APROXIMACIN AL RECONOCIMIENTO AUTOMTICO DE LA MALARIA EN IMGENES MICROSCPICAS DE FROTIS DE SANGRE

TRG 0440

MARIA VALEZZKA ORTIZ SEGOVIA MARIA ALEJANDRA PIMENTEL NIO

DIRECTOR: ALFREDO RESTREPO PALACIOS PhD

BOGOTA D.C. PONTIFICIA UNIVERSIDAD JAVERIANA FACULTAD DE INGENIERIA CARRERA DE INGENIERIA ELECTRNICA 2005

APROXIMACIN AL RECONOCIMIENTO AUTOMTICO DE LA MALARIA EN IMGENES MICROSCPICAS DE FROTIS DE SANGRE

MARIA VALEZZKA ORTIZ SEGOVIA MARIA ALEJANDRA PIMENTEL NIO

Trabajo de Grado para optar al ttulo de Ingeniero Electrnico

DIRECTOR: ALFREDO RESTREPO PALACIOS PhD

BOGOTA D.C. PONTIFICIA UNIVERSIDAD JAVERIANA FACULTAD DE INGENIERIA CARRERA DE INGENIERIA ELECTRNICA 2005 i

PONTIFICIA UNIVERSIDAD JAVERIANA FACULTAD DE INGENIERA

CARRERA DE INGENIERA ELECTRNICA

RECTOR MAGNIFICO: R.P. GERARDO REMOLINA S.J.

DECANO ACADMICO: Ing. FRANCISCO JAVIER REBOLLEDO MUOZ

DECANO DEL MEDIO UNIVERSITARIO: R.P. ANTONIO JOS SARMIENTO NOVA S.J.

DIRECTOR DE CARRERA: Ing. JUAN CARLOS GIRALDO CARVAJAL

DIRECTOR DEL PROYECTO: ALFREDO RESTREPO PALACIOS PhD.

ii

ARTICULO 23 DE LA RESOLUCIN No. 13 DE JUNIO DE 1946

"La universidad no se hace responsable de los conceptos emitidos por sus alumnos en sus proyectos de grado.

Slo velar porque no se publique nada contrario al dogma y la moral catlica y porque los trabajos no contengan ataques o polmicas puramente personales. Antes bien, que se vea en ellos el anhelo de buscar la verdad y la justicia".

iii

A nuestros padres

iv

AGRADECIMIENTOS

El seguimiento del desarrollo del trabajo, as como las sugerencias y aclaraciones del director de este proyecto, Alfredo Restrepo, fueron vitales para llevar a feliz trmino esta investigacin. Gracias.

Un agradecimiento muy especial a la bacteriloga Mara Raquel Daz del Castillo, del Instituto Departamental de Salud de Nario, por facilitarnos material bibliogrfico sobre la malaria, as como instruirnos en el diagnstico de esta enfermedad, ayudarnos con la adquisicin de las imgenes de las bases de datos, y el acceso a los laboratorios del Instituto Departamental de Salud de Nario.

A nuestros asesores, los ingenieros Javier Villegas MSc, y Jairo Hurtado MSc, por sus aportes e inters, as como la recomendacin de referencias bibliogrficas y revisiones del material.

Al Laboratorio de Seales de la Universidad de los Andes, por las valiosas reuniones semanales.

TABLA DE CONTENIDO

TABLA DE CONTENIDO.................................................................................................vi LISTA DE FIGURAS .........................................................................................................ix LISTA DE TABLAS ......................................................................................................... xv 1. 2. INTRODUCCIN ....................................................................................................... 1 MARCO TEORICO..................................................................................................... 4 2.1. VISION DE COLOR Y ESPACIOS DE COLOR............................................... 4 Los tres conos receptores- espacio RGB...................................................... 5 Teora de colores oponentes de Hering y los espacios de Hering................ 6 La sicologa en la visin del color y el espacio HSV................................... 9

2.1.1. 2.1.2. 2.1.3. 2.2.

EL PARSITO DE LA MALARIA .................................................................. 10 Ciclo de vida del plasmodium .................................................................... 11 Color, morfologa y ubicacin del parsito................................................ 13 Diagnstico de la malaria........................................................................... 16 Actualidad de la malaria en Colombia ....................................................... 18

2.2.1. 2.2.2. 2.2.3. 2.2.4. 2.3.

TEORA GENERAL DE LA ESTANDARIZACIN DE COLOR POR

TRIANGULACIN DEL ESPACIO DE COLOR ....................................................... 19 2.3.1. 2.3.2. 2.3.3. 2.4. 2.5. 3. 4. Coordenadas baricntricas ......................................................................... 19 Triangulacin ............................................................................................. 21 Proyecciones .............................................................................................. 25

MTODOS DE CLASIFICACIN: CLUSTERING ......................................... 26 MORFOLOGA MATEMTICA ..................................................................... 29

ESPECIFICACIONES............................................................................................... 30 DESARROLLOS ....................................................................................................... 34 4.1. Etapa preliminar: entrenamiento en deteccin de la malaria y adquisicin de

imgenes......................................................................................................................... 34 4.2. Distribucin del color en las imgenes .............................................................. 35 vi

4.2.1. 4.2.2. 4.2.3. 4.2.4. 4.3.

RGB ........................................................................................................... 36 HERING..................................................................................................... 38 HERING VG.............................................................................................. 40 HSV............................................................................................................ 43

Procesamiento de la imagen: en bsqueda de independencia de iluminacin y

tinte en la base de datos.................................................................................................. 45 4.3.1. Proceso de estandarizacin por triangulacin del espacio de color para

RGB, Hering y Hering VG ........................................................................................ 45 4.3.2. 4.3.3. 4.4. Corrimiento de las nubes de color en RGB................................................ 57 Movimiento en HSV .................................................................................. 62

Clasificacin de la imagen ................................................................................. 65 Propuesta de clasificacin por tetraedros................................................... 65 Clustering en HSV ..................................................................................... 75

4.4.1. 4.4.2. 4.5. 5.

Fase de continuacin: segmentacin y ubicacin .............................................. 79

ANLISIS DE RESULTADOS ................................................................................ 83 5.1. COLOR .............................................................................................................. 83 Color en la malaria ..................................................................................... 83 Causas principales de error ........................................................................ 84 Imgenes amarillentas................................................................................ 85

5.1.1. 5.1.2. 5.1.3. 5.2.

RESULTADOS ESPACIOS DE COLOR ......................................................... 86 RGB ........................................................................................................... 86 HERING..................................................................................................... 87 HERING VG.............................................................................................. 88 HSV............................................................................................................ 89

5.2.1. 5.2.2. 5.2.3. 5.2.4. 5.3. 5.4. 5.5. 6.

RESULTADOS DE INVERSAS DE HERING Y HERING VG...................... 92 RESULTADOS SOBRE IMGENES SIN MALARIA ................................... 94 PROPUESTA DE FUTURA IMPLEMENTACIN EN TELEMEDICINA ... 96

CONCLUSIONES ..................................................................................................... 99

BIBLIOGRAFA ............................................................................................................. 104 LISTA DE ANEXOS....................................................................................................... 108 vii

ANEXO A. ALGORTIMOS............................................................................................ 109 ANEXO B. INTERFAZ GRFICA ................................................................................ 117 ANEXO C. INVERSAS DE HERING Y HERING VG ................................................. 122 ANEXO D. TABLAS DE RESULTADOS EN IMGENES DE BASE DE DATOS... 127 ANEXO E. ABERRACIN DE COLOR ....................................................................... 132

viii

LISTA DE FIGURAS Figura 1. Interaccin de los distintos modelos de visin humana del color [29]................. 4 Figura 2. Diagramas del cerebro y ojo, resaltando las partes importantes en la

determinacin del color. [10] ....................................................................................... 5 Figura 3. Sensibilidades espectrales de los tres tipos de conos y de los bastones (rod en la figura) [10] ................................................................................................................... 5 Figura 4. Espacio de color RGB ......................................................................................... 6 Figura 5. Clulas ganglionares de colores oponentes [10].................................................. 7 Figura 6. Dos vistas de la forma del espacio Hering RG-YB ............................................ 8 Figura 7. Dos vistas de la forma del espacio Hering VG................................................... 9 Figura 8. A la izquierda HSI, a la derecha espacio de color HSV ..................................... 10 Figura 9. Hembra Anopheles [21]..................................................................................... 11 Figura 10. Ciclo de vida de la malaria[16]......................................................................... 12 Figura 11. Morfologa del plasmodium falciparum [16] ................................................... 14 Figura 12. Morfologa del plasmodium vivax [16]............................................................ 15 Figura 13. Clulas sanguneas [3] ...................................................................................... 16 Figura 14. Gota gruesa con malaria ................................................................................... 17 Figura 15. Frotis de sangre con malaria [21] .................................................................... 17 Figura 16. Coordendas baricntricas en dimensin 2. Se observa que si b=0, c=1,

entonces el punto A est en la posicin de C, y est en la posicin de B si c=0. ...... 20 Figura 17. Coordenadas baricntricas para el caso de dos dimensiones. Los valores en rojo, son los que toman las coordenadas baricntricas en el correspondiente vrtice del triangulo que forman A B y C. En verde los valores que toma la coordenada baricntrica en la recta indicada................................................................................. 20 Figura 18. Diagrama de proceso de estandarizacin [8] .................................................... 22 Figura 19. Vrtice con tres mximos a la misma distancia.............................................. 23 Figura 20. A la izquierda, tetraedro grande y el pequeo, cubierto por una nube de

puntos pertenecientes a un plasmodium, es el que arroja el programa tetrapeque. En ix

la derecha la misma nube desplazada con respecto al tetraedro pequeo (encerrado en un crculo rojo)........................................................................................................... 24 Figura 21. Ilustracin de la proyeccin de un punto por fuera del tetraedro ABDC a la cara ms cercana, para este caso la ABD. En azul, al recta entre el punto y el baricentro del tetraedro. ............................................................................................. 26 Figura 22. A la izquierda una muestra de datos. A la derecha agrupacion de los datos por clusters, donde la caracteristica represetnativa de cada clase es su ubicacin espacial.[5] ................................................................................................................. 27 Figura 23. Muestras de la apariencia de las fotos originales, en el rectngulo azul se muestra el rea de corte.............................................................................................. 31 Figura 24. Diagrama en bloques ....................................................................................... 32 Figura 25. En la izquierda, los tringulos azules son las reas seleccionadas para hacer las nubes de la derecha, azul para foto azulada y amarillo para la amarillenta. .............. 37 Figura 26. Nube de medias en vistas diferentes. Azul para plasmodium, rojo para glbulo y verde para fondo. Puntos para fotos azuladas y asteriscos para fotos amarillentas ................................................................................................................ 38 Figura 27. Abajo, nubes de distribucin para las dos fotos superiores. Puntos en azul

para la foto azulada y los amarillos para la foto amarillenta...................................... 39 Figura 28. Diferentes vistas para nubes de medias. Asteriscos para fotos amarillentas y puntos para fotos azuladas. Verde para fondo, rojo para glbulos y azul para

parsito. ...................................................................................................................... 40 Figura 29. Ejemplos de nubes de distribucin en el espacio Hering VG......................... 41 Figura 30. Cuatro vistas de la nube de medias en el espacio Hering VG. Asteriscos para fotos amarillentas y puntos para fotos azuladas......................................................... 42 Figura 31. Representacin en el espacio HSV de los colores de los pxeles de la imagen de la izquierda. ................................................................................................................ 43 Figura 32. Vistas de la distribucin de color de la imagen de la Figura 31. A la izquierda vista de la circunferencia donde V=1. A la derecha, vista del cono para Valor y Saturacin................................................................................................................... 44

Figura 33. Ejemplo de los acercamientos al proceso de triangulacin de la nube de distribucin de Hering para los dos tipos de imgenes. ............................................. 47 Figura 34. Los tetraedros azules son para las fotos azuladas y los tetraedros rojos son para las fotos amarillentas. Dos vistas diferentes ............................................................. 49 Figura 35. En grupos de dos imgenes se muestra el proceso de contraste en cuatro fotos azuladas, a la izquierda la foto original, a la derecha la imagen con contraste.......... 50 Figura 36. Ejemplos de los resultados en grupos de dos fotos. A la izquierda imagen original, a la derecha la imagen con contraste. ......................................................... 51 Figura 37. En la izquierda estn los tetraedros para las fotos azuladas para el espacio de Hering. A la derecha tetraedro para imgenes amarillentas....................................... 52 Figura 38. Imgenes con contraste en Hering. Las fotos originales son las mismas de la Figura 35 .................................................................................................................... 54 Figura 39. Imgenes con contraste en Hering. Las fotos originales se encuentran en la Figura 36. ................................................................................................................... 54 Figura 40. Tetraedros para fotos azuladas en Hering VG a la izquierda. A la derecha

tetraedros para imgenes amarillentas. ...................................................................... 55 Figura 41. Ejemplos para el espacio VG de imgenes con contraste............................... 56 Figura 42. Fotos con contraste para Hering VG ............................................................... 57 Figura 43. Arriba a la izquierda la foto amarillenta original, a la derecha la imagen desplazada y abajo centrada la nube en azul es de una foto azulada cualquiera y la amarilla es la nube de distribucin de la foto desplazada. ......................................... 59 Figura 44. Imgenes amarillentas desplazadas y contrastadas con los tetraedros para las fotos azuladas. Se usaron los mismos ejemplos de las fotos de la Figura 36. .......... 60 Figura 45. La nube azul pertenece a una foto azulada y la amarilla es la nube desplazada para la foto de la Figura 43 ........................................................................................ 61 Figura 46. Imgenes amarillentas desplazadas y contrastadas con los tetraedros para las fotos azuladas de Hering. Se usaron los mismos ejemplos de las fotos de la Figura 36................................................................................................................................ 61 Figura 47. La nube azul pertenece a una foto azulada y la amarilla es la nube desplazada para la foto de la Figura 43. ....................................................................................... 62 xi

Figura 48. Relacin entre coordenadas cilndricas (correspondientes a las del espacio HSV), y coordenadas esfricas. ................................................................................. 63 Figura 49. Primera a la izquierda (a), modificacin en saturacin nicamente. En las imgenes b, c, y d, cambio en esfricas nicamente aumentando en un 85% el r. .... 64 Figura 50. Arriba, vistas de la distribucin en HSV de la Figura 31. Abajo distribucin de color en HSV de la imagen de la derecha en la Figura 49 ......................................... 64 Figura 51. En azul puro se encuentra lo que el sistema clasifica como malaria en RGB para las fotos originales de la Figura 35..................................................................... 66 Figura 52. Las imgenes originales de la Figura 35 con el proceso de estandarizacin en

tres colores. En verde se encuentra el fondo, en rojo los glbulos y en azul el plasmodium. Lo que est en otro color no hizo parte del proceso porque fueron pxeles que quedaron por fuera del conjunto de los tetraedros. ................................. 66 Figura 53. En grupos de dos fotos se encuentran los resultados de la clasificacin para las imgenes originales de la Figura 36 ..................................................................... 67 Figura 54. Ejemplos de fotos amarillentas estandarizadas usando las imgenes originales de la Figura 36. La convencin de colores es igual a la de la Figura 52.................. 68 Figura 55. A la izquierda foto original y a la derecha foto clasificada despus del desplazamiento y la clasificacin. En azul puro est lo que el sistema identifica como malaria.............................................................................................................. 68 Figura 56. Los cuatro ejemplos de la Figura 35 con contraste y clasificacin. En azul puro se encuentra lo que el sistema clasifica como malaria en Hering .............................. 69 Figura 57. Imgenes azules estandarizadas, ver convencin de colores en la Figura 52.. 69 Figura 58. En grupos de dos fotos se encuentran los resultados de la clasificacin para las imgenes originales de la Figura 36. A la izquierda la imagen con contraste y

clasificacin y a la derecha la foto original clasificada con los tetraedros para las fotos azuladas gracias al desplazamiento................................................................... 70 Figura 59. Imgenes amarillentas estandarizadas. ............................................................ 71 Figura 60. A la derecha foto original y a la izquierda la imagen desplazada y clasificada .................................................................................................................................... 71

xii

Figura 61. Los cuatro ejemplos de la Figura 35 con contraste y clasificacin. En azul puro se encuentra lo que el sistema clasifica como malaria en Hering VG. ...................... 72 Figura 62. Imgenes estandarizadas. Las originales se encuentran en la Figura 35. ........ 72 Figura 63. A la izquierda la imagen con contraste y clasificacin y a la derecha la foto original clasificada con los tetraedros para las fotos azuladas gracias al desplazamiento........................................................................................................... 73 Figura 64. Imgenes amarillentas estandarizadas. ............................................................ 74 Figura 65. Imagen desplazada y clasificada en Hering VG ............................................. 74 Figura 66. A la izquierda centros de los cuatro clusters para las imgenes estudiadas. A la derecha los mismos centros de la izquierda clasificados en cuatro clusters con cuatro centros correspondientes ............................................................................................ 76 Figura 67. A la izquierda (a y c) clasificacin a partir de las imgenes modificadas en HSV., con los puntos de la Tabla 7. A la derecha (b y d) clasificacin a partir de las imgenes originales, sin modificar en HSV............................................................... 77 Figura 68. Arriba tres imgenes con diferencias de iluminacin, tinte, tipo de parsito, y etapa de desarrollo. En la segunda fila, las imgenes modificadas en HSV segn el procedimiento descrito. Abajo las imgenes clasificadas por el mtodo descrito para el espacio HSV, con grupo de cuatro centroides de clusters de la Tabla 7, despus de haber sido modificadas en HSV................................................................................ 78 Figura 69. Arriba imagen desplazada en RGB. Abajo a la izquierda modificacin de la anterior en HSV. A la derecha clasificacin por clustering ....................................... 79 Figura 70. Resultado en RGB. Fotos despus de clasificacin, morfologa y algoritmo de ubicacin relativa ....................................................................................................... 81 Figura 71. Resultados en Hering. Fotos despus de clasificacin, morfologa y algoritmo de ubicacin relativa. En amarillo el parsito segn la clasificacin, en fucsia se encuentran las zonas que la morfologa dej en duda y que la ubicacin confirm como plasmodium y en verde los que descart.......................................................... 81 Figura 72. Espacio Hering VG. Ejemplos de imgenes despus de clasificacin,

morfologa y ubicacin. ............................................................................................. 82

xiii

Figura 73. Rotulado de la imagen, despus de la modificacin en HSV, la clasificacin por clustering y posterior segmentacin. Estas imgenes sobre las que est el rotulado son las modificadas en HSV. ....................................................................... 82 Figura 74. Diferentes colores del plasmodium................................................................. 84 Figura 75. Los puntos verdes en las fotos originales son los pxeles para los cuales no funciona la inversa en Hering .................................................................................... 93 Figura 76. En verde se encuentran los puntos para los cuales la funcin inversa de

Hering VG no es inyectiva......................................................................................... 94 Figura 77. Imgenes sin parsito despus de l procesamiento. Primera fila, imgenes originales, segunda y tercera fila en HSV, cuarta fila RGB. d, e y f, clasificacin con imgenes a tres colores. Para tercera y cuarta fila en verde lo que se descarta despus de la morfologa y en fucsia se encuentran errores de falsa identificacin .. 95 Figura 78. Diagrama de la propuesta de implementacin del sistema de telemedicina..... 97

xiv

LISTA DE TABLAS Tabla 1. Ejemplo de solape con nmeros aleatorios para ilustrar el problema................. 25 Tabla 2. Resumen de opciones escogidas para el desarrollo del trabajo de grado............. 33 Tabla 3. Grupos de fotos ................................................................................................... 36 Tabla 4. Conjuntos de tetraedros para el espacio de color RGB....................................... 49 Tabla 5. Conjuntos de tetraedros para el espacio de color Hering.................................... 52 Tabla 6. Vrtices para los tetraedros del espacio de color Hering VG ............................. 55 Tabla 7. Cuatro centroides de los clusters, con los cuales se trabaj como patrn de comparacin para realizar la clasificacin de la imagen en estos cuatro componentes. .................................................................................................................................... 76 Tabla 8. Porcentajes de pxeles que quedan excluidos de todo el procesamiento en RGB .................................................................................................................................... 87 Tabla 9. Porcentaje de pxeles que quedan excluidos de todo el procesamiento en Hering .................................................................................................................................... 88 Tabla 10. Porcentaje de pxeles que quedan excluidos del procesamiento en Hering VG. .................................................................................................................................... 89 Tabla 11. Relacin de las caractersticas presentadas por los espacios de color en las fases de desarrollo del proyecto, de acuerdo con el diagrama en bloques.......................... 92 Tabla 12. Porcentaje de pxeles para cuya inversa de Hering no funciona....................... 92 Tabla 13. Porcentaje de pxeles para cuya inversa de Hering VG no funciona. ............... 93

xv

1. INTRODUCCIN
El atributo del color para clasificar objetos, identificar caractersticas e incluso formas es ampliamente utilizado por el hombre, y es un parmetro que no se puede desaprovechar en el procesamiento digital de imgenes.

Las imgenes en escala de grises han sido tiles en algunos campos en las cuales se puede prescindir de la informacin que proporciona el color, sin embargo, la necesidad de incluirlo en otros se ha convertido en un desafo para los interesados en el tema. La medicina, la astronoma, el rea textil, la agricultura, la floricultura son solo algunas reas que no pueden permitirse perder el color como caracterstica fundamental. Sin embargo, el hecho de incluir el color en imgenes de computador no garantiza que ste se pueda tratar como tal con facilidad.

La situacin ideal para el reconocimiento automtico de la malaria depende de factores tales como preparacin de la muestra, el aumento y tipo del microscopio y de la cmara, cantidad de luz, calidad del tinte, acople microscopio-cmara. Para fortalecer los campos del telediagnstico y diagnstico automtico es necesario estandarizar estos factores, desde el aspecto mdico, para disminuir las grandes diferencias que se presentan entre las imgenes de una placa y otra. Computacionalmente hablando, una estandarizacin

implica disminuir la mayora de los efectos y reconocer en cualquier muestra el plasmodium sin importar las caractersticas de la imagen. El color en muchos casos de diagnstico es vital, entonces, cmo lograr que se obvien factores como diferencia por mezcla de tintes, y se siga aprovechando este atributo en un sistema remoto compartido? Surge entonces la opcin de una manipulacin de la imagen que logre mitigar las diferencias al momento de la toma de muestras hechas en diferentes lugares por personas distintas, y que permita un inequvoco diagnstico. 1

El color, la morfologa y la ubicacin relativa son los atributos diferenciadores en el diagnstico de la malaria [16] en una imagen de frotis de sangre, siendo el primero el objeto principal de este proyecto. En este contexto se han trabajado espacios de color tradicionales como el RGB por su amplia difusin, y se ha explorado de manera experimental con variaciones de ste, donde se incorporen caractersticas perceptivas del color. Los espacios de Hering y Hering VG [24], derivados del NCS (Natural Color System ) representan factores relacionados fisiolgicamente con la visin humana, como los procesos de colores oponentes [15], y fenmenos como la circularidad del color muy importante en la psicofsica del mismo. El espacio HSV hace explcitas caractersticas de cmo perceptivamente el hombre caracteriza los colores, si es rojo o naranja, si es rosado o un rojo puro, si es oscuro o claro.

Las imgenes constan de tres partes principales: glbulo, fondo y parsito, adems de artefactos propios de la sangre y defectos en la preparacin de la muestra que no fueron tenidos en cuenta, a excepcin de las plaquetas.

