L’elaborazione di immagini 3D è la visualizzazione, l’elaborazione e l’analisi di dati immagine 3D attraverso trasformazioni geometriche, filtraggio, segmentazione immagini e altre operazioni morfologiche.
L’elaborazione di immagini 3D viene utilizzata comunemente nell’imaging medico per analizzare immagini DICOM or NIfTI da fonti radiografiche come scansioni MRI o CT. È anche possibile utilizzare tecniche di elaborazione di immagini 3D al microscopio per rilevare e analizzare campioni di tessuto o tracciare neuroni.
Oltre all’imaging medico, è possibile utilizzare tecniche di elaborazione di immagini 3D per elaborare scansioni di sicurezza dei bagagli o per analizzare le scansioni di materiali per comprenderne la struttura. Ulteriori aree di applicazione comprendono il riconoscimento di attività video per l'elettronica di consumo la sorveglianza aerea per sistemi di difesa.
Importazione e visualizzazione di immagini
I dati immagine 3D si possono ottenere da un’ampia gamma di dispositivi e formati di file. Per importare e visualizzare in modo efficace le immagini 3D è importante avere accesso ai dati e metadati sottostanti per le immagini.
Puoi visualizzare immagini 3D utilizzando metodi diversi a seconda dei dettagli che si desideri osservare. In alcune applicazioni, puoi visualizzare i dati 3D con un rendering volumetrico.
In altre applicazioni, puoi visualizzare i dati 3D come piani 2D all’interno di un sistema di coordinate tridimensionale.
Filtraggio e correzione di immagini
Le immagini 3D, normalmente, contendono rumore indesiderato che oscura o toglie enfasi alle feature dei volumi di interesse. Applicare filtri immagine, normalizzare il contrasto dell’immagine o eseguire operazioni morfologiche sono tecniche comuni per eliminare il rumore dalle immagini 3D.
Registrazione di immagine
Quando si lavora con set di dati di immagini 3D, le immagini vengono normalmente ottenute da dispositivi diversi oppure da un dispositivo in movimento, il che può introdurre disallineamento attraverso differenze di rotazione, calcolo e deviazione. Puoi eliminare o ridurre questo disallineamento utilizzando trasformazioni geometriche 3D e tecniche di registrazione di immagine.
Segmentazione di immagini
Quando viene analizzato un volume o un’immagine 3D, è possibile isolare alcune regioni per eseguire calcoli solo sull’area di interesse. Ad esempio, se vuoi calcolare il volume di una bottiglia all’interno di una scatola, puoi utilizzare la segmentazione di immagini per suddividere l’immagine 3D tra la bottiglia e le altre strutture nella scatola.
Importare dati di immagini 3D
Con MATLAB puoi utilizzare applicazioni interattive o funzioni integrate per importare dati immagine 3D da un’ampia gamma di formati di file come TIFF, DICOM o NIfTI.
Visualizzare dati volumetrici
MATLAB consente di visualizzare ed esplorare dati immagine 3D etichettati o non etichettati.
Registrare immagini 3D da diverse modalità
MATLAB supporta immagini ottenute da diverse modalità integrandole tramite flussi di lavoro di registrazione di immagine integrati.
Operazioni di filtraggio e correzione di immagini
Con MATLAB puoi ridurre il rumore o correggere le immagini utilizzando una serie di tecniche di filtraggio delle immagini come il filtraggio gaussiano, il filtraggio box e la morfologia delle immagini.
Segmentare componenti di dati 3D
MATLAB fornisce applicazioni interattive e funzioni integrate che favoriscono l’automazione delle routine di segmentazione di immagini 3D.
Quest’ esempio mostra come eseguire una segmentazione 3D utilizzando i contorni attivi (snakes). Segmenta in modo interattivo piani 2D del volume utilizzando Image Segmenter app per creare un punto di partenza per l’algoritmo di contorno attivo .
Elaborazione di immagini in 3D utilizzando il deep learning
Un approccio di deep learning per l’elaborazione di immagini 3D può implicare l’uso di reti neurali convoluzionali e la segmentazione semantica per imparare, rilevare ed etichettare automaticamente feature rilevanti nelle immagini 3D.
Quest’esempio mostra come utilizzare MATLAB per addestrare una rete U-Net 3D ed eseguire una segmentazione semantica di tumori cerebrali in immagini 3D.