universidad autÓnoma metropolitana …148.206.53.84/tesiuami/uami14306.pdf · se puede determinar...

UNIVERSIDAD AUTÓNOMA METROPOLITANA IZTAPALAPA

DIVISIÓN: CIENCIAS BÁSICAS E INGENIERÍA GRADO ACADÉMICO: LICENCIATURA CARRERA: INGENIERÍA BIOMÉDICA TÍTULO DEL TRABAJO: PROCESAMIENTO DE IMÁGENES DE FONDO DE OJO PARA LA DETECCIÓN TEMPRANA DE DIABETES MELLITUS E HIPERTENSIÓN ARTERIAL NOMBRE DE LOS ALUMNOS: LÓPEZ RODRÍGUEZ GABRIELA ERANDI MARTÍN SALAS RODRIGO ALFONSO NOMBRE DEL ASESOR: GODÍNEZ FERNÁNDEZ JOSÉ RAFAEL

México, DF. Septiembre de 2007

ÍNDICE

Página

1. INTRODUCCIÓN

1

1.1 Detección de diabetes mediante la observación del fondo de ojo

1.2 Detección de hipertensión mediante la observación del fondo de ojo

1.3 Cruces arteriovenosos

1.4 Disminución Generalizada del Calibre Arteriolar

1.5 Procesamiento de imágenes de fondo de ojo

1.5.1 Imágenes

1.5.2 Procesamiento de Imágenes

1.5.3 Realce de Imágenes

1.5.4 Segmentación

2 3 3 4 5 5 5 5 6

2. ANTECEDENTES INMEDIATOS

6

3. OBJETIVO

7

4. HIPÓTESIS

7

5. METODOLOGÍA

5.1 Diferenciación entre signos en común para Diabetes e Hipertensión Arterial

5.2 Evaluación de distintos procesamientos para la detección de signos asociados a las patologías

5.3 Generación de herramienta de procesamiento.

5.4 Procesamiento imágenes.

7 7 8 8

6. RESULTADOS

6. 1 Diferenciación entre signos en común para Diabetes e Hipertensión Arterial

9

6.2 Evaluación de distintos procesamientos para la detección de signos asociados a las patologías

6.2.1 Filtrado

6.2.2 Eliminación de artefactos por apertura y cierre (limpieza)

6.2.3 Obtención de red capilar a partir de complementos de la imagen

12

13

13

6.3 Generación de herramienta de procesamiento. 14

6.4 Procesamiento de imágenes.

15

7. DISCUSIÓN

22

8. RECOMENDACIONES

22

9. REFERENCIAS

23

10. APÉNDICE

24

1

PROCESAMIENTO DE IMÁGENES DE FONDO DE OJO PARA LA DETECCIÓN TEMPRANA DE DIABETES MELLITUS E HIPERTENSIÓN ARTERIAL

PROYECTO DE INGENIERÍA BIOMÉDICA

G. López Rodríguez, R. Martín Salas

1. INTRODUCCIÓN

El sistema óptico del ojo humano y la retina han atraído, desde tiempos antiguos, la atención de investigadores que fueron desarrollando instrumentos para estudiar y corregir los defectos de la óptica ocular y ver el fondo del ojo (la retina). [1]

Sin duda alguna el examen del fondo de ojo constituye unas de las herramientas más preciadas con las que cuenta el médico para el examen físico. La exploración in vivo y de forma poco invasiva de los tejidos oculares permite la visualización de estructuras de alto valor semiológico como son: la retina, sus vasos sanguíneos, la coroides y la porción intraocular del nervio óptico.

El estudio de la retina y sus múltiples enfermedades dependen en alto grado del examen del fondo

de ojo y son muy variados los cuadros clínicos, muchas veces de difícil interpretación, a los cuales debe enfrentarse el médico.

La exploración del fondo de ojo de pacientes, mediante un oftalmoscopio, brinda información

importante al médico acerca de procesos patológicos en desarrollo, tanto a nivel local como sistémico. Enfermedades como la hipertensión y diabetes tipo 2, pueden cursar asintomáticas, y sin embargo, presentar deterioro en la microcirculación susceptible de ser observada mediante un estudio de fondo de ojo.

La microcirculación participa en la fisiopatología de la mayor parte de las enfermedades cardiocirculatorias. Se puede determinar fácilmente el estado capilar mediante el examen de la retina con un oftalmoscopio, debido a que en la retina existe una matriz bidimensional de arteriolas aferentes, vénulas tributarias y una red de capilares interpuestos. Mediante el oftalmoscopio, el médico puede detectar émbolos, trombos o los efectos circulatorios de la hipertensión, la arteriosclerosis o la diabetes. La fotografía de retina es otra técnica para la exploración del fondo del ojo. [1]

Para la clínica médica, la imagen de fondo de ojo es una portadora básica de información, ya que además de ser considerada una ventana natural al sistema vascular encefálico del ser humano, contiene información de inigualable valor sobre el estado de las estructuras anatómicas del ojo y el propio encéfalo. [2]

En un estudio de Fondo de Ojo, se deben de apreciar las siguientes estructuras:

Fig. 1 Estructura anatómica de Fondo de Ojo

2

El propósito de este proyecto, consiste en la implementación de un sistema mínimo y económico que

permita adquirir las imágenes de fondo de ojo de pacientes y procesarlas para resaltar las características patológicas de la microcirculación de acuerdo a su grado de evolución. De esta manera, se intenta mejorar la calidad de vida de los pacientes, diagnosticando de una manera temprana alguna patología.

1.1 DETECCIÓN DE DIABETES MEDIANTE LA OBSERVACIÓN DEL FONDO DE OJO

La diabetes mellitus, es un síndrome metabólico caracterizado por el déficit de secreción y/o actividad de la insulina (hormona que segrega el páncreas y que favorece la utilización de la glucosa por parte de las células) produciendo hiperglucemia, así como alteraciones en el metabolismo lipídico y proteico. Estos niveles elevados de glucosa generados por la diabetes, provocan alteraciones del sistema circulatorio, incluyendo los vasos de la retina. [3]

Las manifestaciones de la diabetes mellitus a nivel ocular son numerosas y complejas, pudiendo afectar a cualquier parte del aparato visual. La retina es la estructura afectada con mayor frecuencia e importancia, pero tanto el segmento anterior del ojo (córnea, cristalino, iris), como el nervio óptico y los nervios oculomotores pueden verse afectados en la diabetes.