Como parte complementaria de la identificacin del parsito fue necesario aplicar morfologa matemtica para descartar objetos que puedan confundirse con el plasmodium por teirse del mismo color. La morfologa presenta ventajas en aplicaciones de biologa por el manejo de elementos de estructura que se acomodan a la forma de los objetos [9], en este caso de los parsitos de malaria.

Otros trabajos ya realizados en materia de reconocimiento automtico de la malaria [25][6] fueron vitales para guiar la investigacin que aqu se presenta. Sin embargo, no hay mayores antecedentes encontrados adems de estos dos mencionados, uno un desarrollo del Centro de Telemedicina de la Universidad Nacional [25] que involucra color, y el segundo un estudio en el que se usa principalmente morfologa matemtica en escala de grises. Se encontraron referencias de estudios relacionados con otros elementos de la sangre, como leucocitos [20].

La base de datos que se ha utilizado comprende un banco de 100 imgenes variadas, tomadas en el Instituto Departamental de Salud Nario, e incluye diferentes formas de los plasmodium vivax y falciparum, as como variaciones en el tinte del frotis de sangre.

En este documento se presentan las diferentes etapas que llevaron a la culminacin del trabajo de grado. En primera instancia el marco terico busca dar ideas generales de las bases utilizadas, en especial las relacionadas con color, visin de color y mtodos de tratamiento de imgenes, con el fin de que el lector interesado profundice conceptos en las referencias citadas. Se consider pertinente incluir una exposicin ms extensa sobre la malaria, dado que no es un tema de comn uso en trabajos de ingeniera.

Se exponen los desarrollos que llevaron al cumplimiento de los objetivos planteados inicialmente, en tres fases principales. Se presentan los resultados de la distribucin de color de las imgenes contaminadas con malaria, en los diferentes espacios de color utilizados, que llevaron a la siguiente fase de procesamiento de la imagen para lograr una independencia de tinte e iluminacin, donde se exponen los mtodos implementados. Continuando con la clasificacin de los elementos de la imagen, de tal forma que se lograra una clasificacin preliminar del parsito de la malaria, para por ltimo presentar propuestas de segmentacin para deteccin haciendo uso de parmetros como la forma, el tamao y la ubicacin relativa del parsito en la imagen.

Los documento anexos presentan el cdigo implementado en Matlab, la interfaz grfica diseada, los diagramas de flujo de los programas principales, los desarrollos matemticos necesarios para dos de los espacios de color utilizados, tablas de resultados, y algunos conceptos interesante en el desarrollo de este trabajo,

2. MARCO TEORICO
2.1. VISION DE COLOR Y ESPACIOS DE COLOR Las teoras sobre la visin a color se han hecho cada vez ms robustas, solventndose experimentalmente, tratando de incorporar aspectos psicolgicos y perceptivos a los fisiolgicos. Sin embargo la visin a color sigue siendo un fascinante campo de investigacin, sobre todo en la bsqueda de modelos que se ajusten a los procesos humanos. Los espacios de color utilizados en este trabajo de grado se basan en modelos de la visin humana y por eso se presentan aqu entrelazados con los procesos llevados a cabo por el hombre. Mayores referencias que amplen el tema son

[10][11][15][14][29][36].

La Figura 1 representa la interaccin de los diferentes modelos de visin en relacin con los procesos de visin humana. En la primera fila, los tres conos como filtros de longitud de onda. En la segunda fila la teora de colores oponentes, y por ltimo los procesos ms perceptivos como saturacin y matiz.

Figura 1. Interaccin de los distintos modelos de visin humana del color [29]

2.1.1.

Los tres conos receptores- espacio RGB

Figura 2. Diagramas del cerebro y ojo, resaltando las partes importantes en la determinacin del color. [10]

Los conos y bastones en la retina, son apenas el inicio del complejo proceso de visin, y en particular de la visin de color en el hombre, como se ve en los diagramas de la Figura 2 [28]. Las concepciones iniciales de visin de color como nicamente un fenmeno fsico de descomposicin de la luz, dieron paso a teoras de tricroma en el color, asocindolo en principio con los tres tipos de cono. Se sabe con certeza que la visin a color se logra gracias a este sistema trivariante [11] que conforman los tres conos.

Los picos de absorcin de los conos son los siguientes: 430nm para los conos de ondas cortas S (azul), 530nm para medias M (verde), 560nm para largas L (rojo)[15]. Es importante aclarar que estas longitudes de onda no corresponden con el azul, verde y rojo puros1. Tradicionalmente se ha denominado a los conos de esta forma asocindolos con stos tres colores, pero en realidad el pico del cono S correspondera a un violeta monocromtico, el pico M a un CIAN, y el cono L a un amarillo-verde, como se puede ver en la Figura 3.

Figura 3. Sensibilidades espectrales de los tres tipos de conos y de los bastones (rod en la figura) [10]

Segn la Comisin Internacional de Iluminacin (CIE por sus siglas en francs), los valores especficos del

azul , verde y rojo son: 435.8nm, 546.1nm, y 700nm respectivamente [9]

La formalizacin matemtica del color en trminos de tres variables independientes (Young, Helmoltz, Maxwell, Grassman [29] ) es lo que ha dado paso a definir variados espacios de color en tres dimensiones, entre ellos el RGB. Ms formalmente se

encuentran los modelos que relacionan la sensibilidad espectral de los tres conos en una transformacin lineal y fueron usadas por la Comisin Internacional de la Iluminacin CIE para enunciar un estndar de color en trminos de tres coordenadas o triestmulos [29][31].

El espacio RGB, se deduce, de manera inmediata del sistema de los conos. Est relacionado con el sistema L M S del ojo humano. Los colores entonces, se ven como combinaciones de estos tres componentes. El modelo RGB se basa en un sistema de coordenadas cartesianas, donde el subespacio de color es un cubo (ver Figura 4). Utilizando el modelo RGB en imgenes, se tienen tres planos independientes, uno para cada color.

Figura 4. Espacio de color RGB2

2.1.2.

Teora de colores oponentes de Hering y los espacios de Hering

Los complejos procesos que siguen al de recepcin de los conos en la retina, comienzan a vislumbrar que la visin humana del color no es algo nicamente fisiolgico. La percepcin y la sicologa juegan un papel vital, al momento de distinguir el color de un objeto en una escena.

Tomado

de

Color

Depth

and

Color

Spaces.

Disponible

en

internet:

http://www.csbsju.edu/itservices/teaching/c_space/colors.htm

Las teoras de Ewald Hering (1834-1918), de los colores oponentes [10], (ver Figura 5), han sido validadas en las acciones de clulas ganglionares de la retina y el ncleo lateral geniculado, [11][15][24] donde se hallan clulas llamadas oponentes, algunas encargadas de la respuesta rojo-verde, y otras de la amarillo-azul. De igual forma ms adelante, las clulas doblemente oponentes relacionadas con el contraste de color en los bordes de los objetos [11], sustentan la importancia de esta teora, con un gran toque de percepcin. De estos adelantos, se trae el espacio de color NCS

Figura 5. Clulas ganglionares de colores oponentes [10]

NCS3. En este espacio se incorpora de manera aproximada el modelo de colores oponentes de Hering al espacio RGB, y su mayor ventaja es lograr darle propiedades geomtricas y algebraicas al concepto de colores opuestos manteniendo una transformacin lineal entre RGB y NCS. Sin embargo el modelo carece de ortogonalidad entre los colores bsicos en el sentido que la componente Y-B tiene aportes en los casos de rojo puro y verde puro del espacio RGB [6]. La matriz de transformacin se presenta a continuacin.
R G Y B = BkW 1 1 0 R 1 G 1 1 2 2 1 1 1 3 3 3 B

Variaciones al espacio NCS:

Natural Color System (sistema de color natural).

Espacio de Hering. Dada la falta de ortogonalidad de la componente YB en el espacio NCS se propone una modificacin que eliminar los efectos de R y G sobre YB [17]. Esta nueva transformacin ya no es lineal.

YB = (R * G + B )( 1 2 (R + G ) B ) BkW = 1 3 (R + G + B ) El espacio Hering no es un cubo como en RGB, en la Figura 6 se puede observar que su forma es parecida a un cubo deformado y algo curvo. Se usa un algoritmo del trabajo de grado de Zulma Garzon [8] para hacer la transformacin y visualizar la forma del espacio.

RG = R G

Figura 6. Dos vistas de la forma del espacio Hering RG-YB

Espacio Hering VG. Si se toma en cuenta la circularidad en el color, la cual en no es

explcita en Hering, en RGB es un poco obscura, y est ausente en los modelos de longitud de onda, se puede pasar del azul al amarillo pasando por el verde, y luego del amarillo al rojo pasando por el naranja. Finalmente se pasa del rojo al azul a travs del magenta, completando un crculo [24]. Se propone entonces la siguiente variacin al espacio de Hering, que incorpore esta caracterstica: El plano RG cambiar por el VG4, y el plano YB cambiar ligeramente [22], mientras que el plano BkW se mantendr igual:

Violeta verde

VG = 0.5(R + B ) G

YB = 10G (R + B )( 1 2 (R + G ) B )

El espacio Hering VG es geomtricamente aun ms deformado que el de Hering con respecto al cubo, en la Figura 7 se puede observar su forma. Para graficar este espacio se us el mismo algoritmo que para el espacio de Hering [8] obviamente con algunas modificaciones.

Figura 7. Dos vistas de la forma del espacio Hering VG

Ser necesario para la manipulacin de estos dos espacios, hallar una forma de obtener las coordenadas en RGB a partir de puntos en el espacio de Hering y Hering VG. La solucin a simple vista no se ve inmediata por la falta de linealidad en el sistema de ecuaciones, y la bsqueda del mtodo inverso para estas har parte de los desarrollos de este Trabajo de Grado.
2.1.3. La sicologa en la visin del color y el espacio HSV

La decisin definitiva en el proceso de visin de color, se da a nivel de la corteza cerebral, en la zona V4 [36]. Es all donde se dan fenmenos como la constancia de color, capacidad del sistema de visin humano de percibir el color en un objeto, constante bajo diferentes condiciones de iluminacin. El color de un objeto en una escena es percibido por la comparacin con los dems colores de la escena, lo cual justificara la constancia de color presente en la visin humana. 9

De igual forma aspectos psicolgicos y perceptivos hacen parte de la visin a color. El modelo HSV se relaciona por medio una transformacin no lineal del espacio RGB, en la que el espacio de color est representado por tres componentes: hue (tono o matiz), saturation (saturacin), y value (valor). Este espacio se parece ms al modo de percepcin del color del humano que el RGB, ya que codifica la informacin sobre el color de forma ms intuitiva: qu color es, qu tan intenso, qu tan oscuro o claro es?. La representacin del espacio HSV en R3 es cnica. El matiz se codifica con el ngulo desde un eje de referencia, la saturacin depende del grado en que el color tenga luz blanca, que en el cono es la distancia al centro de ste y por ltimo, el valor es una medida de la cantidad de luz asociada al mximo de los tres valores RGB.

El espacio HSI (Hue, Saturation, Intensity), comparte las mismas componentes de tono y saturacin del HSV. Las frmulas de conversin del espacio RGB al HSI tradicionales se presentan en la referencia [9] el valor V del espacio HSV es el mximo valor entre las tres componentes R, G y B [REF] :

Figura 8. A la izquierda HSI, a la derecha espacio de color HSV

2.2. EL PARSITO DE LA MALARIA

La malaria es causada por cuatro especies de parsitos que infectan los glbulos rojos del ser humano y cada uno de ellos produce un tipo diferente de paludismo [21]:

Plasmodium falciparum 10

Plasmodium vivax Plasmodium malariae Plasmodium ovale

Son organismos unicelulares, tan sofisticados como cualquier clula humana, que matan glbulos rojos para alimentarse. Para vivir utiliza un mosquito hembra como anfitrin

llamado Anopheles el cual recoge el parsito de la sangre de una persona infectada cuando se alimenta de ella y lo pasa a travs de su saliva a otro ser humano.

Figura 9. Hembra Anopheles [21]

El peor caso de malaria lo produce el plasmodium falciparum el cual puede causar la muerte, ya que es capaz de afectar el cerebro (malaria cerebral), infectar el feto (malaria placental) y causar coma. Todos los tipos de malaria pueden controlarse con droga y

producen fiebre, debilidad, dolor de cabeza y afectan principalmente el hgado pero en rara ocasin causan la muerte, el malestar dura entre 10 y 14 das. La vivax y malariae son capaces de resurgir en el organismo despus de cierto tiempo de haber aparentemente desaparecido.
2.2.1. Ciclo de vida del plasmodium

El ciclo de vida del plasmodium (ver Figura 10) consiste de una esquizogonia en las clulas rojas de la sangre del hombre y una esporogonia en el mosquito. Se cumple una verdadera alternancia de generaciones asexual y sexual en el vertebrado e invertebrado respectivamente. Cuando el mosquito Anopheles pica a una persona infectada, los parsitos se multiplican sexualmente (esporogonia) en el tubo digestivo de l y se desarrollan en sus glndulas salivares. 11

En el momento en que el mosquito pica a otra persona inocula los parsitos en un nuevo husped, ellos colonizan primero el hgado, donde tienen varios ciclos de multiplicacin asexuada, y de donde salen a invadir los glbulos rojos (eritrocitos). Dentro de los eritrocitos, los parsitos se reproducen en forma asexuada (esquizogonia), esta multiplicacin es responsable de los sntomas como fiebre, escalofrio, cansancio y nauseas.

Algunos parsitos dentro de los glbulos rojos se transforman en gametocitos, que son las formas sexuadas del plasmodium, y son stos los que se instalan en el intestino del mosquito cuando ingiere sangre infectada, se reproducen sexualmente dentro del l y de esta forma se cierra el ciclo biolgico[17].

Figura 10. Ciclo de vida de la malaria[16]

12

2.2.2.

Color, morfologa y ubicacin del parsito

El parsito es reconocido en el microscopio gracias a tres caractersticas del extendido perifrico de sangre tinturado: el color, la morfologa y la ubicacin.

El color depende en buena medida de la acidez del tinte con el cual se prepare la muestra. El pH ptimo del tinte es 7.5 para que el plasmodium tome un color prpura claro y los glbulos rojos un color rosado traslcido, cuando el pH disminuye el tinte se torna cido y el extendido perifrico se ve ms rojo y cuando ocurre lo contrario el tinte se vuelve bsico y la placa toma un color azulado.

La morfologa del parsito vara de acuerdo al ciclo de vida de ste y del tipo de malaria que se encuentre en la sangre. plasmodium falciparum: En la Figura 11 se observa lo siguiente sobre el 1 : Glbulo rojo normal 2-10 : Etapa de anillo tofozoitos 10-18: Trofozoitos 19-25: Esquizontes 26 : Esquizonte roto

27-28: Macrogametocitos maduros (hembra) 29-30: Microgametocitos maduros (machos)

13

Figura 11. Morfologa del plasmodium falciparum [16]

En la Figura 12 se observa las diferentes formas que toma el plasmodium vivax: 1 : Glbulo rojo normal

2-6 : Etapa de anillo trofozoitos jvenes 7-18 : Trofozoitos 19-27: Esquizontes 28-29: Macrogametocitos (hembra) 30 : Microgametocito (macho)

14

Figura 12. Morfologa del plasmodium vivax [16]

Los casos de paludismo causados por plasmodium malariae y plasmodium ovale son prcticamente nulos en Colombia por lo tanto no se har mucho nfasis en ellos ya que las imgenes con las que se hace investigacin en el pas son tomadas de Internet, generalmente con muy baja resolucin.

La morfologa y el color son importantes para la diferenciacin del parsito que causa la malaria de diferentes artefactos presentes en la sangre como las plaquetas, los glbulos blancos, bacterias, hongos, precipitados debido al tinte y manchas no identificadas, entre otros.

15

Como se mencion anteriormente el parsito se alimenta del glbulo rojo y por lo tanto siempre se encuentra ubicado dentro de ste.

En la Figura 13 se ilustran las diferentes clulas sanguineas con las cuales puede ser posible confundir al parsito cuando no se tiene la suficiente experiencia. Algo

importante a considerar para evitar errar en la identificacin del parsito es el color del pigmento malrico, el cual toma un color amarillento oscuro, casi caf, especialmente en los esquizontes.

Figura 13. Clulas sanguneas [3]

2.2.3.

Diagnstico de la malaria

Para el diagnstico de la malaria existen dos mtodos [21], el clnico y el de laboratorio, los primeros hacen referencia a encontrar sntomas tpicos en las enfermedades febriles y el segundo se hace para diferenciar el paludismo de otras patologas con sntomas parecidos como la fiebre amarilla y dengue.

16

El mtodo de laboratorio utiliza procedimientos de extendidos o frotis y de gota gruesa que se hacen en lminas o laminilla. El frotis, que se logra al extender la muestra de

sangre sobre la lmina, es teido para diferenciar el plasmodium de los glbulos rojos y llevado al microscopio para su evaluacin. Con la gota gruesa, se realiza un proceso similar pero se elimina el paso en el que se extiende la sangre, y esta es simplemente depositada en la lmina para su estudio.

En la gota gruesa se destruyen los glbulos rojos y se dejan las plaquetas, los glbulos blancos y el parsito. En la lmina quedan restos de los eritrocitos y por lo tanto la foto se ve sucia y el parsito se deforma (ver Figura 14 ).

Figura 14. Gota gruesa con malaria

El diagnstico adquiere veracidad gracias al tinte que se le aplica al frotis, ya que ste hace que los glbulos rojos tomen un color rosado plido y el parsito un color prpura transparentoso.

Figura 15. Frotis de sangre con malaria [21]

Los microscopistas, son las personas que preparan las muestras y las observan en el microscopio en las zonas rurales que no cuentan con la presencia de un bacterilogo de 17

tiempo completo. Los casos de malaria deben ser reportados al Instituto Departamental de Salud para mantener un control estadstico de la enfermedad, ademas se les pide a los microscopistas y especialistas que envien las muestras al mismo instituto para la evaluacin del diagnstico. En las zonas urbanas y municipios intermedios, la

preparacin de la muestra la hace generalmente un bacterilogo, quien tambien debe comunicar al instituto sus resultados.

2.2.4.

Actualidad de la malaria en Colombia

La falta de resultados en la investigacin para la prevencin de la malaria ha generado un aumento constante en los contagios con esta enfermedad a lo largo de las ltimas dos dcadas.

El 80% del territorio colombiano cuenta con unas condiciones aptas para la reproduccin del mosquito Anfeles, trasmisor del paludismo, ya que ste habita en zonas tropicales y subtropicales que se encuentren a una altitud inferior a 1200msnm.

En el 2004 se presentaron brotes en Villavicencio y en Buenaventura, en junio y abril, respectivamente. En el primer tercio del 2004 se registraron 129 casos en Buenaventura, sin contar con algunos pacientes del rea rural, los cuales no tienen acceso a puestos de salud [1]. Sin embargo, en los departamentos de Choc, Amazonas y Nario, entre otros, estas cifras son frecuentes.

Todava no existe una vacuna contra la malaria pero se destacan hasta el momento dos investigaciones importantes al respecto: la del Doctor Manuel Elkin Patarroyo, quien en 1987 public los resultados de la primera vacuna sinttica contra la malaria del mundo, SPf66, y la de GlaxoSmithKline cuyos resultados fueron publicados en octubre del 2004. [3][32]

18

La OMS (Organizacin Mdica de la Salud) no ha aprobado ninguna de las vacunas ya que los resultados no han sido claros y se espera que para el 2010 se pueda contar con una vacuna eficaz contra esta enfermedad.
2.3. TEORA GENERAL DE LA ESTANDARIZACIN DE COLOR POR TRIANGULACIN DEL ESPACIO DE COLOR

Investigaciones anteriores[26][22], que incluyen trabajos de grado de la Universidad de los Andes [2][8], han venido desarrollando un procedimiento para la estandarizacin del color en una imagen. Esta tcnica se basa en la hiptesis en la que los colores ms fuertes en una imagen son respetados por cambios en el iluminante [24][26].

A continuacin se describe el algoritmo correspodiente. Las coordenadas baricntricas son usadas en este procedimiento, por lo que se dar una breve explicacin de ellas, antes de entrar en los detalles de la estandarizacin propiamente dicha. Para mayores referencias revisar [2][8][22][26].
2.3.1. Coordenadas baricntricas

Introducidas por primera vez en la obra Der barycentrische Calcul5 de Mbius [12], las coordenadas baricntricas (baricentro: centro de gravedad) son de gran ayuda para dar una ubicacin relativa dentro de un sistema de coordenadas. Pero tienen tambin una representacin geomtrica: el centro geomtrico (baricentro) de un triangulo formado por tres vrtices A, B C est identificado por una tripla de coordenadas baricntricas igual a 1/3.

As, en una dimensin, en la recta real, las coordenadas baricntricas ayudarn a determinar la ubicacin de un punto A con respecto a otros 2 B y C; si A est entre B y C, o si est antes de B, o despus de C. Las coordenadas baricntricas del punto A con respecto a B y C sern dos: b y c. Dependiendo de los valores de b y c, se podr saber la

El Clculo baricntrico. Del alemn el original

19

ubicacin relativa del punto A con respecto a B y C. Estos valores estn relacionados por las ecuaciones de la Figura 16.

A = bB + cC 1=b+c
Figura 16. Coordendas baricntricas en dimensin 2. Se observa que si b=0, c=1, entonces el punto A est en la posicin de C, y est en la posicin de B si c=0.

En dos dimensiones, las coordenadas baricntricas de un punto se dan con respecto a tres puntos puntos de referencia no colineales A, B y C, y en tres dimensiones se darn con respecto a cuatro puntos no coplanares, que forman un tetraedro. Observese un ejemplo, Figura 17, para dos dimensiones que indica la ubicacin relativa de un punto de acuerdo con los valores de sus coordenadas baricntricas.

Figura 17. Coordenadas baricntricas para el caso de dos dimensiones. Los valores en rojo, son los que toman las coordenadas baricntricas en el correspondiente vrtice del triangulo que forman A B y C. En verde los valores que toma la coordenada baricntrica en la recta indicada.

Para el caso de tres dimensiones la ecuacin para el clculo de coordenadas baricnticas, de un punto (x,y,z) con respecto a cuatro puntos en R3 a, b, c, d es la siguiente:

20

a ax a b = y c az d 1

bx bx bx 1

cx cy cz 1

dx x y dy * z dz 1 1

x a x y a = y z az 1 1

bx bx bx 1

cx cy cz 1

d x a dy * b d z c 1 d

Si las coordenadas baricntricas de (x,y,z) estn entre 0 y 1, el punto est dentro del tetraedro formado por los vrtices a,b,c,d.
2.3.2. Triangulacin

En el diagrama a continuacin estn los pasos propuestos para la triangulacin y posterior estandarizacin de la imagen [2][8]. Los algoritmos utilizados para el desarrollo de este trabajo fueron diseados nuevamente, basndose en este diagrama. Adicionalmente se tomaron en cuenta consideraciones propias del problema a tratar. Para mayores detalles sobre las rutinas referirse a ANEXO A, y a los diagramas de flujo del programa principal.

La imagen se adquiere en formato RGB, es decir con tres matrices de igual tamao, una para cada componente RGB. Para cada posicin espacial de un pxel en la imagen corresponde una tripla con su color en RGB. Aqu se trabajar con las componentes de color de cada pxel, su ubicacin dentro de la imagen no se tendr en cuenta, para efectos de su transformacin de color. Esto quiere decir que una imagen de m*n pxeles, tendr mn puntos en el espacio tridimensional de color RGB.

