÉTRICAS DE LOS ELEMENTOS ANATÓMICOS DE LA RETINA HUMANA NORMAL 54 2.1.29.1 Características morfológicas ... 54
2.1.29.2 Características morfométricas ... 55
2.1.30 CARACTERÍSTICAS DE LA RETINA DE ACUERDO A LA EDAD ... 55
2.1.31 AFECCIONES QUE OCURREN CON CADA UNA DE LAS PATOLOGÍAS ... 56
2.1.31.1 Microaneurismas ... 56
2.1.31.2 Exudados duros y exudados algodonosos ... 56
2.1.31.3 Hemorragias ... 57
2.1.31.4 Drusas (Drüsen) ... 58
2.1.32 AFECCIONES ASOCIADAS A CADA ENFERMEDAD ... 58
2.1.32.1 El Glaucoma ... 58
2.1.32.1.1 Detección del glaucoma en la imagen de fondo de ojo ... 59
2.1.32.2 Retinopatía Diabética ... 59
2.1.32.2.1 Tipos de Retinopatía Diabética ... 60
2.1.32.3 Retinopatía Hipertensiva ... 60
2.1.32.4 Degeneración Macular Dependiente de la Edad y sus tipos ... 61
Capítulo III ... 62
3.1 SOLUCIÓN DEL PROBLEMA ... 62
3.2 INTERFAZ GRÁFICA ... 62
3.3 METODOLOGÍA GLOBAL DEL ANÁLISIS DE RETINAS HUMANAS ... 63
3.4 MÓDULO DE MEJORAMIENTO DE IMÁGENES DE RETINAS HUMANAS ... 64
3.4.1 INTRODUCCIÓN ... 64
3.4.2 METODOLOGÍA PROPUESTA ... 65
3.4.3 FUNCIÓN DE ILUMINACIÓN ... 66
3.4.4 ATENUACIÓN DE REFLEJOS INDESEADOS ... 67
3.4.5 RESULTADOS Y DISCUSIONES ... 68
3.4.6 APORTACIONES REALIZADAS A LA METODOLOGÍA ... 69
3.5 MÓDULO DE DETECCIÓN DE LA NORMALIDAD O ANORMALIDAD DE LA RETINA HUMANA ... 70
3.5.1 INTRODUCCIÓN ... 70
3.5.2 METODOLOGÍA PROPUESTA ... 71
3.5.3 APORTACIONES REALIZADAS A LA METODOLOGÍA ... 72
Módulos de afecciones ... 72
3.6 MÓDULO DE DETECCIÓN DE MICROANEURISMAS... 72
3.6.1 INTRODUCCIÓN ... 72
3.6.2 METODOLOGÍA PROPUESTA ... 72
3.6.3 APORTACIONES REALIZADAS A LA METODOLOGÍA ... 76
3.7 MÓDULO DE DETECCIÓN DE EXUDADOS ... 76
3.7.1 INTRODUCCIÓN ... 76
3.7.2 METODOLOGÍA PROPUESTA ... 76
3.7.3 APORTACIONES REALIZADAS A LA METODOLOGÍA ... 77
3.8 MÓDULO DE DETECCIÓN DE DRUSAS ... 78
3.8.1 INTRODUCCIÓN ... 78
3.8.2 METODOLOGÍA PROPUESTA ... 78
3.8.3 APORTACIONES REALIZADAS A LA METODOLOGÍA ... 79
3.9 MÓDULO DE DETECCIÓN DE HEMORRAGIAS ... 79
3.9.1 INTRODUCCIÓN ... 79
3.9.2 METODOLOGÍA PROPUESTA ... 79
3.9.3 APORTACIONES REALIZADAS A LA METODOLOGÍA ... 80
Módulos de elementos anatómicos... 81
3.10 MÓDULO DE LOCALIZACIÓN Y ANÁLISIS DE LA NORMALIDAD DE LA MÁCULA LÚTEA ... 81
3.10.1 INTRODUCCIÓN ... 81
3.10.2 METODOLOGÍA PROPUESTA ... 81
3.10.3 APORTACIONES REALIZADAS A LA METODOLOGÍA ... 86
Capítulo IV ... 87
4.1 EVALUACIÓN DE LOS RESULTADOS ... 87
4.2 RESULTADOS DEL MÓDULO DE MICROANEURISMAS ... 87
4.3 RESULTADOS DEL MÓDULO DE EXUDADOS ... 97
4.4 RESULTADOS DEL MÓDULO DE DRUSAS ... 105
Capítulo V ... 115
5.1 CONCLUSIONES ... 115
5.2 RECOMENDACIONES ... 116
5.3 TRABAJOS FUTUROS ... 117
Lista de figuras
FIG.2.1REPRESENTACIÓN DE LA CONVENCIÓN DE IMÁGENES DIGITALES. ____________________________________ 22 FIG.2.2EN LA PERCEPCIÓN DEL COLOR INTERVIENEN TRES ELEMENTOS: LAS FUENTES DE LUZ, LOS OBJETOS Y EL SISTEMA VISUAL
HUMANO. _________________________________________________________________________ 23 FIG.2.3CIRCULO CROMÁTICO RYB. ____________________________________________________________ 24 FIG.2.4ESPACIO DE COLOR RGB. ______________________________________________________________ 24 FIG.2.5(A)IMAGEN FULL COLOR.(B)PLANO ROJO DEL ESPACIO DE COLOR RGB.(C)PLANO VERDE DEL ESPACIO DE COLOR RGB.