Después de 20 años del diagnóstico de diabetes, prácticamente el 100% de los pacientes con diabetes mellitus tipo 1 (DM1) y el 60% de los pacientes con diabetes mellitus tipo 2 (DM2) presentan retinopatía diabética. [3]

La retinopatía diabética, es una complicación ocular de la diabetes, causada por el deterioro de los vasos sanguíneos que irrigan el ojo. Éstos pueden dejar salir sangre y líquido, haciendo que se formen conductos frágiles e irregulares. Como consecuencia de este daño, los vasos empiezan a filtrar como una cañería defectuosa. Ello hace que a la retina pase líquido (edema), sangre (hemorragias) y grasas (lípidos), haciendo que la imagen que se envía al cerebro sea borrosa, tanto para cerca como para lejos. A esto último se le denomina edema macular. [3]

La retinopatía diabética evoluciona en dos fases correlativas y progresivamente de peor pronóstico:

� Retinopatía de origen o no proliferativa. Considerada como la etapa inicial de la retinopatía. Predominan las alteraciones de la permeabilidad vascular. Se caracteriza por microaneurismas (son lesiones redondas intraretinales de un tamaño comprendido entre 10 y 100 micras, de color rojo y ocasionalmente blanco, que pueden estar asociadas a hemorragias intraretinales y/o engrosamiento de la retina. Se observan con mayor frecuencia en el polo posterior del ojo, especialmente en el área temporal a la mácula), hemorragias y exudados duros (consisten en agregados de proteínas plasmáticas, sobre todo lipoproteínas extravasadas, asociadas a macrófagos. Son de color blanco o blanco amarillento. Aparecen muy tempranamente y se localizan en cualquier parte de la retina. Son significativos cuando comienzan a acumularse en la mácula formando anillos, estrellas o placas compactas. No son formaciones estáticas y unos pueden absorberse en unos meses mientras que otros empiezan a aparecer). También en esta fase puede aparecer edema macular. Estas lesiones no comprometen la visión a excepción del edema macular y los exudados localizados en o cerca de la mácula. [3 y 4]

Fig. 2 Ojo Normal Fig. 3 Retinopatía no proliferativa Fig. 4 RD con exudados duros

3

� Retinopatía proliferativa. Debido al continuo deterioro que sufren los vasos por los niveles elevados de glucosa, muchos terminan cerrándose impidiendo la llegada de sangre y nutrientes, produciendo zonas de isquemia retiniana. Estas zonas de isquemia producen un factor denominado vasoproliferativo. Se caracteriza por formación de nuevos vasos en retina y humor vítreo, crecimiento de vasos insertados en superficie hialoidea del vítreo o hemorragias vítreas, y posteriormente esta hemorragia puede producir fibrosis y secundariamente desprendimiento de retina. [3 y5]

Fig. 5 Ojo Normal Fig. 6 Retinopatía proliferativa

1.2 DETECCIÓN DE HIPERTENSIÓN MEDIANTE LA OBSERVACIÓN DEL FONDO DE OJO

La hipertensión arterial es un padecimiento crónico de etiología variada y que se caracteriza por el aumento sostenido de la presión arterial, ya sea sistólica, diastólica o de ambas. El exceso de presión en las arterias mantenida durante un período de años y no tratada puede llevar a un gran número de complicaciones. Debido a que la hipertensión produce la obstrucción o ruptura de las arterias de la retina del ojo, se puede producir ceguera. [6]

En este caso, se propone establecer cuatro grandes cuadros clínicos:

• Síndrome Vascular hipertono – hipertensivo: este tipo de síndrome es característico de un individuo joven con un aumento moderado de la presión arterial. Se caracteriza por alteraciones a nivel vascular sin afectación parenquimatosa. Así, se encuentran signos de cruce arteriovenoso de bajo grado, estrechamiento arteriolar leve y vasoconstricción arteriolar focal.

• Retinopatía hipertono – hipertensivo: se da en individuos jóvenes con un aumento importante de

la tensión arterial, necesitándose un tratamiento rápido e intenso por el riesgo asociado a insuficiencia renal. Debido a la hipertensión severa se produce daño vascular y parenquimatoso. Los signos característicos son: cruce arteriovenoso de alto grado, estrechamiento vascular moderado, vasoconstricción arteriolar focal, hemorragias, edema, exudados de retina, estrella macular y edema macular.

• Síndrome Esclero – Hipertensivo: aparece cuando se da un aumento moderado de la tensión

arterial de un paciente con esclerosis. Oftalmoscópicamente aparecen arterias en hilo de cobre, cruces patológicos, alteraciones del trayecto y calibre vascular.

• Retinopatía Esclero – Hipertensiva: cuando el síndrome vascular por esclerosis progresa aparecen

lesiones por isquemia. En el fondo de ojo encontramos zonas de atrofia retiniana, arterias en hilo de plata, exudados duros y hemorragias en astilla. [6]

1.3 CRUCES ARTERIOVENOSOS

Dados los cuadros clínicos anteriores, los cruces arteriovenosos son uno de los signos presentes en 3 de los 4 cuadros, además de ser fáciles de observar y de encontrarse a lo largo del fondo de ojo, es por ello que son de gran importancia. [7]

4

En este caso, es importante establecer las alteraciones que reflejan la presencia de afectación de los cruces arteriovenosos, como lo son: las alteraciones del calibre venular (signo de Gunn) y las variaciones del trayecto venoso a nivel de cruce (signo de Salus).

El llamado signo de Gunn refleja la disminución de la columna sanguínea a nivel del cruce, es decir, observa la deformación del calibre venular a nivel del cruce y por ende la facilidad y/o dificultad circulatoria a ese nivel. Se divide en 4 grados: [7]

� Grado I: existe un ocultamiento de la columna sanguínea venosa a nivel del cruce arterioso-venular. � Grado II: La vena parece como si estuviera cortada, hay falta de columna sanguínea antes y después

del cruce. � Grado III: debido a la dificultad de paso de la corriente sanguínea se produce dilatación del cabo

distal venoso. � Gado IV: Se le suma al grado anterior la presencia de exudados y hemorragias a nivel del cruce.