21

Figura 18. Diagrama de proceso de estandarizacin [8]

El cubo que forma el espacio RGB se divide en tetraedros, donde los vrtices de stos son los colores de inters para el tipo de imgenes a tratar. En general el criterio de escogencia de los vrtices es que estos sern los colores ms fuertes en la escena, las cuales por la hiptesis del mtodo, se mantendrn constantes a pesar de cambios en el iluminante.

Las coordenadas baricntricas de los colores de la imagen con respecto a cada tetraedro, indicarn su posicin relativa: si sus valores estn entre 0 y 1, el pxel est dentro del tetraedro. Solo se trabaja con aquellos que cumplan este criterio.

Sobre los puntos dentro de cada tetraedro se buscarn aquellos que estn ms cerca de cada vrtice de ste. Esto se lograr haciendo uso de las coordenadas baricntricas: se buscar para cada vrtice el punto que tenga la componente baricntrica correspondiente de ms alto valor (valor cercano a 1). De esta forma se obtienen cuatro puntos nuevos, que formarn un tetraedro dentro del tetraedro grande. Algunas veces se presenta el caso en el que existe ms de un punto equidistante al vrtice como se plantea en el trabajo de grado de Sonia Castro [2]. En la Figura 19 se tiene un ejemplo de este caso en dos dimensiones, donde los tres puntos estn a la misma distancia del vrtice superior pero no son del mismo color. El punto ms conveniente [2] es el que est ms cercano a la bisectriz del vrtice por ser el ms centrado de los tres y ese ser el que va a ser usado como vrtice del tetraedro pequeo.

22

Figura 19. Vrtice con tres mximos a la misma distancia

Teniendo el nuevo tetraedro, se calcularn las coordenadas baricntricas de los pxeles de la imagen (los puntos originales) con respecto a los vrtices del nuevo tetraedro. Probablemente se encuentren puntos que estn dentro del tetraedro grande pero no dentro del nuevo tetraedro (aquellos cuyas coordenadas baricntricas relativas al nuevo tetraedro tengan valores mayores a 1 o menores a 0). Estos puntos tendrn que ser proyectados sobre alguna cara del tetraedro pequeo.

En este momento se tienen las coordenadas baricntricas de los pixeles de la imagen con respecto al tetraedro pequeo, es decir que las coordenadas indican una posicin relativa de los pixeles en relacin con los vrtices del tetraedro. Para mantener esa posicin relativa, pero ahora con respecto al tetraedro grande se utiliza la ecuacin para el clculo de coordenadas cartesianas, donde se usan los vrtices del tetraedro grande, pero las coordenadas baricntricas son con respecto al pequeo. La Figura 20 ilustra este proceso de desplazamiento de los puntos. Se observa que lo que se logra es extender los puntos en una misma proporcin pero guardando la relacin de cercana entre ellas.

De esta manera, se logra un desplazamiento de los pixeles hacia los vrtices del tetraedro, que se escogieron como los ms fuertes de la escena, y as se busca lograr cierta constancia con respecto a cambios de la iluminacin. La evidencia de esto es el contraste visual producido en la nueva imagen.

23

Figura 20. A la izquierda, tetraedro grande y el pequeo, cubierto por una nube de puntos pertenecientes a un plasmodium, es el que arroja el programa tetrapeque. En la derecha la misma nube desplazada con respecto al tetraedro pequeo (encerrado en un crculo rojo).

Cuando ya se ha realizado el proceso anterior para cada uno de los tetraedros que se tengan, es necesario sumar las matrices de colores que arrojan los tetraedros con los nuevos puntos desplazados. Pero esa suma no es la operacin normal entre matrices porque existen puntos que estn ubicados en las caras compartidas de los tetraedros y por lo tanto estn presentes en dos matrices. Si se suman los puntos que caen sobre las caras compartidas se tendran colores diferentes a los que se quiere, entonces es necesario establecer un criterio de prioridad y orden a cada uno de los tetraedros. Para el caso particular del desarrollo del este trabajo (ver seccin 4.3.1) se decidi tener como base la matriz que sale del tetraedro que corresponde al plasmodium, y encima de esta poner los puntos de las otras matrices de colores, es decir, esta se rellena con los puntos que no fueron tenidos en cuenta como parsitos para evitar un solape que cambie los colores. La prioridad que se eligi fu plasmodium, glbulo y fondo.

En la Tabla 1 est un ejemplo para ilustrar el problema de solape y la solucin dada en este trabajo. Se tienen tres matrices, una por cada tetraedro, los puntos que no caen dentro de ellos se encuentran en (0,0,0) que corresponde al color negro. Las filas que estn resaltadas en rojo tienen problemas de solapamiento y no se pueden sumar, la prioridad la tiene el parsito y por lo tanto en la tercera y ltima fila de las matrices se dejan los pxeles que fueron tratados con el tetraedro para el plasmodium y se descartan los del 24

tetraedro del glbulo, en cambio en la primera fila se le da prioridad al pxel del tetraedro del glbulo y se desecha el del tetraedro del fondo. El algoritmo que resuelve este problema se llama sobrelapa.
Tetraedro parsito 0 0 1 1 0 2 0 0 0 0 2 1 0 0 0 0 4 3 0 2 0 0 0 3 0 0 1 Tetraedro glbulo 2 1 0 0 0 1 1 1 0 0 0 0 0 0 1 0 2 1 1 0 1 2 0 0 0 1 4 Tetraedro fondo 3 4 0 0 0 0 0 0 4 1 0 0 3 3 0 0 0 0 1 0 0 0 1 0 1 0 0

Tabla 1. Ejemplo de solape con nmeros aleatorios para ilustrar el problema

Se tom esta decisin porque es preferible errar por falsa deteccin de un plasmodium que no lo era que por omisin de una zona diciendo que no pertenece al parsito cuando realmente si lo era.

En esta fase tambin se usaron las funciones bar2car que pasa los puntos de coordenadas baricntricas a cartesianas, leer, que lee las imgenes, y rearmar que muestra la imagen final.
2.3.3. Proyecciones

En el proceso descrito anteriormente, se observa que algunos puntos del cubo que estn dentro del tetraedro original (el ms grande), no estn dentro del tetraedro pequeo. Para estos puntos es necesario proyectarlos sobre la cara ms cercana del tetraedro pequeo, y as en el paso final, al volver a coordenadas cartesianas pero con respecto al tetraedro original, los puntos quedarn ubicados relativamente a los vrtices grandes, de la misma forma que estaban ubicados relativamente sobre el pequeo, y no habr ningn punto por fuera del tetraedro grande.

25

Geomtricamente esta proyeccin se puede trabajar desde diferentes pticas. Una, ya trabajada en otros desarrollos [2][8][26], hace la proyeccin desde las coordenadas baricntricas. La otra hace uso de las baricntricas, pero proyecta en coordenadas cartesianas, usando el baricentro del tetraedro.

El proceso de proyeccin desarrollado en este trabajo se compone de los siguientes pasos (ver funcin Proyectar, en anexos para mayor detalle). Encontrar los puntos que estn por fuera del tetraedro Determinar sobre cual cara del tetraedro se debe proyectar el punto (la ms cercana al punto) Trazar una recta entre el baricentro del tetraedro y el punto a proyectar, y encontrar la interseccin entre la recta y el plano de la cara escogida. La interseccin ser el punto proyectado.

Figura 21. Ilustracin de la proyeccin de un punto por fuera del tetraedro ABDC a la cara ms cercana, para este caso la ABD. En azul, al recta entre el punto y el baricentro del tetraedro.

2.4. MTODOS DE CLASIFICACIN: CLUSTERING

La variedad de mtodos de clasificacin en el tratamiento de imgenes permite escoger el ms apropiado para la aplicacin teniendo en cuenta el gasto computacional, las caractersticas de las imgenes del banco de datos entre otros. Se pueden mencionar algunos algoritmos como las redes neuronales, clasificadores bayesianos, KNN (k26

Nearest Neighbor)6. Se presentar una breve resea de la tcnica de clustering, por ser esta la utilizada en el desarrollo del trabajo.

Con el clustering se separaran las muestras de datos en clases (clusters), donde cada clase tiene una caracterstica especial, y el conjunto de datos perteneciente a dicha clase se puede representar por dicha caracterstica. Se busca que los criterios de clustering expresen homogeneidad y/o separacin, es decir que los elementos pertenecientes a una clase o cluster sean similares y que elementos de clases diferentes no se parezcan entre s. Algunas de las tcnicas buscan minimizar la distancia al cuadrado de los elementos al centroide de la clase a la que pertenecen, logrando simultneamente maximizar la distancia entre clases, obteniendo as homogeneidad y separacin.

En el tratamiento de imgenes, algunas de las caractersticas que se podran utilizar para identificar a una clase o cluster son el color, la textura, o la forma.

Figura 22. A la izquierda una muestra de datos. A la derecha agrupacion de los datos por clusters, donde la caracteristica represetnativa de cada clase es su ubicacin espacial.[5]

En general existen dos tipos de algoritmos para el desarrollo del clustering; el jerrquico y el particional[5]. En el Clustering jerrquico se parte de una agrupacin temporal provicional, y de manera iterativa se va aproximando a una agrupacin en la que se tenga homogeneidad en los elementos de cada cluster. La particional trata de buscar la particin,

para mayor informacin refereirse a [30][9] y http://dynamo.ecn.purdue.edu/~bouman/ee637/lectures05/

27

agrupacin adecuada directamente a partir de ciertos parmetros, los cuales va ajustando para optimizar la separacin y homogeneidad de las clases.

En el clustering jerrquico, se le asigna a cada elemento del conjunto una clase. Las dos clases que estn ms cerca una de la otra se convierten en una sola. En la siguiente etapa nuevamente las dos clases que estn ms cercanas se convertirn en una sola, y as sucesivamente, formando un rbol jerrquico. Se puede observar que pueden existir diferentes criterios para determinar cuales son las dos clases ms cercanas al tener ms de un elemento en cada clase. De esto se puede pensar en la distancia entre los dos elementos ms cercanos, uno de cada clase.

En cuanto al clustering particional el algoritmo ms conocido es el k-means. Se conoce el nmero de clases, k. Las clases o clusters estn definidas por sus centros. Un elemento pertenece a cierta clase porque el centro de esta clase es el ms cercano a dicho elemento. Y el centro est definido como la media de las coordenadas de los elementos de la clase. Se dice que una agrupacin es de tipo k-means porque se minimiza el tamao de las clases.

La distancia es un patrn muy importante en la tcnica de clustering, dependiendo de las caractersticas de los datos del conjunto se escoger el tipo de distancia apropiada, como la euclidea, la mtrica del taxista y otras.

El clustering es usado en el estudio estadstico de un conjunto de datos, anlisis de distribucin, con aplicaciones en biologa, economa, algoritmos de bsqueda, entre otras. En el campo del tratamiento de imgenes, el clustering tambin es usado para describir el contenido de una imagen en el manejo de bases de datos de imgenes. Mtodos como el CBIR (content-based image retrieval), en los que se quiere encontrar determinada imagen basada en su contenido, usan clustering para asociar las imgenes a determinada clase. 7
8

http://www-rocq.inria.fr/imedia/clustering.html. Unsupervised clustering

28

Programas como Matlab, incluyen rutinas de clustering, tanto jerrquico como particional, con detallada informacin sobre su estructura e implementacin [18].

2.5. MORFOLOGA MATEMTICA

La Morfologa Matemtica es una tcnica de procesamiento y anlisis de imgenes relativamente joven que ha demostrado gran capacidad para solventar una amplia gama de problemas sobre imgenes.

El concepto de morfologa desde la biologa, relacionado con la forma y la estructura, es utilizado en este mtodo para describir formas, contornos, y extraer caractersticas de una imagen, entre otros [9]. El rango de aplicaciones de la morfologa es grande. Abarca desde el reconocimiento de caracteres en textos hasta el reconocimiento de imgenes mdicas, pasando por el estudio de tamaos y formas de partculas microscpicas [6][20].

El lenguaje de la morfologa matemtica binaria es el de la teora de conjuntos y sus operaciones bsicas son la dilatacin y erosin [9]. Los conjuntos en morfologa matemtica representan las formas presentes en imgenes binarias o de niveles de gris. La extensin de la morfologa matemtica al tratamiento de imgenes a color no es un paso trivial. Se han estudiado aproximaciones al problema desde un punto de vista vectorial utilizando el espacio de color HSV, as como extensiones de la morfologa de escala de grises aadindole el color como una nueva coordenada al espacio. Tambin se han propuesto alternativas utilizando el espacio de color NCS, basado en la teora de colores oponentes de Hering [33].

http://www.eng.tau.ac.il/~shiri/mip_lab/image_clustering.htm. Unsupervised image clustering

29

3. ESPECIFICACIONES
Inicialmente se estableci contacto con Eduardo Romero de la Universidad Nacional y con el doctor Santiago Nichols del Instituto Nacional de Salud con quienes se trat generalidades acerca de la malaria. Posteriormente, se cont con la generosa colaboracin del Instituto Departamental de Salud Nario para la recopilacin de imgenes, etiquetamiento y entrenamiento en la identificacin de la malaria en un extendido perifrico de sangre.

Se tomaron 109 fotografas de diferentes placas provenientes en su mayora, de la parte occidental del departamento de Nario y cuyas caractersticas de tinte, iluminacin, etapa del ciclo de vida del plasmodium y tipo de malaria son diversas.

Paralelamente a la toma de la base de datos se recibi entrenamiento bsico en la identificacin del plasmodium. Se hizo nfasis en la diferenciacin del plasmodium con respecto a los elementos presentes en la sangre, sin entrar en muchos detalles acerca de la etapa exacta de la vida de ste y el tipo de malaria que representa ya que estos no son temas del proyecto.

Las fotos originales tienen un tamao es de 2272x1704 pxeles en formato TIF. La zona de inters se sita hacia el centro de un crculo que est definido por el campo del microscopio, sus bordes son borrosos y el resto de las imgenes es de color negro (ver Figura 23).

30

Figura 23. Muestras de la apariencia de las fotos originales, en el rectngulo azul se muestra el rea de corte

Debido al nmero de pxeles de las imgenes se decidi cortarlas alrededor de la zona de inters de tal forma que sean ms tiles para este estudio.

A medida que se avanzaba en el desarrollo del trabajo de grado se decidi dividir las fotos en dos grandes grupos, fotos azuladas y fotos amarillentas, en la Figura 25 se tienen ejemplos de las dos categoras. Esta clasificacin fue necesaria porque en la primera fase no fue posible encontrar una correlacin entre las imgenes que tienen un tinte algo azulado y las amarillentas lo cual limitaba el trabajo y para poder continuar fue necesaria esta divisin. Adems de la diferencia en los tintes de las placas, lo cual afecta la calidad de la imagen, tambin existen discrepancias en el aumento de la cmara y el microscopio, y la iluminacin usada. Dichas caractersticas tambin fueron tomadas en cuenta a la hora de hacer los grupos de fotos.

Las fotos azuladas tienen un mayor aumento en la cmara, un tinte azulado y una iluminacin blanca en tanto que las amarillentas tienen menor aumento, un tinte ms rojizo y una iluminacin ms amarillenta que las otras.

A continuacin se presenta el diagrama en bloques del trabajo realizado (ver Figura 24). En la fase preliminar se recibi la asesora en la identificacin tradicional de la malaria, preparacin de los tintes y uso del microscopio, adems se tomaron las fotos para la base 31

de datos y finalmente se etiquetaron y cortaron.

En la primera fase se obtuvo la

distribucin de colores en los espacios de color escogidos, RGB, Hering, Hering VG y HSV. Se observaron los resultados y se concluy que para poder continuar sera

necesario dividir la base de datos y trabajar el resto del proyecto en forma paralela con los dos grupos. En la segunda fase se busc independencia de factores como el tinte y la iluminacin. Para esto se trabaj con una estandarizacin para todas las imgenes mediante la triangulacin de las nubes de distribucin de colores para cada conjunto de fotos en cada espacio de color, as como movimientos de las nubes en el espacio de color que permitieran trabajar conjuntamente diferentes tipos de imgenes y as independizar la base de datos de los cambios de tinte. En la tercera fase se clasific la imagen en tres o cuatro colores para finalmente entregar una imagen donde se destaca lo que el sistema identifica como malaria.

En la bsqueda de mejorar los resultados se decidi trabajar en algunos aspectos relacionados con segmentacin, que hacen parte de una posible investigacin posterior.

Figura 24. Diagrama en bloques

32

Para dicha etapa adicional son importantes las condiciones de aumento de los lentes, tanto de la cmara como del microscopio, con los cuales se toma la foto y por lo tanto solo se trabaj con el grupo de las fotos azuladas, sin embargo, un procedimiento similar puede ser aplicado al otro grupo de imgenes.

Con respecto a los algoritmos, se escribieron aproximadamente 35 programas, y se usaron dos de otros autores que se encontraron en la pgina de internet de la comunidad de MathWorks. Fueron de gran utilidad las funciones del Image Processing Toolbox de Matlab, en particular las de morfologa.

A continuacin, Tabla 2, se presenta un resumen de las alternativas escogidas para cada proceso.
PROCEDIMIENTO Tipo de diagnstico Espacios de color Banco de imgenes Propuestas de estandarizacin, para lograr independencia de tinte e iluminacin Clasificacin OPCIN ESCOGIDA Extendido perifrico (frotis) RGB, NCS, Hering VG y HSV Con parmetros desconocidos Triangulacin: Los colores ms fuertes en una escena se mantendrn como tales bajo cambios en el iluminante Desplazamiento de las nubes de color Tetraedros Clustering Continuacin con mtodo de Morfologa matemtica9 segmentacin Ubicacin espacial relativa Tabla 2. Resumen de opciones escogidas para el desarrollo del trabajo de grado

La interfaz grfica para el usuario desarrollada como producto final, GUI_malaria, agrupa todos los desarrollos y algoritmos utilizados en el proceso. En ANEXO B, se encuentran detalles sobre el uso de la herramienta, as como el diagrama de flujo. Las restricciones del sistema son: Imgenes: formato tif, jpg o bmp Hardware: Procesador Intel Pentium 4, 512MB en RAM Software: Matlab versin 7.0

Este es un trabajo de investigacin adicional el cual no est includo en los objetivos del trabajo de grado

33

4. DESARROLLOS

Las actividades fueron separadas en fases de acuerdo a los objetivos planteados en el anteproyecto. Para una mejor comprensin se presentaran primero los desarrollos de dichas fases y al final de cada una se encontrarn los resultados en cada espacio de color.

4.1. ETAPA PRELIMINAR: ENTRENAMIENTO EN DETECCIN DE LA MALARIA Y ADQUISICIN DE IMGENES

El entrenamiento en la deteccin de la malaria que se llev a cabo en el Instituto Departamental de Salud Nario se enfoc a distinguir el plasmodium de algunos de los artefactos10 que se presentan en un extendido perifrico de sangre.

Los artefactos que se tuvieron en cuenta para la diferenciacin tradicional de la malaria fueron las clulas propias de la sangre, como son los neutrfilos, eosinfilos, monocitos, linfocitos, basfilos, glbulos rojos y plaquetas (ver Figura 13) y algunas partculas que no pertenecen a la sangre como precipitados de tinte y mugre. No se estudiaron bacterias, hongos, parsitos ni ningn otro tipo de elementos aparte de los ya nombrados y tampoco se tienen fotos de otros diferentes.

El etiquetado se hizo tambin en Pasto con la ayuda de la bacteriloga Maria Raquel Daz del Castillo quien fue la misma persona que prest su colaboracin para aprender a reconocer la malaria en el microscopio.

10

Trmino usado en el rea de la bacteriologa para referirse a los elementos que se presentan en una

muestra como clulas sanguneas, bacterias, hongos, precipitados de tinte, mugre de la placa, etc.

34

Para el corte de las fotos se us el programa ACD see 7.0.

No se tuvo ninguna

consideracin especial con respecto al tamao, simplemente se busc que el parsito estuviera bien enfocado y que quedara en su totalidad dentro de la imagen. Tambin se descartaron algunas fotos que se consider que no serian tiles debido a su ilegibilidad y no se trabajaron fotos con elementos diferentes a glbulos, plasmodiums, plaquetas y fondo.

4.2. DISTRIBUCIN DEL COLOR EN LAS IMGENES

Cuando se leen las imgenes con Matlab se generan tres matrices en RGB segn el color de cada pxel. Al mapear las matrices en el espacio tridimensional RGB se tiene la distribucin de colores de cada imagen.

El algoritmo que se dise para graficar las nubes de puntos es el primero del anexo de algoritmos y se llama image3Dfscatter3. funciones fscatter3, pelicula y STATS. Dentro de ste programa se llama a las

Dichas nubes se visualizaron para buscar un patrn subyacente en todas las fotos; para esto, se necesitaba poner a rotar los cubos. Debido al nmero de puntos, los giros se visualizaban en forma lenta y discontinua y para mejorar su aspecto se hicieron videos con veinte posiciones diferentes de las nubes, el cdigo pelicula es la rutina que ejecuta esto.

Al analizar cada nube por separado no se encontraron resultados definitivos que llevaran a una propuesta de estandarizacin; por lo tanto, con la funcin STATS se calcularon las medias de los colores de cada nube. Posteriormente todas las medias fueron graficadas en un solo cubo con la funcin Analisis como se puede ver en la Figura 26, Figura 28 y Figura 30. En estas figuras se observa un grupo de asteriscos y otro de puntos. Se

decidi hacer esta distincin porque tras analizar las nubes de puntos de las fotos se 35

concluy que la iluminacin, el tinte y en general la calidad de los extendidos dificultaba la bsqueda de una estandarizacin para toda la base de datos. Existen dos tipos de nubes claramente definidas, la de puntos, que tiene mayor cantidad de azul, y la de asteriscos que es ms amarillenta.

Los grupos de fotos estn conformados como se ve en la Tabla 3.

GRUPO Azuladas Amarillentas Sin clasificacin No. DE FOTOS TAMAO PROMEDIO 37 800x600 23 700x500 3 700x500 Tabla 3. Grupos de fotos

La nube de las medias no fue muy consistente con la posibilidad de realizar una estandarizacin de las imgenes, se esperaba tener mayor independencia entre fondo, glbulo y plasmodium y una correlacin ms fuerte entre todas las fotos. Sin embargo, las grficas de las nubes muestran un patrn subyacente en los dos grupos de imgenes, se encontr que el fondo es disyunto de una aglomeracin de pxeles pertenecientes a glbulos y parsitos, los cuales guardan cierta cercana.

El hecho de hacer una divisin de la base de datos confirma que en la siguiente etapa no se va a estandarizar este tipo de imgenes en el sentido completo de la palabra, sino que ms bien se va a plantear una nueva hiptesis para lograr una clasificacin de colores mediante una triangulacin de los espacios de color con tetraedros dependiendo de si el pxel corresponde a glbulo, fondo o plasmodium. Bajo esta nueva premisa se decidi seguir con el trabajo.

4.2.1.

RGB

En este espacio las nubes de distribucin para los dos grupos de imgenes de la base de datos se ven como en la Figura 25. La nube para la foto amarillenta se encuentra

36

desplazada hacia abajo con respecto a la foto azulada en el eje que corresponde al color azul.

En toda la base de datos las nubes siguen el mismo patrn, los puntos del glbulo y el parsito se encuentran juntos y para algunas secciones mezclados, y los del fondo estn separados de las otras dos partes. En los tringulos azules estn encerradas las muestras que se tom de cada una de las tres partes principales de las imgenes para observar las nubes de distribucin.

fondo

0.75 0.7 0.65 0.6 0.55 0.5 glbulo 0.45 0.4 0.8 0.7 0.5 0.4 G 0.3 R plasmodium 0.7 0.6 0.6 0.5 fondo B glbulo plasmodium

Figura 25. En la izquierda, los tringulos azules son las reas seleccionadas para hacer las nubes de la derecha, azul para foto azulada y amarillo para la amarillenta.

