• No se han encontrado resultados

51 Int. CI.: G06T 7/42 ( )

N/A
N/A
Protected

Academic year: 2022

Share "51 Int. CI.: G06T 7/42 ( )"

Copied!
27
0
0

Texto completo

(1)

51 Int. CI.:

G06T 7/42 (2007.01)

12

TRADUCCIÓN DE PATENTE EUROPEA T3

86 Fecha de presentación y número de la solicitud internacional: 28.05.2013 PCT/GB2013/051412

87 Fecha y número de publicación internacional: 05.12.2013 WO13179021

96 Fecha de presentación y número de la solicitud europea: 28.05.2013 E 13735059 (1)

97 Fecha y número de publicación de la concesión europea: 29.07.2020 EP 2856429

Métodos y aparato para el procesamiento de imágenes, y oftalmoscopio láser de barrido dotado de un aparato para procesamiento de imágenes

Título:

54

30 Prioridad:

28.05.2012 GB 201209390

45 Fecha de publicación y mención en BOPI de la traducción de la patente:

18.03.2021

73 Titular/es:

OPTOS PLC (100.0%)

Queensferry House, Carnegie Campus, Enterprise Way

Dunfermline, Scotland, KY11 8GR, GB

72 Inventor/es:

CLIFTON, DAVID

74 Agente/Representante:

ELZABURU, S.L.P

Aviso:En el plazo de nueve meses a contar desde la fecha de publicación en el Boletín Europeo de Patentes, de la mención de concesión de la patente europea, cualquier persona podrá oponerse ante la Oficina Europea de Patentes a la patente concedida. La oposición deberá formularse por escrito y estar motivada; sólo se considerará como formulada una vez que se haya realizado el pago de la tasa de oposición (art. 99.1 del Convenio sobre Concesión de Patentes Europeas).

(2)

DESCRIPCIÓN

Métodos y aparato para el procesamiento de imágenes, y oftalmoscopio láser de barrido dotado de un aparato para procesamiento de imágenes

Campo

La presente invención se refiere al procesamiento de imágenes, más particularmente a métodos y aparato para el 5

procesamiento de imágenes. En un ejemplo, la presente invención se refiere, pero no exclusivamente, a métodos de análisis textural aplicados en el campo de la obtención de imágenes oculares.

Antecedentes

Es bien conocido capturar datos de imagen utilizando sensores digitales de imagen. Se provee una matriz de elementos de imagen (píxeles) sensibles a la luz, que se pueden fabricar como dispositivos acoplados por carga o 10

utilizando técnicas de semiconductor complementario de óxido metálico (CMOS, por sus siglas en inglés).

La radiación incidente hace que se genere una carga en cada píxel. Esta carga se convierte en una tensión cuyo valor se digitaliza a continuación. El valor de la tensión depende de la intensidad de la iluminación incidente sobre el píxel durante un tiempo de integración, durante el cual los píxeles están configurados en un modo sensible a la luz.

Se puede formar una matriz de píxeles en una, dos o tres dimensiones. La forma más común es una matriz 15

bidimensional de píxeles como la que se encuentra en las cámaras corrientes, por ejemplo. A una matriz unidimensional de píxeles se la denomina típicamente una "matriz lineal", y a un sensor de imagen dotado de una matriz de este tipo se le puede llamar sensor lineal o explorador lineal por barrido.

Al conjunto de valores de intensidad derivados de la matriz de píxeles se le conoce como datos de imagen. A los datos de imagen "brutos" generados como salida por la matriz de píxeles se les puede someter a diversas técnicas 20

de posprocesamiento con el fin de reproducir una imagen, ya sea para que la vea una persona o para que la procese una máquina. Estas técnicas de posprocesamiento pueden incluir diversos métodos estadísticos para el análisis de la imagen y para realizar diversas funciones de la cámara y de procesamiento de la imagen.

Un ejemplo de tales técnicas es el reconocimiento y/o clasificación de texturas dentro de una imagen. La textura puede representar características superficiales de un objeto o región, y se puede utilizar como base para identificar 25

distintos objetos o distintas regiones de un objeto dentro de una imagen. La modelación de la textura se caracteriza habitualmente por variaciones en la intensidad de la señal y, a veces, por la relación espacial (propiedades de vecindad local) de estas variaciones en una imagen.

Es conocido el uso de transformadas de ondícula bidimensionales en un método para modelación de la textura. Las transformadas de ondícula son útiles por que aportan la capacidad de construir una representación tiempo- 30

frecuencia de una señal que ofrece muy buena localización en tiempo y frecuencia.

Se puede encontrar una introducción a las ondículas en el documento US 2010/0014761, y se la incluye más abajo, en la sección de descripción detallada.

Se aportan más antecedentes en el artículo titulado "Segmenting Multiple Textured Objects Using Geodesic Active Contour and DWT" (Segmentación de objetos con múltiples texturas utilizando contorno geodésico activo y DWT), 35

de S. Prakash et al., publicado en la International Conference on Pattern Recognition and Machine Intelligence (Conferencia internacional sobre reconocimiento de patrones e inteligencia de máquina) (PReMI 2007), en las páginas 111-118 de fecha 18 de diciembre de 2007. El artículo aborda la cuestión de segmentar objetos con múltiples texturas en presencia de una textura de fondo. La técnica propuesta se basa en el contorno geodésico activo (GAC, por sus siglas en inglés) y puede segmentar objetos dotados de múltiples texturas a partir del fondo 40

texturado. Para una imagen con texturas recibida como entrada, se crea un espacio de rasgos de textura utilizando el escalograma obtenido de la transformada de ondícula discreta (DWT). Después se extrae una variedad riemanniana de rasgos locales en 2-D a través del marco de Beltrami. La medición de esta superficie proporciona un buen indicador de los cambios de textura y, por lo tanto, es utilizada en el algoritmo GAC para la segmentación de texturas. La principal contribución en este trabajo radica en el desarrollo de nuevos rasgos de textura basados en 45

DWT y escalogramas que poseen un alto poder discriminante para definir una buena medición de borde de textura que se utiliza en la técnica GAC. La técnica descrita se valida utilizando un conjunto de imágenes con texturas sintéticas y naturales.