Fig. 7 Signo de Gunn Grado III Fig. 8 Signo de Gunn Grado IV

Las variaciones del trayecto venoso a nivel del cruce se conocen como signo de Salus. Este se basa

en que al aumentar la resistencia al flujo venoso a nivel del cruce, la vena, que normalmente forma un ángulo agudo con la arteria, se cruza de manera cada vez más perpendicular e incluso llega a invertir la dirección del cruce. Se divide en 3 grados:

� Grado I: se encuentra que hay una ligera desviación del segmento venoso. La vena no se cruza de manera tan aguda y se hace algo más perpendicular.

� Grado II: el segmento venoso a nivel del cruce con la arteria se hace perpendicular a esta. Este tipo de cruce se conoce como cruce de bayoneta.

� Grado III: existe una inversión de la dirección venosa a nivel del cruce. También se conoce como cruce en z. [8]

Fig. 9 Signo de Salus Grado I Fig. 10 Signo de Salus Grado III

1.4 DISMINUCIÓN GENERALIZADA DEL CALIBRE ARTERIOLAR

Debido a la hipertensión se produce una vasoconstricción arteriolar generalizada o difusa que nos disminuye visiblemente el diámetro arteriolar. El grosor de la arteriola lo determinamos con respecto a su relación con el calibre de la vénula que la acompaña, o relación arteriovenosa, que normalmente es de 3/4 a 2/3 y se divide en cuatro grados. [7]

5

Grado Relación A/V Normal 3/4 - 2/3 I. Ligero 2/3 – 1/2

II. Moderado 1/2 – 1/3 III. Intenso Arteriola menor que 1/3 de vénula

IV. Muy Grave La relación anterior aumenta considerablemente Tabla 1. Clasificación de la Relación Arteriovenosa [7]

1.5 PROCESAMIENTO DE IMÁGENES DE FONDO DE OJO

1.5.1 Imágenes

La información en forma de imagen es muy frecuente en muchos campos de la ciencia, en Medicina es particularmente importante debido a que muchos diagnósticos se realizan en base a imágenes. En el caso de diagnóstico en alteraciones oculares, los oftalmólogos utilizan dos tipos especiales de imagen: fotografías de fondo de ojo y angiografía con fluoresceína.

• En la angiografía con fluoresceína se inyecta un colorante especial en la vena de su brazo. A medida que el colorante pasa por las venas de la parte posterior de su ojo, esto permite la visualización de la circulación sanguínea de la retina y de las capas por debajo de esta, realzando cualquier anormalidad. Este estudio no es diagnóstico pero es útil para excluir otras anormalidades posibles. [9]

• El fondo del ojo incluye la retina, mácula, fóvea, nervio óptico y vasos de la retina. En la fotografía de fondo de ojo se toman fotografías de la retina a través de la pupila con cámaras especialmente diseñadas para esto. Este es un procedimiento no invasivo e indoloro que permite una visión exacta de la retina, nervio óptico y vasos sanguíneos. [9]

1.5.2 Procesamiento de Imágenes

El sistema visual humano es uno de los mecanismos de procesamiento de imágenes más poderosos. Este sistema es capaz de detectar, analizar y almacenar imágenes con un gran poder de procesamiento. La visión es sin duda el sentido más empleado por la especie humana, y por lo mismo es común que se olvide su importancia. En general, el procesamiento de imágenes consiste en alterar la información visual para obtener mejores resultados o para aislar algunas características particulares de las imágenes. [10]

El procesamiento analógico consiste en el uso de sistemas eléctricos para alterar las imágenes. Ejemplos de esto son las imágenes por televisión, donde existen los controles de contraste e intensidad de éstas.

El procesamiento digital consiste en hacer el mapeo de una imagen a puntos definidos discretamente, a los cuales se les asigna un par de coordenadas y un valor de intensidad. La alteración de los valores de intensidad por medio de una computadora permite efectuar con gran facilidad operaciones de realce y de análisis de la imagen. [11]

1.5.3 Realce de Imágenes [11]

Prácticamente todas las técnicas de procesamiento de señales se pueden emplear para la obtención de imágenes médicas. De hecho, el procesamiento de imágenes, incluso a un nivel básico, permitirá realizar tomas múltiples cuando la calidad de la imagen no es suficientemente buena para efectuar un diagnóstico, pero que se convierte en una imagen rescatable cuando se emplean técnicas como filtrados pasa-bajas sencillos o bien ecualizaciones o especificaciones de histograma.

� Modificación del contraste. Cambio en la función de transferencia que relaciona los valores de la imagen y los valores presentados con la imagen que se visualiza.

� Ecualización o igualación. Es la redistribución de los niveles de gris de la imagen original sobre todos los niveles disponibles en el sistema.

6

� Filtrado. El proceso se efectúa deslizando la ventana del filtro para cubrir todos los píxeles de la imagen original en las dos direcciones. Bajo un filtrado de este tipo, cada píxel de la imagen sufre un promedio pesado por el “kernel” y el valor del promedio reemplaza al valor inicial del píxel.

1.5.4 Segmentación [11]

Algunas de las aplicaciones del procesamiento de imágenes biomédicas se basan en la detección automática o semimanual de estructuras anatómicas. Estos procedimientos se conocen con el nombre de segmentación y consisten en separar los distintos niveles o colores de la imagen en clases o grupos de estructuras procedentes de distintas regiones anatómicas.

� Segmentación por regiones. Es una operación que divide una imagen en regiones bien delimitadas, evitando que exista superposición en ellas.

� Segmentación por bordes. Consiste en la detección de bordes que caracteriza las fronteras de los objetos.

� Morfología matemática. El empleo de operadores algebraicos para extraer información primordial acerca de las formas de las imágenes al mismo tiempo que se elimina información irrelevante.

2. ANTECEDENTES INMEDIATOS.

La diabetes mellitus tipo II constituye un problema grave de salud pública en nuestro país debido a

varios factores entre los cuales destacan: es una enfermedad incurable que únicamente puede ser controlada, la ausencia de tratamiento produce alteraciones metabólicas que ponen en peligro la vida del individuo, a largo plazo produce daños en la microcirculación afectando una diversidad de órganos y tejidos como ya se comentó. Otro problema importante de la diabetes mellitus, es que en su fase inicial puede cursar como una enfermedad silenciosa, esto es, sin la presencia de signos y síntomas que permitan realizar un diagnóstico oportuno de la enfermedad; por ejemplo, datos publicados recientemente por el sector salud indican que existe un millón de pacientes con diabetes mellitus sin ser diagnosticados. El mayor retardo que existe entre el inicio de la enfermedad y su diagnóstico, lamentablemente incrementa el daño a nivel sistémico por lesiones en la microcirculación.