(D)PLANO AZUL DEL ESPACIO DE COLOR RGB. _________________________________________________ 25 FIG.2.6CUBO DE COLORES DEL MODELO RGB. _____________________________________________________ 25 FIG.2.7EL MODELO DE COLOR HSI. ____________________________________________________________ 26 FIG.2.8(A)IMAGEN FULL COLOR.(B)PLANO DE MATIZ DEL ESPACIO DE COLOR HSI.(C)PLANO DE SATURACIÓN DEL ESPACIO DE
COLOR HSI.(D)PLANO DE INTENSIDAD DEL ESPACIO DE COLOR HSI. ___________________________________ 26 FIG.2.9IMAGEN EN NIVELES DE GRIS USANDO EL ESTÁNDAR NTSC.________________________________________ 27 FIG.2.10IMAGEN EN NIVELES DE GRIS USANDO LA EC.2.3. _____________________________________________ 27 FIG.2.11CUADRADO DEL RESULTADO DE LA DIFERENCIA ENTRE FIG.2.9 Y FIG.2.10 PARA SU MEJOR VISUALIZACIÓN. ______ 27 FIG.2.12IMAGEN BINARIA. __________________________________________________________________ 27 FIG.2.13ESPECTRO DE FRECUENCIAS VISIBLES PARA EL OJO HUMANO. ______________________________________ 28 FIG.2.14.LOS CUATRO VECINOS DE UN PÍXEL. ______________________________________________________ 28 FIG.2.15LOS OCHO VECINOS DE UN PÍXEL ________________________________________________________ 29 FIG.2.16EJEMPLO DE LAS COORDENADAS A ANALIZAR EN EL ETIQUETADO CUATRO CONEXO. _______________________ 29 FIG.2.17(A)IMAGEN ORIGINAL.(B)IMAGEN RESULTADO DE APLICAR LA EC 2.4..(C)HISTOGRAMA DE LA IMAGEN ORIGINAL.(D)
HISTOGRAMA DE LA IMAGEN CON ESTIRAMIENTO DE HISTOGRAMA. ____________________________________ 31 FIG.2.18EJEMPLO DE UN EE BINARIO DE DIMENSIONES 3X3. ___________________________________________ 35 FIG.2.19REPRESENTACIÓN DE UN CONJUNTO DE PÍXELES DE UNA IMAGEN EN ESCALA DE GRISES. ____________________ 36 FIG.2.20EROSIÓN DE UNA IMAGEN DE ESCALA DE GRISES POR UN EE PLANO BIDIMENSIONAL DE TAMAÑO 3X3. __________ 36 FIG.2.21EROSIÓN DE UNA IMAGEN EN NIVELES DE GRIS.(A)IMAGEN ORIGINAL.(B)IMAGEN EROSIONADA. _____________ 37 FIG.2.22DILATACIÓN DE UNA IMAGEN EN ESCALA DE GRISES POR UN EE PLANO BIDIMENSIONAL DE TAMAÑO 3X3. ________ 37 FIG.2.23DILATACIÓN DE UNA IMAGEN EN NIVELES DE GRIS.(A)IMAGEN ORIGINAL.(B)IMAGEN DILATADA. _____________ 38 FIG.2.24(A)IMAGEN ORIGINAL.(B)IMAGEN CON APERTURA MORFOLÓGICA.(C)IMAGEN CON CLAUSURA MORFOLÓGICA.(D)EE
UTILIZADO EN (B, C). ___________________________________________________________________ 38 FIG.2.25WTHYBTHPARA UNA SEÑAL UNIDIMENSIONAL.(A)SEÑAL ORIGINAL.(B)WTH (C)SEÑAL ORIGINAL.(D) BTH. 39 FIG.2.26DILATACIÓN GEODÉSICA DE UNA SEÑAL MARCADORA G CON RESPECTO A UNA SEÑAL MÁSCARA F.COMPARACIÓN CON LA DILATACIÓN CLÁSICA.(A)SEÑALES ORIGINALES.(B)DILATACIÓN CLÁSICA DE G.(C)DILATACIÓN GEODÉSICA DE G RESPECTO A F. _______________________________________________________________________________ 41 FIG.2.27EROSIÓN GEODÉSICA DE UNA SEÑAL MARCADORA G CON RESPECTO A UNA SEÑAL MÁSCARA F.COMPARACIÓN CON LA
EROSIÓN CLÁSICA.(A)SEÑALES ORIGINALES.(B)EROSIÓN CLÁSICA DE G.(C)EROSIÓN GEODÉSICA DE G RESPECTO A F. __ 42 FIG.2.28RECONSTRUCCIÓN MORFOLÓGICA POR DILATACIÓN.(A)IMAGEN ORIGINAL (MÁSCARA).(B)IMAGEN MARCADOR.
(C)RESULTADO DE LA RECONSTRUCCIÓN POR DILATACIÓN. __________________________________________ 43 FIG.2.29RECONSTRUCCIÓN MORFOLÓGICA POR EROSIÓN.(A)IMAGEN ORIGINAL (MÁSCARA).(B)IMAGEN MARCADOR.