Sin embargo, estos métodos no son tolerantes a la fragmentación de los rasgos texturales que se están midiendo, es decir, cuando los rasgos texturales comprenden patrones difusos, irregulares, rotos o espaciados dentro de la 50

imagen. También existen límites para la resolución y el poder resolvente de las técnicas existentes.

Por lo tanto, existe la necesidad de un método que sea más robusto frente a la fragmentación en las imágenes texturales, y/o que posea una resolución mejorada, y/o que presente un poder resolvente mejorado en comparación con las técnicas existentes basadas en ondícula.

55

(3)

Compendio

La presente invención proporciona un método para procesamiento de imágenes según la reivindicación 1, un aparato para procesamiento de imágenes según la reivindicación 11 y un producto de programa de ordenador según la reivindicación 12. En las restantes reivindicaciones se exponen peculiaridades opcionales.

Breve descripción de los dibujos 5

Solamente a modo de ejemplo, se describen realizaciones de la presente invención haciendo referencia a los dibujos adjuntos, en los cuales:

la Figura 1 ilustra pasos de un algoritmo ilustrativo conforme a una primera realización de la presente invención;

la Figura 2 ilustra aspectos del paso, ilustrado en la Figura 1, de mapear una imagen a lo largo de coordenadas de corte;

10

la Figura 3 ilustra aspectos del paso de calcular un escalograma de ondícula de un mapa de cortes tal como se ilustra en la Figura 1;

la Figura 4 muestra crestas de escalograma de ejemplo, con fines ilustrativos;

la Figura 5 ilustra aspectos del paso de mapear rasgos de cresta sobre una superficie de escalograma, tal como se ilustra en la Figura 1;

15

la Figura 6 ilustra aspectos de los pasos de superponer rasgos de cresta de cada corte en un mapeado de crestas compuesto, generar un histograma de posiciones de rasgos y umbralizar el histograma, para determinar una frecuencia de componentes superiores tal como se ilustra en la Figura 1;

la Figura 7 ilustra aspectos del paso de generar un recuento de rasgos dentro de una región seleccionada de la imagen, tal como se ilustra en la Figura 1;

20

la Figura 8 ilustra una realización ilustrativa del mapeado de texturas de superficie basado en ondículas, para una región de imagen retiniana que muestra un paso en el cual se mapea en cortes radiales una imagen;

la Figura 9 ilustra la superposición de cortes mostrada en la Figura 8, en una imagen ortogonal de texturas con intervalos de muestra iguales;

la Figura 10 ilustra la condensación de la información de la Figura 9 en el dominio de frecuencia, en forma de 25

escalogramas superpuestos para cada corte de la imagen ortogonal de texturas;

la Figura 11 ilustra un pico de entropía en la escala de ondícula del diagrama de la Figura 10, utilizado para parametrizar la textura retiniana;

la Figura 12 ilustra un aspecto adicional del mapeado de texturas superficiales basado en ondículas para la región retiniana, que muestra un paso en el que se efectúa un barrido radial para mapear la extensión de las características 30

de textura retiniana;

la Figura 13 ilustra el valor pico de entropía del escalograma representado gráficamente frente a la posición del pico de entropía en el escalograma, mostrando cómo se puede separar la textura retiniana en un conjunto de texturas de párpado y un conjunto de texturas de pestaña; y

la Figura 14 ilustra una aplicación ilustrativa de un método de clasificación textural conforme a una realización de la 35

presente invención.

Descripción detallada

Se describe en lo que sigue un método para procesamiento de imágenes que comprende:

(i) mapear una imagen a lo largo de un corte unidimensional;

(ii) calcular un escalograma de ondícula del corte;

40

(iii) mapear rasgos de cresta dentro del escalograma de ondícula;

repetir los pasos (i), (ii) y (iii) para uno o varios cortes de imagen mapeados;

superponer los rasgos de cresta mapeados obtenidos de los cortes; y deducir información textural a partir de dichos rasgos de cresta mapeados superpuestos.

Dado que el análisis textural se lleva a cabo basándose exclusivamente en los rasgos de cresta extraídos, el método 45

(4)

ofrece un comportamiento robusto y fiable en casos donde los rasgos texturales que se miden están fragmentados.

El paso de deducir información textural a partir de dichos rasgos de cresta mapeados superpuestos comprende umbralizar o deducir estadísticas a partir de una representación en histograma de la frecuencia 2D y expandir en el espacio de escala los rasgos de cresta mapeados.

Opcionalmente, dicho paso de mapear una imagen a lo largo de un corte unidimensional comprende seleccionar una 5

fila o columna de datos de imagen provenientes de la imagen.

Como alternativa, dicho paso de mapear una imagen a lo largo de un corte unidimensional comprende mapear a una representación en línea recta un camino a lo largo de un conjunto de píxeles de datos de imagen.