La diabetes representa uno de los principales problemas de salud pública en México. Nuestro país se ubica entre los que mayor número de casos registrados en el ámbito mundial. La perspectiva futura señala que se mantendrá el incremento en la cantidad de diabéticos. De acuerdo con la información disponible, el país ocupaba el décimo lugar mundial en 1995, con 4 millones de enfermos, y se estima que para el 2025, ocupará el séptimo con 12 millones. Esta afirmación se confirma al observar los siguientes datos: en el territorio nacional, al año se registran 40 mil defunciones causadas por la diabetes. [12]

La tasa de mortalidad por 100 mil habitantes en 1981 fue de 21.4 y ascendió a 33.4 en 1993, pero llegó a 43.5 en 1998, año en el cual se notificaron 336 mil 967 casos, por lo que a cada defunción registrada le correspondieron aproximadamente 8 casos. En el lapso de 1994 a 1998 se presentó un aumento de 83 por ciento en el número de casos diagnosticados con cifras que van de 184 mil 130 en 1994, a 336 mil 967 en 1998; esta situación se relaciona con una mejor notificación y registro del padecimiento, aun cuando se considera que existe un importante número de enfermos que se desconoce por los servicios de salud. [12]

El promedio de edad por muerte prematura a causa de diabetes en México es de 57.1 años, lo que representa la pérdida de 12.9 años potenciales de vida y al menos siete años de vida productiva por individuo. Sin embargo, se considera que estas muertes pueden prevenirse, ya que ocurren por factores modificables, como son la falta de diagnóstico o el diagnóstico tardío, la falta de tratamiento y control efectivos por parte de los servicios de salud, así como la carencia de apoyo familiar y social para atención oportuna y regular del enfermo. [12]

Asimismo, la hipertensión arterial sistémica constituye otro problema importante de salud pública del país. La fase inicial de la hipertensión puede cursar asintomática por años; y cuando es diagnosticada por los signos y síntomas que produce, lamentablemente el daño a nivel sistémico por lesión de la microcirculación se encuentra avanzado. La diabetes mellitus y la hipertensión arterial sistémica representan un problema grave

7

de salud pública a nivel nacional por el porcentaje de la población que la padece y cuyo valor, lejos de disminuir, continúa incrementándose.

En México al igual que en otros países emergentes y en la mayoría de los países desarrollados la prevalencia de las enfermedades crónicas no transmisibles, o también denominadas Enfermedades Crónicas Esenciales del Adulto (ECEA), tales como hipertensión arterial sistémica (HTAS), diabetes mellitus tipo 2 (DM–2), dislipidemias, obesidad y aterosclerosis entre otras, han demostrado un crecimiento exponencial en las ultimas dos décadas, llegando a superar la prevalencia de las enfermedades transmisibles en el adulto. [13]

En nuestro país, la prevalencia identificada de hipertensión arterial sistémica para el año 2000 fue del 30.05%, es decir, más de 16 millones de mexicanos entre los 20 y 69 años. Los estados del norte de la república, alcanzaron cifras aún mayores. La Encuesta Nacional de Salud 2000, mostró que lamentablemente el 61% de los hipertensos desconocen ser portadores del mal, situación que es de extrema importancia ya que, en general, el paciente acude al médico cuando ya han transcurrido varios años desde su inicio y, probablemente, ya habrá en su mayoría daño a órgano blanco. [13]

Si bien es cierto que la prevalencia en términos porcentuales de la HTAS se relaciona de manera

directa con la edad, al cuantificar el número de pacientes portadores de HTAS de manera absoluta, se encontró que en México el 75% de los hipertensos, tienen menos de 54 años de edad. Por lo tanto, debemos desmitificar que la hipertensión es una enfermedad de gente adulta mayor. [13]Dado que el diagnóstico oportuno de ambas enfermedades evita o retrasa los efectos deletéreos a nivel sistémico, en este proyecto nos propusimos diseñar e implementar un sistema que auxilie al médico general y al especialista en la detección temprana de lesiones vasculares por diabetes mellitus e hipertensión arterial sistémica, empleando herramientas de procesamiento de imágenes.

3. OBJETIVO

Obtener un sistema que evalué el estado de salud de la microcirculación mediante el estudio de imágenes de fondo de ojo, con el fin de apoyar en el diagnóstico temprano de patologías como lo son la hipertensión arterial y la diabetes. Es decir, mediante el uso de diferentes técnicas de procesamiento digital de imágenes, se resaltarán e identificarán los diferentes patrones característicos presentes en imágenes de fondo de ojo presentes en las dos patologías.

4. HIPÓTESIS

Mediante el procesamiento de imágenes de fondo de ojo se podrá resaltar la red vascular, de tal forma que será posible eliminar el uso de agentes de contraste utilizados en los exámenes realizados para obtener imágenes de fondo de ojo.

5. METODOLOGÍA 5.1 DIFERENCIACIÓN ENTRE SIGNOS EN COMÚN PARA DIABETES E HIPERTENSIÓN ARTERIAL Con la información obtenida a partir de la búsqueda bibliográfica se planteó hacer una diferenciación entre los signos que ambas patologías presentaban en el fondo de ojo, con la finalidad de que al generar la herramienta computacional para el procesamiento de las imágenes de fondo de ojo, ésta pueda diferenciar si la alteración presente es debida a hipertensión arterial o a diabetes. 5.2 EVALUACIÓN DE DISTINTOS PROCESAMIENTOS PARA LA DETECCIÓN DE SIGNOS ASOCIADOS A LAS PATOLOGÍAS

Se realizaron pruebas con distintos tipos de procesamiento, variando los parámetros empleados para el filtrado, la segmentación morfológica, el ajuste de contraste de la imagen para obtener la red capilar y el tipo de archivo que se puede cargar en el software de procesamiento. 5.3 GENERACIÓN DE HERRAMIENTA DE PROCESAMIENTO.

Se utilizó el software Matlab para programar y generar una interfaz (GUI) con distintos procesamientos a imágenes de fondo de ojo. De manera que el resultado sea una herramienta interactiva y

8

amigable al usuario, para que dependiendo del elemento de la imagen que quiera resaltar/mejorar, se aplique una secuencia de procesamientos en busca de tal fin.