(C)RESULTADO DE LA RECONSTRUCCIÓN POR EROSIÓN. ____________________________________________ 44 FIG.2.30GLOBO OCULAR.___________________________________________________________________ 44 FIG.2.31ANATOMÍA DE CONOS Y BASTONES DE LA RETINA [21]. _________________________________________ 45 FIG.2.32RESPUESTA ESPECTRAL DE LOS CONOS S(A),M(B) Y L(C) EN FUNCIÓN DE LA LONGITUD DE ONDA (400-700NM). __ 45 FIG.2.33REFRACCIÓN DESIGUAL DE LA LUZ ROJA ____________________________________________________ 46 FIG.2.34RETINA NORMAL. __________________________________________________________________ 46
FIG.2.35SECCIÓN A TRAVÉS DE LA PORCIÓN CENTRAL DE LA RETINA. _______________________________________ 47 FIG.2.36SECCIÓN A TRAVÉS DE LA PORCIÓN PERIFÉRICA DE LA RETINA. _____________________________________ 47 FIG.2.37OFTALMOSCOPIO DIRECTO. ___________________________________________________________ 51 FIG.2.38OFTALMOSCOPIO INDIRECTO. __________________________________________________________ 51 FIG.2.39MÁCULA LÚTEA:(A)ESQUEMÁTICA;(B)REAL. _______________________________________________ 52 FIG.2.40DISCO ÓPTICO O PAPILA ÓPTICA. ________________________________________________________ 53 FIG.2.41MICROANEURISMAS.OBSÉRVENSE LAS LESIONES REDONDAS INTRARETINALES DE LAS TERMINACIONES CAPILARES. __ 56 FIG.2.42RETINA CON EXUDADOS DUROS. ________________________________________________________ 56 FIG.2.43RETINA CON EXUDADOS BLANDOS. _______________________________________________________ 57 FIG.2.44TIPOS DE HEMORRAGIAS.(A)HEMORRAGIA PRERETINAL.(B)HEMORRAGIA INTRARETINAL. __________________ 58 FIG.2.45DRUSAS MACULARES. _______________________________________________________________ 58 FIG.2.46GLAUCOMA.(A)EFECTOS DE LA ALTA PRESIÓN INTRAOCULAR.(B)RETINA GLAUCOMATOSA. _________________ 58 FIG.2.47VISIÓN DE PERSONAS AFECTADAS CON RETINOPATÍA DIABÉTICA Y SUS EFECTOS EN LA RETINA. ________________ 59 FIG.2.48RETINOPATÍA HIPERTENSIVA (RH).(A)VISIÓN CON RH.(B)HEMORRAGIA EN LLAMA A CAUSA DE LA RH. ________ 60 FIG.2.49DMDE.(A)EFECTOS DE LA DMDE Y SUS TIPOS (DMH Y DMS).(B)RETINA CON DMDE. _________________ 61 FIG.ALGUNOS MENÚS PRESENTES EN LA INTERFAZ GRÁFICA. _____________________________________________ 63 FIG.PANTALLA PRINCIPAL DEL SISTEMA SA-HR. _____________________________________________________ 63 FIG.DIAGRAMA DE BLOQUES DE LA ESTRUCTURA GLOBAL DEL SISTEMA SA-HR. ________________________________ 64 FIG.3.5.1IMAGEN DE RETINA HUMANA CON FONDO NO HOMOGÉNEO Y ZONAS OSCURAS EN LA PERIFERIA. _____________ 65 FIG.3.5.2DIAGRAMA A BLOQUES DE LA METODOLOGÍA PROPUESTA. _______________________________________ 65 FIG.3.5.3(A)IMAGEN ORIGINAL.(B)DISTANCIA EUCLIDIANA.(C)DISTANCIA EUCLIDIANA MODIFICADA. _______________ 66 FIG.3.5.4(A, B)GEOMETRÍA OCULAR.___________________________________________________________ 66 FIG.3.5.5.(A)IMAGEN ORIGINAL CON REFLEJOS VERTICALES.(B)PRIMER PARÁMETRO DE LA FUNCIÓN SUMSCALED.(C)SEGUNDO PARAMETRO DE LA FUNCIÓN SUMSCALED.(D)SALIDA DE LA FUNCIÓN SUMSCALED. _________________________ 68 FIG.3.5.6C,F,I Y L MUESTRAN LOS RESULTADOS DE LA METODOLOGÍA PROPUESTA PARA LAS IMÁGENES DE LA COLUMNA
IZQUIERDA. _________________________________________________________________________ 69 FIG.3.5.7(A)IMAGEN MEJORADA CON EL MÓDULO ORIGINAL.(B)IMAGEN MEJORADA CON LA METODOLOGÍA PRESENTADA __ 70 FIG.3.6.1DIAGRAMA A BLOQUES DE LA METODOLOGÍA PROPUESTA. _______________________________________ 73 FIG.3.6.2RECONSTRUCCIÓN POR CELDAS.(A)30X30 PX.(B)40X40 PX.(C)50X50 PX. _________________________ 73 FIG.3.6.3.DIFERENCIA ARITMÉTICA ENTRE LA IMAGEN MEJORADA EN NIVELES DE GRIS Y LA IMAGEN RECONSTRUIDA PARA UN
TAMAÑO DE CELDA DE 30X30 PX __________________________________________________________ 74 FIG.3.6.4.APERTURA DE ÁREA DE 25PX. _________________________________________________________ 74 FIG.3.6.5ELIMINACIÓN DE OBJETOS PERTENECIENTES A LA RED __________________________________________ 75 FIG.3.6.6.(A)IMAGEN ORIGINAL.(B)DISTANCIA EUCLIDIANA.(C)DISTANCIA EUCLIDIANA MODIFICADA. ______________ 75 FIG.3.6.7ELIMINACIÓN DE OBJETOS NO REDONDOS.(A)OBJETOS CON 76% DEL ÁREA DE UN CUADRADO O MÁS.(B)OBJETOS
ELIMINADOS. _______________________________________________________________________ 75 FIG.3.6.8MARCADORES (EN COLOR ROJO DE LOS POSIBLES MICROANEURISMAS ENCONTRADOS) SOBREPUESTOS A LA IMAGEN. 76 FIG.3.7.1DIAGRAMA A BLOQUES DE LA METODOLOGÍA PROPUESTA PARA LA DETECCIÓN DE LA MÁCULA. _______________ 77 FIG.3.7.2REPRESENTACIÓN GRÁFICA DE LA METODOLOGÍA DESCRITA. ______________________________________ 77 FIG.3.8.1DIAGRAMA A BLOQUES DE LA METODOLOGÍA PROPUESTA PARA LA DETECCIÓN DE LA MÁCULA. _______________ 78 FIG.3.8.2REPRESENTACIÓN GRÁFICA DE LA METODOLOGÍA DESCRITA. ______________________________________ 79 FIG.3.9.1DIAGRAMA A BLOQUES DE LA METODOLOGÍA PROPUESTA PARA LA DETECCIÓN DE HEMORRAGIAS. _____________ 80 FIG.3.9.2REPRESENTACIÓN GRÁFICA DE LA METODOLOGÍA DESCRITA. ______________________________________ 80 FIG.3.10.1DIAGRAMA A BLOQUES DE LA METODOLOGÍA PROPUESTA PARA LA DETECCIÓN DE LA MÁCULA. ______________ 81 FIG.3.10.2APERTURA-CLAUSURA DE LA IMAGEN ORIGINAL EN ESCALA DE GRISES. ______________________________ 82
FIG.3.10.3METODOLOGÍA DE DETECCIÓN DE LA ZONA MACULAR.(A)IMAGEN PARTICIONADA EN VENTANAS DE TAMAÑO NXN.
