Matematisk Model for Mavesækkens Tømning - Danmarks Tekniske ...
Matematisk Model for Mavesækkens Tømning - Danmarks Tekniske ...
Matematisk Model for Mavesækkens Tømning - Danmarks Tekniske ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
28 Kantfindingsprogram<br />
– p(i,j+1) < cs<br />
– p(i,j+2) < cs<br />
I stedet <strong>for</strong> at fem betingelser skulle være opfyldt, før et kantpunkt var defineret<br />
kunne antallet af betingelser være fx tre eller syv. De fem betingelser, som er<br />
beskrevet oven<strong>for</strong>, virker dog rimelige, idet man betragter to <strong>for</strong>eg˚aende punkter,<br />
to efterfølgende punkter samt det aktuelle punkt. Var antallet af betingelser blot<br />
tre ville der angiveligt være blevet fundet <strong>for</strong> mange kantpunkter, idet langt flere<br />
punkter ville opfylde de tre betingelser frem <strong>for</strong> de fem betingelser. Omvendt<br />
ville tilføjelsen af to betingelser ikke øge nøjagtigheden nævneværdigt. De fem<br />
betingelser virker der<strong>for</strong> som et <strong>for</strong>nuftigt krav.<br />
P˚a figur 4.2 ses r˚adata med den fundne kant omkring mavesækken. Det ses, at<br />
kanten omkring data fra 99m Tc ikke er entydigt bestemt, men dog ser ud til at<br />
stemme nogenlunde. Værre er det g˚aet med data fra 111 In, hvor der slet ikke er<br />
fundet nogen sammenhængende kant. Det viser sig, at der er to problemstillinger:<br />
Pixelværdierne omkring mavesækkens kant fluktuerer op og ned, og det er<br />
der<strong>for</strong> ikke muligt at finde en entydig kant.<br />
Der er <strong>for</strong> meget støj i r˚adata fra 111 In til, at der kan findes en sammenhængende<br />
kant omkring mavesækken.<br />
Løsningen til det første problem er at filtrere r˚adata med et lavpasfilter, hvorved<br />
støjen omkring kanten fjernes. N˚ar data fra 99m Tc filtreres med et lavpasfilter,<br />
bliver billedet mere udglattet som følge af, at de højfrekvente bidrag er fjernet.<br />
P˚a figur 4.4 ses et eksempel p˚a data fra 99m Tc efter filtrering med lavpasfilter.<br />
Det er nu muligt at definere kanten med kantfindingsalgoritmen, idet pixelværdierne<br />
hen mod mavesækken er monotont stigende og ikke længere fluktuerer.<br />
Neden<strong>for</strong> ses et eksempel p˚a MATLAB kode til filtrering af billede med lavpas<br />
filter. For uddybende kode se A.2 i Appendix A.<br />
1 LP = [1 2 1;2 4 2;1 2 1]/16;<br />
2 Data Tc99m LP = conv2(Data Tc99m,LP,'same');<br />
Filtrering af et billede med et lavpasfilter kan udtrykkes ved (4.1), hvor pij<br />
angiver værdien i det givne punkt, wij angiver vægtningen i det givne punkt,<br />
og Pij angiver værdien i punktet efter filtrering, se figur 4.3. Lavpasfiltrering af<br />
et billede betyder s˚aledes, at der findes en vægtet værdi <strong>for</strong> hvert punkt, hvor<br />
punktet selv vægter mest, nabopunkterne vægter næstmest, og yderpunkterne<br />
vægter mindst.