Los procesamientos que se establecieron fueron programados orientados a mejorar imágenes de fondo de ojo y son: igualación del histograma, filtrado para realce de bordes, segmentación morfológica, y realce de contraste. [11] 5.4 PROCESAMIENTO IMÁGENES.

Utilizando la herramienta generada en la actividad anterior, se generaron secuencias de procesamiento a tres distintas imágenes de fondo de ojo. Según elementos que se querían resaltar en cada imagen: (1) realce de red vascular, (2) eliminación de artefactos para realce de red vascular, y (3) realce de patología.

6. RESULTADOS Se llevo a cabo un análisis del cuerpo de conocimientos médicos relacionados con las patologías vasculares visibles a través de imágenes de fondo de ojo. Se obtuvieron los siguientes resultados, los cuales se subdividieron en cuatro categorías:

� Fisiología del fondo de ojo [1,2]

� Detección de diabetes mediante la observación del fondo de ojo [1,2,3,4]

� Detección de hipertensión mediante la observación del fondo de ojo [1,2]

� Procesamiento de imágenes de fondo de ojo [1,2,3,4,5] 6. 1 DIFERENCIACIÓN ENTRE SIGNOS EN COMÚN PARA DIABETES E HIPERTENSIÓN ARTERIAL

Para diferenciar los principales signos asociadas a patologías específicas, se diseñaron los siguientes diagramas, esto con la finalidad de discernir entre patologías que presentan ciertos signos en común o bien, en el caso de los signos en Diabetes, para caracterizar las patologías en función de los signos presentes.

Para cada uno de los diagramas se empleó un código de colores asociados:

Patología principal

Patología asociada a la patología principal

Patología asociada a la patología principal no empleada para caracterización

Patología específica

Signo

Clasificación de un signo

Tabla 3. Código de colores asociado a los diagramas de diferenciación de signos

9

� Diabetes

Diagrama 1. Diferenciación entre patologías en la Diabetes a partir de signos presentes en el fondo de ojo

10

� Hipertensión

Diagrama 2. Diferenciación entre patologías en la Hipertensión arterial a partir de signos presentes en el fondo de ojo

11

6.2 EVALUACIÓN DE DISTINTOS PROCESAMIENTOS PARA LA DETECCIÓN DE SIGNOS ASOCIADOS A LAS PATOLOGÍAS

6.2.1 Filtrado

Se probaron varios tipos de filtro, obteniendo los siguientes resultados para cada uno de ellos:

o Prewitt. Se obtiene la red vascular realzada en niveles de gris y permite realzar exudados y edemas presentes en la imagen.

Fig. 11. Imagen procesada con filtro Prewitt

o Sobel. Se obtiene la red vascular realzada en niveles de gris y permite realzar exudados y

edemas presentes en la imagen, pero presenta una tonalidad más clara con respecto al filtro Prewitt.

Fig. 12. Imagen procesada con filtro Sobel

o Laplacian. Se obtiene una imagen con un mayor contraste respecto a los filtros Prewitt y

Sobel. También permite el realce de la red vascular y de otros signos como exudados. La imagen muestra principalmente niveles extremos, esto es, blancos y negros.

Fig. 13. Imagen procesada con filtro Laplaciano

o Unsharp. Este filtro es el complemento del Laplaciano, con él se obtiene una imagen con un

muy buen contraste. Como el Laplaciano, permite el realce de la red vascular y de signos relacionados con patologías. Este filtrado también mejora la resolución de la imagen con respecto al Laplaciano.

Fig. 14. Imagen procesada con filtro Laplaciano

o Disk. Al procesar la imagen con este tipo de filtro se obtienen la misma que se tenía antes

de filtrar, esto se debe a que el filtro disk es un filtro pasa-bajos, lo cual no funciona para realce de bordes.

12

Fig. 15. Imagen procesada con filtro Disk

o Gaussian. Al igual que en el caso anterior, al aplicar el filtro gaussiano no se realzan bordes,

debido a que éste también es un pasa-bajos.

Fig. 16. Imagen procesada con filtro Gaussian

Con los resultados obtenidos, se decidió emplear los cuatro primeros para incorporarlos en la

herramienta de procesamiento que se desarrolló.

6.2.2 Eliminación de artefactos por apertura y cierre (limpieza)

A la imagen en niveles de gris se le aplicó una apertura y luego un cierra con la finalidad de eliminar artefactos como algunos escrito presentes sobre la imagen, como se puede observar en la Fig. 17. Este procesamiento da como resultado una imagen sin anotaciones en ella, pero respetando la información referente a red vascular y signos de patología presentes en la imagen.

Fig. 17. Imagen antes y después de ser procesada para eliminación de artefactos de escritura.

6.2.3 Obtención de red capilar a partir de complementos de la imagen

Con una imagen previamente procesada para eliminar artefactos, se obtiene el complemento de la imagen, con la finalidad de resaltar la red vascular como se puede observar en la Fig. 18 el resultado es una imagen con una red vascular más visible, aún en la zona macular en donde previamente no se lograba ver y el realce de signos patológicos presentes en la imagen.

13

Fig. 18. Imagen antes y después del proceso de obtención de red capilar

6.3 GENERACIÓN DE HERRAMIENTA DE PROCESAMIENTO.

Utilizando el programa MATLAB R2006a Versión 7.2., se desarrolló un programa en el cual el principal enfoque de éste fue la segmentación de la red vascular, esto fue posible realizando una segmentación morfológica implementando varios algoritmos. El fin de esta segmentación, era la de cubrir el disco óptico, ya que éste no nos permite observar de una manera adecuada toda la red vascular. El diseño y generación de la herramienta, siempre se realizó con el objetivo de que sea lo más amigable e interactivamente posible para el usuario, de forma tal que sirva como herramienta al médico para ayudarse a realizar un mejor diagnóstico con imágenes de fondo de ojo (se resalta el hecho de que cada uno de los parámetros de los procesamientos, se programaron tratando de resaltar elementos de este tipo de imágenes, limitante para tratar de procesar otro tipo de imágenes). Por lo tanto, la interfaz gráfica de la herramienta, esta generada con botones de acción (pushButtons) y ventanas de despliegue (axes), tal como se muestra en la Figura 19.

Fig.19. Construcción Herramienta Procesamiento (GUI)

Botones principales (Fig. 20):

• Carga Imagen, con el cual se puede seleccionar el archivo desde el directorio en donde se encuentre, y la acción que ejecuta este botón es precisamente cargar la imagen al programa y la despliega en el espacio correspondiente a la imagen original.

