Local technique based on type 2 fuzzy sets for spot image enhancement

Técnica local basada en conjuntos difusos de tipo 2 para mejorar la imagen de manchas

El enfoque propuesto en el artículo se encuentra en el proyecto “Investigación avanzada de procesamiento de imágenes médicas basadas en computación suave”, el trabajo ha sido realizado por el doctor Dibya Jyoti Bora (profesor asistente), de la Facultad de Ciencias de la Computación, Universidad de Assam Kaziranga, Jorhat, Assam en el año 2018-2019.Introducción: las imágenes de tinción HE, aunque consideradas como el estándar ideal para el diagnóstico de imágenes médicas, aún sufren de poco contraste y degradación en la calidad del color. En este documento se propone una técnica de mejora basada en conjuntos difusos tipo 2 para optimizar la imagen de tinción HE con especial cuidado hacia los cálculos y mediciones basados   en el color. Métodos:  este  documento  presenta  un  nuevo  enfoque  basado  en  el  conjunto  difuso  tipo  2  para  mejorar  la  imagen de tinción HE, donde la interpolación bicúbica juega un papel importante. La máscara de desenfoque también se emplea como factor de mejora posterior. Resultados: a partir de los resultados es claramente visible que los núcleos celulares y otros cuerpos celulares son fácilmente distinguibles entre sí en el resultado mejorado producido por el enfoque propuesto. Esto implica que la vaguedad en los bordes que rodean los objetos en la imagen original se elimina a un nivel aceptable. Conclusiones: se encuentra que el enfoque es, a través de evaluaciones tanto subjetivas como objetivas, una técnica de preprocesamiento eficiente para un mejor análisis de imagen de tinción HE.

1. INTRODUCCIÓN

En el diagnóstico médico, las imágenes de tinción HE se utilizan con frecuencia para detectar el cáncer y otras enfermedades graves. Los resultados precisos de este proceso de diagnóstico dependen totalmente de la calidad de la imagen de entrada. Se ha observado que las imágenes médicas suelen presentar problemas de bajo contraste. El comportamiento difuso de los límites de las imágenes dificulta la mejora de las mismas con las técnicas tradicionales. Por ello, se han seleccionado técnicas basadas en conjuntos difusos de tipo 2 para mejorar el contraste. La técnica propuesta es una versión extendida de la introducida en [1]. Aquí, la parte del cálculo del color se ha tomado muy en serio. El espacio de color RGB no es adecuado para mejorar el color de las imágenes, ya que los valores de tono están asociados a cada una de las tres capas R, G, B [2]. Por lo tanto, puede surgir el problema de un desajuste de color después del proceso de mejora. Por lo tanto, utilizamos espacios de color distintos de RGB. Los espacios de color LAB y HSV son dos espacios de color adoptados con frecuencia en el procesamiento de imágenes en color, pero se ha comprobado experimentalmente que el espacio de color HSV es más eficiente que el LAB [3]. Por lo tanto, hemos adoptado un espacio de color HSV para nuestra técnica propuesta. Una razón especial para ello es que el espacio de color HSV tiene un canal V dedicado especialmente a las mediciones del nivel de luminancia, por lo que actúa como un canal de intensidad. Nuestra técnica propuesta se basa en el concepto de que la mejora se puede conseguir sin alterar los valores de tono si realizamos la mejora sólo en el canal de intensidad [2].