Esto se hizo con todas las fotos y posteriormente se calcularon las medias de toda la base de datos. En la Figura 26 se encuentran las nubes de medias para los dos conjuntos de 37

fotos. En la nube de las fotos azuladas se percibe ms la separacin entre el fondo y las otras dos partes de las imgenes. En la vista de abajo a la izquierda se evidencia la falta de independencia de los pxeles del glbulo y el plasmodium.

0.7

0.7 0.65 0.6 B 0.55 0.5 0.45 0.7 0.5 0.6 0.7 R 0.5 G
0.5 0.55 0.6 R 0.65 0.7 0.75 B 0.55 0.5 0.65

0.6

0.6
0.45

0.75

0.7
0.7 0.65 0.6

0.65 G
B

0.6

0.55 0.5

0.55

0.45 0.5 0.6 0.6 0.5 0.7 G R

0.5
0.7

0.45 0.5 0.55 0.6 R 0.65 0.7 0.75

Figura 26. Nube de medias en vistas diferentes. Azul para plasmodium, rojo para glbulo y verde para fondo. Puntos para fotos azuladas y asteriscos para fotos amarillentas

4.2.2.

HERING

38

El procedimiento a seguir con este espacio fue similar al con el RGB, la diferencia consiste en que primero se debe pasar la imagen original al espacio de Hering (Seccin 2.1.2) (rutina llamada opcionHering). En este espacio se conserva la cercana entre las nubes pero los puntos de los glbulos y los parsitos no se encuentran tan mezclados como en el espacio RGB lo cual es til para la siguiente etapa ( ver Figura 27 .)

0.15 fondo 0.1 0.05 0 YB -0.05 -0.1 -0.15 -0.2 0 0.1 0.2 RG 0.75 0.7 0.65 0.6 BkW 0.55 0.5 plasmodium glbulo plasmodium fondo glbulo

Figura 27. Abajo, nubes de distribucin para las dos fotos superiores. Puntos en azul para la foto azulada y los amarillos para la foto amarillenta.

En la Figura 28 estn cuatro vistas de la nube de medias para los dos grupos de fotos. La nube de las fotos azuladas cambi de lugar con la nube de las amarillentas con respecto al eje YB (se tiene la nube de las fotos amarillentas arriba y la de las azuladas abajo), esto se 39

debe a que las fotos amarillentas tienen ms componentes amarillos y por esto se sitan en la parte positiva de este eje.

0.15

0.15

0.1

0.1

YB

YB 0 -0.05

0.05

0.05

-0.05 0.15 0.1 0.05 0.55 0.6 0.65 BkW 0 0.7 0.75 RG
RG 0.5 0.45

0 0.05 0.1 0.15 0.75 0.7 0.65 0.6

0.55

0.45

0.5

BkW

0.15
0.16

0.1

0.14 0.12 0.1

0.05 YB
0.08 RG 0.06 0.04 0.02

-0.05

0 -0.02 -0.04

0.45

0.5

0.55

0.6 BkW

0.65

0.7

0.75

0.45

0.5

0.55

0.6 BkW

0.65

0.7

0.75

Figura 28. Diferentes vistas para nubes de medias. Asteriscos para fotos amarillentas y puntos para fotos azuladas. Verde para fondo, rojo para glbulos y azul para parsito.

4.2.3.

HERING VG

El procedimiento es similar al seguido con los espacios RGB y Hering. Despus de pasar toda la imagen al espacio Hering VG (ver en seccin 2.1.2 las ecuaciones), se visualizaron las nubes para analizar la distribucin de color, y su conveniencia para los objetivos de este proyecto. Se llev a cabo la misma rutina para graficar las nubes, en la Figura 29 se tienen dos ejemplos para cada una de las divisiones de las fotos de la base de datos. 40

Figura 29. Ejemplos de nubes de distribucin en el espacio Hering VG

Se calcularon las medias de todas las nubes de distribucin, en la Figura 30 se tienen cuatro vistas diferentes. Debido a que el tinte vuelve la placa amoratada, los puntos se acumulan en una pequea parte del eje VG que corresponde al tono de morado que presentan las imgenes.

41

1.2 1 0.8 0.6

1

YB
-0.05 0 0.7 0.05 0.6 BkW 0.5 0.1 VG

0.4 0.2

YB

0.5

0 -0.2

-0.4

-0.5

0.1 0.05 0 -0.05 VG

0.7 0.5 0.6 BkW

1.2 1 0.8 0.6

1

YB

0.4
YB

0.2 0

0.5 0.1 0 0.05 0 -0.5 0.5 0.6 BkW 0.7 -0.05 VG

-0.2 -0.4 0.50.60.7 BkW

Figura 30. Cuatro vistas de la nube de medias en el espacio Hering VG. Asteriscos para fotos amarillentas y puntos para fotos azuladas.

Las nubes de distribucin son ms distantes entre s, comparadas con las de los otros dos espacios de color, pero guardan un patrn similar en su distribucin. Se esperaba ms distancia y aislamiento entre las nubes de cada parte de las imgenes en este espacio con respecto al RGB pero no fue as.

42

4.2.4.

HSV

En la Figura 31 se puede ver la distribucin de los colores de los pxeles de la imagen, para las regiones seleccionadas en los recuadros azules, a partir del programa I3DfscatHSV . En la Figura 32, arriba, en la vista XY de la grfica se observa los colores del borde del crculo, como gua del espacio donde el tono H vara cada 10 grados, yendo desde el rojo (H=0), pasando por los naranjas, amarillos, verdes, azules, violetas y devuelta al rojo (H=1). Estos puntos dibujados sobre la circunferencia tienen valores en HSV (x/36,1,1) para x variando de 0 a 36.

Figura 31. Representacin en el espacio HSV de los colores de los pxeles de la imagen de la izquierda.

43

Figura 32. Vistas de la distribucin de color de la imagen de la Figura 31. A la izquierda vista de la circunferencia donde V=1. A la derecha, vista del cono para Valor y Saturacin.

Se observa de las nubes de la imagen superior de la Figura 31, el fondo completamente separado del resto de componentes, mientras que el glbulo y el parsito estn ms unidos. Sin embargo el color del glbulo es menos saturado, y orientado hacia el matiz rojo. En la imagen amarillenta, inferior en Figura 31, no hay tanta separacin del fondo. Adems, el parsito y el glbulo se ven en una sola nube. El matiz de la imagen, en general est orientado hacia los tonos entre rojos y naranjas.

En el anlisis de la distribucin de color de las imgenes en el espacio HSV se esper encontrar alguna correlacin entre las imgenes con tinte diferente debido al pH, es decir las imgenes que se ven amarillentas, azuladas o amoratadas, pero no fue posible. Se podra pensar, en principio, que un desplazamiento angular del matiz en las imgenes amarillentas podra ubicarlas en el espacio HSV en la misma posicin que las imgenes 44

azuladas. Sin embargo, para el caso de las imgenes amarillentas, el fondo es ms saturado entonces al hacer la rotacin se vuelve rojo no transparentoso que puede confundirse con glbulo. El desplazamiento en H no basta para relacionar las imgenes amarillentas y las azuladas, la saturacin tambin influye de forma negativa. Por lo anterior se decidi trabajar, en principio, con dos grupos de imgenes por separado, de acuerdo con el tono del tinte utilizado.
4.3. PROCESAMIENTO DE LA IMAGEN: EN BSQUEDA DE

INDEPENDENCIA DE ILUMINACIN Y TINTE EN LA BASE DE DATOS 4.3.1. Proceso de estandarizacin por triangulacin del espacio de color para

RGB, Hering y Hering VG

Teniendo en cuenta la distribucin de colores de la nube de medias, se decidi usar entre tres y seis tetraedros para triangular la nube de acuerdo a las zonas de inters (glbulo, plasmodium y fondo) y al espacio de color. El uso de tetraedros se debe a la facilidad para determinar qu puntos caen dentro de ellos usando coordenadas baricntricas y a su simplicidad geomtrica que permite una visualizacin. Sin embargo la escogencia de los vrtices de los tetraedros es una tarea dispendiosa, ya que se basa en los datos cualitativos que se tiene de las nubes de distribucin de cada una de las imgenes, y los datos cuantitativos de las medias de dichas nubes para cada color.

En resumen, el proceso de triangulacin se fundamenta en dos criterios: por un lado, la observacin de los datos de distribucin de color de las imgenes y sus respectivas medias, y por otro, un sistema de prueba y error donde se van evaluando los resultados que arroja cierta triangulacin y en base a esos resultados se van moviendo los vrtices y la orientacin de los tetraedros hasta lograr lo que se quiere. Este mtodo requiere de tiempo y capacidad de anlisis de las nubes a nivel tridimensional. Las herramientas grficas e interactivas que proporciona Matlab son de gran utilidad, pero el trabajo de mayor cuidado y de anlisis del espacio corresponde al desarrollador. De este proceso 45

depende la calidad de resultados posteriores por lo que requiere de cuidado y tiempo, ensayos continuos, evaluacin de los mismos, para luego volver a formular una nueva triangulacin..

En la Figura 34, Figura 37, y Figura 40, se tienen los tetraedros elegidos para los dos tipos de fotos. La escogencia de los vrtices de los tetraedros se hizo observando los mximos y mnimos de la nube de medias en diferentes posiciones, tratando de que todos los puntos pertenecientes a cada parte de la foto (glbulo, fondo, plasmodium) quedaran dentro del tetraedro correspondiente, debido a este criterio de seleccin los tetraedros resultantes son disyuntos ya que de lo contrario se tendran pxeles pertenecientes a dos tetraedros, es decir a dos partes de la imagen, lo cual no favorecera las siguientes etapas del trabajo. Despus de intentar diferentes posiciones y tamaos se escogieron los tetraedros indicados en las Tabla 4, Tabla 5 y Tabla 6, algunos puntos de las medias quedan por fuera o ubicados dentro del tetraedro equivocado y no se est optimizando ningn parmetro, fue un proceso en el que se eligieron los que mejor cubrieron los puntos pertenecientes al plasmodium (en el sentido de que acogen mayor cantidad de pxeles pertenecientes a l), que finalmente son los ms importantes. Para graficar estos tetraedros se us la funcin graficartetras.

A pesar de la divisin que se hizo en la base de datos se intent hacer un solo conjunto de tetraedros para los dos grupos de imgenes, pero no result ya que las nubes de las fotos azuladas estn separadas de las amarillentas y en los dos tipos de imgenes se mantiene la cercana entre glbulos y plasmodiums.

Primero se trabaj haciendo tetraedros para glbulo, parsito y fondo por separado sin tener en cuenta si se estaban compartiendo caras, vrtices y/o aristas. Con estas pruebas se tena una idea de la ubicacin que debera tener el grupo completo y las caras que podan ser compartidas. En la Figura 33 estn los primeros intentos de tetraedros sobre

las nubes de distribucin para el espacio de Hering, los tetraedros azules son para las fotos amarillentas y los rosados son para las fotos azuladas. 46

Figura 33. Ejemplo de los acercamientos al proceso de triangulacin de la nube de distribucin de Hering para los dos tipos de imgenes.

Se aclara que la nube de puntos de toda la imagen es prcticamente continua, es decir, casi no se aprecian las separaciones que aparecen en las nubes, ya que estas se presentan porque fueron hechas en base a pequeas muestras de la foto. Dado el caso de tener tetraedros separados, muchsimas secciones de la imagen quedaran por fuera del procesamiento que se llevar a cabo con stos, y esa es la importancia de tener un grupo de tetraedros adyacentes a lo largo de toda la nube. Es decir, los tetraedros no deben ser pensados y creados exclusivamente para la grfica de las medias sino para la nube de toda la imagen, teniendo en cuenta que las nubes reales son mucho ms grandes y continuas.

Los tetraedros no se usaron para distanciar las nubes, sino para de cierta forma hacer una clasificacin sencilla de los pxeles de una imagen y crear un contraste visual que beneficia la distincin del plasmodium del resto de las partes de la imagen, pero no logra independizar las nubes, como se puede observar en la Figura 20.

Siguiendo los procesos descritos en Seccin 2.3.2, se us la funcin car2barIN, para verificar la conveniencia de los grupos de tetraedros usando las coordenadas baricntricas, 47

para ver qu puntos caen dentro y cules fuera de los tetraedros. Los pxeles que caen por fuera del conjunto de tetraedros son puestos en negro (0,0,0) y los otros se mantienen iguales.

Ya definida la triangulacin se sigue trabajando con esta clasificacin de los pxeles y se procede a modificar la imagen para tratar de independizar las tres partes fundamentales de ella. Con la funcin tetraspeque se encuentran los tetraedros pequeos que se forman con los mximos pxeles de los puntos que caen dentro del conjunto de los tetraedros grandes con respecto a sus vrtices. En la funcin car2barIN2 se implement un algoritmo que identifica los puntos que caen dentro del tetraedro pequeo y presenta dos opciones para los que caen por fuera, arrastre y proyeccin, la primera es la sugerida en el trabajo de grado de Sonia Castro (ver referencia [2][26]) y la segunda es un desarrollo con lgebra lineal basado en el baricentro del tetraedro (ver marco terico.) Para el caso de usar la proyeccin se tiene la funcin Proyectar y para el otro caso el algoritmo se encuentra dentro del mismo car2barIN2.
RGB

Con base en los videos y las nubes de medias se dise la triangulacin mostrada en la Figura 34, para RGB. Los tetraedros del extremo izquierdo (en las dos vistas) son los que cubren la nube del plasmodium, los del centro son para los glbulos y los de la derecha son para el fondo. Los vrtices para los tetraedros de las fotos azules y las fotos amarillos estn en la Tabla 4.

48

Figura 34. Los tetraedros azules son para las fotos azuladas y los tetraedros rojos son para las fotos amarillentas. Dos vistas diferentes FOTOS Azulada TETRAEDRO 1er VERTICE 2do VERTICE 3er VERTICE Plasmodium (0.2, 0.18, 0.65) (0.65, 0.86, 0.75) (0.75, 0.2, 0.75) Glbulo (0.6, 0.3, 0.3) (0.9, 0.9, 0.95) (0.75, 0.2, 0.75) Fondo (0.9, 0.9, 0.95) (0.5, 0.8, 0.75) (0.6, 0.3, 0.3) Plasmodium (0.3, 0.2, 0.6) (0.45, 0.7, 0.3) (0.55, 0.3, 0.3) Glbulo (0.55, 0.3, 0.3) (0.45, 0.7, 0.3) (0.7, 0.5, 0.3) Fondo (0.45, 0.7, 0.3) (0.75, 0.8, 0.3) (0.7, 0.5, 0.3) Tabla 4. Conjuntos de tetraedros para el espacio de color RGB 4to VERTICE (0.5, 0.3, 0.4) (0.5, 0.8, 0.75) (0.75, 0.85, 0.4) (0.7, 0.65, 0.8) (0.7, 0.65, 0.8) (0.7, 0.65, 0.8)

Amarillenta

A continuacin, en la Figura 35 se muestran en grupos de dos fotos algunos ejemplos de la rutina de contraste para las fotos azuladas. Los cuadrados azules fueron hechos

manualmente y en ellos estn encerrados los parsitos presentes en cada imagen.

49

a.

b.

c.

d.

e.

f.

g.

h.

Figura 35. En grupos de dos imgenes se muestra el proceso de contraste en cuatro fotos azuladas, a la izquierda la foto original, a la derecha la imagen con contraste.

50

Para las fotos amarillentas se presentan resultados en grupos de dos fotos en la Figura 36, en ella estn las fotos originales y las imgenes con contraste.

a.

b.

c.

d.

e.

f. Figura 36. Ejemplos de los resultados en grupos de dos fotos. A la izquierda imagen original, a la derecha la imagen con contraste.

HERING

Con la nube de las medias se propuso la triangulacin de la Figura 37, izquierda, aprovechando el aparente orden de las nubes, es decir, las nubes tienden a ubicar el plasmodium abajo, al medio el glbulo y en la parte superior el fondo. 51

Los tres tetraedros grises sirven, de abajo hacia arriba, para plasmodium, glbulo y fondo para todas las fotos azuladas en general y los tres rosados son los que determina el algoritmo para una imagen en particular. Para las fotos amarillentas se eligieron los tetraedros de la Figura 37, a la derecha. Los tetraedros azules de la izquierda y rosados del centro son para el plasmodium, el verde para el glbulo y el gris de la derecha para el fondo.

Figura 37. En la izquierda estn los tetraedros para las fotos azuladas para el espacio de Hering. A la derecha tetraedro para imgenes amarillentas

En la Tabla 5 estn los vrtices de los dos grupos de tetraedros para el espacio de color de Hering.

FOTOS Azuladas

Amarillentas

TETRAEDRO Plasmodium Glbulo Fondo Plasmodium

1er VERTICE 2do VERTICE 3er VERTICE (0.85, 0.65, -0.05) (0.25, 0.1, 0.01) (0.9, -0.55, -0.03) (0.25, 0.1, -0.01) (0.85, 0.65, -0.05) (0.9, -0.55, -0.03) (0.55, -0.05, 0.05) (0.85, 0.65, -0.05) (0.9, -0.55, -0.03) (0.46, 0.04, 0.1) (0.46, -0.08, 0.01) (0.73, 0.08, 0.01) (0.46, 0.04, 0.1) (0.46, 0.16, 0.01) (0.46, -0.08, 0.01) Glbulo (0.46, 0.04, 0.1) (0.73, 0.08, 0.01) (0.46, 0.16, 0.01) Fondo (0.46, 0.04, 0.1) (0.46, -0.08, 0.01) (0.65, -0.08, 0.28) Tabla 5. Conjuntos de tetraedros para el espacio de color Hering

4to VERTICE (0.65, 0.35, -0.4) (0.55, -0.05, 0.05) (0.75, -0.05, 0.1) (0.75, 0.06, 0.1) (0.73, 0.08, 0.01) (0.5, 0, 0.3) (0.75, 0.06, 0.1)

Despus de realizar todo el procedimiento de contraste se debe pasar otra vez a RGB para poder observar los resultados. Para calcular el sistema inverso fue necesario resolver la siguiente ecuacin de tercer grado con respecto a B y escoger la solucin correcta de entre las tres resultantes para cada pxel de color (ver en ANEXO C las soluciones.) 52

YB=-3/8*(B^3+B^2*(4-7*BkW)+B*(15*BkW^2-4*BkW-RG^2)+(BkW*RG^29*BkW^3))

Para la mayora de puntos la aplicacin del sistema inverso arroja dos soluciones complejas conjugadas y una real positiva lo cual significa que esa es la correcta, sin embargo existen puntos para los cuales ninguna de las soluciones cae dentro del rango del espacio de RGB (entre 0 y 1 para todos los ejes) lo cual lleva a pensar que la funcin no es inyectiva en algunos casos.

El algoritmo llamado inversa calcula las tres soluciones y toma la real para los puntos que esta existe.

Es complicado definir para cules intervalos no funciona ninguna solucin, por lo tanto se decidi buscar los puntos en algunas imgenes para los cuales no funciona el sistema inverso y se encontr que el error es mnimo y que adems se presenta en los pxeles del fondo y no en el parsito y solo en las fotos azuladas ( ver resultados en el captulo Anlisis de Resultados.)

A continuacin, en la Figura 38, se presentan algunos resultados con las mismas fotos que se usaron para los ejemplos del espacio de RGB en la Figura 35.

En la Figura 39 se muestra el contraste para los ejemplos de las fotos amarillentas. Las partes negras de las imgenes se deben a pxeles que cayeron por fuera del conjunto de tetraedros y por lo tanto no fueron tomados en cuenta para el contraste.

53

a.

b.

c.

d.

Figura 38. Imgenes con contraste en Hering. Las fotos originales son las mismas de la Figura 35

Figura 39. Imgenes con contraste en Hering. Las fotos originales se encuentran en la Figura 36.

54

HERING VG

Se eligieron seis tetraedros porque fue el grupo que ms se ajust a la triangulacin de las nubes. En la Figura 40, a la izquierda, dos de los tetraedros de abajo, a la izquierda, son para el plasmodium, el siguiente y el del extremo izquierdo de arriba son para el glbulo y los que restan de arriba son para el fondo. Los tetraedros para las fotos amarillentas aparecen en la Figura 40, derecha, y en orden de abajo hacia arriba sirven para plasmodium, glbulo y fondo.

Figura 40. Tetraedros para fotos azuladas en Hering VG a la izquierda. A la derecha tetraedros para imgenes amarillentas.

Los vrtices de los tetraedros estn consignados en la Tabla 6.

FOTOS Azuladas

TETRAEDRO Plasmodium

Amarillentas

1er VERTICE 2do VERTICE 3er VERTICE (0.85, 0.4, -0.05) (0.35, 0.4, -1.5) (0.35, -0.1, -0.05) (0.85, 0.4, -0.05) (0.35, 0.4, -0.05) (0.35, 0.4, -1.5) Glbulo (0.85, 0.4, -0.05) (0.85, -0.1, -0.05) (0.35, -0.1, -0.05) (0.85,-0.1, -0.05) (0.5, 0.06, -0.05) (0.5, -0.1, 0.85) Fondo (0.85, -0.1, -0.05) (0.5, 0.06, -0.05) (0.85, 0.06, -0.05) (0.85, -0.1, 0.85) (0.5, -0.1, 0.85) (0.85, -0.1, -0.05) Plasmodium (0.62, -0.14, 0.51) (0.62, 0.04, 0.51) (0.39,-0.02, 0.51) Glbulo (0.6, -0.105, 0.8) (0.62, 0.04, 0.51) (0.39, -0.02, 0.51) Fondo (0.58, -0.2, 1.5) (0.55, -0.06, 1.5) (0.76, 0.01, 1.5) Tabla 6. Vrtices para los tetraedros del espacio de color Hering VG

4to VERTICE (0.85, -0.1, -1.5) (0.35, -0.1, -0.05) (0.85, -0.1, -1.5) (0.85, 0.06, 0.85) (0.85, 0.06, 0.85) (0.85, 0.06, 0.85) (0.48, -0.02, 0.1) (0.55, -0.06, 1.5) (0.6, -0.105, 0.8)

El sistema inverso es mucho ms sencillo que el de Hering ya que solo se debe resolver la ecuacin lineal que est a continuacin (ver ANEXO C): 55

YB=10*(B*(VG*BkW-3*BkW^2+2/3*VG^2)+3*BkW^3-2/3*VG^2*BkW-VG*BkW^2

y por lo tanto solo hay una solucin con respecto al color azul:

B=1/10*(3*YB-90*BkW^3+20*VG^2*BkW+30*VG*BkW^2)/(3*VG*BkW9*BkW^2+2*VG^2) Sin embargo tambin se tiene problemas con la inyectividad aunque al parecer son menos puntos para los cuales no funciona el sistema inverso en comparacin al anterior espacio. A pesar de que los puntos de error son pocos resultan ms relevantes, porque a diferencia del espacio Hering stos se ubican en algunos bordes de los glbulos y en las reas del plasmodium que corresponden a la cromatina del parsito (ver resultados en el captulo de Anlisis de Resultados.) En la Figura 41 estn cuatro ejemplos de contraste para fotos azuladas para las mismas imgenes originales de la Figura 35.
a

b.

c.

d. Figura 41. Ejemplos para el espacio VG de imgenes con contraste.

