El documento describe varios modelos y métodos para la segmentación de imágenes médicas utilizando software libre. Explica métodos basados en regiones como el crecimiento de regiones y la separación y unión de regiones. También describe modelos como el de distribución de puntos, la lógica difusa, el modelo geométrico y el modelo geodésico. Finalmente, discute formas de representar y describir las regiones segmentadas, incluyendo características externas e internas y el algoritmo de thinning.

1. Nombre:RoxanaPabón
Materia: Teoría de la Comunicaciónyde la Información
Fecha: 27/11/2017
Segmentaciónde imágenes médicassoftware libre
La segmentaciónde unaimagense define como:laextracciónodivisiónde forma semántica,es
decir,enformas o zonasque tienenrelacióndirectaconunobjetoo forma real.Los algoritmos
de segmentación intentan buscar relaciones de semejanza u homogeneidad (regiones) o
divergencia o heterogeneidad(contornos) dentrode las imágenes para determinar o clasificar
laspartes que lascomponen.
• Modelosde segmentaciónde imágenes.
Hay bastantesmodelos,perose vanatomar losreflejadosenlareferencia.
Simplemente,se danunasbrevespinceladasde lascaracterísticasdestacablesde los
modelos,sinentrarendetalles.
➢ Segmentaciónbasadaenregiones.
o Crecimientode regionesporagregaciónde píxeles.
En este tipode segmentaciónse tratade coger un “punto-semilla”,yobservarlos
puntosde su alrededor.Si tienencaracterísticassimilares,se unenalaregión.Si no,
formanuna regiónindependiente.Sucesivamentese vapasandoa lospuntosde
alrededor.
Se tiene que estableceruncriteriode pertenenciaalaregión.
Por ejemplo,se tiene lasiguiente matrizde píxeles.El criterioque se establece esque la
diferenciade intensidadnoseamayorque 2 entre unpíxel ylos de su alrededor
El “puntosemilla”elegidoesel que estámarcadoenamarillo.Se observasuentorno:
Los puntos cuya intensidad es similar a 1, se adhieren a la región de amarillo. Así, se
continúacon lospíxelesde alrededor

2. Una vez se completalaregión,se tomaotro “punto-semilla”fuerade ella,yse repite el
proceso.Asíse sigue mientrasse tenganpíxelesque noesténadjuntosaningunaregión.
Se recuerdaque unpíxel nopuede perteneceradosregiones,puesse estaría incumpliendo
uno de los principios de la segmentación de imágenes, que los píxeles de dos regiones
adyacentesnopuedensatisfacerunamismapropiedad.[]Tambiénpuedeserque el criterio
que se necesite aplicar no esté basado en la intensidad, sino, por ejemplo, en el
reconocimiento de patrones[]En este caso, las regiones se buscan por similitud con los
patronesde formas.
La eleccióndel “punto-semilla”ydel criteriode pertenenciaalaregiónesuna tarea
difícil,que enmuchoscasosse resuelve de formaexperimental.Si bien,se puede
ayudar unodel histogramapara detectarlapresenciade picosde intensidad.
o Separaciónyuniónde regiones.
Este es otro métodoampliamente utilizado.Se parte de unaregiónR,que representala
imagencompleta.Se observasi se cumple lapropiedadque se haestablecidodentrode
toda laregión.
Segmentaciónde imágenesmédicasensoftware libre
En el caso de nocumplirse,que serálohabitual,se divide en4regionesiguales:,,
y. Se estudiaencada una de estasregionessi se cumple lapropiedadcitadaenel
entornocompleto.
En este caso,la regiónsuperiorizquierda,ylaregióninferiorizquierda,cumplenla
propiedadde noposeerpíxelesinternoscondiferenciasde intensidadmayoresque 2,
con locual se dejancomo están,anotandosupertenencia.Lasotras2 regiones,de la
parte derecha,se tienenque volveradividiren4 partes,y repetirel mismoproceso.
Y finalmente se obtienelamatrizsegmentadaenregiones,enestecasocontiene sólo
dos regiones.
Segmentaciónde imágenesmédicasensoftware libre
Este sistemacomputacionalmenteesmuylento,puesse debenmantenertodaslas
regionesencadapaso.
• Modelode distribuciónde puntos(PointModel Distribution).
Tambiénesconocidocomoel modelode contornosactivoso‘snakes’.Tratade
parametrizarlosobjetosoregionesde interésconunconjuntode puntosque conforman
un spline de continuidadcontrolada,capazde deformarse yadaptarse paraencontrarel
contorno.El conceptofísicoenel que se basaes enla minimizaciónde energía.La
energíaque controlael contornoestá basadaen tresfactores:
• Energía de la imagencompleta.
• Factoresinternos.
• Factoresexternos.
• Etiquetado.
Este sistematiene dospasos.Unaprimeraetapaen laque se asociauna etiquetaacada
píxel,yuna segundaetapaenla que se juntanlospíxelesconetiquetasiguales.
• Lógica difusa.
Es una herramientamatemáticamuypotenteque tratade simularlacapacidad humana
de extraerconclusionesconinformaciónincompletaoimprecisa.
• ModeloGeométrico.
El objetivoesparametrizarlasregionesde interésconcurvasasociadasa frentesde
propagación.Estosfrentessoncapacesde evolucionarysegmentarel contornodel

