و پالپ که با مواد مخصوص پر شده است، در تصویر وجود دارد قسمت میانی را انتخاب کرده تا بخشی از پس زمینه نیز حذف شود.
ابتدا سطر اول از ناحیه انتخاب شده را پیمایش کرده و هیستوگرام پروفایل تمام سطرهای موجود در آن ستون را رسم کرده بدین صورت که سطر نمودار برابر با شماره پیکسل های سطری و ستون نظیر آن میزان شدت روشنایی پیکسل مربوطه را نشان می‌دهد. پس از آن نقاط ماکسیمم این هیستوگرام را به دست آورده و مکان و موقعیت هر یک از نقاط بیشینه را در مجموعه های مجزا ذخیره می‌کنیم به گونه ای که هر مجموعه بیانگر یک شماره سطر و ستون پیکسل دارای بیشینه شدت روشنایی محلی در سطر پیمایش شده باشد. در هر مرحله به ازای هر کدام از نقاط بیشینه موجود نزدیکترین پیکسل بیشینه از نظر موقعیت سطری در هیستوگرام پروفایل سطری در ستون بعدی را یافته و به مجموعه مورد نظر اضافه می کنیم.
هرمجموعه بیانگر بخشی از مرکز دندان در تصویر است است که با امالگام پر شده است. برای بدست آوردن شیب قسمت پر شده، تابع رگرسیون خطی۳۴ و مرتبه اول روی نقاط هر مجموعه اعمال شده و شیب خط حاصل محاسبه می‌شود. رگرسیون شاخه‌ای از علم آمار است که استفاده ار آن به نحو وسیعی در اکثر زمینه‌های علمی معمول شده است. خطی تلاش می‌شود که یک تابع خطی که مجموع مربعات خطا۳۵، در رگرسیون کمترین مقدار ممکن را داشته باشد. خطا عبارت است از فاصله عمودی بین مقدار واقعی مشاهده شده و مقداری که برای آن از خط برازش داده شده بدست می‌آید. میانگین شیب خطوط حاصل از رگرسیون خطی تمام مجموعه‌ها، می‌تواند نماینده خوبی برای میزان زاویه چرخش باشد. شکل۳-۲ نمودار پروفایل سطری تصویر که نقاط بیشینه آن به صورت مربع‌های سبز رنگ مشخص شده‌اند را نشان می‌دهد و شکل۳-۳ به صورت خلاصه الگوریتم محاسبه زاویه چرخش را بیان می کند. الگوریتم پیشنهادی می تواند تکرار پذیر باشد و زمانی که تغییر قابل توجهی بین میانگین شیب خطوط محاسبه شده در دو اجرای متوالی وجود نداشته باشد، پایان پذیرد.

تصویر دی نویز شده و نمودار پروفایل سطری متناظر با آن

الگوریتم محاسبه زاویه چرخش

نتایج الگوریتم فوق به دو صورت قابل اجرا می‌باشد. یک راهکار این است که خطوط مستقیم به دست آمده از هیستوگرام نگاشت انباره‌ای عمودی را به اندازه زاویه محاسبه شده چرخاند. روش دیگری که در این رساله به کار برده شده است، این است که تصویر را به اندازه زاویه چرخش محاسبه شده چرخانده و مجددا هیستوگرام نگاشت انباره‌ای عمودی رسم کرده و فواصل بین دندانی را محاسبه کرد. شکل۳-۴-الف راه حل نخست و شکل۳-۴-ب روش دوم را بیان می کند.