56

El proceso de contraste no fue muy bueno para las imgenes amarillentas en este espacio (ver Figura 42), al parecer el conjunto de tetraedros escogidos no fue el mejor, con respecto al realce, ya que existen muchas zonas negras en los glbulos.

Figura 42. Fotos con contraste para Hering VG

4.3.2.

Corrimiento de las nubes de color en RGB

Las nubes de las imgenes amarillentas tienen una distribucin similar a las de las fotos azuladas pero se encuentran desplazadas hacia arriba o debajo de estas, dependiendo del espacio de color, lo cual se aprovech para calcular un factor de corrimiento en base a las medias y lograr que los dos grupos de imgenes compartieran una ubicacin similar que las relacionara.

Con el desplazamiento de los pxeles de las fotos amarillentas hacia las azuladas en el espacio RGB, fue posible usar el mismo conjunto de tetraedros de las imgenes azuladas 57

para todo el banco de datos que aunque no fue muy preciso para los glbulos y el fondo en algunos espacios, si dio buenos resultados para el plasmodium.

El desplazamiento se hizo en base a los resultados de las medias de los dos grupos de la base de datos, con ellos se volvi a calcular la media total de cada color para las fotos azuladas y amarillentas y se sac un factor de corrimiento para RGB, de tal forma que la nube de las imgenes amarillentas se moviera hacia las azuladas, y con esto poder usar el mismo conjunto de tetraedros para todas las imgenes. Los algoritmos (claseImagen y

medias en anexo de algoritmos) evalan qu tan cerca de la nube de medias azuladas se encuentra la imagen de entrada mediante el anlisis del centro de gravedad de una parte de su fondo, si la distancia es corta, la imagen es tratada como una foto azulada de lo contrario, se trata de una foto amarillenta y es desplazada con el factor de corrimiento.

El factor de corrimiento es diferente para cada foto, ya que es calculado con base en unas muestras que el usuario debe tomar del fondo, glbulo y parsito de cualquier parte de la imagen, con respecto a las medias de colores de las imgenes azuladas en RGB que s son fijos.

La imagen es primero desplazada en RGB y despus se le aplican las ecuaciones del espacio de color en el que se quiera trabajar. Se decidi hacerlo en RGB porque debido a la linealidad del espacio fue ms sencillo encontrar los factores de corrimiento en base a la observacin de las nubes de distribucin en l. En las Figura 43, Figura 45 y Figura 47 se tienen las nubes desplazadas en RGB y luego evaluadas en cada espacio junto al conjunto de tetraedros respectivo para las fotos azuladas.

La propuesta de desplazamiento no va orientada a reemplazar el contraste creado anteriormente, ms bien es una etapa intermedia para encadenar el trabajo con los tetraedros y la siguiente etapa de clasificacin de las imgenes.

58

RGB

En la Figura 43 est el ejemplo de una foto desplazada hacia el grupo de las imgenes azuladas y su respectiva nube en el espacio RGB.

Figura 43. Arriba a la izquierda la foto amarillenta original, a la derecha la imagen desplazada y abajo centrada la nube en azul es de una foto azulada cualquiera y la amarilla es la nube de distribucin de la foto desplazada.

En la Figura 44 estn los resultados del contraste en las fotos amarillentas desplazadas. Se observa que los espacios en negro son pocos, lo que indica que prcticamente toda la imagen cae en los tetraedros para las fotos azuladas y por lo tanto se logra un buen resalte de entre las partes de las imgenes.

59

Figura 44. Imgenes amarillentas desplazadas y contrastadas con los tetraedros para las fotos azuladas. Se usaron los mismos ejemplos de las fotos de la Figura 36.

HERING

Se hizo el desplazamiento para el mismo ejemplo de la Figura 43, los resultados para el plasmodium son similares a los conseguidos en RGB, sin embargo no funciona muy bien para el glbulo y el fondo como se observa en las partes amarillas que estn por fuera de los tetraedros de la Figura 45. Por lo tanto el contraste que se tiene con los tetraedros de las imgenes amarillentas es mejor que el resalte que se consigue con la foto desplazada. En la Figura 46 se muestran los resultados de las fotos amarillentas desplazadas y contrastadas con los tetraedros de las fotos azuladas.

60

Figura 45. La nube azul pertenece a una foto azulada y la amarilla es la nube desplazada para la foto de la Figura 43

Figura 46. Imgenes amarillentas desplazadas y contrastadas con los tetraedros para las fotos azuladas de Hering. Se usaron los mismos ejemplos de las fotos de la Figura 36

61

HERING VG

Con Hering VG el desplazamiento tiene mejores resultados. En la Figura 47 est la nube para el mismo ejemplo de la foto amarillenta de la Figura 43. Las partes amarillentas que caen por fuera de los tetraedros corresponden en su mayora al fondo. Con este espacio no fue posible hacer ejemplos de fotos desplazadas con contraste ya que ms del 50% de los pxeles caen por fuera del conjunto de tetraedros y por lo tanto no tiene caso usar el desplazamiento para hacer un resaltamiento en la foto.

Figura 47. La nube azul pertenece a una foto azulada y la amarilla es la nube desplazada para la foto de la Figura 43.

4.3.3.

Movimiento en HSV

Observando la distribucin de las nubes en HSV se puede ver que el fondo est muy separado de las dems regiones, pero que la nube de los glbulos y la del parsito se vuelve una sola, a pesar de que la saturacin en los colores del parsito es mayor y el tono, H es un poco menor (menos rojo, ms morado). Por esto se propuso aumentar la saturacin de toda la imagen, es decir un desplazamiento o expansin radial 62 en

coordenadas cilndricas para lograr la separacin de las nubes de glbulo y parsito. La imagen de la izquierda en la Figura 49 muestra los resultados de esta operacin, donde se logra mayor contraste pero el fondo se vuelve ms verdoso-amarillento.

La imagen se sigue viendo de cierta forma oscura. Por esto se continu con una modificacin de V, de tal manera que al aumentarlo la imagen se viera ms clara, y se resaltarn ms los colores. Es as como surgi la idea de combinar estos dos parmetros, valor y saturacin, y modificarlos manteniendo cierta proporcin.

Se propone hacer un cambio de las coordenadas cilndricas del HSV a esfricas donde se mantiene el ngulo theta (el de la componente H). Ahora el punto queda como un vector desde el origen (del cono: V en 0), (ver Figura 48) cuya distancia a este es la coordenada R en esfricas. Se observ que alargando esta distancia R, es decir aumentando en cierto porcentaje el valor de R en esfricas, del punto, se lograba una imagen ms clara, ya que aumentaba el valor V del espacio HSV, pero adems se vea afectada la saturacin S, (por la relacin de conversin de HSV a esfricas). Aumentando la saturacin, los colores de la imagen se ven ms puros, menos mezclados con blanco, logrando mayor contraste entre los diferentes componentes de la imagen. La funcin movimiento_HSV.m es la encargada de hacer esta transformacin.

Figura 48. Relacin entre coordenadas cilndricas (correspondientes a las del espacio HSV), y coordenadas esfricas.

63

a.

b.

d. c. Figura 49. Primera a la izquierda (a), modificacin en saturacin nicamente. En las imgenes b, c, y d, cambio en esfricas nicamente aumentando en un 85% el r.

El efecto fue muy positivo al analizar las nubes de los colores, en el espacio HSV, de los pxeles de las imgenes alteradas. Se logra una visible separacin entre las nubes del parsito y las de los glbulos, mientras que el fondo en la mayora de los casos se vuelve casi blanco.

Figura 50. Arriba, vistas de la distribucin en HSV de la Figura 31. Abajo distribucin de color en HSV de la imagen de la derecha en la Figura 49

64

Se intent una triangulacin con un arreglo de tetraedros sobre las imgenes alteradas, en el espacio HSV, siguiendo el procedimiento realizado para los espacios RGB pero no se logr encontrar una triangulacin ptima, dada la estructura del espacio, sobretodo la forma circular del matiz. Dadas las ventajas que presentaba la representacin de las imgenes en este espacio, se buscaron otras opciones para su tratamiento, que aprovecharan estas caractersticas para lograr una ptima clasificacin de componentes en la imagen por su color.

4.4. CLASIFICACIN DE LA IMAGEN 4.4.1. Propuesta de clasificacin por tetraedros

El trabajo con los tetraedros permiti clasificar los pxeles de las imgenes en tres grandes grupos: plasmodium, glbulo y fondo. Como se coment anteriormente los tetraedros fueron diseados para que dentro cada uno de ellos quedara los puntos de una sola parte de la foto. Para comprobar dicha clasificacin se pintaron de azul puro los pxeles que caen dentro del tetraedro que pertenece al plasmodium.

Adems, despus del todo el proceso, se tienen los pxeles de cada parte de la imagen clasificados de acuerdo a la parte a la que pertenezcan en el tetraedro correspondiente lo cual fue aprovechado para estandarizar las imgenes de cada grupo en tres o cuatro colores (de acuerdo al espacio).

Tambin se evalu la propuesta de desplazamiento de las fotos amarillentas con respecto a la clasificacin, ya que ese fue el principal motivo de su implementacin.
RGB

Algunos resultados de la clasificacin se muestran en la Figura 51, las partes azules que estn por fuera de los cuadrados son los errores de clasificacin, es decir, son pxeles que caen dentro del tetraedro del parsito pero no pertenecen a l. 65

a.

b.

c. d. Figura 51. En azul puro se encuentra lo que el sistema clasifica como malaria en RGB para las fotos originales de la Figura 35.

a.

b.

c.

d.

Figura 52. Las imgenes originales de la Figura 35 con el proceso de estandarizacin en tres colores. En verde se encuentra el fondo, en rojo los glbulos y en azul el plasmodium. Lo que est en otro color no hizo parte del proceso porque fueron pxeles que quedaron por fuera del conjunto de los tetraedros.

66

Para las fotos amarillentas la clasificacin fue buena, con algunos errores en los glbulos de los bordes de las fotos (ver Figura 53). En las imgenes desplazadas se tienen menos errores en los glbulos pero el parsito es identificado por partes y no en su totalidad.

a.

b.

c.

d.

e.

f. Figura 53. En grupos de dos fotos se encuentran los resultados de la clasificacin para las imgenes originales de la Figura 36

67

Figura 54. Ejemplos de fotos amarillentas estandarizadas usando las imgenes originales de la Figura 36. La convencin de colores es igual a la de la Figura 52.

En la Figura 55 se muestra un caso especial de una foto a la que no fue posible hacerle el contraste con ninguno de los dos grupos de tetraedros, ya que tiende hacia las fotos amarillentas pero no encaja exactamente en ellas, sin embargo con la propuesta de desplazamiento se logr ubicar el parsito.

Figura 55. A la izquierda foto original y a la derecha foto clasificada despus del desplazamiento y la clasificacin. En azul puro est lo que el sistema identifica como malaria.

68

HERING

En el espacio de Hering se seleccionan ms partes del parsito pero tambin se tienen ms errores en los glbulos. En la Figura 56 se tienen algunos ejemplos para las fotos azuladas.

a.

b.

d. c. Figura 56. Los cuatro ejemplos de la Figura 35 con contraste y clasificacin. En azul puro se encuentra lo que el sistema clasifica como malaria en Hering

a.

b.

c.

d.

Figura 57. Imgenes azules estandarizadas, ver convencin de colores en la Figura 52.

69

Para las fotos amarillentas los resultados de la clasificacin son similares con los mtodos, en la Figura 58 se muestra a la izquierda la clasificacin y el contraste con los tetraedros de las fotos amarillentas y a la derecha la clasificacin, despus del desplazamiento en RGB, con los tetraedros para las fotos azuladas.

a.

b.

c.

d.

e.

f.

Figura 58. En grupos de dos fotos se encuentran los resultados de la clasificacin para las imgenes originales de la Figura 36. A la izquierda la imagen con contraste y clasificacin y a la derecha la foto original clasificada con los tetraedros para las fotos azuladas gracias al desplazamiento.

70

Figura 59. Imgenes amarillentas estandarizadas.

En la Figura 60 se encuentra la foto que no encaja en ninguna de las divisiones de la base de datos. La rutina de desplazamiento para encontrar el plasmodium tambin funciona en este espacio para ella pero con ms errores en la clasificacin de los bordes de los glbulos como parsitos.

Figura 60. A la derecha foto original y a la izquierda la imagen desplazada y clasificada

71

HERING VG

En el espacio de Hering VG es donde mejor se logra el equilibrio entre la identificacin del parsito y el rechazo de las partes del glbulo que tienen colores similares a l (ver Figura 61).

a.

b.

d. c. Figura 61. Los cuatro ejemplos de la Figura 35 con contraste y clasificacin. En azul puro se encuentra lo que el sistema clasifica como malaria en Hering VG.

a.

b.

c.

d. Figura 62. Imgenes estandarizadas. Las originales se encuentran en la Figura 35.

72

Con las fotos amarillentas tambin se tienen menos errores con en los glbulos rojos y se logra identificar gran parte del parsito. A pesar de que los tetraedros para las fotos amarillentas no fueron muy buenos para crear contraste si funcionaron para la clasificacin del plasmodium.

En las imgenes con desplazamiento se observan resultados parecidos a los de la clasificacin con los tetraedros de las fotos amarillentas (ver Figura 63).

a.

b.

c.

d.

d.

e. Figura 63. A la izquierda la imagen con contraste y clasificacin y a la derecha la foto original clasificada con los tetraedros para las fotos azuladas gracias al desplazamiento.

73

Figura 64. Imgenes amarillentas estandarizadas.

En ste espacio tambin funcion el desplazamiento de la foto original de la Figura 55 (ver Figura 65) .

Figura 65. Imagen desplazada y clasificada en Hering VG

74

4.4.2.

Clustering en HSV

Como las nubes de las nuevas imgenes para cada elemento de la imagen (glbulos, fondo, parsito), estn mucho ms definidas, se propuso trabajar con la tcnica de clustering, donde se toma la nube de cada elemento como un cluster o grumo. Mediante un algoritmo iterativo, la tcnica de clustering encuentra el centro de cada cluster, el cual sera el patrn de clasificacin.

As, se usaron algoritmos como el fcm (Fuzzy C-means) del Toolbox de fuzzy logic de Matlab y el kmeans de Toolbox de estadstica. En el algoritmo kmeans, ste encontrar los clusters con su centro correspondiente. El algoritmo iterativo busca minimizar la distancia entre los puntos y los centroides de los clusters, para as escoger a cual cluster pertenece cada punto.

El algoritmo fcm sobre toda una imagen, pensando en un cluster el glbulo, otro el fondo, y un tercero para el parsito, dura alrededor de 3 minutos, con ms o menos noventa iteraciones. Se tendra que realizar este proceso para cada imagen que leyera el sistema de clasificacin, pero no se aprovechara la correlacin que pudiera existir entre las diferentes imgenes. Entonces se decidi trabajar sobre las nubes de regiones seleccionadas de la imagen y hallar los clusters de esos datos, que son mucho menos que los de la imagen completa, entrenando al sistema con las imgenes del banco de datos.

Primero se seleccionaron las nubes para cada imagen con una seleccin de la imagen para el glbulo otra para el fondo, y dos para el parsito, ya que la mayora de las veces el parsito se compone de dos colores en especial, un morado, y un azul claro. Sobre los datos de las nubes se corri el algoritmo fcm para hallar cuatro clusters con su centro. Teniendo entonces por cada imagen de la base de datos cuatro centros de cluster, al final se pidi buscar otra vez sobre todos estos centros cuatro clusters con su centro.

75

Figura 66. A la izquierda centros de los cuatro clusters para las imgenes estudiadas. A la derecha los mismos centros de la izquierda clasificados en cuatro clusters con cuatro centros correspondientes

Como resultado final del proceso de clustering sobre las nubes de las imgenes (es decir regiones seleccionadas de cada imagen) se obtuvo entonces cuatro puntos en el espacio HSV correspondientes a cuatro clusters o regiones de color: fondo, glbulo, y dos de parsito. Estos cuatro puntos sern los patrones de comparacin para determinar a que regin corresponde cada pxel de una imagen (se usarn estos cuatro puntos para cualquier imagen). Para hacer eso se calcula la distancia de los pxeles de la imagen con cada uno de los cuatro puntos anteriores, etiquetando el pxel de acuerdo con la menor distancia encontrada. Se trabaj con la distancia euclidea al cuadrado, sobre coordenadas cilndricas ya que est en el espacio HSV. Los cuatro puntos hallados estn en la Tabla 7.

Coordenadas HSV H S V Cluster Glbulo 0.93736 0.11015 0.87653 Cluster Fondo 0.18301 0.050312 0.99298 Cluster Parsito 1 0.79774 0.58962 0.802969 Cluster Parsito 2 0.72359 0.23594 0.91818 Tabla 7. Cuatro centroides de los clusters, con los cuales se trabaj como patrn de comparacin para realizar la clasificacin de la imagen en estos cuatro componentes.

Con estos cuatro puntos hallados, se logr cierta independencia de tinte e iluminacin en la clasificacin del parsito, como se ve en la Figura 68, donde las imgenes clasificadas se componen nicamente de cuatro colores: amarillo para el fondo, rojo para el glbulo y azul y verde para el parsito. Se aprecian errores de clasificacin en las regiones que 76

bordean los glbulos; por su componente azul son clasificados como malaria. La funcin CLustDist_HSV.m (ANEXO A), realiza este procedimiento.

El mismo proceso anterior de clustering se realiz sobre las imgenes sin modificar, las originales, con el fin de ver la diferencia que tendra trabajar sobre las modificadas en el espacio HSV y las originales (los cuatro puntos que se hallan al final del proceso son diferentes para imgenes originales). Trabajando sobre las originales la clasificacin toma como parsito ms pxeles del contorno de los glbulos, que el proceso con las imgenes modificadas, y adems no es tan robusto al cambio de tinte (ver Figura 67)

a.

b.

c.

d.

Figura 67. A la izquierda (a y c) clasificacin a partir de las imgenes modificadas en HSV., con los puntos de la Tabla 7. A la derecha (b y d) clasificacin a partir de las imgenes originales, sin modificar en HSV.

77

Figura 68. Arriba tres imgenes con diferencias de iluminacin, tinte, tipo de parsito, y etapa de desarrollo. En la segunda fila, las imgenes modificadas en HSV segn el procedimiento descrito. Abajo las imgenes clasificadas por el mtodo descrito para el espacio HSV, con grupo de cuatro centroides de clusters de la Tabla 7, despus de haber sido modificadas en HSV.

En cuanto a las imgenes amarillentas, gracias al desplazamiento de las nubes en este tipo de imgenes en el espacio RGB, los centroides de la Tabla 7 dieron buenos resultados para la clasificacin. A la imagen corrida en RGB se le aplic el proceso de movimiento en HSV, y a continuacin el de clustering.

78

Figura 69. Arriba imagen desplazada en RGB. Abajo a la izquierda modificacin de la anterior en HSV. A la derecha clasificacin por clustering

4.5. FASE DE CONTINUACIN: SEGMENTACIN Y UBICACIN

Como eventual continuacin del trabajo de grado se propuso mejorar los resultados con tcnicas de segmentacin. Para esto se us la morfologa matemtica, as como criterios de tamao, forma y ubicacin relativa que lograran descartar regiones errneamente clasificadas como plasmodium en los procesos anteriores.

Los efectos que se queran eliminar son: ruido debido a precipitado o ruido de la imagen, bordes de glbulo, plaquetas. Utilizando discos como elementos de estructura, se realizaron operaciones de apertura y cierre, que lograran eliminar ruido indeseado y aglutinar reas ms grandes donde estara el plasmodium, teniendo en cuenta tamaos (observando como patrn la etapa de desarrollo de la malaria), para descartan objetos como las plaquetas y los bordes de glbulo. En las funciones morfo, sizethre y areas (ver detalles de algoritmos en ANEXO A) estn los cdigos. Estos algoritmos fueron

diseados solo para las fotos azuladas., y tomando en principio como referencia las etapas 79

de desarrollo del plasmodium donde ste es de mayor tamao, descartando regiones cuyo tamao fuera menor. As, este mtodo descart objetos de la imagen que no corresponden a parsito pero tambin plasmodium de tamaos pequeos, por ser regiones muy reducidas con respecto a otras que podran ser clasificadas positivamente.

Esto ocurre porque el parsito presenta diferentes tamaos en su ciclo de vida, y cuando es pequeo el algoritmo lo confunde con otras reas que sean clasificadas como plasmodium de mayor tamao. Para solucionar este problema se decidi explotar la caracterstica de ubicacin del plasmodium dentro del glbulo para descartar estos errores (obsrvese las primeras etapas de desarrollo en Figura 11 y Figura 12).

Para garantizar la deteccin del parsito en etapas tempranas de desarrollo, y quitar los errores de clasificacin del borde los glbulos por malaria, que el proceso anterior todava no descarta, se toma la imagen clasificada cono fondo, se le quitan ciertas partes ruidosas como las regiones de citoplasma del plasmodium, a veces confundidas como fondo por su acromaticidad, y se sobrepone a lo que en la primera etapa de segmentacin fue descartado. Si lo descartado tiene frontera con el fondo, es conexa con alguna regin del fondo, quiere decir que es borde de glbulo, o una plaqueta que pas el primer filtro de morfologa, entonces se descarta. Si al contrario, no tiene frontera con el fondo, esta regin no es conexa, est completamente contenida en un glbulo, lo cual ocurre con el plasmodium en su etapa temprana de desarrollo. Ver por ejemplo la Figura 70, imagen superior derecha.

La implementacin de estos algoritmos sobre los cuatro espacios de color, se ven a continuacin ( Figura 70, Figura 71, Figura 72, Figura 73). Sobre la imagen se vern sobrepuestas regiones en color amarillo, fucsia y verde. Las regiones amarillas corresponden con las que el proceso inicial de segmentacin identifica como parsito. Las regiones verde y fucsia son las que deja en duda. El proceso posterior teniendo en cuenta posicin relativa, logra identificar las regiones en fucsia como malaria, descartando definitivamente las regiones en verde. La imagen inferior izquierda, es un ejemplo de 80

imgenes con plasmodium en diferentes etapas de desarrollo, que despus del proceso final son identificados ambos positivamente.

a.

b.

c. d. Figura 70. Resultado en RGB. Fotos despus de clasificacin, morfologa y algoritmo de ubicacin relativa

a.

b.

d. c. Figura 71. Resultados en Hering. Fotos despus de clasificacin, morfologa y algoritmo de ubicacin relativa. En amarillo el parsito segn la clasificacin, en fucsia se encuentran las zonas que la morfologa dej en duda y que la ubicacin confirm como plasmodium y en verde los que descart.

81

a.

b.

c.

d. Figura 72. Espacio Hering VG. Ejemplos de imgenes despus de clasificacin, morfologa y ubicacin.

a.

b.

c.

d.

Figura 73. Rotulado de la imagen, despus de la modificacin en HSV, la clasificacin por clustering y posterior segmentacin. Estas imgenes sobre las que est el rotulado son las modificadas en HSV.

82

5. ANLISIS DE RESULTADOS
5.1. COLOR

La distribucin de los colores en las imgenes se presenta en RGB como una nube que va a lo largo de la diagonal acromtica y que presenta la forma de una y con la abertura dirigida hacia el origen y la cola hacia el blanco (lnea desde el negro (0,0,0) hasta el blanco (1,1,1)). La separacin del fondo y las otras partes de la foto es evidente, sin embargo los pxeles pertenecientes al glbulo se encuentran junto a los del plasmodium en todos los espacios.