Opcionalmente, dicho camino a lo largo de un conjunto de píxeles de datos de imagen comprende una línea recta que se aleja formando un ángulo con respecto a los ejes horizontales o verticales definidos por las filas y columnas 10

de los píxeles de datos de imagen.

Opcionalmente, dicho camino a lo largo de un conjunto de píxeles de datos de imagen comprende un camino circular, o parte del mismo.

Opcionalmente, dicha fila o columna seleccionada o dicho camino se eligen de forma que tengan una direccionalidad que corresponda a una direccionalidad de una característica de la imagen que se espera o que se está buscando.

15

Opcionalmente, dicha característica de la imagen es un rasgo asociado con una patología o afección médica conocidas.

Los ejemplos de estas patologías o afecciones incluyen zonas retinianas isquémicas, degeneración macular u otras regiones de patologías retinianas.

Opcionalmente, se utiliza dicha información textural deducida para clasificar regiones de una imagen retiniana como 20

regiones que comprenden, o bien textura retiniana, o bien textura que comprende párpado o pestañas.

Opcionalmente, las regiones que comprenden texturas de párpado o pestaña son excluidas de un posterior procedimiento de análisis y/o examen adicionales de la imagen.

Opcionalmente, se utiliza dicha información textural deducida para identificar anomalías de imagen específicas del explorador por barrido.

25

Los ejemplos incluyen sutiles variaciones periódicas en la intensidad de la imagen que se producen debido a imprecisiones en los componentes ópticos de barrido.

Opcionalmente, el paso de calcular un escalograma de ondícula del corte comprende aplicar una transformada de ondícula continua.

Opcionalmente, el paso de calcular un escalograma de ondícula comprende seleccionar una frecuencia 30

característica de la transformada de ondícula aplicada, para que coincida con una forma elegida.

Opcionalmente, el paso de calcular un escalograma de ondícula comprende seleccionar una escala de la transformada de ondícula aplicada, para que coincida con un tamaño de rasgo elegido.

El elegir una de entre una frecuencia característica y una escala de la transformada de ondícula aplicada permite sintonizar esta para que se centre en los rasgos de interés que se espera estén presentes en una imagen o que se 35

están buscando.

Opcionalmente, se eligen una frecuencia característica y una escala para que coincidan con el tamaño y la forma de bastones y/o conos en una retina.

También se describe en lo que sigue un aparato para procesamiento de imágenes que comprende:

medios para recibir datos de imagen desde un sensor de imagen; y 40

un procesador configurado para:

(i) mapear una imagen a lo largo de un corte unidimensional;

(ii) calcular un escalograma de ondícula del corte;

(iii) mapear rasgos de cresta dentro del escalograma de ondícula;

repetir los pasos (i), (ii) y (iii) para uno o varios cortes de imagen mapeados;

45

(5)

superponer los rasgos de cresta mapeados obtenidos de los cortes; y

deducir información textural a partir de dichos rasgos de cresta mapeados superpuestos.

Opcionalmente, el aparato está configurado para poner en práctica los métodos con las peculiaridades definidas en lo que antecede.

También se describe un oftalmoscopio láser de exploración por barrido dotado de un aparato para procesamiento de 5

imágenes, que comprende:

medios para recibir datos de imagen desde un sensor de imagen; y un procesador configurado para:

(i) mapear una imagen a lo largo de un corte unidimensional;

(ii) calcular un escalograma de ondícula del corte;

10

(iii) mapear rasgos de cresta dentro del escalograma de ondícula;

repetir los pasos (i), (ii) y (iii) para uno o varios cortes de imagen mapeados;

superponer los rasgos de cresta mapeados obtenidos de los cortes; y

deducir información textural a partir de dichos rasgos de cresta mapeados superpuestos.

También se describe un producto de programa de ordenador codificado con instrucciones que, cuando son 15

ejecutadas en un ordenador, hacen que el ordenador reciba datos de imagen y ponga en práctica un método para procesamiento de imágenes que comprende:

(i) mapear una imagen a lo largo de un corte unidimensional;

(ii) calcular un escalograma de ondícula del corte;

(iii) mapear rasgos de cresta dentro del escalograma de ondícula;

20

repetir los pasos (i), (ii) y (iii) para uno o varios cortes de imagen mapeados;

superponer los rasgos de cresta mapeados obtenidos de los cortes; y

deducir información textural a partir de dichos rasgos de cresta mapeados superpuestos.

El producto de programa de ordenador puede ser almacenado o transmitido en forma de una o varias instrucciones o código en un medio legible por ordenador. Los medios legibles por ordenador incluyen tanto medios de 25

almacenamiento en ordenador como medios de comunicación, entre ellos cualquier medio que facilite la transferencia de un programa de ordenador de un lugar a otro. Un medio de almacenamiento puede ser cualquier medio disponible al que pueda acceder un ordenador. A modo de ejemplo, dichos medios legibles por ordenador pueden comprender RAM, ROM, EEPROM, CD-ROM u otro almacenamiento en disco óptico, almacenamiento en disco magnético u otros dispositivos de almacenamiento magnético, o cualquier otro medio que se pueda utilizar 30

para transportar o almacenar código de programa deseado en forma de instrucciones o estructuras de datos y al que puede acceder un ordenador. Además, a cualquier conexión se la denomina apropiadamente medio legible por ordenador. Por ejemplo, si el software es transmitido desde un sitio web, un servidor u otra fuente remota utilizando un cable coaxial, cable de fibra óptica, par trenzado, línea de abonado digital (DSL, por sus siglas en inglés) o tecnologías inalámbricas tales como infrarrojos, radio y microondas, entonces se incluyen en la definición de medio 35