3. objetouobjetosde interésdentrode laimagen.El conceptofísicosubyacente esla
evoluciónde curvasofrentesde propagaciónmediantelaecuacióndel calor.
ModeloGeodésico.
Extiende el ModeloGeométricoal Modelode Distribuciónde Puntos,paraque al
combinarambos,resulte unmodelomásestable ypreciso.
Modelode RegionesActivasGeodésicas.
Tienenprobadaeficaciaensegmentaciónde imágenesconindependenciade laposición
inicial,al contrarioque losmétodosanteriormentedescritos.
Modelode MúltiplesRegionesActivasGeodésicas.
Es una extensióndel modeloanterior,solucionandoel problemade losórganos
compuestospormás de una región,ydotándolosde nuevascaracterísticas.
Segmentaciónde imágenesmédicasensoftware libre
24
La principal limitaciónde estosmétodosde segmentaciónpropuestoseslaformade
determinarlosparámetrosadecuadosparacadatipo ymodalidadde imagen.
3.4.2. Representaciónde regiones.
Una vez laimagenestádivididaenregiones,tocaexpresardichasregiones.Se puede
hacer por dosformasdiferentes,segúnsuspuntosexternoso segúnsuspuntosinternos.
Una condiciónindispensable esque ladefiniciónde lasregionesnodebe cambiar
aunque se sometaa la imagenauna transformación,tal comouna traslaciónorotación.
Se detallanseguidamentelosdostiposde clasificación.
Característicasexternas(fronterasde losobjetos).
o Códigosde cadena.
Se puede utilizarunsencillocódigode cadenade 4 direcciones,enel casode que las
fronterasde losobjetossóloesténcompuestasporlíneashorizontalesyverticales.
Se empiezaporun puntodel borde,yse va indicandoladirecciónenque se mueve,con
unode esos4 números.
El códigode la cadena,empezandoporel píxel marcado,ycon movimientoenla
direcciónindicada,seríael siguiente:010321.
¿Peroqué ocurre si se empiezaporotropunto?El códigocambiaría, aunque losgiros
serían losmismos.Porejemplo:032101, tambiénseríaun códigode la cadena.
Para hacerloinvariable al puntode comienzo,pues,se debe establecerotrocriterio,que
será implantarel códigoque dé el númeromáspequeño.Eneste casosería010321, de
entre las6 posibilidadesque se tienen.
Aunasí, el códigono esinvariante ala rotaciónalrededorde unpunto,con locual
conviene aplicarotrocódigo:
o Cambiosunidireccionalesdelcódigode cadena.
Se trata de anotar encada paso, el númerode cambiosde direcciónque hahabido,enel
sentidode lasagujasdel reloj.Porejemplo,parapasarde la dirección0 a la 3 hay1
Segmentaciónde imágenesmédicasensoftware libre
cambiode dirección,mientrasque parapasar de la dirección3a ladirección0 hay 3
cambiosde dirección.
Y para hacerloinvariante al puntode comienzo,tambiénse debeescogerel ordende
formaque salga el númeromáspequeño.
Así, el códigode la cadenaque anteriormentese veíasería:311111. Perose tiene que
ordenarde forma que se produzcael menornúmero,con locual será:111113.
o Códigode cadenade 8 direcciones.
Es el códigomás extendido,pueslosbordessuelenestarcompuestostambiénporlíneas
diagonales.
o Aproximaciónpolígonal.
Conseguirel mínimopolinomioque describalacurva,cumpliendounoscriteriosde