Las nubes de medias permitieron analizar las fotos en una misma grfica, y en base a stas decidir los vrtices de los tetraedros. Las triangulaciones para las fotos azuladas

escogidas para los espacios fueron buenas, se logr tener un contraste entre las diferentes partes de la foto, sin embargo, la cercana entre los colores del glbulo y el plasmodium afecta la deteccin de la malaria.
5.1.1. Color en la malaria

Hablando en trminos generales el plasmodium presenta cuatro colores diferentes, el azul claro corresponde al citoplasma, el fucsia claro a la cromatina, el caf amarillento al pigmento malrico y el morado a los merozoitos (ver Figura 74). Estos colores dependen del pigmento, la iluminacin y la etapa del ciclo de vida en la que el plasmodium se encuentra. La cromatina es la parte que ms tiende a parecerse al glbulo.

83

Figura 74. Diferentes colores del plasmodium

5.1.2.

Causas principales de error

Existen tres causas principales de los errores de clasificacin que se muestran en los ejemplos (observe las partes azules que estn fuera de los recuadros):

Colores en el plasmodium similares a los del glbulo: es difcil lograr un equilibrio en la escogencia de los vrtices de los tetraedros, para que al mismo tiempo que se rechazan los glbulos se logre captar los parsitos en su totalidad. Por eso en algunos casos se permiten errores en los glbulos, siempre y cuando se mantenga un balance entre dichos errores y la seleccin del parsito. Aberracin del color: al parecer esta causa de error se presenta en los bordes de los glbulos. Es un fenmeno que se presenta en ptica y se debe que los rayos luminosos no inciden todos de igual manera en los colores y cuando pasan por el lente no todos estn enfocados en un mismo punto (ver anexo). Plaquetas: las plaquetas se tien de un color muy cercano, casi igual, al del parsito. Por lo tanto no fue posible dejarlas por fuera de la clasificacin, sin embargo su tamao, morfologa y ubicacin son tiles para diferenciarlas.

84

5.1.3.

Imgenes amarillentas

Como las triangulaciones para RGB, Hering y Hering VG fueron creadas de manera particular para una seccin de los espacios de color no es posible utilizar los mismos tetraedros para los dos tipos de imgenes sin ningn procedimiento previo.

Se disearon dos conjuntos diferentes de tetraedros (uno para cada grupo de fotos) para posteriormente intentar unirlos, sin embargo las nubes no solo se encuentran desplazadas hacia arriba o abajo una con respecto a la otra, sino que tambin se encuentran en direcciones un poco diferentes. En la Figura 34 se graficaron juntos los tetraedros para los dos tipos de fotos en RGB para ilustrar en ella lo difcil que resultara intentar unirlos.

Los tetraedros para las fotos amarillentas de Hering y Hering VG dejan algunas zonas de los glbulos por fuera de todo el proceso por lo tanto el contraste no es muy claro, sin embargo son buenos para la clasificacin del parsito.

En lugar de unir los dos conjuntos de tetraedros se decidi desplazar las imgenes amarillentas hacia las azuladas para poder usar los tetraedros diseados para ellas. En RGB las nubes amarillentas tienen una direccin similar a la de las azuladas y por lo tanto fue posible hacer el contraste y la clasificacin en algunas imgenes amarillentas con los tetraedros de las azuladas, pero en los otros espacios slo se logr la clasificacin, que a larga es lo ms importante. De igual forma la propuesta dio resultados satisfactorios en HSV, y as fue posible una clasificacin y estandarizacin de la imagen en 3 o cuatro colores, donde se identificara cada uno de los componentes de la imagen, para este tipo de imgenes amarillentas.

La propuesta de desplazamiento funcion muy bien para identificar el plasmodium en las fotos amarillentas, y con esto tambin se logr clasificar una imagen que se haba descartado, por no pertenecer a ninguno de los dos grupos de las imgenes.

85

A pesar de que la propuesta de desplazamiento es buena, depende directamente del usuario ya que es l quien debe seleccionar de la foto muestras de las tres partes principales para su posterior anlisis. De dichas muestras depende el resto del

procedimiento ya que en base a ellas se hace el movimiento de los pxeles de color de toda la imagen.

Por lo tanto, el desplazamiento permiti generalizar el proceso para la identificacin del parsito, dentro del banco de datos, sin importar las diferencias de tinte, iluminacin, aumento del microscopio y la cmara. El contraste o realce en la imagen es ms

particular ya que se deben usar los dos conjuntos de tetraedros dependiendo del tipo de foto.

5.2. RESULTADOS ESPACIOS DE COLOR

Los resultados generales de los espacios de color sobre las imgenes de la base de datos se encuentran en ANEXO D. All, se presentan tablas para el proceso de clasificacin, identificando los falsos positivos. Tambin se relaciona una tabla con resultados del proceso de segmentacin posterior a la clasificacin. Las tablas estn separadas por tipo de imagen (amarillenta, o azulada).

Al final de esta seccin la Tabla 11 presenta una comparacin entre los espacios de color y los resultados obtenidos para cada fase con cada uno de ellos.
5.2.1. RGB

La triangulacin escogida para RGB fue buena, se logr tener un contraste entre las diferentes partes de la foto, sin embargo, la cercana entre los colores del glbulo y el plasmodium afecta la deteccin de la malaria.

Cuando se trata de mover los vrtices de los tetraedros para no tener errores en los bordes de los glbulos, se sacrifica la completa seleccin del plasmodium en algunos casos y en 86

otros su total identificacin. Como se dijo anteriormente, es preferible tener el error de seleccionar algo como plasmodium cuando no lo es a dejar de clasificar algo que s lo es.

Como ya se mencion, con el desplazamiento fue posible usar el mismo grupo de tetraedros con los dos tipos de fotos para hacer tanto contraste como clasificacin.

En la presentacin de la fase 2 se asumi que los pxeles de colores que quedan por fuera de los conjuntos de los tetraedros son pocos (espacios negros en las imgenes contrastadas), sin embargo como ellos son excluidos del procesamiento es necesario comprobar esta hiptesis estadsticamente. En la Tabla 8 se tienen los resultados.

GRUPO DE FOTOS MAXIMO MNIMO MEDIA Azuladas 12.788% 0% 2.0354% Amarillentas 3.3974% 0% 0.56936% Tabla 8. Porcentajes de pxeles que quedan excluidos de todo el procesamiento en RGB

5.2.2.

HERING

Las nubes presentaron un esquema parecido al del espacio RGB, es decir, el plasmodium y el glbulo juntos y la nube del fondo alejada de las otras dos, pero se diferencian en la orientacin y en que la separacin glbulo-plasmodium es un poco ms evidente lo cual facilit la escogencia de los vrtices de los tetraedros.

A pesar de parecer un poco ms sencillo todava se siguen poniendo en azul partes que no pertenecen al plasmodium, como se puede ver en la Figura 38 y Figura 39. El fondo se puso en verde y rosado, para las fotos azuladas, por la orientacin del tetraedro respectivo, pero para la aplicacin no es relevante su color porque esto no afecta la deteccin. contraste entre las partes fue ms evidente que en el espacio RGB. El

Fueron seleccionadas ms partes del plasmodium, lo cual es til para una posterior segmentacin, pero al mismo tiempo se incluyeron secciones de los glbulos que no se tenan en el anterior espacio. 87

Para las fotos amarillentas no fue posible poner los vrtices de tal forma que no quedaran tantos espacios negros, lo cual significa que una suma considerable de pxeles de glbulos quedaron por fuera del conjunto de tetraedros elegidos. Sin embargo no se trabaj mas en ello porque no se encontraron caractersticas en este espacio que garantizaran un desempeo con resultados mucho mejores a los que ya se haban obtenido. En la Tabla 9 se encuentran los porcentajes en promedio de puntos que fueron pintados de negro para indicar que no fueron parte del proceso.

GRUPO DE FOTOS MAXIMO MNIMO MEDIA Azuladas 18.832% 0.36864% 2.7144% Amarillentas 32.654% 10.673% 17.977% Tabla 9. Porcentaje de pxeles que quedan excluidos de todo el procesamiento en Hering

El corrimiento de las imgenes amarillentas hacia las azuladas tambin fue til en este espacio y se logr identificar el plasmodium en la foto descartada.
5.2.3. HERING VG

El contraste en este espacio tambin es bueno, el fondo toma un tono gris y los glbulos se vuelven algo opacos lo cual destaca al parsito.

La clasificacin es mucho mejor para este espacio con respecto a la malaria, es posible que se pueda arreglar los espacios negros de los glbulos moviendo algunos vrtices de los tetraedros pero no es el objetivo principal del trabajo, todo lo que se quiere es resaltar el plasmodium.

Con este espacio y el grupo de tetraedros escogidos se elimin algunas de las partes azules indeseables, dejando las plaquetas (se tien del mismo color que el plasmodium) y el plasmodium.

El promedio de puntos negros est en la Tabla 10.

88

GRUPO DE FOTOS MAXIMO MINIMO MEDIA Azuladas 1.3294% 0% 0.226% Amarillentas 0% 0% 0% Tabla 10. Porcentaje de pxeles que quedan excluidos del procesamiento en Hering VG.

5.2.4.

HSV

El espacio de color HSV present caractersticas muy tiles para el tipo de imgenes utilizadas. Como se observa en las nubes de distribucin de este espacio (en desarrollos Figura 31,Figura 50), la separacin entre el glbulo y el parsito es bien clara y ms aun con la propuesta de movimiento en coordenadas esfricas. En efecto, las componentes de matiz H y saturacin S son de especial inters para el parsito, por el brillo. El tinte usado en estos procedimientos (Giemsa) tie el cido nucleico; para este caso el DNA del parsito se realza, vindose como una morado oscuro y saturado. As, el parsito ser el objeto ms brillante en la imagen.

El movimiento en HSV logr darle robustez a la posterior clasificacin, en cuanto a cambios de iluminacin y de tinte (Figura 68). La clasificacin usando clustering, que presenta de forma estandarizada las imgenes a cuatro colores, da resultados satisfactorios, los glbulos son claramente identificables, lo cual es de utilidad para los posteriores anlisis de ubicacin relativa. (Ver las tablas en el ANEXO D). Estas tablas tambin muestran los resultados obtenidos con este espacio de color en donde se destaca que siempre se logr una clasificacin de la malaria y no hubo casos de omisin.

Se aprecian tambin los buenos resultados de la morfologa como proceso posterior. El estudio de posicin relativa de las regiones clasificadas inicialmente como malaria, logr descartar falsas detecciones como las ocasionadas por la aberracin de color, as como identificar positivamente al parsito en sus etapas tempranas de desarrollo (ver segunda tabla en ANEXO D, as como las imgenes en anexos CD).

89

La tabla a continuacin presenta un compendio de las caractersticas presentadas por los cuatro espacios de color utilizados, en las diferentes fases que comprenden el desarrollo del trabajo.

RGB FASE 1

HERING

HERING VG azuladas Nubes

HSV Plasmodium que ms los

Nubes azuladas Nubes mas que

positivas mas negativas que desplazadas igual saturado las las

amarillentas que en Hering y glbulos. Las nubes azuladas desplazadas en en matiz H en las moradas-

amarillentas con con respecto al eje adems respecto al eje B YB (azl). Mezcla azul). de Mezcla (amarillo- concentradas una

pequea regiones

de regin del eje VG azuladas (H: 0.7-0.9) pxeles (violeta-verde). mientras que las nubes la amarillentas estn en los un rango de matiz H de entre 0-0.4. y Mezcla de algunos

algunos pxeles algunos

pertenecientes al pertenecientes al Disminuye glbulo y al glbulo y al mezcla lo pxeles de

plasmodium, lo plasmodium, que indica que

indica glbulos

similitud en los similitud en los plasmodium, colores. colores. dando mas independencia un

pxeles pertenecientes poco al glbulo y al

de plasmodium, lo que a indica similitud en los

stas dos partes de colores. la imagen. RGB FASE 2 HERING HERING VG HSV contraste por

Tetraedros bien Contraste diseados crear

con Contraste no muy Buen

para fondo verdoso en evidente buen las

adems mtodo de expansin los pxeles en

imgenes presenta el mayor de

contraste en los azuladas y buen porcentaje dos tipos

de radialmente

de contraste para las puntos negros en saturacin y valor. 90

fotos.

amarillentas.

las

imgenes de

amarillentas

los tres espacios anteriores. Propuesta de corrimiento en RGB con buenos resultados para todo el sistema en base a las medias de distribucin de la fase anterior. RGB FASE 3 Buenos resultados clasificacin estandarizacin HERING Tambin de buenos HERING VG presenta Muy HSV

buenos El mtodo de clustering una muy

resultados resultados con permiti tetraedros buena

y de clasificacin y los

identificacin

estandarizacin en seleccionados los

del parsito as como clara

en cuatro colores cuatro colores con para con tetraedros. tetraedros. errores tipos

dos una

de diferenciacin de los En dems componentes de imagen, e

Errores por falsa Los deteccin falsa

por imgenes.

deteccin este espacio se la en las disminuye

presentes en las presentes plaquetas bordes

el independencia de tinte

y plaquetas y bordes error por falsa e iluminacin en la de de algunos deteccin y clasificacin. Sin

algunos glbulos glbulos rojos son aumentan rojos. El mtodo un poco mayores zonas de que los que en se parsito los son

las embargo tambin se del presentan errores por que falsa deteccin. El corrimiento en RGB permite una buena del

corrimiento RGB buenos

en presentan

arroja otros espacios. La propuesta

identificadas. de El en procedimiento

identificacin plasmodium.

resultados en las corrimiento imgenes amarillentas disminuyendo errores en RGB reconocer

permite de corrimiento mas en RGB

partes del parsito disminuye los en las 91 fotos errores en los

glbulos.

amarillentas embargo ms

sin glbulos

y una

presenta permite por buena

errores

falsa deteccin que identificacin cuando se usan los del plasmodium tetraedros propios en las imgenes amarillentas.

de ste espacio. FASE

Para todos los espacios se tienen resultados similares con el uso de morfologa Se corrigen algunos errores de falsa

ADICIONAL matemtica y la ubicacin relativa.

deteccin presentes en las plaquetas y en los bordes de los glbulos rojos que arrojan los procesos llevados a cabo usando el color como nica caracterstica de clasificacin.
Tabla 11. Relacin de las caractersticas presentadas por los espacios de color en las fases de desarrollo del proyecto, de acuerdo con el diagrama en bloques.

5.3. RESULTADOS DE INVERSAS DE HERING Y HERING VG

En la transformacin inversa del espacio de Hering al espacio RGB (ver proceso en ANEXO C), se encontraron cierto puntos que no arrojaban resultados dentro del espacio RGB, es decir que de las tres soluciones posibles, ninguna estaba dentro del rango (0,1) del cubo RGB. En la Tabla 12 se encuentran los porcentajes promedio de los puntos cuya funcin inversa no cae dentro del dominio del espacio RGB.

GRUPO DE FOTOS MAXIMO MINIMO MEDIA Azuladas 3.3076% 0.41213% 1.462% Amarillentas 0% 0% 0% Tabla 12. Porcentaje de pxeles para cuya inversa de Hering no funciona.

En la Figura 75 se encuentran en verde sobre las fotos originales, los puntos para los cuales la funcin inversa no sirve, observe que todos se encuentran en el fondo, hacia donde apuntan las flechas. En las fotos amarillentas no se present este problema,

seguramente porque el color de su fondo est mas alejado del blanco, en cambio el fondo de las azuladas est ms cercano. 92

a.

b.

c.

d.

Figura 75. Los puntos verdes en las fotos originales son los pxeles para los cuales no funciona la inversa en Hering

Para el caso de la transformacin inversa de Hering VG a RGB, tambin ocurre que en ciertas regiones la solucin no est dentro del rango (0,1) de RGB. En la Tabla 13 se muestran los promedios de los puntos para los cuales la funcin inversa no es inyectiva y en la Figura 76 estn algunos ejemplos de las zonas donde se ubican estos puntos en la imagen.

GRUPO DE FOTOS Azuladas Amarillentas

MAXIMO 0.5107% 49.971%

MINIMO 0.0039% 16.965%

MEDIA 0.087% 24.563%

Tabla 13. Porcentaje de pxeles para cuya inversa de Hering VG no funciona.

Las flechas indican los puntos para los cuales la funcin inversa de VG no funciona correctamente. Como su porcentaje es reducido en comparacin al espacio de Hering, su

93

visualizacin se dificulta, pero al parecer se presenta en algunas zonas moradas del parsito y en los glbulos.

a.

b.

c.

d.

Figura 76. En verde se encuentran los puntos para los cuales la funcin inversa de Hering VG no es inyectiva

5.4. RESULTADOS SOBRE IMGENES SIN MALARIA

A continuacin se pueden ver los resultados de los diferentes desarrollos, sobre imgenes que no estn contaminadas con plasmodium. En la Figura 77, se pueden ver las imgenes originales as como los resultados en algunos espacios de color. Las imgenes a, b, c, corresponden a las imgenes originales, d, e, f, g, h, i, corresponden a los resultados en el espacio HSV, mientras que las imgenes j, k, l corresponden a RGB.

94

IMGENES ORIGINALES

a.

b. HSV

c.

d.

e.

f.

g.

h. RGB

i.

j.

k.

l.

Figura 77. Imgenes sin parsito despus de l procesamiento. Primera fila, imgenes originales, segunda y tercera fila en HSV, cuarta fila RGB. d, e y f, clasificacin con imgenes a tres colores. Para tercera y cuarta fila en verde lo que se descarta despus de la morfologa y en fucsia se encuentran errores de falsa identificacin

Hasta el momento, se han presentado los resultados de los desarrollos de este trabajo, resaltando las caractersticas de los espacios de color, las causas principales de error, el 95

manejo de las imgenes amarillentas, as como los desarrollos en cuanto a las inversas de Hering y Hering VG. El compendio de conclusiones, sugerencias y trabajos futuros se puede encontrar en el captulo 6. A continuacin se presenta una propuesta de futuro trabajo en el campo de la telemedicina como aplicacin de la investigacin realizada en este trabajo.
5.5. PROPUESTA DE FUTURA IMPLEMENTACIN EN TELEMEDICINA

Como una continuacin y futura aplicacin de los resultados obtenidos en esta investigacin, se presentar a continuacin una propuesta que buscar implementar un sistema de reconocimiento automtico de la malaria, que se acomode a las circunstancias y limitaciones que se puedan tener actualmente en el pas.

Teniendo en cuenta las limitaciones econmicas del pas, y en particular la de los departamentos donde ms se presenta la malaria, se deben buscar alternativas viables para el uso de un trabajo robusto basado en la aproximacin a la visin artificial que se desarroll en este proyecto.

La telemedicina implica una inversin tecnolgica y algo costosa como para pensar implementarla en zonas selvticas y lugares remotos. Sin embargo, sin tener un

conocimiento profundo acerca de los presupuestos y recursos dedicados a sta enfermedad, se propone implementar un sistema de telemedicina sectorizado (ver diagrama Figura 78 ), donde cada rea o sector tenga como lder una cabecera municipal que dependa de las ciudades capitales para compartir informacin y corroborar diagnsticos.

96

Figura 78. Diagrama de la propuesta de implementacin del sistema de telemedicina

Para hacer uso del sistema se necesita: un microscopio (al que se le pueda adaptar una cmara), un computador, Internet y una cmara digital para microscopio. Dichos

recursos debern permanecer en los municipios lderes de cada sector y en las ciudades capitales.

Como municipio lder debe elegirse un territorio que quede preferiblemente en el centro del sector que le corresponda supervisar, para brindar las mismas oportunidades de comunicacin a todas las zonas que dependan de l.

Las laminillas que contienen las muestras deben ser enviadas al municipio lder en cualquier medio de transporte, incluso pueden ser usados los encargados del transporte de alimentos, personas o combustibles, para que sean digitalizadas y mandadas por Internet a la ciudad capital. Inicialmente la propuesta de telemedicina no va orientada a hacer un diagnstico primario, ya que el tiempo de transporte de la muestra hasta el municipio lder puede ser peligroso para el paciente, mas bien servira para corroborar el diagnstico del microscopista o del bacterilogo y tener una base de datos digital de las placas. 97

A largo plazo, cuando el presupuesto y los recursos aumenten, se posibilitar la instalacin de equipos en mas municipios lderes, con menos zonas a su cargo, que puedan realizar diagnsticos confiables en tiempo reducido.

Uno de los inconvenientes de la implementacin de un sistema de telepatologa[35], es la dificultad de establecer un estndar en las imgenes digitales. Factores como el tipo de cmara, ajustes de foco y luz del microscopio, la mezcla de tinte, entre otros, hace ms difcil la posibilidad de compartir imgenes en un sistema de informacin con miras a un diagnstico colaborativo. La opcin de crear un estndar para el procedimiento de toma de muestras y de imgenes se complica por ser en mayor parte un proceso humano y por la imposibilidad de tener un equipo de iguales caractersticas en todas las estaciones remotas. La opcin de una manipulacin de la imagen, la propuesta de este trabajo, que logre mitigar las diferencias al momento de la toma de muestras hechas en diferentes lugares por personas distintas, y que permita un inequvoco diagnstico, es una solucin a este inconveniente, pero es muy importante y necesario, sin embargo, lograr un estndar en la toma de muestra, y proceso adquisicin de las imgenes (ajuste de microscopio, toma de la foto, iluminacin), que permita un exitoso sistema de telediagnstico.

98

6. CONCLUSIONES
Este trabajo de grado fue una oportunidad de combinar aspectos de la ingeniera como el tratamiento digital de imgenes, con reas de la salud, en particular la bacteriologa y la patologa. En reas relacionadas con la medicina y afines, las soluciones que se pueden dar desde la ingeniera electrnica, son de gran utilidad. En especial, en el rea de telemedicina, sistemas de informacin, visin artificial, los aportes son muy interesantes.

El estudio de la visin del color es fascinante, pero lo es sobre todo el encontrarle un uso para resolver casos particulares en los que las caractersticas de color pueden ser de vital importancia. El entender los diferentes fenmenos que llevan a la visin humana del color, y como este no es solo una consecuencia fisiolgica sino un complejo proceso de percepcin y psicofsica, ampli el panorama de modelos que podran ser tiles al estudiar el reconocimiento automtico de la malaria.

Ya en los desarrollos propios de este trabajo se destacarn los beneficios y adelantos que se obtuvieron.

En cuanto a la distribucin de color, sirve para un anlisis cualitativo. Las medias de las distribuciones dieron luces de un anlisis ms cuantitativo, estadstico del

comportamiento de las nubes. Este anlisis fue muy til para el proceso de corrimiento de las imgenes amarillentas. A travs de este, se puede observar con ms claridad la correlacin entre las nubes de color de las imgenes. Fue todo este proceso el que determin la escogencia de los vrtices de los tetraedros, y el que mostr los beneficios y deficiencias de cada uno de los espacios de color.

99

Acerca del procesamiento de la imagen, se observ que la triangulacin de todo el espacio es ms til para crear contraste [8][26], pero si se busca aprovechar los tetraedros para clasificacin es mejor una triangulacin de acuerdo al tipo de imgenes. Las diferentes formas de triangular el espacio, pueden dar diferentes resultados, por lo que se puede trabajar ms en la escogencia de tetraedros ms adecuados, sobre todo para los espacios de Hering y Hering VG.

El desplazamiento de las nubes de color, para solapar las nubes de las imgenes amarillentas sobre las azuladas es til para generalizar y hacer ms robusta la clasificacin, para lograr independencia de factores como el tinte en la imagen. Los resultados en todos los espacios fueron satisfactorios, incluido en el HSV, a pesar de que en HSV no se utiliz el mismo mtodo de clasificacin. Este mtodo hace pensar una estandarizacin para las imgenes de frotis de malaria, en las que se puedan mitigar efectos de tinte.