اعمال زاویه چرخش بر روی تصاویر الف) راه حل نخست ب) راه حل دوم
۳-۴- تشخیص انتهای ریشه دندان:
بعد از اینکه فواصل بین دندانی مشخص شد، تصویر ورودی که چرخانده شده، از نقاط مشخص کننده بین دندانها، بریده می‌شود به گونه‌ای که هر تصویر شامل یک دندان باشد. در اغلب تصاویر پری اپیکال، دندان مورد مطالعه برای تشخیص ضایعات استخوانی در مرکز تصویر قرار دارد و ممکن است ریشه دندانهای ابتدا و انتهای تصویر به صورت کامل در تصویر موجود نباشد و تنها بخشی از آنها در تصویر باشد. الگوریتم روی تمام قسمت های بخش بندی شده اجرا می‌شود.
به منظور افزایش تباین کلی تصویر هر بخش، ابتدا یکسان سازی هیستوگرام۳۶ روی تصویر انجام می‌شود که باعث وضوح بهتر ساختار استخوان های دندان و بافت های سخت تصویر می‌شود. برای کاهش نویز موجود در تصاویر حاصل در این شیوه، از خواص عملگرهای ریخت شناسی در آشکارسازی نواحی با تباین بالا استفاده می شود. شکل شناسی ریاضی یک تئوری جدید ریاضی است که می‌تواند تصاویر پزشکی را پردازش و آنالیز کند. در این نظریه تصاویر همانند مجموعه هایی رفتار می کنند که می توان تبدیلات مورفولوژیکی را جهت استخراج ویژگی ها در تصاویر به کار گرفت. در تمام پردازش های مورفولوژی از عنصر ساختاری استفاده می شود. این عنصر در پردازش های مورفولوژی نقش مهمی دارد به نحوی که انتخاب مناسب آن، اغلب مهمترین بخش در یک پردازش است. عمولاً المان ساختاری به صورت یک نقاب روی تصویر اصلی حرکت می کند و پردازش های مورفولوژی را تحت کنترل قرار می دهد.
با توجه به توضیحات فوق، برای عملکرد بهتر، سپس بر روی تصویر حاصل عملگر ریخت شناسی بالا کلاه اعمال می‌شود. برای انجام اعمال ریخت شناسی از المان ساختاری۳۷ مستطیل شکلی به ابعاد[w/3*h/3] مانند آنچه در]۷[ آمده است، استفاده می‌شود. در اینجا w و h به ترتیب برابر با تعداد پیکسل‌های موجود در سطر و ستون تصویر می‌باشند.
پس از اعمال عملگر همریختی بالاکلاه از انواع فیلترهای آرام کننده تصویر مانند فیلتر وینر و گوسی۳۸ استفاده می‌کنیم. به کمک تکنیک آستانه گذاری، تصویر را به تصویر باینری تبدیل می‌شود. در]۷[ برای داشتن حداکثر اطلاعات و حفظ ساختار دندانی درتصویر باینری از سه حد آستانه استفاده شده است. از آنجا که به هدف تشخیص انتهای دندان ریشه دندان است، بهترین حد آستانه برای تصاویر موجود در پایگاه داده گردآوری شده میانگین شدت روشنایی تصویر حاصل از عملگر بالاکلاه می‌باشد.
پس از اینکه تصویر باینری ایجاد شد از عملگر جمع کننده و فشرده‌ساز۳۹ استفاده کرده و بعد از آن عملگر اکثریت۴۰ به کار برده می‌شود. عملگر اکثریت با درنظر گرفتن همسایگی ۳×۳ برای هر پیکسل، در صورتی که مقادیر اکثر پیکسل‌های همسایه برابر با یک باشد، مقدار پیکسل مرکزی را یک قرار می‌دهد. این عملگر موجب پر شدن فضاهای خالی و اتصال بخش های نزدیک بهم می‌شود.
سپس برای باریک کردن ناحیه استخوان و به خصوص ناحیه اطراف انتهای ریشه از عملگر skeleton استفاده می‌کنیم. پس از آن به کمک تکنیک برچسب گذاری اجزای بهم پیوسته۴۱ تعداد و مساحت کلیه نواحی متصل بهم را در تصویر محاسبه و ناحیه ای که دارای بیشترین مساحت است را نگه داشته و بقیه را حذف می‌کنیم. برای راحتی کار ستون های بالا و پایین تصویر که کاملا به صورت سیاه در تصویر وجود دارند و فاقد بافت دندانی می‌باشند را حذف می‌کنیم.
از آنجایی که قسمت انتهای ریشه دارای ساختار باریکتر از قسمت بالای دندان می‌باشد بنابراین با مقایسه مجموع چند ستون از بالا و مجموع چند ستون از پایین تصویر، می‌توان در مورد جهت انتهای ریشه تصمیم گیری کرد. اگر مجموع ستون های بالا کمتر از مجموع ستون های پایین تصویر باشد، انتهای ریشه در بالاترین ستون تصویر و در غیر این صورت در آخرین ستون تصویر است. برای مشخص شدن موقعیت سطر ریشه تعداد یک ها موجود در ستون وسط را شمرده و و از این بین سطر شامل میانی ترین یک را به عنوان سطر انتهای ریشه در نظر می‌گیریم.شکل۳-۵ بلوک دیاگرام تشخیص انتهای ریشه را نشان می دهد.

بلوک دیاگرام تشخیص انتهای ریشه

Leave a Comment