• Cerrar, su acción evidentemente es cerrar el programa.

• Guardar Cambios, botón que se utiliza dentro del procesamiento de imágenes, la acción que realiza es guardar los cambios a los procesamientos parciales que se van ejecutando a las imágenes.

14

Parte de las limitantes que tiene esta herramienta, es que no le permite al usuario guardar las imágenes procesadas después de haber trabajado con ellas. No se habilitó esta opción, pues para efectos de este trabajo no era el objetivo que se buscaba conseguir. Pero sería conveniente que se desarrolle como trabajo hacia futuro, para generar una herramienta completa con la cual el médico se pueda ayudar para realizar sus diagnósticos y llevar un control de los resultados obtenidos.

Botones de procesamiento general (Fig. 20):

• Ecualización, botón que realiza el primer procesamiento a la imagen original: convierte la imagen en valores RGB a una escala de valores de gris, y además realiza una igualación de su histograma. Los resultados de las imágenes procesadas se desplegarán en la ventana ‘axesProces’.

• Realce de Bordes, activa otros botones con los cuales se puede realizar un filtrado espacial a la imagen procesada. Los filtros que se utilizan son: sobel, laplaciano, unsharp y prewitt. Y su utilización depende del tipo de realce que se quiera realizar, de la imagen y de la secuencia de procesamiento.

• Segmentación, su ejecución activa dos botones que realizan segmentación morfológica. Uno de ellos realiza una limpieza de artefactos (texto) que presenten las imágenes, y el otro realiza un realce de la red vascular.

• Ajuste de contraste, un botón opcional que se puede utilizar cuando el usuario considere que se necesita realizar un realce del contraste de la imagen procesada.

Fig. 20. Herramienta Procesamiento de Imagen Fondo Ojo

6.4 PROCESAMIENTO DE IMÁGENES.

Se presentan a continuación el procedimiento y los argumentos que se utilizaron para procesar tres imágenes con la herramienta generada, estas imágenes fueron obtenidas en diversas páginas de la red. Se describe además la secuencia de procesamientos que se utilizó en cada caso, para realzar o mejorar la información que nos brinda la imagen original.

Realce de la Red Vascular – para obtener una imagen, en la cual se realce la red capilar se comienza cargando el archivo de la imagen deseada, en este caso se empleó la Imagen Original (Figura 21). A esta imagen se le aplicó una ecualización del histograma, como resultado se obtuvo una imagen en niveles de gris con una maximización de contraste, pero con algunos artefactos en el fondo de la imagen, es por ello que se le aplica una limpieza que se encarga de eliminar la mayoría de los artefactos. En la imagen resultante se hace un realce de la red vascular, que es el elemento que se desea resaltar, esto se hace para poder observar algunas estructuras vasculares que no eran visibles en la imagen original, debido a que están ubicadas en la zona del disco óptico.

15

La imagen obtenida es de buena calidad, sin embargo se puede mejorar aplicando un realce de bordes por filtrado espacial, para ello se empleó un filtro unsharp que da como resultado un realce en los bordes y aumento en la intensidad de tonos claros. Finalmente se hace un ajuste de contraste que homogeniza los niveles de gris de la imagen, esto se puede observar en Imagen Procesada de Figura 21.

Imagen Original Imagen Procesada

Figura 21. Procesamiento Realce Red Capilar

Eliminación de Artefactos y Realce Red Vascular – De igual manera que en el caso anterior, primero cargamos el archivo de la imagen deseada, la cual podemos observar en la Imagen Original (Figura 22). Ya que tenemos cargada la imagen, posteriormente la ecualizamos para tenerla en niveles de gris, para poder borrar los artefactos que se encuentran en la imagen se aplica la limpieza de manera que se emborronen éstos. A continuación, se aplica una segmentación para poder resaltar la red vascular que es lo que nos interesa. Ya que tenemos resaltada la red, aplicamos un realce de bordes por filtrado espacial, primero se empleó un filtrado de tipo unsharp y posteriormente se empleó un filtrado laplaciano. Finalmente, podemos observar la Imagen Procesada (Figura 22) que se obtuvo después de este conjunto de operaciones, se tiene una imagen de buena calidad, y con los resultados esperados. Imagen Original Imagen Procesada

Figura 22. Procesamiento Limpieza y Realce Red Capilar

Realce de patología – En la imagen original de Figura 23 se pueden observar claramente dos patologías que son exudados y hemorragias. Con el fin de poder lograr un realce de estas dos patologías se realizó el siguiente procesamiento: Después de cargar la imagen original y ecualizar su histograma, se utilizó la función del filtrado espacial laplaciano para resaltar los exudados. Pero el resultado de este filtrado fue una imagen con poco contraste, por lo que al ajustarlo se obtuvo la imagen procesada (Figura 23). En ella podemos observar claramente las patologías que queríamos resaltar. El objetivo de éste procesamiento se cumplió, pero a un costo de ‘ensuciar’ el resto de la información presente en la imagen. Pues el procesamiento también resaltó muchos otros elementos que no se querían mostrar.

16

Por lo que se necesitaría un criterio con fundamentos más clínicos (médico especialista), para poder afirmar si el procesamiento efectuado nos ayudo o no a mejorar la información de interés. Si no fue así, se puede realizar otra secuencia de procesamiento para alcanzar el objetivo inicial. Imagen Original Imagen Procesada

Figura 23. Realce de Patología

Ahora, mencionaremos cómo funciona básicamente la herramienta que se elaboró con un ejemplo que se procesó de las imágenes que fueron obtenidas de un oftalmoscopio dentro de un hospital de 3er nivel, los datos del equipo por medio del cual se obtuvieron estas imágenes son los siguientes:

Marca: Topcon Modelo: TRC-50x No. de serie: 750698 Software asociado: ImagiNet

Tenemos una ventana en la cual podemos observar la imagen original y otra donde aparecerá la

imagen procesada. Además, podemos observar que se tienen diferentes botones, en los cuales se realizarán diversos procesos, como lo son el realce de bordes y la segmentación de la imagen. Tenemos también un botón extra, en el cual intentamos mejorar el contraste de la imagen. Primero cargamos la imagen a la que deseamos realizar el procesamiento. El programa admite cargar imágenes en formato JPG y TIF. Damos clic al botón de cargar imagen:

Fig. 24 Forma en como se carga una imagen

Ya cargada la imagen, la ecualizamos y podemos “jugar” con los procesamientos. Primero debemos de segmentar la imagen para obtener la red vascular y cuando tengamos ésta, guardamos los cambios para poder seguir realizando los procesamientos que deseamos.