La propuesta de Movimiento en HSV tambin logr robustez ante cambios de iluminacin y tinte, por separar las nubes de glbulo y parsito (ver Figura 68).

Los mtodos de clasificacin por color se pueden usar como una etapa preliminar en la identificacin automtica de la malaria, ms no como nico mtodo, ya que otros elementos presentes en la imagen, como plaquetas, pueden tener el mismo color que el parsito, sin contar con factores como la aberracin cromtica que afecta los bordes de los glbulos. Sin embargo es buen indicador, y separa el parsito de los objetos ms importantes de la imagen: fondo y glbulo. Con este mtodo, en general no se encuentran casos en los que se clasifiquen otros elementos de la imagen como malaria, pero el parsito presente all no sea clasificado.

La propuesta del uso de tetraedro como mtodo de clasificacin, no utilizado anteriormente, arroja buenos resultados para la clasificacin del parsito, basndose en un

100

estudio previo de la base de datos. Las ventajas de este mtodo son su facilidad de procesamiento e implementacin.

Se pueden utilizar mtodos ms robustos de clasificacin, pero tal vez no aprovechara mucho la correlacin del color en las imgenes, y podran ser ms lentos computacionalmente.

Se podra trabajar en una divisin del espacio de color diferente a los tetraedros, que se ajuste ms a la estructura del espacio, para poder ser usado en el espacio HSV, por ejemplo. En este caso, el uso de coordenadas baricntricas se dificultara, a menos que se encontrara una biyeccin entre la divisin del espacio por otras figuras, y la triangulacin en RGB por ejemplo.

Una propuesta de automatizacin del proceso de escogencia de los tetraedros sera de gran ayuda, ya que este proceso es bastante dispendioso, y puede arrojar resultados variados de acuerdo a la triangulacin escogida. En esta propuesta se podra partir de una triangulacin estndar (como las usadas en este trabajo), para iterativamente optimizar la ubicacin de los tetraedros.

La tcnica de clustering se acomoda muy bien a las imgenes de frotis de sangre en su representacin de color en HSV, porque las nubes de cada componente estn ms claramente definidas, y el criterio de la menor distancia eucldea a los centros de los clusters, para la clasificacin, arroja buenos resultados, que sern definitivos para un posterior proceso de segmentacin y la completa identificacin del parsito.

La estandarizacin en tres o cuatro colores es til para independizar las imgenes de los cambios de iluminacin y tinte y facilita la diferenciacin de los tres elementos fundamentales de la imagen.

101

La morfologa matemtica se adapta a las necesidades y al caso especfico de imgenes sanguneas. Con este mtodo se aprovechan otras caractersticas del parsito distintas al color, como el tamao y la forma con las que se logra una identificacin completa de ste, y diferencian al plasmodium de otros elementos en la imagen clasificados como malaria por tener el mismo color (plaquetas y bordes de glbulo). Adems los procesos para determinar la posicin relativa con respecto al glbulo, ayudaron a lograr una identificacin del parsito en sus etapas tempranas.

En este campo hay mucho trabajo por realizar: el tamao relativo de los glbulos para relacionar con el tamao del parsito, con estudios de granulometra, un estudio ms a fondo de la morfologa del parsito incluyendo las etapas de desarrollo y tipos de malaria, mejoras en la ubicacin relativa del parsito con respecto a otros elementos en la imagen. En este trabajo se utiliz la morfologa matemtica en blanco y negro, pero se podran explorar algoritmos de morfologa a color.

En cuanto a los espacios de color utilizados, el estudio sobre los espacios de Hering y Hering VG continua, en particular en cuanto a la transformacin de estos espacios a RGB, desarrollada en este trabajo, la bsqueda del espacio de soluciones y los puntos donde la transformacin no es inyectiva. Dado que la forma de estos espacios no es cbica como la del espacio RGB, se podran explorar otras formas de triangularlos.

El espacio HSV, es de particular inters en este tipo de imgenes, por lo que arroj muy buenos resultado. Para este espacio se podra, como se mencion anteriormente, buscar una forma de triangular el espacio.

Como evaluacin del desarrollo de este trabajo se podran comparar los resultados con otras tcnicas utilizadas para resolver problemas similares como la de KNN en [25], y las tcnicas de morfologa matemtica utilizadas aqu podran complementarse con las ya trabajadas en otros escritos [6][20].

102

En el campo de la telepatologa se considera necesario un protocolo para la preparacin de las muestras y la adquisicin de las imgenes que facilite el diagnstico automtico de la malaria ya que las condiciones no constantes son variadas e impiden un procesamiento digital robusto. Las imgenes de malaria dependen de la acidez del tinte, el tipo de

iluminacin del microscopio y del laboratorio, el aumento y tipo de la cmara y el microscopio y la preparacin del frotis, entre otras, sin embargo en ste trabajo de grado se compensaron algunos de estos parmetros.

Se realiz una propuesta para telemedicina que no va orientada a hacer un diagnstico primario sino que servira para corroborar diagnsticos y compartir informacin entre especialistas pero que a largo plazo podra convertirse a un sistema de diagnstico automtico que se dise teniendo en cuenta los recursos de las zonas de alto riesgo de malaria.

A pesar de las limitaciones econmicas que impiden la automatizacin del diagnstico de la malaria a corto plazo, este trabajo tiene una repercusin social importante que va ms all de los porcentajes de muertes anuales que produce sta enfermedad o el aumento de las zonas de riesgo en todo el mundo y consiste en proponer una alternativa computacional que ayuda a sistematizar la investigacin, el diagnstico, la digitalizacin de resultados y la cooperacin entre especialistas y por ende contribuye a la solucin de un problema global.

Finalmente, el proyecto se aproxima satisfactoriamente a la identificacin de la malaria dejando avances significativos en el estudio de los espacios de color. Se mermaron los efectos de los cambios de iluminacin y tinte y gracias a la morfologa matemtica y la ubicacin relativa se corrigieron algunos errores de falsa deteccin que se tenan con el color.

103

BIBLIOGRAFA

[1] Alerta

por

brote

de

malaria.

Disponible

en

Internet:

http://elpais.terra.com.co/historico/abril272004/REG/B427N2.html [2] CASTRO ALARCON, Sonia. Desarrollos alrededor de estandarizacin para imgenes bajo iluminacin cambiante. Proyecto de grado. Ingeniera Elctrica. Universidad de los Andes. Bogot, 2003. [3] Cells of the blood. Disponible en Internet: http://www-

micro.msb.le.ac.uk/MBChB/bloodmap/Blood.html (Enero 5 de 2005) [4] Cientfico que desarroll vacuna efectiva contra la malaria cree que se pueda derrotar la enfermedad. Disponible en Internet: http://eltiempo.terra.com.co/ INTERIOR-1829321.html

cien/noticiascientificas/ARTICULO-WEB-NOTA_ (Noviembre 25 de 2004) [5] Clustering. Disponible en internet:

http://www.eng.man.ac.uk/mech/merg

/Research/datafusion.org.uk/techniques/clustering.html [6] DI RUPERTO. C, DEMPSTER. A, KHAN. S, JARRA.B. Segmentation of blood images using morphological operators. International Conference on pattern recognition (ICPR00). Barcelona, Espaa, 2000. [7] DIAZ DEL CASTILLO, Maria Raquel. Apuntes personales y presentaciones sobre malaria. Instituto Departamental de Salud Nario. [8] GARZON BOLIVAR, Zulma. Mejoras y alternativas al mtodo de estandarizacin de color en imgenes digitales bajo patrones de iluminacin cambiante. Proyecto de grado (Magster en Ingeniera Elctrica y Electrnica). Bogota D.C., 2003. [9] GONZLEZ, Rafael y WOODS, Richard. Tratamiento digital de imgenes. Editorial Addison-Wesley. Buenos Aires, 1996. Universidad de los Andes.

104

[10] GOURAS,

Peter.

Color

Vision.

Disponible

en

Internet:

http://webvision.med.utah.edu/Color.html (Enero 5 de 2005). [11] GOURAS, Peter. Color vision. En : KANDEL, E,SCHWARTZ, J. Principles of neural science. Tercera edicin. Prentice may Internacional. Estados Unidos, 1991. [12] FAUVEL, FLOOD, WILSON. Mbius and his band. Oxford University Press. 1993 [13] HARLICK, SHAPIRO. Computer and Robot vision. Addison Wesley. 1992 [14] Historia del color. Disponible en Internet:

http://www.sinteplast.com/Color/default.htm 2004).

(consultada el 22 de septiembre del

[15] HUBEL, WIESEL. Eye, brain and vision. Scientific American Library Series 22. New York, 1988. [16] Laboratory identification of parasites of public health DPDx. Malaria. Disponible en internet: http://www.dpd.cdc.gov/dpdx/HTML/Malaria.htm (Diciembre 10 de 2004) [17] Malaria o paludismo. Disponible en internet: mosquito

http://www.anlis.gov.ar/consulta/infecciosas/malaria/malaria.htm#el (Diciembre 9 de 2004) [18] MATLAB. Statistics Toolbox users guide. (Marzo de 2005) [19] Modelos de colores YIQ. Disponible en

internet:

rnasa.tic.udc.es/gc/trabajos%202002-03/color/YIQ.htm (Enero 4 de 2005) [20] PIURI, Vicenzo y SCOTTI, Fabio. Morphological classification of blood leucocytes by microscope images. CIMSA 2004 IEEE International Conference on Computational Intelligence for Measurement Systems and Applications Boston, MD, USA, 14-16 July 2004 [21] Questions about Malaria. Disponible en Internet: http://www.malaria.org,

(consultada 21 de septiembre del 2004). [22] RESTREPO, Alfredo. Color-Space localized color expansion.

105

[23] RESTREPO, Alfredo y BUSTACARA, Csar. La teora de color de Hering: Una posibilidad en procesamiento de imgenes y visin artificial. En: Ingeniera y Universidad Vol. 2 No.1. Enero-Junio 1998. [24] RESTREPO, Alfredo y GARZON, Zulma. A note of two hypothetical

transformations of R, G and B variables to model color perception properties. Laboratorio de seales. Universidad de los Andes. Bogota D.C., 2004. [25] RESTREPO, Alfredo, ROMERO, E. y SARMIENTO, W.J. Colour estimation in images from thick blood films for the automatic detection of malaria. IX Simposio de tratamiento de seales y visin artificial, Manizales, Caldas, 2004. [26] RESTREPO, Alfredo y VEGA, J. Localized color contrast enhancement. IX Simposio de tratamiento de seales y visin artificial, Manizales, Caldas, 2004. [27] RGB (rva), CMYK...: "espacios" de colores? Disponible en internet:

http://membres.lycos.fr/jaudric/sspaces.htm (Diciembre 17 de 2004) [28] Rods and cones. Disponible en internet: http://hyperphysics.phy-

astr.gsu.edu/hbase/hframe.html (Enero 5 de 2005) [29] SHARMA, Gaurav. Digital color imaging. IEEE transactions on image processing. VOL 6, No 7, Julio de 1997. [30] SINGH, S, HADDON, J y MARKOU, M. Nearest neighbour strategies for image understanding. 1999. Disponible en internet:

http://www.dcs.ex.ac.uk/research/pann/pdf/pann_SS_004.pdf (Enero 16 de 2004) [31] SCHANDA, J. CIE Colorimetry and colour displays. University Veszprm, Hungra y CIE Central Bureau, Viena. Disponible en internet:

http://www.knt.vein.hu/staff/schandaj/SJCV-Publ-2005/377.doc [32] Teoria y figuras. Disponible en internet:

http://www.uam.es/personal_pdi/psicologia/travieso/web_percepcion/teorias.html (Diciembre 20 de 2004)

106

[33] VEJARANO A, Camilo. Exploracin del uso de la morfologa matemtica en el tratamiento de imgenes a color. Proyecto de grado (Ingeniero Electrnico).

Universidad de los Andes. Bogota D.C., 2002. [34] Vacuna experimental contra la malaria muestra prometedora tasa de proteccin en nios. Disponible en internet:

http://eltiempo.terra.com.co/cien/noticiascientificas/ARTICULO-WEB_NOTA_INTERIOR-1822248.html (Noviembre 24 de 2004) [35] YAGI, Yukako y GILBERTSON, John. Digital Imaging in Pathology: For

standarization. University of Pittsburgh Medical Center Health System, Pittsburgh, PA, USA. Disponible en internet: http://www.itu.int/itudoc/itu-t/workshop/e-

health/wcon/s7con001_ww9.doc. [36] ZEKI, Semir. Una visin del cerebro. Ariel. Barcelona, 1995.

REFERENCIAS PERSONALES

DIAZ DEL CASTILLO, Maria Raquel. Bacteriloga encargada de la malaria y leishmaniasis para Nario. Instituto Departamental de Salud de Nario.

MENDOZA, Marcela. Bacteriloga y Microbiloga. Departamento de Parasitologa, Instituto Nacional de Salud INS.

NICHOLS, Santiago. Mdico. Departamento de Parasitologa, Instituto Nacional de Salud INS

107

LISTA DE ANEXOS

A continuacin se encuentran los documentos anexos:

ANEXO A. ALGORTIMOS ANEXO B. INTERFAZ GRFICA ANEXO C. INVERSAS DE HERING Y HERING VG ANEXO D. TABLAS DE RESULTADOS EN IMGENES DE BASE DE DATOS ANEXO E. ABERRACIN DE COLOR

En carpeta ANEXO CODIGO: cdigo en Matlab

108

ANEXO A. ALGORTIMOS

A continuacin se presenta un listado de los algoritmos utilizados, con una breve explicacin de su funcin. El cdigo est en el CD anexo, junto con la base de datos de imgenes utilizadas durante el desarrollo.

function image3Dfscatter3(imagen,num,numero) function pelicula(tit) function STATS(titulo) function [h] = fscatter3(X,Y,Z,C,cmap); function Analisis(titulo) function graficartetras(tetraedro) function [INtetra,IMtetra,tcol]=car2barIN(tetra,Colorvec) function [tpeque,muchos_maximos]=tetraspeque(INte,Colorvec) function [Proyectado]=car2barIN2(tetra,colorvn,num) function [PROY]= Proyectar(Lambda, tetra,Imagen) function sobre=sobrelapa(c1,num) function cart=bar2car(lambda,tetra) function NuevaIMG=rearmar(c,tamano,tit) function [seg]=morfo(crt,tamano,num1,num2) function imout=sizethre(im,s,mode); function [pes,cuan]=areas(seg,tamano) function Colorher=opcionHering(colorv) function RGBmatriz=inversa(HERmatriz) function TIPO=claseImagen(imagen) function [movida,TamImagen,ima]=medias(imagen) function ppalestandarizacion (imagen, numero, morfologia, movimiento, function malaria_HSV(imagen, morfo, guardar,Amarilla) 109

function [NuevaIMG,H,S,V]=HSV_movimiento(imagen, TamImagen) function [Clasi,Bicho,FONDO]=ClustDist_HSV(Colorvec,TamImag, center) function Colorvec=MORFO_HSV(Colorvec, FONDO, Bicho,TamImag) function I3DfscatHSV_car(nume,carpeta, NumRegiones) function I3DfscatHSV(imagen,nume,carpeta, NumRegiones)

function image3Dfscatter3(imagen,num,numero)

Esta funcin permite seleccionar un tringulo de 'imagen' para que sea representado en el espacio de color RGB su distribucin de color. Se escogi un tringulo para poder buscar los puntos de la imagen que caen dentro de l con coordenadas baricntricas. En la ruta de directorio de Matlab debe existir una carpeta de nombre NUBES en donde quedarn guardadas las imgenes originales con los tringulos seleccionados en azul en formato JPG, y otra donde estn guardadas las fotos. En numero va el espacio de color en el cual se quiere ver la distribucin, 0 para RGB, 1 para Hering RG-YB y 2 para Hering VG. En num va el nmero que se le aade al ttulo de la imagen para guardarla.

function pelicula(tit)

Este programa toma la grfica de la nube de distribucin y la pone a girar en dos direcciones, la primera con un ngulo de elevacin fijo de 45 y un azimut que vara cada 36 hasta cumplir 360 y la segunda con un ngulo azimut fijo de 45 y uno de elevacin que va de 36 hasta 360.

function STATS(titulo)

Funcin para analizar la matriz de color que sale de image3Dfscatter3, se guardarn dicha matriz y la media de cada color en una estructura para luego tener acceso a esos valores.

110

function [h] = fscatter3(X,Y,Z,C,cmap);

Esta es una de las funciones que se encontraron en Internet. Est es una copia de ella junto con el nombre de su autor. Se le cambi la parte del if, casi al final, que se encuentra comentada porque no era til para esta aplicacin.

function Analisis(titulo)

En esta funcin se llamarn todos los archivos.mat creados en la carpeta NUBES del current directory para graficar los datos estadsticos de cada imagen que estn en la estructura statcolor que sale de la funcin STATS. Crea una nueva estructura llamada Analisis1 y ser guardada en una carpeta dentro de NUBES que debe tener por nombre Analisis.

function graficartetras(tetraedro)

Grafica tetraedros. Su entrada debe ser una matriz de 3*4 debido a los 4 vrtices del tetraedro.
function [INtetra,IMtetra,tcol]=car2barIN(tetra,Colorvec)

Esta funcin convierte la imagen de cartesianas a baricentricas y devuelve una matriz con los puntos que caen dentro del tetraedro. Se debe entrar Colorvec de 3*(m*n) y tetra de 3*4 y devuelve IMtetra en coordenadas cartesianas de 4*(m*n) con los puntos originales que caen dentro de los tetraedros y INtetra de 4*(m*n) con los mismos puntos pero en coordenadas baricentricas respecto a los tetraedros principales. Los puntos que no caen en ningn tetraedro son puestos en negro (0,0,0).

function [tpeque,muchos_maximos]=tetraspeque(INte,Colorvec)

111

Busca los mximos de los pxeles que caen dentro cada tetraedro y forma uno nuevo. Las entradas son las matrices INtetra con los puntos que caen dentro del tetraedro en coordenadas baricntricas y Colorvec con la matriz de colores de la imagen intacta. Devuelve una matriz de 3*4 con los vrtices del nuevo tetraedro ms pequeo.

function [Proyectado]=car2barIN2(tetra,colorvn,num)

Esta funcin calcula las coordenadas baricentricas de colorvn con respecto al tetraedro pequeo, tetra, ademas encuentra los pxeles que caen por fuera y los arrastra de dos formas diferentes que el usuario elige con la opcin num, si es 1 llama a la funcin Proyectado, de lo contrario implementa la otra. Como salida tiene la matriz Proyectado que est en coordenadas baricntricas de 4*(m*n).

function [PROY]= Proyectar(Lambda, tetra,Imagen)

Funcin para proyectar los puntos por fuera del tetraedro pequeo sobre alguna de sus caras (la ms cercana) teniendo en cuenta el baricentro del tetraedro. La funcin devolver la nueva matriz en baricntricas, con los puntos proyectados.

function sobre=sobrelapa(c1,num)

Toma las matrices que arroja cada tetraedro y forma una sola libre de sobrelapamientos para posteriormente graficarla. Se organizan las matrices segn la siguiente prioridad: plasmodium, glbulos y fondo.

function cart=bar2car(lambda,tetra)

En esta funcion se pasa de coordenadas baricntricas a cartesianas. Lambda es la matriz en coordenadas baricntricas, tetra es el tetraedro de 3*4.

112

function [dob,TamImag]=leer(foto)

Lee la imagen y la deja de tal forma que quede de tamano (m*n)*3 en una sola matriz para facilitar su manejo.

function NuevaIMG=rearmar(c,tamano,tit)

Con esta funcin se rearma la imagen para poder visualizarla. Entra una sola matriz en c, en tamano va el tamao de la foto original y en tit el nombre de la imagen.

function [seg]=morfo(crt,tamano,num1,num2)

Hace una erosin y una dilatacin para quitar pedazos no deseados en las fotos y mejorar el aspecto de la seleccin del parsito hacindolo ms slido. Entra la matriz de la imagen estandarizada en crt, num1 es el radio del disco de la erosin, num2 es el radio de la dilatacin y tamano es el tamao original de la foto.

function imout=sizethre(im,s,mode);

% Zhe Wu 01-08-2002 @ University of Rochester

Funcin encontrada en internet. Marca las reas en la matriz que arroja morfo y las guarda o las descarta de acuerdo al nmero de pxeles que se ponga en s. En mode se elige up o down para especificar si se quieren borrar las reas por encima de s o por debajo. Fue agregado el ltimo for.

function [pes,cuan]=areas(seg,tamano)

Calcula cuantas reas existen en la matriz seg conectadas por 8 vecinos y el nmero de pixeles de cada una de ellas.

113

Rgb2ncs.m

Esta funcin se encarga de mapear los puntos de RGB a Hering RG-YB para observar la forma de ste espacio.

function Colorher=opcionHering(colorv)

Pasa la matriz colorv de coordenadas en RGB al espacio de Hering.

function RGBmatriz=inversa(HERmatriz)

Transforma la matriz HERmatriz de coordenadas en el espacio de Hering RG-YB al espacio de RGB mediante su inversa.
Rgb2vg.m

Esta funcion se encarga de graficar los puntos en el espacio Hering VG

function TIPO=claseImagen(imagen)

Con este funcin se determinar si la imagen a usar es del grupo de las amarillentas o de las azuladas, para as decidir si se usar o no el factor de desplazamiento. Esto se har tomando una muestra del fondo (un recuadro) y analizando el centro de gravedad de los colores de los pixeles, se mirar si este dato tiende hacia el amarillo en el cubo RGB o ms hacia el morado. Como parametro de entrada se tendr la imagen y la funcin devuelve el parmetro TIPO igual a 2 si es amarillenta o 1 si es azulada .

function [movida,TamImagen,ima]=medias(imagen)

Esta funcin calcula la media de tres partes diferentes de la foto de entrada, el usuario debe seleccionar una parte del glbulo, del parsito y otra del fondo. Con el factor de escalamiento desplaza la matriz y la entrega en la matriz movida.

