Cruz Roa, Angel AlfonsoLeón Vesga, Edilson Gabriel2024-10-232024-10-232018León Vesga, Edilson G. (2018). Evaluación de métodos de compresión de imágenes de histopatología a partir de las transformadas matemáticas discretas de coseno, wavelet y curvelet [Trabajo de grado, Universidad de los Llanos]. Repositorio digital Universidad de los Llanos.https://repositorio.unillanos.edu.co/handle/001/4552Incluye figuras, tablas y graficas.En este documento se presenta un estudio comparativo de las capacidades de compresión y de reconstrucción de las transformadas discretas de Coseno (DCT), Wavelet (DWT) y Curvelet (FDCT) aplicadas en imágenes de histopatología en mapa de bits. A través de funciones de Matlab las imágenes son capturadas como variables y representadas en las diferentes transformadas por conjuntos de coeficientes que contienen la información no correlacionada de éstas, sobre los cuales se calculan distintos umbrales locales que responden a porcentajes específicos de conservación de la información, estableciendo los coeficientes que preservaran sus valores y los que se igualaran a cero, para posteriormente aplicar un proceso de reconstrucción haciendo uso de transformación inversa. Una vez obtenidas las reconstrucciones, se compararon objetivamente con las originales a través del cálculo de las métricas de evaluación de calidad PSNR y MSE y se seleccionaron los porcentajes de conservación a partir de los cuales se dieron reconstrucciones de alta calidad, realizando un proceso de compresión al almacenar las correspondientes matrices umbralizadas para estos porcentajes en matrices dispersas, calculando los valores de CR entre los tamaños ocupados en disco de la imagen original y la comprimida. Se obtuvieron mejores resultados de compresión con DWT, por encima de DCT y finalmente de FDCT, que genera una mayor cantidad de coeficientes en la representación en comparación con el número de datos de la imagen original. Los tiempos de procesamiento requeridos tanto en la representación como en la transformación inversa fueron muy aproximados entre DWT y DCT y mayores en FDCT, estableciendo que DWT es la transformada adecuada para la compresión en este tipo de imágenes.1. Resumen. -- 2. Introducción. -- 3. Objetivos. -- 3.1. Objetivo general. -- 3.2. Objetivos específicos. -- 4. Marco teórico. -- 4.1. Imágenes médicas. -- 4.1.1. Imágenes de histopatología. -- 4.1.2. Megaimágenes. -- 4.2. Microscopía virtual. -- 4.3. Patología digital o computacional. -- 4.4. Representación de imágenes por transformación matemática. -- 4.5. Medidas de desempeño de la representación de imágenes. -- 4.5.1. Medidas de calidad de la reconstrucción. -- 4.5.2. Relación de compresión. -- 4.5.3. Desempeño computacional (tiempo de procesamiento). -- 4.6. Representación de imágenes basada en transformada discreta de coseno(dct). -- 4.7. Representación de imágenes basada en transformada discreta de wavelet (dwt). -- 4.8. Representación de imágenes basada en transformada discreta rápida de Curvelet (fdct). -- 4.8.1. La primera generación de la transformada curvelet. -- 4.8.2. La segunda generación de la transformada curvelet. -- 5. Metodología. -- 5.1. Conjunto de datos de histopatología. -- 5.2. Almacenamiento de la información de una imagen en Matlab. -- 5.3. Representación por transformada. -- 5.3.1. Representación por dct. -- 5.3.2. Representación por dwt. -- 5.3.3. Representación por fdct. -- 5.4. Umbralización. -- 5.4.1. Umbralización sobre la representación dct. -- 5.4.2. Umbralización sobre la representación dwt. -- 5.4.3. Umbralización sobre la representación fdct. -- 5.5. Reconstrucción. -- 5.5.1. Reconstrucción en dct. -- 5.5.2. Reconstrucción en dwt. -- 5.5.3. Reconstrucción en fdct. -- 5.6. Cálculo de métricas de la calidad de la reconstrucción, de la relación de compresión y de los tiempos de procesamiento. -- 6. Resultados. -- 6.1. Calidad de la reconstrucción. -- 6.1.1. Calidad de la reconstrucción para dct. -- 6.1.2. Calidad de la reconstrucción para dwt. -- 6.1.3. Calidad de la reconstrucción para fdct. -- 6.1.4. Comparación entre las transformadas. -- 6.2. Tiempos de procesamiento. -- 6.3. Relaciones de compresión. -- 7. Conclusiones. -- 8. Referencias bibliográficas.48 páginasapplication/pdfspaDerechos reservados-Universidad de los Llanos, 2018Trabajo de grado - PregradoAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/openAccessRepresentación de imágenesLey de escala parabólicaAnálisis matemáticoImágenes de histopatologíaUniversidad de los LlanosRepositorio digital Universidad de los Llanoshttps://repositorio.unillanos.edu.cohttp://purl.org/coar/access_right/c_abf2