17

Fig. 25 Imagen únicamente segmentada

Fig. 26 Imagen segmentada, con ajuste de contraste y realce de bordes

Como podemos observar, el usuario puede ir manipulando las imágenes como mejor le convenga, ya que sabemos, no todas las personas perciben las imágenes de la misma forma, ya que para unos, una imagen resultante puede ser muy buena, pero para otro, no lo es, y puede seguir modificando la imagen para poder observar mejor las características de la imagen. Además de las imágenes normales que se adquirieron por parte del hospital, es decir, las imágenes que se obtuvieron realizando el estudio sin medio de contraste, también se tienen una serie de imágenes tomadas con medio de contraste del mismo paciente. Por ejemplo, en el caso de las imágenes con las que se realizó este ejemplo, se tienen:

18

Fig. 27 Secuencia de imágenes tomadas con agente de contraste

Fig. 28 Imagen procesada

Este ejemplo se realizó procesando imágenes del archivo VCG, donde el diagnóstico del paciente es

retinopatía diabética no proliferativa moderada y fue tratado por medio de láser.

Se obtuvieron otros resultados implementando el programa a otras imágenes. Al igual que se hizo en el primer resultado, mostraremos la secuencia de imágenes con medio de contraste y el resultado al aplicar el procesamiento por medio de la herramienta diseñada. Caso 1. (Archivos GLA) El diagnóstico de este paciente es retinopatía diabética no proliferativa severa con edema retiniano.

Fig. 29 Secuencia de imágenes con medio de contraste archivo GLA.jpg

19

Fig. 30 Imagen procesada para realce de red vascular archivo GLA1.jpg

Caso 2. (Archivos MAL)

Paciente diagnosticado retinopatía diabética no proliferativa moderada tratado con láser pero fue insuficiente.

Fig. 31 Secuencia de imágenes con medio de contraste archivo MAL.jpg

Fig. 32 Imagen procesada para realce de red vascular archivo mal1.jpg

20

Fig. 33 Imagen procesada para realce de red vascular archivo mal2.jpg

Caso 3 (Archivos HVB) Paciente diagnosticado con agujero macular en ojo derecho.

Fig. 34 Secuencia de imágenes con medio de contraste archivo HVB.jpg

Fig. 35 Imagen procesada para realce de red vascular archivo hvb1.jpg, ojo derecho

21

7. DISCUSIÓN

El programa generado se presenta como una herramienta que se espera sea de ayuda al usuario para poder mejorar la calidad de sus imágenes de fondo de ojo, con el objetivo que, poder realizar un diagnóstico a partir de las imágenes procesadas sea más fácil que con las imágenes originales.

Por supuesto que éste programa tiene limitaciones y que los procesamientos que se presentan son muy generales, pero el desarrollo del mismo, es una muestra de lo que se puede generar aplicando de una forma adecuada los conocimientos sobre el procesamiento de imágenes médicas (en este caso fondo de ojo, pero no se descarta la generación de un programa similar para otro tipo de imágenes médicas).

Mediante la segmentación de la red vascular, podemos evitar el uso de agentes de contraste, aunque, como ya se mencionó, todavía se tienen algunas limitaciones. Como se puede observar en uno de los resultados, por medio del procesamiento de la imagen, podemos evitar esto, haciendo de nuestro sistema planteado un sistema lo menos invasivo posible, pero no siempre se obtendrán resultados de este tipo, ya que en algunos casos, al realizar el procesamiento de la imagen, podemos perder información de algunos signos presentes en la imagen original, y si realizamos este procesamiento, obtendremos falsos positivos, es decir, resultados que no corresponden a la patología que se presenta.

8. RECOMENDACIONES

Se debe continuar con el proyecto de investigación en el área de procesamiento. En este caso, se muestra únicamente el principio del procesamiento “base” de las imágenes de fondo de ojo. Se pretende que en un futuro, el proyecto se continúe por más alumnos de la licenciatura, aprovechando que ya se tiene un banco de datos proporcionado por el Hospital 20 de Noviembre, y segmentada la red vascular, se pueden identificar con mayor facilidad los diferentes signos de las diversas patologías presentadas, por medio de diferentes algoritmos de segmentación de imágenes, así como realizar posteriormente un “software” que realice todos los procesos de manera automática y finalmente conjuntarlo con un sistema de adquisición del cual ya se tienen de igual forma las bases.

22

9. REFERENCIAS 1. Detección Automática de Lesiones en Imágenes de la Retina

http://www.adcis.net/es/Applications/RetinalAnalysis.html

2. Guyton, Hall, “TRATADO DE FISIOLOGÍA MÉDICA”. 9na edición, Ed. Mc Graw Hill- Interamericana, 1997.

3. Pérez J. R, Poley J.A (2003), Diagnóstico y tratamiento de la retinopatía diabética, Divulgación de Salud, Año 1, número 6, octubre 2003.

4. Retinopatía Diabética www.cica.es/~samfyc/retinopa.htm

5. Alteraciones oculares por diabetes, Federación Mexicana de Diabetes.

6. Hipertensión Arterial http://www.iqb.es/cardio/htahtm/cap2/hta2_8.htm

7. Bujan, A. Fontenla, J.R. Alteraciones Microvasculares Oftalmoscópicas de la HTA. Universitat de

Barcelona. Unitat d’Oftalomologia. Lección 27

8. Saenz P, (1997), Repercusiones oculares de la hipertensión arterial, Rev. Perú Cardiol. 1997; XXIII (3): 50-6

9. Laboratorios Bascom Palmer. Angiografía con fluoresceína www.eyecancermd.org/diagnostico.html

10. Procesamiento Digital de Imágenes www.biblioteca.universia.net/html_bura/ficha/params/id/20723.html

11. Azpiroz Leehan, J, Medina Bañuelos, V., Lerallut, JF. Procesamiento de Imágenes Biomédicas. UAM-Iztapalapa. Libros de Texto. ISBN. 970-654-650-2. México

12. Kuri M P, Vargas C M, et. al. La diabetes en México. Dirección General de Epidemiología, Secretaría de Salud. Periodismo de Ciencia y Tecnología. Junio 2005. http://www.invdes.com.mx/anteriores/Junio2001/htm/diabem.html