(B)UMBRALADO POR MÍNIMO LOCAL.(C)ZONAS DE INTERÉS. ________________________________________ 82 FIG.3.10.4ZONA MACULAR DETECTADA Y MARCADA CON UNA CRUZ ROJA. __________________________________ 83 FIG.3.10.5DIAGRAMA A BLOQUES DE LA METODOLOGÍA PROPUESTA PARA EL ANÁLISIS DE LA NORMALIDAD DE LA MACULA LÚTEA.
________________________________________________________________________________ 83 FIG.3.10.6CÍRCULOS CONCÉNTRICOS SOBRE LA MÁCULA. ______________________________________________ 84 FIG.3.10.7PATRÓN GENERADO POR EL MÉTODO DE CÍRCULOS PARA LA FIGURA 3.7.6 ___________________________ 84 FIG.3.10.8LÍNEAS TRAZADAS SOBRE LA IMAGEN DE FONDO DE OJO. _______________________________________ 84 FIG.3.7.9PATRÓN GENERADO POR EL MÉTODO DE LÍNEAS PARA LA FIGURA 3.7.6 ______________________________ 85 FIG.3.10.10MÉTODO POR PROMEDIO DE LÍNEAS. ___________________________________________________ 85 FIG.3.10.11MÉTODO POR PROMEDIO DE CÍRCULOS. _________________________________________________ 86
Lista de tablas
TABLA 2.1 CARACTERÍSTICAS MORFOLÓGICAS DE LOS ELEMENTOS ANATÓMICOS. __________________ 54 TABLA 2.2 CARACTERÍSTICAS MORFOLÓGICAS DE LA RETINA NORMAL Y LAS REDES VENOSA Y ARTERIAL.
_____________________________________________________________________________________ 55 TABLA 2.3 CARACTERÍSTICAS MORFOMÉTRICAS (EN MICRAS). __________________________________ 55 TABLA 3.5.1 ANÁLISIS ESTADÍSTICO DE LOS HISTOGRAMAS DE LAS FIGURAS A, C, D, F, G, I, J Y L. ______ 69 TABLA 4.2.1 PROCESAMIENTO DE UNA IMAGEN DE RETINA CON MICROANEURISMAS VISIBLES. _______ 89 TABLA 4.2.2 PROCESAMIENTO DE UNA IMAGEN DE RETINA CON MICROANEURISMAS VISIBLES. _______ 92 TABLA 4.2.2 PROCESAMIENTO DE UNA IMAGEN DE RETINA CON MICROANEURISMAS VISIBLES. _______ 94 TABLA 4.2.4 PROCESAMIENTO DE UNA IMAGEN DE RETINA SANA, SIN MICROANEURISMAS VISIBLES. __ 96 TABLA 4.3.1 PROCESAMIENTO DE UNA IMAGEN DE RETINA CON EXUDADOS. ______________________ 98 TABLA 4.3.2 PROCESAMIENTO DE UNA IMAGEN DE RETINA CON EXUDADOS. _____________________ 100 TABLA 4.3.3 PROCESAMIENTO DE UNA IMAGEN DE RETINA CON EXUDADOS. _____________________ 102 TABLA 4.3.4 PROCESAMIENTO DE UNA IMAGEN DE RETINA SANA, SIN EXUDADOS. ________________ 104 TABLA 4.4.1 PROCESAMIENTO DE UNA IMAGEN DE RETINA CON DRUSAS EN EL ÁREA MACULAR. _____ 107 TABLA 4.4.2 PROCESAMIENTO DE UNA IMAGEN DE RETINA CON DRUSAS EN EL ÁREA MACULAR. _____ 109 TABLA 4.4.3 PROCESAMIENTO DE UNA IMAGEN DE RETINA CON DRUSAS EN EL ÁREA MACULAR. _____ 112 TABLA 4.4.4 PROCESAMIENTO DE UNA IMAGEN DE RETINA SIN DRUSAS EN EL ÁREA MACULAR. _____ 114
Capítulo I
1.1 Introducción
La evolución de la computación en forma constante, así como de cada una de sus ramas, permite a los desarrolladores de software crear herramientas específicas en diferentes campos de la ciencia.
En las ciencias médicas la oportuna detección de enfermedades que aquejan a los pacientes se vuelve de vital importancia, y su correcta detección siempre está expuesta al error humano.
