Processamento de imagens médicas digitais: restauração de imagens degradadas e codificação para compressão sem perdas

• Autor(a) principal: Miranda, Vanessa
• Data de Publicação: 2011
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional do UniCEUB
• Texto Completo: https://repositorio.uniceub.br/jspui/handle/235/3646
• topic: Degradação de imagem; Compressão sem perda; Filtro de Wiener; Ruído gaussiano; Ruído sal e pimenta; Borrão de movimento; Filtro espacial; Filtro inverso; Codificação de Huffman; Codificação por comprimento corrido; Qualidade da imagem; CT; MRI

Processamento de imagens é uma vasta área em foco de muitos pesquisadores há algumas décadas. Uma das aplicações significativas se dá no imageamento médico e, entre todos os tipos de processamento de imagens médicas digitais, as tarefas mais comuns e muitas vezes necessárias são a filtragem de ruídos e a compressão de imagens. Ruídos são comuns em imagens médicas digitais, devido à possível corrupção durante a transmissão ou mesmo a aquisição destas. Apesar do aspecto em geral indesejável, o fator mais importante é que o ruído pode cobrir e reduzir a visibilidade de determinadas características importantes da imagem. O objetivo da restauração é trazer a imagem original de volta, tanto quanto possível, a partir de seu estado de degradação. A Tomografia Computadorizada (CT) ou a Ressonância Magnética (MR), presentes no imageamento médico, produzem imagens internas do corpo humano no formato digital. Uma vez que estas técnicas geram imagens que requerem grande espaço em disco, a compressão é necessária para fins de armazenamento e transmissão. Muitos métodos atuais oferecem uma taxa de compressão alta, mas com considerável perda de qualidade, o que não é interessante no caso de imagens de diagnósticos. Vários fatores são relevantes para a redução da quantidade de bits de informação, a fim de manter uma qualidade de imagem aceitável. Este projeto visa descrever e analisar a codificação sem perdas, com uso dos códigos de Huffman e códigos por Comprimento Corrido, além da comparação entre vários tipos de filtragem para a restauração da imagem degradada, relacionando-as com a qualidade da imagem após os processos de decodificação ou restauração