13. Rosas P M, Lara E A, et al. Re–encuesta Nacional de Hipertensión Arterial (RENAHTA): Consolidación Mexicana de los Factores de Riesgo Cardiovascular. Cohorte Nacional de Seguimiento. Arch. Cardiol. Méx. v.75 n.1 México ene./mar. 2005. http://scielo.unam.mx/scielo.php?script=sci_arttext&pid=S1405-99402005000100016&lng=es&nrm=iso

14. González R., Wintz P., Digital Image Processing, Addison Wesley, 2nd edition 2002. ISBN. 0-201-18075-8.

15. Procesamiento Digital de Imágenes. Proceso de Realce, Segmentación y Binarización http://www.lfcia.org/~carmen/docs/Conclusiones/ConclusionesP/node1.html

16. Telemedicina en el Cribado de la Retinopatía Diabética www.gib.tel.uva.es/Segmentacion.htm

23

10. APÉNDICE Código empleado para el desarrollo de la herramienta de procesamiento function varargout = principal(varargin)

gui_Singleton = 1;

gui_State = struct('gui_Name', mfilename,

'gui_Singleton', gui_Singleton,

'gui_OpeningFcn', @principal_OpeningFcn,

'gui_OutputFcn', @principal_OutputFcn,

'gui_LayoutFcn', [] ,

'gui_Callback', []);

if nargin & isstr(varargin{1})

gui_State.gui_Callback = str2func(varargin{1});

end

if nargout

[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});

else

gui_mainfcn(gui_State, varargin{:});

end

function principal_OpeningFcn(hObject, eventdata, handles, varargin)

handles.output = hObject;

guidata(hObject, handles);

function varargout = principal_OutputFcn(hObject, eventdata, handles)

varargout{1} = handles.output;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

PUSH PRINCIPAL BUTTONS

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

function pushLoad_Callback(hObject, eventdata, handles)%-----------------

global i % i variable global imagen original

global p % p variable global imagen procesada

[fn,pn]=uigetfile('*.jpg;*.tif','Cargar Imagen'); %código para

cargar la imagen

chdir (pn); %.

S=imread(fn); %.

U=RGB2GRAY(S); %.

i=imadjust(U); %ECUALIZACION

set(handles.axesOriginal,'Visible','ON'); %muestra imagen

original en axesOriginal

axes(handles.axesOriginal); %.

image(S), title(fn); %.

axis equal, axis tight, axis off; %.

%----------------------------------------------------------------

function pushSave_Callback(hObject, eventdata, handles)%-----------------

24



i=p; % guarda cambios a imagen procesada

%----------------------------------------------------------------

function pushMejorar_Callback(hObject, eventdata, handles)%--------------



axes(handles.axesProces); %muestra imagen procesada en

axesProces

imagesc(i), colormap (gray); %.

axis equal, axis tight,axis off; %.

set(handles.pushFlaplacian, 'Visible','OFF'); set(handles.pushFsobel,

'Visible','OFF');

set(handles.pushFprewit, 'Visible','OFF'); set(handles.pushFgauss,

'Visible','OFF');

set(handles.pushClean, 'Visible','OFF'); set(handles.pushRed,

'Visible','OFF');

%----------------------------------------------------------------

function pushRea_Callback(hObject, eventdata, handles)%------------------

set(handles.pushFlaplacian, 'Visible','ON'); set(handles.pushFsobel,

'Visible','ON');

set(handles.pushFprewit, 'Visible','ON'); set(handles.pushFgauss,

'Visible','ON');

set(handles.pushClean, 'Visible','OFF'); set(handles.pushRed,

'Visible','OFF');

%----------------------------------------------------------------

function pushSeg_Callback(hObject, eventdata, handles)%------------------

set(handles.pushFlaplacian, 'Visible','OFF'); set(handles.pushFsobel,

'Visible','OFF');

set(handles.pushFprewit, 'Visible','OFF'); set(handles.pushFgauss,

'Visible','OFF');

set(handles.pushClean, 'Visible','ON'); set(handles.pushRed,

'Visible','ON');

%----------------------------------------------------------------

function pushClose_Callback(hObject, eventdata, handles)%----------------

close;

%----------------------------------------------------------------

25

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

PUSH SECONDARY BUTTONS

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

function pushFlaplacian_Callback(hObject, eventdata, handles)



M1=fspecial('average',[3 3]); %proc filtro laplaciano

f=imfilter(i,M1); %.

w=fspecial('laplacian'); %.

f2=im2double(f); %.

p2=imfilter(f2,w,'replicate'); %.

p=f2-p2; %.

axes(handles.axesProces); %muestra imagen filtrada

imagesc(p), colormap (gray); %.


%----------------------------------------------------------------

function pushFgauss_Callback(hObject, eventdata, handles)%---------------



M1=fspecial('average',[3 3]); %procesamiento filtro gauss


w=fspecial('unsharp'); %.

p=imfilter(i,w,'replicate'); %.




%-----------------------------------------------------------------

function pushFsobel_Callback(hObject, eventdata, handles)%---------------



M1=fspecial('average',[3 3]); %procesamiento filtro sobel


w=fspecial('sobel'); %.

f2=im2double(f); %.


p=f2-p2; %.




%----------------------------------------------------------------

26

function pushFprewit_Callback(hObject, eventdata, handles)%--------------



M1=fspecial('average',[3 3]); %procesamiento filtro con prewit


w=fspecial('prewitt'); %.

f2=im2double(f); %.


p=f2-p2; %.




%----------------------------------------------------------------

function pushRed_Callback(hObject, eventdata, handles)%------------------



back= imclose(i,strel('disk',10)); %proc realce red capilar

C1=imsubtract(back,i); %.

D=double(C1)+35; %.

p=uint8(D); %.




%----------------------------------------------------------------

function pushClean_Callback(hObject, eventdata, handles)%----------------



er = strel('diamond',2); %proc limpieza artefactos

di = strel('disk',2); %.

E1=imerode(i,er); %.

E2=imdilate(E1,di); %.

C=imcomplement(i); %.

C2=imdilate(C,di); %.

C3=imerode(C2,er); %.

p=imcomplement(C3); %.




%----------------------------------------------------------------

universidad autÓnoma metropolitana …148.206.53.84/tesiuami/uami14306.pdf · se puede determinar...

Documents