4. proximidadrespectoala curva real.
o Sistemade coordenadaspolares.
Se toma un sistemade referenciaconcoordenadas[ ],y comenzandoporcualquier
punto,se va representandoel gráfico.
0
1
2
3
4
5
6
7
Segmentaciónde imágenesmédicasensoftware libre
Con este sistemase representa,enfuncióndel ánguloque se vagirando,el valordel
radio.
Esta representaciónvaríadependiendodel puntoinicial.Porellose tieneque tomar
algúncriterio.Se elegiráempezarporel puntomáslejanodel origen,ysiempre giraren
el sentidocontrarioalas agujasdel reloj.
Para conseguirque seainvariante al escalado,se debe normalizar,pasandode una
escala[ ] a una escala[ ].
o Envolvente convexa.
Consiste enenvolveralacurva con la figuraconvexamáspequeñaposible.
Se anotan lospuntosde inflexión.
o Esqueletode unaregión.
Para cada puntodel interiorde lafigura,se busca su puntode la fronteramáscercano.
Si hay dos puntosde la fronteraa lamismadistanciade él,dichopuntopertenece al
esqueletode laregión.Porejemplo:
Segmentaciónde imágenesmédicasensoftware libre
Para la figuramarcada encolor naranja,el esqueletoestácompuestoporlaslíneasde
colorrojo. Tambiénse conoce comoel “eje medio”.El algoritmode ‘thinning’
(adelgazamiento) estáampliamente relacionadoconmantenerel esqueletode las
regiones.Se puede encontrarmásdetallesenlareferencia[15].
Característicasinternas(píxelesque componenlaregión).
Son menosutilizadaslasrepresentacionesde regionesmediante puntosdel interiorde la
región,porellonose va a entrareneste tema.
Descriptoresde lafrontera.
Una vez se tiene laregióndescrita,se puedenobteneralgunascaracterísticasde la
misma,comoson:
a) Longitud:númerode píxelesalolargodel contorno.
b) Diámetro:máximadistanciaentre dospuntospertenecientesal contorno.
c) Curvatura:diferenciade pendientesentrelossegmentosadyacentesenunpunto.
3.4.4. Cierre de contornos:Algoritmode Thinning.
El algoritmode Thinning,desde unpuntode vistadescriptivo,consiste enrealizar
sucesivos''barridos''portodoslospíxelesde laimagenconloselementosdel conjunto
B, y comparar aquellospíxelesque pertenezcanauncontorno(1's binarios) consus
píxelesvecinos,procesoque determinarálaeliminaciónonode dichopíxel,ydespués
se rota la ''Matriz de Thinning''.Esimportante noalterarel ordendel procesopara
obtenerlosobjetivosque se pretenden.Si enlugarde analizarprimerotodoslospíxeles,
esdecir,hacer un'barrido'' de todala imagen,ya continuaciónrotarla ''matriz de

5. thinning''(cambiarBi por Bi+1),se rota lamatriz despuésde aplicarlasobre cadapíxel,
al mismotiempoque loscontornosse vanadelgazandose producenroturasde los
mismos.
Imagen1. Algoritmode Thinning
Entonces,laideadel adelgazamiento de contornosesireliminandolospíxelesdel
contornoque sobran,perosin romperlos.
Observaciones:
1).-El thinningdepende de laformadel conjuntoyde laforma del elemento
estructurante.
Segmentaciónde imágenesmédicasensoftware libre
2).-La eleccióndel elementoinicial yel ordende lasecuenciade thinningsinfluyenen
el resultadofinal.
3).-Estastransformacionesnosonmuyrobustas.Estafalta de robustezse puede veren
la apariciónde ungran númerode ramas que dependenfuertementede laeleccióndel
elementoestructurante.
A continuación, se muestraunejemplode losresultadosobtenidoencadapasodel
algoritmo.Se puede observarcómose hanadelgazadoloscontornossinproducirse
rotura alguna