En la oftalmología la detección por el especialista de las lesiones en la retina humana, tales como los microaneurismas, exudados, edemas, hemorragias, neovasos, etc., le consumen mucho tiempo y a su vez están expuestos a un diagnóstico erróneo. Es por ello que debemos esforzarnos en desarrollar herramientas de software capaces de detectar y analizar automáticamente las afecciones presentes en la retina humana.
1.2 El problema a resolver
A partir del tratamiento y análisis de imágenes oftalmoscópicas de retinas humanas, detectar y analizar eficaz y eficientemente si se trata de retinas sanas o patológicas y dentro de estas últimas determinar qué tipo de afección les aqueja.
1.3 Justificación
Según la Organización Mundial de la Salud (OMS) [5], en todo el mundo miles de personas pierden la visión o sufren algún detrimento en su calidad visual debido a enfermedades relacionadas con la diabetes.
Las patologías consideradas en este trabajo fueron seleccionadas de acuerdo al estudio de las enfermedades que más frecuentemente causan la ceguera en México y en el mundo. La primera causa de ceguera en México es debida a la retinopatía diabética provocada por la diabetes mellitus. El glaucoma, provocado fundamentalmente por la alta presión intraocular, representa la segunda causa de ceguera legal. La tercera enfermedad ocular es la degeneración macular dependiente de la edad, la cual se cree es la causa más común de ceguera debida a la edad avanzada.
1.4 Hipótesis
Mediante el análisis computarizado de imágenes digitales de retina humana, se plantea en esta etapa que es posible determinar con suficiente certeza cuáles son imágenes de retinas sanas y cuáles no, y dentro de estas últimas, hallar el tipo de patología que las aqueja, tomando en cuenta solo cuatro tipos de afecciones, a saber, microaneurismas, exudados, drusas y hemorragias, así como el análisis de la mácula lútea y la papila óptica.
1.5 Objetivo general
Desarrollar un sistema de software para el análisis automático de imágenes digitales de retinas humanas, que sea capaz de discriminar con certeza entre las retinas sanas y las patológicas y entre estas últimas, determinar el tipo de afección que las aqueja.
1.6 Objetivos específicos
Los objetivos específicos son los siguientes:
Crear una interfaz grafica flexible, que permita realizar pruebas, experiencia y evaluaciones de los resultados de los análisis de una forma cómoda y rápida.
Mejorar las metodologías en las cuales se basa este trabajo
Desarrollar nuevas metodologías que brinden resultados aceptables.
Lograr resultados validos al menos para el 75% del total retinas analizadas.
1.7 Antecedentes
En el presente trabajo nos referimos única y exclusivamente a las patologías, afecciones y soluciones generadas a problemas que tienen una íntima relación con la retina, es decir, no se centran los análisis en otras partes del globo ocular tales como la córnea, el cristalino, la úvea, etc.
Por otra parte, la importancia que adquiere la atención primaria y la asistencia medica en las ramas relacionadas con la oftalmología (particularmente la optometría y las diversas especialidades oftalmológicas), impone que debe prestársele una especial atención por su incidencia tan directa en el mantenimiento de la calidad visual y de vida de las personas.
El análisis computarizado de la retina, mediante el procesamiento digital de las imágenes del fondo de ojo, se incluye entre las líneas actuales de investigación dentro del total de las aplicaciones médicas. Esto posibilita la creación de grupos multidisciplinarios integrados por médicos especialistas de la visión y de investigadores de las ciencias de la computación. No es común hallar proyectos donde se integre el trabajo de especialistas en dos líneas que puedan complementarse con grandes ventajas mutuas, y a su vez que pertenezcan a dos tipos de instituciones diferentes. Más destaca este hecho, al relacionarse la asistencia médica de una rama de tanta importancia como lo es la oftalmología, con la investigación aplicada que realizan los especialistas de las ciencias de la computación dedicados al procesamiento de imágenes y a la visión por computadora o artificial. La potencial masividad de la aplicación de los resultados, así como los beneficios sociales que se desprenden por el incremento en la calidad de vida de las personas y en la economía del país, justifican toda acción de colaboración científica.
Los problemas que nos hemos propuesto resolver con este trabajo, están relacionados con el análisis computacional en tiempo diferido de las imágenes oftalmoscópicas en colores del fondo de ojo humano. Esto posibilitará a los oftalmólogos realizar estudios más detallados de las enfermedades sistémicas que se reflejan en la retina y las posibles afecciones que producen en sus pacientes.
1.8 Estado del arte
En este capítulo trataremos algunos antecedentes de los sistemas de análisis de retinas humanas comerciales que se encuentran disponibles o que se desarrollan hoy en día.
El presente trabajo se propone detectar algunas de las afecciones en la retina relacionadas con cinco enfermedades silenciosas que provocan la ceguera en el ser humano: el glaucoma, la retinopatía diabética, la retinopatía hipertensiva, la retinosis pigmentaria y la degeneración macular relacionada con la edad. El objetivo final del sistema es proporcionar una ayuda de manera eficiente al oftalmólogo, quien será el que finalmente proporcione un veredicto al paciente.
El desarrollo de sistemas para el análisis computarizado de retinas humanas no abunda en el país, de hecho en Internet no ha aparecido hasta el día de hoy, ninguna solución nacional cercana a lo desarrollado en este trabajo.
Actualmente este tipo de estudios y el desarrollo de otros sistemas están creciendo a nivel mundial en forma vertiginosa, los que no son divulgados al mismo nivel. Sin embargo, ya se realizan congresos que se dedican a divulgar cuestiones relacionadas con esta temática, como lo podemos consultar en [6].
