Commandlineparameters and Environmentvariables

Durante la prueba colposcópica la paciente se encuentra acostada en la mesa de exploración con las piernas sujetas en unos soportes llamados “pierneras” con los que se evitan los movimientos de rotación o escalamiento. Sin embargo, factores como la respiración, nerviosismo, movimientos musculares, o incluso el ritmo cardíaco de la propia paciente podrían producir movimiento de traslación, siendo necesario la estabilización de las secuencia de imágenes, lo cual se ha resuelto por medio de algoritmos de registro de imágenes[17]. El registro de imágenes es necesario frecuentemente para: 1) integrar información tomada de diferentes sensores, 2) encontrar cambios en las imágenes que han sido tomadas en diferentes tiempos o bajo distintas condiciones, 3) inferir información tridimensional de imágenes en las cuales la cámara o los objetos en la escena se han movido y 4) para modelos basados en el reconocimiento de objetos. El problema a resolver del registro de imágenes es el de encontrar una transformación espacial con respecto al nivel de intensidad que minimice una cierta función de error que permita que las imágenes se estabilicen [33]. En nuestro caso, suponemos que la fuente principal del movimiento en las secuencias colposcópicas pueden ser modeladas por simple traslación. Debido a que las imágenes colposcópicas no contienen muchos detalles distintivos, un método basado en el área fue elegido. El representante clásico de los métodos basado en el área es la correlación-cruzada normalizada (CC) [17]. Este método busca la coincidencia directa de las intensidades de la imagen, esta medida de similitud es calculada en cada par de ventanas desde las imágenes de entrada y de las imágenes de referencia en donde se busca su máximo [34]. En este trabajo, la finalidad del registro de imágenes es el de corregir el movimiento que pudiera existir en la secuencia colposcópica. Esto se logra a partir de la selección de un área de interés (ROI – “Region of interest”). La ROI contiene patrones definidos durante toda la secuencia de imágenes, esta se añade en las imágenes (en forma de recuadro) como referencia para el registro de las imágenes (Figura 4.1). En [22] se describe a detalle el método empleado para registrar las secuencias colposcópicas.

Figura 4.1. Area de interés (ROI – “Region of Interest”) añadida en la imagen (en forma de recuadro) como referencia para el registro de las imágenes.

4.3.1 Cambio de espacio de color.

Un modelo de color es un modelo matemático abstracto, mediante el que se identifica el color mediante tuplas de números, por lo general 3 ó 4. Por ejemplo el color rojo se puede representar por la tupla (255,0,0), o por (0,100,100). Por tanto cuando hablamos de RGB o CMYK, nos referimos a modelos de color. El valor de los parámetros va a depender del modelo matemático empleado [35]. El espacio de color es un modelo que representa colores en términos de valores que puedan medirse, tales como la cantidad de rojo, verde y azul que posee una imagen. En este trabajo las imágenes se han representado en espacio de color RGB, CIELAB, YCbCr, escala de grises y filtro 525 nm.

El espacio de color RGB (del inglés “Red”, “Green”, “Blue” – Rojo, Verde, Azul) hace

referencia a la composición del color en términos de la intensidad de los colores primarios con que se forma: el rojo, el verde y el azul (Figura 4.2). Es un modelo con el que es posible representar un color mediante la mezcla por adición de los tres colores primarios. El modelo de color RGB no define por sí mismo lo que significa exactamente rojo, verde o azul razón por la cual los mismos valores RGB pueden mostrar colores notablemente diferentes en diferentes dispositivos que usen este modelo de color [19]. Para indicar con qué proporción se mezcla cada color, se asigna un valor a cada uno de los colores primarios, por ejemplo el valor 0 significa que no interviene en la mezcla y a medida que ese valor aumenta se entiende que aporta más intensidad a la mezcla. La intensidad de cada una de las componentes se mide según una escala que va del 0 al 255 [19].

Figura 4.2. Cubo de color RGB.

El espacio de color CIELAB (CIE L*a*b*) se basa en un estándar desarrollado por la

CIE (“Commission Internationale de l’Eclairage”)y diseñado para ser "independiente del dispositivo", es decir, crea colores persistentes e inalterables por el medio de salida de la imagen, ya sea una impresora o un monitor [36].

Los tres parámetros del modelo CIELAB representan:

L: Luminancia del color; 0 representa el negro y 100 representa el blanco

a: Posición entre el rojo y el verde: Valores negativos se van al verde mientras que los

b: Posición entre el amarillo y el azul: Valores negativos indican azul y positivos

amarillo

El espacio CIELAB es un espacio absoluto, esto es, los colores que representa no son ambiguos, ya que no dependen de factores externos (Figura 4.3). Los colores definidos por este espacio son abstractos, ya que no están asociados a un dispositivo de reproducción del color [35].

Figura 4.3. El espacio CIELAB permite especificar estimulos de color en un espacio tridimensional. El eje *L es el de luminosidad (lightness) y va de 0 (negro) a 100 (blanco). Los otros dos ejes de coordenadas son a* y b*, y representan variación entre rojizo-verdoso, y amarillento-azulado, respectivamente.

El espacio de color YCbCr se basa en el modelo RGB, pero restringiendo y

descomponiendo algunos valores del RGB. Este espacio de color tiene tres componentes

[19]:

• La componente Y, o Luminancia (información de brillo), es decir, la imagen

en escala de grises.

• Las componentes Cb corresponden a la Saturación (la cantidad de blanco, o

la pureza del color).

• Cr, representan el Tono (el nombre del color propiamente dicho, o la

longitud de onda asociada);

Las señales CbCr, son conocidas como Crominancia (información de color). El

resultado es una imagen en la que la luminancia está separada de la crominancia. El formato YCbCr, concentra la mayor parte de la información de la imagen en la luminancia

y menos en la crominancia. El resultado es que los elementos de YCbCr, están menos

correlacionados y pueden ser codificados por separado [37].

En cuanto a las imágenes en escala de grises cada píxel de una imagen puede ser uno de

los 256 valores distintos de gris, del negro (cero) al blanco (255). Este tipo de datos muestra suaves cambios de tono utilizando tonos intermedios de gris. La resolución de una imagen en escala de grises determina el tamaño de los píxeles y, en consecuencia, el número de píxeles de una imagen. Cuanto mayor sea la resolución, los cambios de tono de gris serán más suaves y por tanto más exacta la representación de la imagen (las imágenes de alta

resolución también utilizan más memoria) [38]. En este trabajo las imágenes también se han convertido a escala de grises ya que con sólo un componente (a diferencia de los tres en RGB, YCbCr o CIE L*a*b) se puede obtener el cambio de intensidad producido por la dinámica aceto-blanca, además de simplificar el procesamiento de las imágenes[18].

4.3.2 Cambio de resolución.

Después de cambiar las secuencias colposcópicas a escalas de grises o filtro de 525 nm se reduce su tamaño en un 50%. Logrando con esto disminuir el costo computacional en el manejo de las imágenes. Este reescalamiento puede también ser visto como un filtro espacial pasa bajas que hará a las imágenes más homogéneas y con menos ruido. Con las imágenes alineadas, en escalas de grises o filtro 525 nm y con menor resolución es posible obtener a partir del valor de intensidad de cada píxel series temporales las cuales caracterizan la respuesta aceto-blanca [22].