el cable coaxial, cable de fibra óptica, par trenzado, DSL o las tecnologías inalámbricas tales como infrarrojos, radio y microondas. En la presente memoria, disquetes y discos incluyen disco compacto (CD), disco láser, disco óptico, disco versátil digital (DVD), disco flexible y disco Blu-ray, donde los disquetes generalmente reproducen los datos de manera magnética mientras que los discos reproducen datos de manera óptica con láseres. Dentro del alcance de los medios legibles por ordenador también se deben incluir combinaciones de los antedichos. Las instrucciones o el 40

código asociados con un medio legible por ordenador del producto del programa de ordenador pueden ser ejecutados por un ordenador, por ejemplo por uno o varios procesadores tales como uno o varios procesadores de señal digital (DSP), microprocesadores de propósito general, ASIC, FPGA, u otra circuitería lógica integrada o discreta equivalente.

La siguiente descripción introductoria de ondículas está tomada del documento US 2010/0014761, con algunas 45

modificaciones menores:

Introducción a la transformada de ondícula

Conforme a la presente descripción, la transformada de ondícula continua de una señal x(t) puede definirse como

(6)

(ecuación 1)

donde ψ*(t) es el conjugado complejo de la función de ondícula ψ(t), a es el parámetro de dilatación de la ondícula y b es el parámetro de localización de la ondícula. Se puede utilizar la transformada dada por la ecuación (1) para construir una representación de una señal sobre una superficie de transformada. Se puede considerar la transformada como una representación en escala de tiempo. Las ondículas están compuestas por una gama de 5

frecuencias, a una de las cuales se la puede designar como frecuencia característica de la ondícula, siendo la frecuencia característica asociada con la ondícula inversamente proporcional a la escala a. Un ejemplo de una frecuencia característica es la frecuencia dominante. Cada escala de una ondícula particular puede tener una frecuencia característica diferente. La transformada de ondícula continua descompone una señal utilizando ondículas, que generalmente están muy localizadas en el tiempo. La transformada de ondícula continua puede 10

proporcionar una resolución superior comparada con las transformadas discretas, ofreciendo así la capacidad de recabar más información de las señales que las transformadas de frecuencia típicas tales como las transformadas de Fourier (o cualquier otra técnica espectral) o las transformadas de ondícula discretas. Las transformadas de ondícula continua permiten emplear una gama de ondículas con escalas que abarcan las escalas de interés de una señal de manera que los componentes de pequeña escala de la señal se correlacionan bien con las ondículas de 15

menor escala y, por lo tanto, se manifiestan con altas energías a escalas más pequeñas en la transformada.

Análogamente, los componentes de escala grande de la señal se correlacionan bien con las ondículas de mayor escala y, por lo tanto, se manifiestan con altas energías a escalas más grandes en la transformada. De este modo se pueden separar y extraer en el dominio de transformada de ondícula componentes a distintas escalas. Además, el uso de una gama continua de ondículas en escala y posición en el tiempo permite una transformada con resolución 20

más elevada de lo que es posible en comparación con las técnicas discretas.

La función de densidad de energía de la transformada de ondícula, el escalograma, se define como

(ecuación 2)

donde " || " es el operador de módulo. Se puede reescalar el escalograma para fines útiles. Se define un reescalado común como

25

(ecuación 3)

y es útil para definir crestas en el espacio de ondícula cuando, por ejemplo, se utiliza la ondícula de Morlet.

Se definen las crestas como el lugar geométrico de los puntos de máximos locales en el plano.

Para implementaciones que requieren un cálculo numérico rápido, se puede expresar la transformada de ondícula como una aproximación empleando transformadas de Fourier. De acuerdo con el teorema de convolución, dado que 30

la transformada de ondícula es la correlación cruzada de la señal con la función de ondícula, se puede aproximar la transformada de ondícula en términos de una FFT inversa del producto de la transformada de Fourier de la señal y la transformada de Fourier de la ondícula para cada escala requerida, y multiplicando luego el resultado por √a.

En la siguiente discusión de la tecnología dentro de la presente memoria, se puede considerar que el "escalograma"

incluye todas las formas adecuadas de reescalado, entre ellas, pero sin limitación, la representación original de 35

ondícula sin escalar, el reescalado lineal, cualquier potencia del módulo de la transformada de ondícula, o cualquier otro reescalado adecuado. Además, para una mayor claridad y concisión, se considerará que el término

"escalograma" significa la propia transformada de ondícula, T(a,b), o cualquier parte de la misma. Por ejemplo, se pretende que el término "escalograma" exprese la parte real de la transformada de ondícula, la parte imaginaria de la transformada de ondícula, la fase de la transformada de ondícula, cualquier otra parte adecuada de la transformada 40

de ondícula, o cualquier combinación de estas.

Se puede convertir una escala, que puede interpretarse como un período temporal representativo, a una frecuencia característica de la función de ondícula. La frecuencia característica asociada con una ondícula de escala a arbitraria viene dada por:

(ecuación 4) 45

donde fc, la frecuencia característica de la ondícula madre (es decir, cuando a = 1), se convierte en una constante de escalado y f es la frecuencia representativa o característica de la ondícula a la escala a arbitraria.

Para la presente descripción se puede utilizar cualquier función de ondícula adecuada. Una de las ondículas complejas más frecuentemente utilizadas, la ondícula de Morlet, se define como:

(7)

(ecuación 5)

donde f0 es la frecuencia central de la ondícula madre. El segundo término entre paréntesis es conocido como término de corrección, ya que corrige la media no nula de la sinusoide compleja dentro de la ventana gaussiana.