Por tales motivos resulta difícil encontrar sistemas de índole comercial que sean utilizados para el análisis de retinas humanas. Suponemos que tales sistemas existen, pero no tienen gran divulgación o comercialización debido al alto costo que su desarrollo implica. Por esto nos hemos dado a la tarea de investigar algunas de los recientes desarrollos e investigaciones en torno a este tema; en cada caso, se expondrá el titulo del trabajo y se comentara someramente el mismo. Primeramente nos referiremos a sistemas de análisis de retinas o de pesquisajes masivos, y después a trabajos específicos sobre la temática, estrechamente ligados al presente trabajo.
1.9 Sistemas de análisis de retinas
Visupac 451 [1]: que trabaja con sistema operativo Windows 2000 profesional, ampliamente extendido y conocido, permite realizar mediciones lineales, mediciones de área, realizar un estudio por radios de la excavación papilar respecto área papilar total, establecer comparaciones evolutivas mediante superposición de imágenes, y realizar montajes tridimensionales con imágenes secuenciales en 3 D. Las imágenes captadas y archivadas conservan de manera automática la información de los parámetros empleados (ojo estudiado, cámara empleada, magnificación, intensidad de flash y otras características adicionales). Las mediciones y trazados realizados sobre las imágenes pueden archivarse, guardándose siempre la imagen original que ha sido estudiada.
Sistema automático de apoyo al diagnostico y el análisis de imágenes de fondo de ojo [2]:
sistema desarrollado en Builder C++ V. 5.0. Los algoritmos diseñados dentro del sistema son capaces de identificar la normalidad o anormalidad de los elementos anatómicos que
componen la retina usando técnicas de visión artificial. El disco óptico se identifica usando el detector de bordes de Canny y la transformada de Hough. El método de segmentación por cuencas (Watershed) es utilizado para detectar el borde del disco óptico para el diagnóstico del glaucoma. Se utiliza un filtro Gaussiano para detectar la línea central de la red vascular y los “lumens” en el perfil de las secciones transversales, así como un filtro de Kalman para seguir y dar una estimación de la localización de los vasos sanguíneos.
Los resultados: durante las pruebas se escanearon y analizaron las imágenes con el prototipo del sistema con un tiempo de procesamiento de 50 segundos por imagen.
ADRIS, un sistema de análisis de imágenes de retinas diabéticas [3]: el sistema aplica la minería de datos en datos médicos para extraer patrones a partir de estos. La detección del disco óptico incluye:
Extracción de bordes con filtro Sobel;
Ajuste de las elipses dibujadas sobre la papila;
Acumulación de píxeles vecinos para ajustar la elipse;
Umbralado por histograma.
Para la detección de exudados se realiza clasificando los exudados del fondo, dependiendo de la distancia de cada pixel, es que pertenece a una clase u otra.
Los vasos sanguíneos fueron detectados utilizando
Filtro promediador de 5x5 píxeles,
Filtro de pareo bidimensional.
La detección de vasos tortuosos se realiza mediante el seguimiento de cambios de dirección y medidas de curvatura.
Los resultados: de 310 imágenes de retina, 252 son normales, 58 con baja visibilidad del disco óptico; en 75 la extracción de la excavación con respecto a la papila es incorrecta.
En la detección del disco óptico: correctas 227 sin enfermedad en el disco óptico, 25 imágenes sin enfermedad de la papila óptica dadas como anormales (falsos positivos), y 58 imágenes con alguna irregularidad en la papila, 90.1% aciertos, 9.9% falsos positivos y 100% en la detección de discos anormales.
En la detección de la excavación o copa del disco óptico, se clasificaron correctamente 204 imágenes normales, 31 sin enfermedad, pero los dio como anormales (falsos positivos), y 75 imágenes con alguna irregularidad en la excavación las dio anormales. El 86.8% los dio correctamente normales, 13.2% falsos positivos y 100% correctamente anormales.
Detección de exudados: de 23 imágenes con exudados, según ADRIS clasificó 23 imágenes anormales (100%); de 75 imágenes sin presencia de exudados, 26.1% las detectó como anormales (falsos positivos), y 212 sin exudados como normales (73.9%).
Procesamiento de los vasos: de 310 imágenes, 35 contenían pocos rasgos interesantes. Un total de 1205 segmentos de vasos extraídos, la detección de la tortuosidad se extrajo con los 12 atributos por medio de CBA (“Classification Based on Association”), 35% de soporte mínimo, 50% de mínima confianza y el 30% de los datos usados como entrenamiento.
Diagnóstico automático y compresión de imágenes con extracción y clasificación de objetos e inferencias en imágenes de retinas: STARE (STructured Analysis of the REtina)[4]: Es un sistema sofisticado de administración de imágenes que realiza diagnósticos automáticos en imágenes, las compara y mide las características principales de la imagen. Este sistema se concentra en el diagnóstico, se segmentan los objetos de interés, se clasifican los objetos extraídos y el sistema razona acerca del contenido. La inferencia se realiza por un sistema experto probabilístico de aprendizaje bayesiano que aprende de los ejemplos de cada imagen.
Preprocesamiento: en este sistema no es requerido, pues las imágenes que se manejan son de buena calidad.
Segmentación: los objetos se separan del fondo buscando los bordes de los mismos, o por otras características tales como: textura, color, tamaño y forma; se utilizan algoritmos de pareo de plantillas. Los objetos s segmentar se dividen en tres superclases:
Objetos curvilíneos (incluyen los vasos sanguíneos),
Objetos claros de los vasos sanguíneos,
Objetos oscuros de los vasos sanguíneos,
El nervio óptico y
La fóvea.
