Как интерпретировать цветовую карту для асиметрии изображений термограмм?

Question

[Eugenie Spichkin]

У меня есть два изображения молочных железы
Я хочу найти их асиметрию. Я беру их разность по модулю
diff1 = cv2.absdiff(img1, img2)
Получается
Затем, чтобы увидеть переходы температур, я использую цветовую карту

# Преобразование в grayscale для создания цветовой карты
gray_diff1 = cv2.cvtColor(diff1, cv2.COLOR_BGR2GRAY)
# Создание цветовой карты разности
heatmap1 = cv2.applyColorMap(gray_diff1, cv2.COLORMAP_JET)

Получаю
У меня вопрос. Если посмотреть на правые части изначальных изображений, то увидим сильно красный и сильно синий.
Я думал, что тогда в цветовой карте покажут в этом участке красный цвет(сильные отличия), а нет.
Правильно ли я понимаю логику и работу? Помогите исправить пожалуйста.

Comments

[mayton2019]

Замечание по задаче.

У меня - дежа-вю. Мне кажется ты не первый раз за год появляешся здесь. И твое решение
вроде как никуда не сдвинулось. По прежнему задаешь вопросы уровня новичнка. Нельзя так.

По терминологии. Ассимметрия. Или коэффициент ассмимметрии - это термин из мат-статистики.
Скорее всего ты его неверно применяешь. Пожалуйста избався от него. Это будет путать людей
которые тебе помогают. Если тебе нужна разность - то так и говори. Разность.

Забудь про цвета. Тебе нужна математическая постановка этой задачи. Есть поверхность и ее температура.

Это - функция вида

t = F(x,y)

И ты ДОЛЖЕН сам себе поставить задачу в терминах температур и поверхностей. Преобразуй все в
вещественные числа и решай эту задачу.

Потому что КРАСНЫЙ или СИЛЬНО-КРАСНЫЙ или средней КРАСНОТЫ - это все чепуха на которую
нельзя написать тест. Понимаешь?

Ты можешь публиковать отчет в цветах. Но системы принятия решений должны базироваться на числах
и желательно на вещественных числах.

[Eugenie Spichkin]

mayton2019, Спасибо

[Odissey Nemo]

Разность - это статистическая величина для двумерных массивов, которыми являются изображения.
Наверняка результатом должно являться одно число, характеризующее отличие двух карт (2D-массивов) друг от друга.
Например, можно вычислить коэффициент корреляции межу двумя входными растровыми изображениями (массивами). Т.к. эти массивы имеют одну размерность (длина и ширина) то можно из рассматривать как одномерные массивы, между которыми корреляция по Пирсону - элементарная задача.
Но есть и ранговая корреляция - по Спирмену. Всё зависит от характера входных данных.

А интерпретация КК (коэфф. корр.) примерно такая >= +0.7 означает что изображения весьма близки, а <= -0.7 - весьма различны.
И сравнивать , несомненно, следует:
1. исходные изображения, без всяких изолиний и надписей. И без раскраски в цвета. Пусть это будут значения RGB в каждой точке.
2. отдельно R G и B - это сразу три КК. Что несколько обескураживает. Для получения одного КК можно предложить перевести изображение в чёрно-белое (только яркости) или вычислять расстояние (разницу) между пикселами в 3- мерном пространстве по обычной формуле Эвклида. В Java это будет примерно следующее:

/**
	 * Calculates distance in RGB color space with Euklidian distance between each component
	 *
	 * @param c1 {@link Color} one
	 * @param c2 {@link Color} two
	 * @return double result of comparison. Max possible distance is 225.0. Minimum 0.0
	 */
	public static double colorDistance( Color c1, Color c2 )
	{
		double rDist = c1.getRed() - c2.getRed();
		double gDist = c1.getGreen() - c2.getGreen();
		double bDist = c1.getBlue() - c2.getBlue();
		return Math.sqrt( rDist * rDist + gDist * gDist + bDist * bDist )/* / SQRT_3*/;
	}//end color distance method

Answer 1

[Griboks]

Вы вычисляете разность цветов, а нужно взять разность значений, закодированных этими цветами. Иными словами, вам необходимо предварительно перевести тепловые карты в скалярные поля, затем найти разность и только после накладывать тепловую карту.

Comments

[U235U235]

Зачем переводить? Тепловые карты похоже строятся интерполяцией по 9 фиксированым точкам. Достаточно сделать OCR этих 9 меток, а дальше просто работать с этими данными. Еще лучше сразу работать с данными, на основе которых строятся эти тепловые карты.

[Griboks]

U235U235, мне кажется, слишком плохая симметрия для просто интерполяции.

[Eugenie Spichkin]

U235U235, суть как раз в том, чтобы я работал не с изначальными данными, а с изображениями, которые получены из них.