En la práctica, resulta insignificante para valores de f0 >> 0, y puede ignorarse, en cuyo caso se puede escribir la ondícula de Morlet de un modo más simple como

5

(ecuación 6)

Esta ondícula es una onda compleja dentro de una envolvente gaussiana escalada. Aunque en la presente memoria se incluyen las dos definiciones de la ondícula de Morlet, la función de la ecuación (6) no es estrictamente una ondícula, ya que tiene una media distinta de cero (es decir, el término de frecuencia cero de su correspondiente espectro de energía no es cero). Sin embargo, los expertos en la materia reconocerán que, en la práctica, con 10

f0 >> 0 se puede utilizar con un error mínimo la ecuación (6), y se incluye (así como otras funciones cercanas a ondícula similares) en la definición de ondícula dentro de la presente memoria.

Una introducción a la formación de imágenes

Según se ha descrito más arriba, la presente descripción prevé el uso de una transformada de ondícula para la parametrización de la tasa de aparición, o densidad, de un determinado rasgo (o rasgos con características 15

similares) dentro de una imagen. En una realización, en la Figura 1 se ofrece una visión general de un algoritmo para poner en práctica un método ilustrativo de la descripción. Aunque el uso convencional del análisis por ondícula está relacionado con formas de onda que varían en el tiempo y con frecuencias temporales, el lector experto entenderá que se puede adaptar la misma técnica para procesar imágenes que posean características espaciales de frecuencia.

20

El método ilustrado en la Figura 1 comprende los pasos de cargar 100 una imagen, seleccionar 102 una región para el análisis, comenzar 104 un bucle de corte, mapear 106 la imagen a lo largo de las coordenadas de corte, calcular 108 un escalograma de ondícula de un mapa de cortes, mapear 110 rasgos de cresta en la superficie del escalograma y superponer 112 rasgos de cresta de cada corte en un mapeado de crestas compuesto. Una vez finalizado el bucle de corte, se repiten N veces los pasos 104 a 112 para los N cortes, es decir, hasta que un 25

contador llegue a N. El método continúa luego con un paso de generar 114 un histograma de posiciones de rasgos (en frecuencia espacial) a partir del mapeado compuesto, umbralizar 116 el histograma para determinar la frecuencia de componentes superiores y generar 118 como salida un recuento de rasgos dentro de la región seleccionada de la imagen. El experto en la materia entenderá que no es necesario incluir el paso de superposición dentro del bucle de corte. Por ejemplo, al final del bucle de corte se mapean los rasgos de cresta sobre la superficie de escalograma de 30

cada corte de imagen. Con los rasgos de cresta mapeados, obtenidos de cada corte de imagen, se puede llevar a cabo el paso de superposición después de cada corte, ya sea dentro del bucle de corte o en un bucle separado, con el fin de obtener un mapeado de crestas compuesto.

Las Figuras 2 - 6 ilustran diversos aspectos de estos pasos, aplicados al ejemplo específico del cálculo de una estimación de densidad para rasgos de bastones y conos retinianos. Esto se consigue sintonizando las 35

características de ondícula para que se centren en los rasgos requeridos, característicos de bastones y conos.

La sintonización de una ondícula se logra mediante el ajuste de su frecuencia característica, fc (que define la forma hacia la que se puede centrar) y una selección de la escala, a (que define, en efecto, el tamaño de rasgo hacia el que se puede centrar). Estos parámetros han sido explicados más arriba haciendo referencia a la ecuación (4).

Se pueden elegir valores particulares de fc y de a basándose en el tamaño y la forma típicos conocidos de bastones 40

y conos en un ojo típico. Se apreciará que, en general, se puede seleccionar la ondícula para que esté sintonizada hacia otros rasgos texturales tales como, por ejemplo, artefactos de imagen que provienen de la estructura física de las matrices de barrido de la imagen o de una clasificación en párpado/pestaña o patología retiniana.

La Figura 2 ilustra aspectos del paso 106; el de mapear una imagen a lo largo de coordenadas de corte. Se muestra una imagen 200 de la cual se ha seleccionado para el análisis una región 202. En este caso, la región 202 está 45

representada por una matriz bidimensional de píxeles. En una realización, cada uno de los cortes puede comprender filas horizontales sucesivas de la región 202 seleccionada. La Figura 2 también muestra un gráfico que representa la intensidad de la señal en el eje y frente a la posición horizontal a lo largo del corte, en el eje x.

El mapeado de los cortes se puede realizar en cualquier orientación, siempre que los cortes sean paralelos entre sí.

Las posiciones cortadas resultan incrementadas con un espaciado de píxeles que es al menos la mitad de la 50

anchura en píxeles de los rasgos de cono/bastón. Este espaciado mínimo corresponde a la frecuencia de Nyquist de los patrones de interés.

Durante o después de los bucles de corte (repetición de los pasos 104 a 112 de la Figura 1), se pueden superponer

(8)

los datos de cortes sucesivos y se pueden representar sobre el mismo gráfico.

La Figura 3 ilustra aspectos del paso 108 ilustrado en la Figura 1, el de calcular el escalograma de ondícula del mapa de cortes. La gráfica 300 es una representación del mapeado de los cortes ilustrados en la parte superior de la región 202 de la imagen 200. Los cortes (cada uno de los cuales representa la intensidad frente a la posición x) se muestran dibujados sobre un eje N, donde N es el número entero de secuencia del corte. Se exponen escalogramas 5

de ondícula ilustrativos 302, 304 y 306 para los cortes primero, segundo y tercero ilustrados en la gráfica representativa 300. Se construyen gráficas similares para cada uno de los N cortes presentes.