Para la detección de los vasos sanguíneos se realizó la rotación de filtros de pareo en el plano verde, se convolucionó la plantilla en 12 orientaciones diferentes; las lesiones oscuras y claras se buscaron en el plano verde, mediante el remapeo de la imagen en varias escalas.
El nervio óptico se localiza mediante los píxeles con intensidad por encima de la media de la imagen. La fóvea se localiza en el plano azul como el punto más oscuro de dicho plano.
1.10 Medios utilizados
Los medios utilizados para la realización de este trabajo son:
Computadora portátil HP Pavilion DV6120LA con procesador Turion de doble núcleo a 1.6Ghz, disco duro de 160Gb, 1Gb en RAM, sistema operativo Windows XP, pantalla de 15.4”teclado y mouse.
El formato grafico que se ha utilizado para las imágenes es tanto el formato BMP (“Bitmap”) como el formato JPG, el primero por su sencillez y su amplia difusión, mientras que el segundo por optimización del sistema ya que ocupa menos espacio en disco una imagen JPG que una BMP. La interfaz completa así como los algoritmos desarrollados han sido programados y probados en el ambiente de desarrollo Borland Builder C++ V 6.0. No se ha utilizado ningún paquete de software comercial o no comercial, para la transformación de las imágenes de formato BMP a JPG y viceversa.
1.11 Apoyos y contribuciones
Los apoyos recibidos durante su desarrollo y las contribuciones hechas hasta el momento con los resultados del presente trabajo son:
1.11.1 Apoyos
La realización del presente trabajo ha sido posible gracias al apoyo de la Coordinación General de Postgrado e Investigación (CGPI), a través de los proyectos CGPI No 2007 1321, Desarrollo de un sistema de análisis masivo de retinas humanas, hecho recurrente con el proyecto CGPI No 2008 2213.
1.11.2 Contribuciones
Las principales contribuciones están incluidas en las publicaciones y ponencias que se detallan en el epígrafe 1.12.
En lo particular este trabajo significara un notable ahorro de tiempo y esfuerzo mental a los oftalmólogos, toda vez que servirá como una herramienta para apoyarles en la detección y análisis de las patologías consideradas por este sistema.
1.12 Publicaciones realizadas
A continuación, se expone la lista de los trabajos realizados por el autor de esta tesis en conjunción con el asesor de la misma.
Cabe mencionar que debido al poco tiempo para la conclusión satisfactoria de mis estudios solo se han publicado resultados del módulo de mejoramiento de imágenes, en un futuro se pretende publicar los resultados de los demás módulos desarrollados, así mismo han sido muy pocos los eventos en los que se ha participado.
1.12.1 Reporte técnicos
Reporte técnico del CIC, Serie Azul, No 228, Desarrollo de un sistema de análisis de retinas humanas, Iván Ríos Hernández, Edgardo M. Felipe Riverón. ISBN 978- 970-36-0449-4, Octubre 2007, 36 páginas.
1.12.2 Ponencias en congresos
Efficient methodology for the enhancement of color retina images, Iván Ríos Hernández y Edgardo M. Felipe Riverón, 9th Conference on Computing CORE 2008, 28-30 de Mayo del 2008, Ciudad de México, México.
1.13 Organización del documento
Esta tesis consta de 5 capítulos:
Capitulo I: de tipo introductorio donde se expone la justificación del trabajo, el planteamiento del problema en forma general, los objetivos general y particulares, la hipótesis fundamental las consideraciones generales que justifican el alcance del mismo, el estado del arte de los sistemas comerciales existentes, los apoyos recibidos a través de proyectos de investigación y las contribuciones del autor.
Capitulo II: se describen brevemente los conceptos básicos y definiciones que se han utilizado para la realización de este trabajo, los cuales se agruparon en dos secciones excluyentes: la primera referente a los conceptos relacionados con la computación y la segunda referente a los conceptos de oftalmología.
Capitulo III: se expone en extenso el desarrollo del trabajo de investigación, someramente se explica la interfaz grafica, paulatinamente se profundiza en las metodologías desarrolladas y se explican en detalle finalmente se describen las aportaciones realizadas a cada un a de las metodologías.
Capitulo IV: se evalúan los resultados obtenidos por cada módulo para el conjunto de imágenes de estudio, se ejemplifican gráficamente los procesos de análisis tanto para imágenes de retinas sanas como patológicas, según sea el caso, se evalúan los resultados finales y se calculan los errores.
Finalmente, el Capitulo V: trata sobre las conclusiones, las recomendaciones y el trabajo futuro, que se desprende de los resultados alcanzados con el trabajo completo.
2 NO BORRAR
Capítulo II
2.1 Sección I Computación
2.1.1 Procesamiento Digital de Imágenes
El Procesamiento Digital de Imágenes tiene como objetivo global la mejora y transformación de las imágenes originales con el fin de obtener una calidad deseable de las mismas y con las condiciones necesarias y suficientes para su análisis.
El término imagen digital se refiere a una función bidimensional de intensidad luminosa f (x, y), donde x y y son las coordenadas espaciales y el valor de f en un punto (x, y) es proporcional al brillo (o niveles de gris) de la imagen en ese punto. Para ser procesadas por medio de una computadora digital, una función de imagen f (x, y) debe ser digitalizada tanto espacialmente (coordenadas) como en amplitud (niveles de gris).