En estas gráficas, el eje x es la posición del píxel (o la ubicación a lo largo de la línea del mapeado, a la que comúnmente se asigna el símbolo b); el eje y es la escala (o frecuencia, a la que comúnmente se asigna el símbolo a). El eje z es una escala de color donde distintos colores indican los valores de los coeficientes de la transformada 10

de ondícula (habitualmente dados por la notación T(a,b)), y se representan en una escala que va del azul (valores bajos) al rojo (valores altos) en el mapeado de color. T(a,b) viene dado por la ecuación (1) anterior.

La Figura 4 ilustra las crestas de las superficies de escalograma. En este diagrama se dibujan dos crestas en forma de líneas negras, que representan los máximos locales, puntos en los cuales δT/δb = 0.

La Figura 5 ilustra aspectos del paso 110 del algoritmo que se muestra en la Figura 1, el de mapear rasgos de cresta 15

sobre las superficies del escalograma. Se muestra un escalograma ilustrativo 500, que es uno de los N escalogramas ilustrados en la Figura 3. En este paso se mapean e identifican las crestas (representadas como 502, por ejemplo) del escalograma, tal como se muestra en la mitad inferior de la figura.

La Figura 6 ilustra aspectos de los pasos 112, 114, 116 ilustrados en la Figura 1, los de superponer rasgos de cresta de cada corte en un mapeado de crestas compuesto, generar un histograma de posiciones de rasgos a partir del 20

mapeado compuesto y umbralizar desde el histograma para determinar la frecuencia de componentes superiores.

La Figura 6 ilustra escalogramas 600, 602, 604 de ondícula, con crestas de ondícula mapeadas (por ejemplo, representadas por 606, 608, 610). Se pueden etiquetar y clasificar las crestas en función de un índice de banda (una identificación de cresta) y sus posiciones medias en tiempo y frecuencia.

Después se extraen las crestas de los escalogramas 600, 602, 604, formando datos 612, 614, 616 de cresta para 25

cada corte. A continuación se superponen los datos de cresta (se apreciará que, si se prefiere, se pueden superponer directamente los datos de cresta desde los escalogramas, y no es necesario que haya un paso de extracción separado antes de la superposición. En cualquier caso, la superposición se realiza solamente con los datos de cresta, en lugar de con todos los datos del escalograma). La gráfica 618 ofrece una representación de las crestas superpuestas, en donde se dibuja la frecuencia de los rasgos sobre un eje y frente a la posición espacial en 30

un eje x. Se puede ver en el diagrama 618 que existe una frontera de rasgos en el punto aproximadamente 1,4 en la escala espacial de frecuencia (eje vertical). También se pueden dibujar las crestas superpuestas en forma de un histograma 620 que puede ser umbralizado para determinar la frecuencia espacial de los componentes superiores.

Se utiliza la frecuencia de aparición del racimo de crestas superiores para estimar la densidad espacial de rasgos coherentes que pueden ser resueltos justo por debajo de un nivel base de ruido.

35

Estos rasgos corresponderán a los rasgos hacia los cuales han sido sintonizadas las características de ondícula.

En un ejemplo, se pueden sintonizar las características de ondícula hacia la correlación de rasgos texturales de bastones y conos. Se sintoniza la frecuencia característica, fc, de la ondícula para proporcionar la máxima resonancia (es decir, que coincida en la forma) y se fija el rango de escala, a, para que el tamaño (o rango de tamaño) de los rasgos coincida adecuadamente.

40

La Figura 7 ilustra otros aspectos del método que se muestra en la Figura 1, la generación como salida de un recuento de rasgos dentro de la región seleccionada de la imagen. La Figura 7A muestra la imagen 200 con la región 202 seleccionada. En este ejemplo se han procesado ya todos los cortes 700 disponibles de la región 202.

La Figura 7B muestra un segmento 702 de imagen seleccionado. La Figura 7C ilustra una vista multicorte, que representa la intensidad frente a la posición espacial para cada uno de los N cortes. La Figura 7D ilustra el 45

escalograma compuesto 706 y el perfil 708 de escalogramas. La Figura 7E ilustra un corte específico 710 y su escalograma 712. La Figura 7F ilustra los conjuntos de crestas superpuestos 714 y el histograma 716 de la superposición. La frontera de recuentos de rasgos indicada como 718 se utiliza para obtener la densidad de rasgos y, por lo tanto, para proporcionar un recuento de apariciones de formas de bastón/cono en la imagen.

Las Figuras 8 a 13 ilustran una realización alternativa, en la que se mapea una imagen en cortes radiales en lugar de 50

en cortes horizontales. Según se ilustra en la Figura 8, una imagen 800 puede comprender una región anular 802 de interés que es mapeada en una serie de cortes radiales 804 diferentes.

Se superponen los cortes 804 para formar una imagen ortogonal 900 de texturas, tal como se muestra en la Figura 9, con intervalos de muestra iguales. El diagrama representa los mapeados de círculos concéntricos de la Figura 8 dibujados como un diagrama de superficies, con el eje y representando el radio desde el centro de cada 55

círculo de mapeado concéntrico y el eje x representando la posición angular de los puntos mapeados en cada uno de los círculos. Se puede emplear un sobremuestreo para asegurar que la "longitud" de cada mapa sea la misma y no aumente al crecer la circunferencia a medida que el mapeado se aleja del centro.

(9)

Después se condensa la información en el dominio de frecuencia en forma de escalogramas superpuestos para cada corte de la imagen ortogonal de texturas. En la Figura 10 se representa un diagrama del escalograma compuesto 1000. Después se mapea la entropía a lo largo de la escala, tal como se ilustra en la gráfica 1100 de la Figura 11. Luego se utiliza el pico 1102 en la entropía de la escala de ondícula para parametrizar la textura de la imagen, es decir, en este ejemplo la textura retiniana.

5

La Figura 12 muestra una gráfica 1200 que ilustra una realización adicional de un mapeado de texturas superficiales basado en ondícula, para la región retiniana. Las regiones mapeadas están señaladas por las líneas blancas, y representan un subconjunto de los mapeados radiales que se muestran en la Figura 8, definiendo una región angular limitada. De esta gráfica se puede deducir la extensión de la textura retiniana diferenciada de las texturas de pestañas y párpados, tal como se muestra en el gráfico 1300 de la Figura 13, que ilustra la energía del pico de 10

entropía del escalograma en el eje y frente a la posición del pico de entropía del escalograma (en una escala de frecuencia y, por lo tanto, medida en Hz) en el eje x. Si se toma un escalograma compuesto para cada región mapeada y se encuentra el pico de entropía del escalograma (a lo largo de las bandas de escala), y después se representa el valor pico frente a la posición del pico, se obtiene un conjunto de puntos que pueden diferenciar entre regiones de pestaña (puntos 1302 por encima de la línea de puntos) y textura retiniana (puntos 1304 por debajo de 15

la línea de puntos). Esto podría utilizarse como un método automatizado para encontrar la extensión de la textura retiniana útil en una imagen.

La Figura 14 muestra un ejemplo alternativo en donde se utilizan los métodos generales del algoritmo mostrado en la Figura 1 para clasificar un artefacto inducido por el explorador de barrido en la obtención de la imagen. Por ejemplo, uno de los instrumentos en los que se puede hacer uso de la presente descripción es un oftalmoscopio láser de 20

exploración por barrido del tipo descrito en el documento EP0730428.

Otro ejemplo de instrumento en el cual se puede aplicar la presente descripción es un oftalmoscopio láser de exploración por barrido del tipo descrito en el documento WO 2008/009877. En un ejemplo de implementación de este tipo de disposición, se efectúa un barrido de la imagen mediante un explorador lineal que tiene dieciséis espejos individuales (facetas) en una configuración poligonal. Una reflexión en cada uno de esos espejos representa una 25

línea vertical de exploración en la imagen. Un bloque vertical de dieciséis líneas representa una sola vuelta del espejo poligonal. Si se produce un error de sincronización de reflexión debido al hecho de que los ángulos entre los espejos no son lo suficientemente precisos, entonces la posición vertical de la línea asociada con esa faceta resultará desplazada en una dirección vertical (con respecto a las líneas a cada lado). También se pueden producir anomalías de temporización en más de un espejo. Esto dará como resultado un patrón de anomalías de 30

temporización en la imagen (es decir, un patrón de desplazamiento de errores de posicionamiento vertical) que se repite cada dieciséis líneas a lo largo de la imagen. A este fenómeno se le denomina a menudo "fluctuación de exploración por barrido" (en este caso particular, una fluctuación de dieciséis píxeles). Se puede emplear el método de la presente descripción para medir la aparición y la intensidad de estas clases de anomalías.

La Figura 14 muestra cómo se pueden identificar estos efectos, a fin de poderlos medir a continuación. El diagrama 35

muestra una imagen 1400, una región seleccionada 1402 y un escalograma compuesto 1406 de esa región.

El gráfico 1408 ilustra entonces la energía, sumada a lo largo de cada banda de escala (es decir, sumada a lo largo de las filas en el gráfico 1406 de escalogramas) representada en el eje y frente a la posición del píxel en el eje x.

La medida 1410 del pico 1412 con respecto al gradiente lineal 1414 proporciona el valor de la fluctuación de píxeles.

Se podría restar la rampa lineal de la señal de energía sumada del escalograma para obtener un resultado que se 40

pareciese más a un gráfico de espectro convencional. El pico de respuesta textural en el espaciado de píxeles, dieciséis en este ejemplo, es indicativo del grado de fluctuación de dieciséis píxeles o de la información acerca de anomalías de temporización contenida dentro de una imagen.

Las diversas peculiaridades y métodos discutidos en la presente memoria permiten caracterizar de manera automatizada rasgos "texturales" de imagen. En general, el algoritmo condensará la información espacial para 45

proporcionar una descripción cuantitativa compacta de la información textural. El algoritmo puede encontrar una aplicación específica, por ejemplo, en la clasificación de párpados y pestañas y en el recuento de rasgos en una clase común. Un ejemplo de ello podría ser la cuantificación de la fluctuación de (dieciséis) píxeles en las imágenes y el "recuento" de rasgos de bastones y conos en una imagen retiniana. En este último ejemplo, la medición podría ser relevante como indicador temprano de afecciones tales como la demencia de Alzheimer.

50

También se podría utilizar la medición de componentes de distorsión de píxeles o artefactos de escáner en una imagen retiniana, por ejemplo, como un criterio de aprobado/rechazado en la fabricación de polígonos, siendo el polígono del tipo descrito en la patente europea antes mencionada.

El uso de la superposición de crestas y escalogramas mejora el comportamiento en cuanto al ruido de las mediciones efectuadas.

55

Se pueden llevar a cabo diversas mejoras y modificaciones a lo que antecede, sin apartarse del alcance de la descripción.