La imagen digital se puede considerar como una matriz cuyos índices de filas y columnas identifican un punto en la imagen y el valor del elemento correspondiente en la matriz indica la intensidad de ese punto. Los miembros de una distribución digital de este tipo se denominan elementos de la imagen o más comúnmente píxeles (del término inglés picture elements). Por definición la representación de un píxel con coordenadas (0,0) está localizada en la esquina superior izquierda de la imagen. Nótese que en la siguiente representación (Fig. 2.1), el valor de x se incrementa de izquierda a derecha mientras que el valor de y se incrementa de arriba hacia abajo.
Fig. 2.1 Representación de la convención de imágenes digitales.
Una imagen digital tiene tres propiedades fundamentales: resolución espacial, resolución de
(0,0)
Y
X
La resolución espacial de una imagen define el número de píxeles por fila y por columna.
Una imagen de m filas y n columnas tiene un total de n x m píxeles.
La resolución de niveles de una imagen, también llamada profundidad del píxel, indica el número de niveles de gris que pueden ser apreciados en la imagen. La profundidad del píxel es el número de bits utilizados para representar la intensidad de un píxel. Para una cantidad de n bits, el píxel puede tomar 2n valores diferentes.
El número de planos en una imagen, es el número de arreglos de píxeles que componen la imagen. Una imagen en tonos de gris está compuesta de un solo plano, mientras una imagen de color verdadero (true color) está compuesta por tres planos: el plano rojo (R- Red), el plano verde (G-Green) y el plano azul (B-Blue) en el espacio de color RGB.
2.1.2 Conceptos básicos y definiciones
El presente capítulo se encuentra dividió en dos partes, según los dos campos fundamentales que se tratan; la primera parte trata sobre la Oftalmología e incluye definiciones básicas sobre la anatomía del sistema visual humano; a su vez abarca definiciones relacionadas con el tema de estudio, es decir, las cinco patologías que se tratan, el análisis de la mácula y el análisis del disco óptico.
Dentro de esta sección se tratarán exclusivamente los campos de Procesamiento Digital de Imágenes y Morfología Matemática, la cual ha sido la herramienta principal con la cual se ha desarrollado este trabajo. Se contemplan definiciones del Procesamiento Digital de Imágenes y la Morfología Matemática que brindarán al lector una comprensión de los conceptos y metodologías utilizados a lo largo de este trabajo.
2.1.3 Espacios de color
El color no esta definido como una propiedad misma de los objetos. El color de un objeto determinado obedece a tres cuestiones: la primera de ellas a las propiedades de la luz incidente en el objeto; la segunda, a las propiedades químicas que constituyen dicho objeto, ya que ésta será la forma en la que la luz interactuará con el objeto y por último, al sistema visual humano que determinará la sensación cromática final percibida por nuestro cerebro según las ondas de luz transmitidas o reflejadas por el objeto y que han penetrado en el ojo humano (Fig. 2.2)
Fig. 2.2 En la percepción del color intervienen tres elementos: las fuentes de luz, los objetos y el sistema visual humano.
Existen distintos tipos de espacios para la representación del color, tales como el espacio de color RGB, HSI, CMYK, CMY, LUV, LUV*, etc.
2.1.3.1 Teoría de Ostwald
En 1916 Wilhelm Ostwald [7] elaboró una teoría psicológica por la que separaba los colores en fríos y cálidos. En la rueda cromática, los colores cálidos estarían a la izquierda e irían desde el amarillo al azul intenso pasando por el magenta y todas las mezclas intermedias posibles; y los colores fríos estarían a la derecha e irían desde el amarillo hasta el azul intenso, pasando por el azul claro y todas las mezclas posibles.
La Teoría del color que propone Ostwald consta de cuatro sensaciones cromáticas elementales (amarillo, rojo, azul y verde) y dos sensaciones acromáticas con sus variaciones intermedias (blanco y negro).
2.1.3.2 Modelo RYB
En el modelo de color RYB, el rojo, el amarillo y el azul son los colores primarios, y en teoría, el resto de colores puros (color materia) pueden ser creados mezclando pintura roja, amarilla y azul. Mucha gente aprende algo sobre color en los estudios de educación primaria, mezclando pintura o lápices de colores con estos colores primarios. El modelo RYB (Fig. 2.3) es utilizado en general en conceptos de arte y pintura tradicionales, y en raras ocasiones usado en exteriores en la mezcla de pigmentos de pintura. Aún siendo usado como guía para la mezcla de pigmentos, el modelo RYB no representa con precisión los colores que deberían resultar al mezclar los 3 colores RYB
primarios. En el 2004, la ciencia reconoció que este modelo es incorrecto, pero continúa siendo utilizado habitualmente en arte.
2.1.3.3 Modelo RGB
La mezcla de colores, definidas por sus longitudes de onda luz, normalmente rojo, verde y azul (RGB), se realiza utilizando la mezcla aditiva de colores (Fig. 2.4), también referido como el modelo RGB o el espacio de color RGB.
Todos los colores posibles que pueden ser creados por la mezcla aditiva de estas longitudes de onda son aludidos como el espectro de color de estas longitudes de onda en concreto.
Cuando ningún color está presente, uno percibe el negro. El espacio de color RGB es uno de los más utilizados; se compone de tres canales o planos los cuales representan los colores en una imagen de color verdadero (true color), siendo estos canales las componentes rojo (R), verde (G) y azul (B) (Fig 2.4). Una imagen RGB está formada de 8 bits por plano, de tal forma que cada píxel en el modelo RGB es una tripleta (R, G, B), es decir,
tiene una profundidad de 24 bits (imagen full color) (Fig. 2.5). El término full color es usado con frecuencia para denotar una imagen en color de 24bits, de tal forma que el número total de colores en una imagen RGB de 24 bits es (28)3= 16, 777, 216 colores.
Fig. 2.3 Circulo cromático RYB.
Fig. 2.4Espacio de color RGB.