Por ejemplo, generalmente se mencionan "bastones y conos" juntos en la presente descripción, y generalmente

(10)

tienen un tamaño similar, por lo que se pueden detectar tal como se ha enseñado en lo que antecede. Sin embargo, puede ser posible realizar una "sintonización fina" adicional de los métodos y aparatos de la descripción con el fin de tratar bastones y conos de manera independiente, ya que en algunos casos el tamaño de los bastones y los conos puede ser diferente entre sí.

Además, en general se preferirá el uso de la transformada de ondícula continua, como se ha descrito en lo que 5

antecede. No obstante, es posible utilizar transformadas de ondícula no continuas. La persona experta puede efectuar las modificaciones antedichas, y otras, sin apartarse del alcance de la invención tal como se define en las reivindicaciones adjuntas.

(11)

REIVINDICACIONES

1. Un método para procesamiento de imágenes implementado por ordenador que comprende:

(i) seleccionar (106) un corte unidimensional (204, 804) de una imagen;

(ii) calcular (108) un escalograma de ondícula del corte;

(iii) identificar (110) rasgos de cresta dentro del escalograma de ondícula;

5

repetir los pasos (i), (ii) y (iii) para uno o varios cortes adicionales;

concatenar (112) los rasgos de cresta identificados a partir de los cortes, de manera que son representables en un mapeado de crestas compuesto bidimensional (618); y

determinar (116) una frecuencia espacial de los componentes superiores de dichos rasgos de cresta identificados concatenados, mediante la umbralización de una representación en histograma (620) del mapeado de crestas 10

compuesto (618).

2. El método según la reivindicación 1, en donde dicho paso de seleccionar (106) un corte unidimensional de la imagen comprende seleccionar una fila o columna de datos de imagen provenientes de la imagen.

3. El método según la reivindicación 1, en donde dicho paso de seleccionar (106) un corte unidimensional a partir de la imagen comprende mapear a una representación en línea recta un camino a lo largo de un conjunto de píxeles de 15

datos de imagen.

4. El método según la reivindicación 3, en donde dicho camino a lo largo de un conjunto de píxeles de datos de imagen comprende:

una línea recta que se aleja formando un ángulo con respecto a los ejes horizontales o verticales definidos por las filas y columnas de los píxeles de datos de imagen; o

20

al menos una parte de un camino circular.

5. El método según cualquiera de las reivindicaciones 2 a 4, en donde dicha fila o columna seleccionada o dicho camino son elegidos para tener una direccionalidad que corresponde a una direccionalidad de una característica de la imagen que se espera o que se está buscando.

6. El método según la reivindicación 5, en donde dicha característica de la imagen es un rasgo asociado con una 25

patología o afección médica conocida.

7. El método según cualquiera de las reivindicaciones precedentes, en donde el paso de calcular (108) un escalograma de ondícula del corte comprende aplicar una transformada de ondícula continua.

8. El método según la reivindicación 7, en donde el paso de calcular (108) un escalograma de ondícula comprende seleccionar una frecuencia característica de la transformada de ondícula aplicada para que coincida con una forma 30

elegida.

9. El método según cualquier reivindicación precedente, en donde el paso de calcular (108) un escalograma de ondícula comprende:

seleccionar una escala de una transformada de ondícula aplicada para que coincida con un tamaño de rasgo elegido; o

35

seleccionar una frecuencia característica de una transformada de ondícula aplicada para que coincida con una forma elegida.

10. El método según cualquiera de las reivindicaciones 1 a 8, en donde el paso de calcular (108) un escalograma de ondícula comprende seleccionar una escala y una frecuencia característica a de una transformada de ondícula aplicada para que coincida con el tamaño y la forma de bastones y/o conos en una retina.

40

11. Un aparato para procesamiento de imágenes configurado para poner en práctica los métodos según cualquiera de las reivindicaciones 1 a 10.

12. Un producto de programa de ordenador codificado con instrucciones que, cuando son ejecutadas en un ordenador, hacen que el ordenador ponga en práctica el método según cualquiera de las reivindicaciones 1 a 10.

45

(12)
(13)
(14)
(15)
(16)
(17)
(18)
(19)
(20)
(21)
(22)
(23)
(24)
(25)
(26)
(27)

Referencias

Documento similar

La carena ventral 20 según esta invención comprende una primera zona de longitud L1 entre las coordenadas x1 y x2, en la que el área de la sección transversal del espacio

material híbrido orgánico e inorgánico que comprende un conductor orgánico como matriz y nanoestructuras de óxidos transparentes conductores como relleno y que

Formulación según cualquiera de las reivindicaciones precedentes, donde dicho recubrimiento está presente en una cantidad en la gama de 2,5 a 3,5 % p/p en relación a la

También se desvela un método para tratar enfermedad de Alzheimer, que comprende administrar una cantidad eficaz (es decir, terapéuticamente eficaz) de uno o más

4.- Dispositivo de corte por ultrasonidos (1) según una de las reivindicaciones 1 a 3, caracterizado porque la hoja cortante (8) está realizada como elemento plano y porque

Procedimiento para la preparación de un esmalte de uñas según cualquiera de las reivindicaciones 1 a 6, caracte- rizado porque contiene una etapa de mezcla de una agente

Preferiblemente, dicha composición comprende la AP eluida obtenida mediante un método descrito en el presente documento más arriba para producir una composición que

Sistema quirúrgico robótico de acuerdo con cualquiera de las reivindicaciones anteriores, caracterizado por el hecho de que, durante el funcionamiento del