114

function ppalestandarizacion (imagen, numero, morfologia, movimiento, clasycont, op,tetras)

Esta funcin es la principal, inicial, en todo el proceso de clasificacin e identificacin para los espacios Hering, Hering VG y RGB. La funcin ppalestandarizacion tiene siete entradas: En imagen va el nombre de la foto. En tetras los vrtices de los tetraedros que van a ser usados. numero se escoge el espacio de color en el que se quiere trabajar, 0 para RGB, 1 para Hering y 2 para Hering VG. morfologia se pone 0 para no hacer el proceso de morfologa matemtica y 1 para lo contrario. movimiento, 0 para hacer proceso de desplazamiento, 1 para dejar la imagen intacta. clasycont con 0 se hace solo contraste y con 1 se hace contraste y clasificacin. op se decide el tipo de proyeccin de los puntos, con 0 para usar el mtodo de arraste y 1 para usar el baricentro.

function malaria_HSV(imagen, morfo, guardar,Amarilla)

Funcin principal para proceso con espacio de color HSV. Desde aqui se llama a las funciones HSV_movimiento, ClusDist_HSV y MORFO_HSV. Parmetros: imagen a evaluar, morfo si se quiere hacer proceso de morfologia, opcin de guardar la imagen identificada, Amarilla si la imagen es amarillenta (2) o azulada (1). Si la imagen es amarillenta se llamar a la funcin medias para realizar el desplazamiento en RGB. Luego hace el movimiento en HSV de la imagen despues se hace la clasificacin por distancias a los centros de los clusters y por ltimo se hace el proceso de morfologa.

function [NuevaIMG,H,S,V]=HSV_movimiento(imagen, TamImagen)

Esta funcion hace el movimiento de la imagen en el espacio HSV por medio de coordenadas esfericas, haciendo un cambio de las coordenadas cilindricas del HSV a esfricas. imagen es de ab*3 en RGB. devuelve la nueva imagen en NuevaIMG a*b*3, y las coordenadas H, S, V ab*3. 115

function [Clasi,Bicho,FONDO]=ClustDist_HSV(Colorvec,TamImag, center)

Esta funcin calcula las distancias entre los pixeles de la imagen y los centros de los clusters, para asi lograr una clasificacin Colorvec en HSV m*3, TamImag el tamao de la imagen original, center en cartesianas 4*3 devuelve Clasi la matriz clasificada, Bicho lo clasificado como malaria, y FONDO lo clasificado como fondo.

function Colorvec=MORFO_HSV(Colorvec, FONDO, Bicho,TamImag)

Esta funcion tiene todas las operaciones de morfologa hechas sobre la imagen clasificada en HSV.usa las funciones morfo, sizethre,areas, asi como bwlabel (de matlab) Las entradas son Colorvec matriz de la imagen, FONDO matriz con lo que se clasifico como fondo, Bicho lo que se clasific como parasito, y TamImag, tamao de la imagen original. Devuelve Colorvec, matriz de la imagen.

function I3DfscatHSV_car(nume,carpeta, NumRegiones)

Funcin para graficar en HSV las nubes de color de las imgenes de la carpeta carpeta. Parmetro de entrada es la carpeta donde estn las imgenes de inters. se har un loop por todas las imgenes, preguntndole al usuario si desea hacer el procedimiento con cada imagen. Cada ciclo se llamar a la funcin I3DfscatHSV.

function I3DfscatHSV(imagen,nume,carpeta, NumRegiones)

Funcin para graficar en el espacio HSV las nubes de color de una imagen. se seleccionan 3 rectngulos, el primero para glbulo, segundo fondo, tercero (y cuarto si es necesario) para malaria con imcrop se selecciona un rectngulo. Los pxeles de este rectngulo sern pintados en el R3 con su respectivo color en coordenadas HSV teniendo como referencia el cono. adems estos datos sern guardados en un .mat de acuerdo con la regin escogida. 116

ANEXO B. INTERFAZ GRFICA

PROTOCOLO DE USUARIO

El propsito de esta herramienta es el de dar acceso al usuario a los desarrollos del trabajo de grado, de manera sencilla. De esta forma podr comparar los resultados de clasificacin e identificacin que arrojan los diferentes espacios de color, para una imagen seleccionada.

En la carpeta ANEXO_CODIGO de las anexos, se encuentran todos los programas necesarios para que la interfaz grfica funcione correctamente.

Desde Matlab, asegurndose que la ruta del directorio sea en la que esta la carpeta, digite GUI_malaria en la linea de comandos. Le aparecer la ventana con la interfaz grfica a usar.

117

La ventana se compone de un cuadro con una lista, en la parte superior derecha, que inicialmente mostrar todos los componentes de la carpeta de la ruta que se defini en Matlab. Ser entonces inicialmente la carpeta ANEXO_CODIGO. A travs de este cuadro de lista, el usuario podr navegar a travs de las carpetas, para escoger la imagen que desea analizar. La ubicacin del archivo de la imagen no importa, puede estar en cualquier ruta. En la parte superior de la lista, un cuadro de texto indica la ruta que est mostrando la lista.

Cuando el usuario encuentre la imagen que desea que sea analizada por el sistema, debe hacer doble click sobre el tem de la lista, y de esta forma aparecer la imagen en la parte izquierda de la ventana. A continuacin se escoge el espacio de color deseado, para realizar el anlisis. En el recuadro que se encuentra debajo de la lista, con ttulo Espacios de color, se encuentran los espacios a escoger. Por defecto el espacio de color es el RGB.

Oprimiendo el botn Identificar, en la parte inferior derecha de la ventana, se proceder a hacer el anlisis de acuerdo con el espacio de color seleccionado. En ventanas independientes aparecern las imgenes con los resultados obtenidos. Dentro de estas imgenes estarn primero una en la que se ve la imagen original contrastada, otra con la clasificacin, en una imagen estandarizada a tres o cuatro colores, y por ltimo una con las regiones identificadas como malaria en color fucsia y amarillo, y en verde regiones que la clasificacin consider como plasmodium, pero que fueron descartadas posteriormente.

Al oprimir el botn identificar aparecer una ventana de dialogo que le indicar al usuario que debe escoger un pequeo recuadro de la imagen que corresponda con un color casi acromtico, el mas cercano a blanco. De esta forma, el sistema sabr si la imagen a procesar es amarillenta o cercana a las azuladas. 118

Si la imagen es amarillenta, y si el espacio escogido es RGB, Hering o HeringVG, aparecer una nueva ventana de dialogo, en la que el usuario deber escoger si desea trabajar con tetraedros para imgenes amarillentas, o si desea que la imagen sea desplazada en RGB, para luego continuar con el procedimiento.

Si se escoge la opcin Tetraedro, comenzar el procesamiento de la imagen. Si se escoge Desplazamiento, o si la imagen es amarillenta y se escogi el espacio HSV, aparecer una ventana en la que se le indica al usuario que debe seleccionar con el mouse tres regiones de diferente color, en la imagen de la ventana.

Despus de seleccionar las tres regiones en la imagen, comenzar el procesamiento de la imagen. 119

Si la imagen no es amarillenta, no aparecer ninguna de las dos ventanas anteriores.

NUBES DE COLOR EN LA IMAGEN Si se oprime el botn Nubes, con el espacio HSV escogido, aparecer un dialogo donde se le explicar al usuario qu debe hacer; seleccionar tres regiones de la imagen de diferente color y en el orden que se indica. En una nueva figura, aparecer la imagen donde se deben escoger las regiones. Las nubes de color aparecern en otra figura.

Si de lo contrario, se escogen los espacios RGB, Hering y Hering VG, el usuario deber escoger un triangulo, no un recuadro como en el caso anterior, de la regin de la imagen deseada.

120

121

ANEXO C. INVERSAS DE HERING Y HERING VG

INVERSA DE HERING

El sistema inverso permite pasar los pxeles de color del espacio de Hering al RGB. La convencin para los colores es: R=rojo G=verde B=azul RG=rojo-verde YB=amarillo-azul BkW=negro-blanco

Numeradas de 1 a 3 se encuentran las ecuaciones que transforman los puntos de RGB a Hering: 1. 2. 3. RG = R G YB = (R * G + B )( 1 2 (R + G ) B ) BkW = 1 3 (R + G + B )

Esas ecuaciones son despejadas y reemplazadas una en la otra de tal forma que finalmente queden las variables R, G y B en funcin de las componentes de Hering. A continuacin se tienen algunos de los pasos principales para encontrar la inversa, a) b) c) 3 BkW G B = R 3 * BkW B RG =G 2 1 * (3 * BkW + RG B ) = R 2 esta expresin resulta de despejar la ecuacin 3 despues se reemplaza a) en la ecuacin 1 y se despeja G se reemplaza b) en a)

note que b) y c) estn en trminos de B y al reemplazar en la ecuacin 3 y despues de simplificar un poco se obtiene una ecuacin de tercer grado en funcin de B que se muestra en seguida, YB = 3 8 * ( B 3 + B 2 * (4 7 * BkW ) + B * (15 * BkW 2 4 * BkW RG 2 ) + ( BkW * RG 2 9 * BkW 3 )) La ecuacin cbica tiene tres soluciones, una real (B1) y dos soluciones complejas conjugadas (B2 y B3). 122

 192*BkW 2 8*BkW 3 + 264*BkW 18*RG 2 +18*BkW *RG 2 36*YB64+ 144*BkW *RG 2*YB+96*BkW *RG 2 +512*YB192*BkW 2 +192*BkW 3 B =1 * 2 2 4 4 2 1 3 3 3* 240*BkW *RG 2112*BkW *YB+960*BkW 48*BkW *RG 384*BkW 3*RG 2 + 24*BkW 2*RG 4 +60*BkW *RG 4 12*RG 4 +576*BkW 5 6 +1536*BkW 2*YB+64*BkW 3*YB+144*RG 2*YB+144*YB2 3 * RG 3*( 4 *BkW 2 +44 *BkW 1 *RG 2 16 ) 9 9 3 9 2 3 2 2 192*BkW 8*BkW +264*BkW 18*RG +18*BkW *RG 36*YB64+ 144*BkW *RG 2*YB+96*BkW *RG 2 +512*YB192*BkW 2 +192*BkW 3 240*BkW 2*RG 2 2112*BkW *YB+960*BkW 4 48*BkW 4*RG 2 384*BkW 3*RG 2 + 3 3* 24*BkW 2*RG 4 +60*BkW *RG 4 12*RG 4 +576*BkW 5 3*RG6 +1536*BkW 2*YB+ 64*BkW 3*YB+144*RG 2*YB+144*YB2 4 3 + 7 3 * BkW

123

 192*BkW 2 8*BkW 3 + 264*BkW 18*RG 2 +18*BkW *RG 2 36*YB64+ 2 2 2 3 144*BkW *RG *YB+96*BkW *RG +512*YB192*BkW +192*BkW 2 *RG 2 2112*BkW *YB+960*BkW 4 48*BkW 4 *RG 2 B = 1 * BkW 240 * 6 3 3* 2 384*BkW 3*RG 2 + 24*BkW 2 *RG 4 + 60*BkW *RG 4 12*RG 4 +576*BkW 5 3*RG 6 +1536*BkW 2 *YB+ 64*BkW 3*YB+144*RG 2 *YB+144*YB2 192*BkW 2 8*BkW 3 + 264*BkW 18*RG 2 +18*BkW *RG 2 36*YB64+ 2 2 2 3 144*BkW *RG *YB+96*BkW *RG +512*YB192*BkW +192*BkW 1 * 2 2 4 4 2 4 + 7 *BkW + 1 *i* 3* 3 3 3* 240*BkW *RG 2112*BkW *YB+960*BkW 48*BkW *RG 3 3 2 384*BkW 3*RG 2 + 24*BkW 2 *RG 4 +60*BkW *RG 4 12*RG 4 +576*BkW 5 3*RG 6 +1536*BkW 2 *YB+ 64*BkW 3*YB+144*RG 2 *YB+144*YB2 3 *( 4 *BkW 2 + 44 *BkW 1 *RG 2 16 ) 9 9 3 9 2 + 192*BkW 2 8*BkW 3 + 264*BkW 18*RG 2 +18*BkW *RG 2 36*YB64+ 144*BkW *RG 2 *YB+96*BkW *RG 2 +512*YB192*BkW 2 +192*BkW 3 2 2 4 4 2 3 2 3 3* 240*BkW *RG 2112*BkW *YB+960*BkW 48*BkW *RG 384*BkW *RG + 24*BkW 2 *RG 4 + 60*BkW *RG 4 12*RG 4 +576*BkW 5 3*RG 6 +1536*BkW 2 *YB+ 64*BkW 3*YB+144*RG 2 *YB+144*YB2

124

 192*BkW 2 8*BkW 3 + 264*BkW 18*RG 2 +18*BkW *RG 2 36*YB64+ 2 2 2 3 144*BkW *RG *YB+96*BkW *RG +512*YB192*BkW +192*BkW 2 *RG 2 2112*BkW *YB+960*BkW 4 48*BkW 4 *RG 2 B = 1 * 240 * BkW 6 3 3* 3 384*BkW 3*RG 2 + 24*BkW 2 *RG 4 +60*BkW *RG 4 12*RG 4 +576*BkW 5 3*RG 6 +1536*BkW 2 *YB+ 64*BkW 3*YB+144*RG 2*YB+144*YB2 192*BkW 2 8*BkW 3 + 264*BkW 18*RG 2 +18*BkW *RG 2 36*YB64+ 2 2 2 3 144*BkW *RG *YB+96*BkW *RG +512*YB192*BkW +192*BkW 1 * 2 *RG 2 2112*BkW *YB+960*BkW 4 48*BkW 4 *RG 2 240 * BkW 3 3 3* 4 + 7 *BkW 1 *i* 3* 2 3 3 384*BkW 3*RG 2 + 24*BkW 2 *RG 4 +60*BkW *RG 4 12*RG 4 +576*BkW 5 3*RG 6 +1536*BkW 2 *YB+64*BkW 3*YB+144*RG 2 *YB+144*YB2 2 2 16 4 44 1 3*( *BkW + ) *BkW *RG 9 9 9 3 + 192*BkW 2 8*BkW 3 + 264*BkW 18*RG 2 +18*BkW *RG 2 36*YB64+ 144*BkW *RG 2 *YB+96*BkW *RG 2 +512*YB192*BkW 2 +192*BkW 3 2 2 4 4 2 3 2 3 3* 240*BkW *RG 2112*BkW *YB+960*BkW 48*BkW *RG 384*BkW *RG + 24*BkW 2 *RG 4 + 60*BkW *RG 4 12*RG 4 +576*BkW 5 3*RG 6 +1536*BkW 2 *YB+ 64*BkW 3*YB+144*RG 2 *YB+144*YB2

y para el resto de colores se tiene:

R= G=
1 2 2

* (3 * BkW + RG B ) * (3 * BkW RG B )

125

INVERSA DE HERING VG

Para transformar los pxeles de color de RGB a Hering VG se tiene el sistema de las ecuaciones numeradas de 1 a 3. 1. 2. 3. VG =
1 2

* ( R + B) G

YB = 10 * G * ( R + B) * ( 1 2 ( R + G ) B) BkW = 1 3 (R + G + B )

La convencin de las letras para los colores es la siguiente: R=rojo G=verde B=azul VG=violeta-verde YB=amarillo-azul BkW=negro-blanco

A continuacin se muestran algunos pasos para encontrar el sistema inverso de Hering VG, VG + G = * ( R + B)

a)

esta expresin resulta de despejar la ecuacin 1 despejando la ecuacin 3 igualando a) y b) en funcin de R + B

b) 3 * BkW G = R + B c) G = 13 * (3 * BkW 2 * VG )

despues se toman a), b) y c) y se reemplazan en la ecuacin 2, se simplifica y se obtiene esta ecuacin lineal en funcin de B,
YB = 10 * ( B * (VG * BkW 3 * BkW 2 + 2 3 * VG 2 ) + 3 * BkW 3 2 3 * VG 2 * BkW VG * BkW 2 )

despues de resolver la ecuacin de primer orden se tiene el sistema inverso completo para pasar del espacio de color de Hering VG a RGB:
1 * ( 3 * YB 90 * BkW 3 + 20 * VG 2 * BkW + 30 * VG * BkW 2 ) 10 3 * VG * BkW 9 * BkW 2 + 2 * VG 2

B =

R = 2 3 * (3 * BkW + VG ) B G = BkW 2 3 * VG
126

ANEXO D. TABLAS DE RESULTADOS EN IMGENES DE BASE DE DATOS

TABLA DE RESULTADOS PARA EL PROCESO DE CLASIFICACIN

FOTOS AZULADAS IMAGEN Anillo joven Anillos izquierda Anillos o trofozoitos Anillos Dosmicrogametocito s-trofozoitos Esquizonte3 Esquizonte joven2 Esquizonte joven3 Esquizonte joven4 Esquizonte joven5 Esquizonte joven Esquizonte jovenmerozoitos Esquizonte jovenplaqueta Esquizonte pigmeto malarico Esquizonte Esquizonte-pigmento Macrogametocito2 Macrogametocito3 Macrogametocito Macrogametocitoplaqueta arriba Macrogametocitoplaqueta izq abajo IDENTIFICACION DE LA MALARIA RGB HERIN HERIN G G VG SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI IDENTIFICACION FALSA11 HS V SI SI SI SI Mugre cafe Plaqueta Mugre oscuro Plaqueta Mugre caf y azulado Plaquetas Plaqueta Plaqueta y precipitad o Mugre cafe Plaqueta Mugre cafe Plaqueta Mugre oscuro Plaqueta Mugre caf y azulado Plaquetas Plaqueta Plaqueta y precipitad o RGB Plaqueta y mugre Glbulo Mugre cafe HERING Plaqueta y mugre Glbulo Mugre cafe HERING VG Plaqueta Glbulo Mugre cafe HSV Plaqueta Glbulo mugre

SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI

Plaqueta

Plaqueta y mugre oscuro Mugre caf y azulado Plaquetas Plaqueta Plaqueta y precipitad o Precipitad o Mugre azulado Plaqueta y precipitad o

Plaqueta y mugre Mugre

Plaquetas Plaqueta, mugre Plaqueta y precipitad o Glbulo

Plaqueta y precipitad o

Plaqueta y precipitad o

Plaqueta y precipitad o Mugre Plaqueta y mugre Plaqueta y precipitad

Plaqueta y mugre Plaqueta y precipitad

Plaqueta y mugre Plaqueta y precipitad

Plaqueta y mugre Plaqueta y precipitad

11

En todas las imgenes de la tabla la clasificcacin falsa de malaria incluye bordes de glbulo. Por esta

razon no se menciona en cada caudro particular

127

o Microgametocito2 Microgametocito3 Microgametocito4 Microgametocito5 Microgametocito6 Microgametocito Microgametocitoanillo arriba derecha Microgametocitopigmento Trofozoito3 Trofozoito derecha Troofozoitogranulaciones shufner Trofozoito joven2 Trofozoito joven3 Trofozoito joven Trofozoito maduro grande Trofozoito-neutrofilo SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI Mugre cafe Precipitad o Mugre azulado Plaqueta Plaquetas Mugre azulado Plaquetas

o Mugre cafe Precipitad o Mugre azulado Plaqueta Plaquetas Mugre azulado Plaquetas

o Mugre cafe Precipitad o Mugre azulado Plaqueta Plaquetas Mugre azulado Plaquetas

Precipitad o Mugre azulado Plaqueta, precipitad o Plaquetas Mugre azulado Plaquetas MUGRE??? Plaqueta y precipitad o Plaquetas MUGRE Plaqueta y precipitad o Mugre azulado Mugre

Plaqueta y precipitad o Plaquetas

Plaqueta y precipitad o Plaquetas

Plaqueta y precipitad o Plaquetas

Plaqueta y precipitad o Mugre azulado

Plaqueta y precipitad o Mugre azulado

Plaqueta y precipitad o Mugre azulado

FOTOS EXTRAS IMAGEN Trofozoito maduro vivax4 Trofozoito vivax11 Trofozoito vivax13

IDENTIFICACION DE LA MALARIA RGB NO (mitad) NO NO HERING SI SI SI HERING VG SI SI SI HSV SI SI SI

IDENTIFICACION FALSA RGB Parte de fondo y glbulos Parte de fondo y glbulos Parte de fondo y glbulos HERING Parte de fondo y glbulos Parte de fondo y glbulos Parte de fondo y glbulos HERING VG Parte de fondo y glbulos Parte de fondo y glbulos Parte de fondo y glbulos HSV

FOTOS AMARILLENTAS IMAGEN

IDENTIFICACION DE LA MALARIA RGB HERING HERING VG HSV

IDENTIFICACION FALSA RGB HERING HERING VG HSV

128

74 Linfocitotrofozoito vivax Microgametocito o trof vivax Microgametocito vivaxMicrogametocito vivax-linfocito izq Microgrametocito vivax Trofozoito maduro vivax2 Trofozoito maduro vivax Trofozoito pigmento malarico vivax2 Trofozoito pigmento malarico vivax Trofozoito vivax2 Trofozoito vivax3 Trofozoito vivax4

SI SI NO (mitad) SI SI SI SI SI SI SI

SI SI SI SI SI SI SI SI SI SI

SI NO (mitad) SI SI SI SI SI SI SI SI

Si (mitad) SI SI SI SI SI SI SI SI

Mugre Borde de linfocito Mugre

Mugre Borde de linfocito Mugre

Mugre Borde de linfocito Mugre

linfocito Mugre

Borde de linfocito y precipitado

Borde de linfocito y precipitado

Borde de linfocito y precipitado

Linfocito y Plaqueta?

Plaquetas

Plaquetas

Plaqueta, precipitad o

Precipitados Plaquetas y precipitados

Precipitados Plaquetas y precipitados Bordes de plaquetas y precipitados Plaquetas y precipitad os Plaqueta Precipitad os y defectos en la placa

SI SI SI

SI SI SI

SI SI SI

SI SI SI

Plaqueta Precipitados y defectos en la placa Precipitados Plaqueta Plaquetas y precipitados

Plaqueta Precipitados y defectos en la placa Precipitados Plaqueta Bordes de plaquetas y precipitados

Borde de plaqueta Defectos en la placa

Trofozoito vivax7 Trofozoito vivax8 Trofozoito vivax9

SI SI SI

SI SI SI

SI SI SI

SI (mitad) SI SI

Precipitados Borde de plaqueta Borde de plaqueta Plaqueta Plaquetas y precipitad os

Trofozoito vivax10 Trofozoito vivax11 Trofozoito vivax12 Trofozoito vivax13 Trofozoito vivax14 Trofozoito vivax Vacuola en trofozoito

SI SI SI SI SI SI SI

SI NO (mitad) SI SI SI SI SI

SI NO (mitad) SI SI SI SI SI

SI (mitad) SI SI SI SI SI SI Defectos en la placa Plaquetas Glbulos Defectos en la placa Borde de plaquetas Plaqueta

Plaquetas Glbulos

Plaquetas Plaqueta

129

TABLA DE RESULTADOS APLICANDO MORFOLOGA

FOTOS AZULADAS IMAGEN Anillo joven Anillos izquierda Anillos o trofozoitos Anillos Dosmicrogametocito s-trofozoitos Esquizonte3 Esquizonte joven2 Esquizonte joven3 Esquizonte joven4 Esquizonte joven5 Esquizonte joven Esquizonte jovenmerozoitos Esquizonte jovenplaqueta Esquizonte pigmeto malarico Esquizonte Esquizontepigmento Macrogametocito2 IDENTIFICACION DE LA MALARIA RG HERIN HERIN HSV B G G VG SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI (no completo ) SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI SI NO SI SI SI SI SI SI SI SI SI SI Precipitad o Precipitad o Precipitad o Mugre azulado Plaqueta y precipitad o Mugre caf y azulado IDENTIFICACION FALSA RGB HERING HERING VG Mugre Plaqueta Plaqueta y mugre Mugre Glbulo Mugre Mugre cafe Mugre cafe Plaqueta Mugre oscuro Mugre oscuro Mugre caf y azulado Mugre cafe Mugre cafe Mugre cafe Mugre cafe Plaqueta Mugre oscuro Plaqueta Mugre caf y azulado Plaquetas Plaqueta Plaqueta y precipitad o precipitad o Glbulo HSV Plaqueta Glbulo mugre

Mugre

SI SI SI

SI SI SI

SI SI SI

SI SI SI (no completo ) SI SI SI SI Plaqueta y precipitad o

Plaqueta y precipitad o

Macrogametocito3 Macrogametocito Macrogametocitoplaqueta arriba Macrogametocitoplaqueta izq abajo Microgametocito2 Microgametocito3 Microgametocito4 Microgametocito5 Microgametocito6 Microgametocito Microgametocito-

SI SI SI SI

SI SI SI SI

SI SI SI SI

Mugre Precipitad o

Mugre Precipitad o

Plaqueta y mugre Plaqueta y precipitad o Mugre cafe Precipitad o Mugre azulado Plaqueta Plaquetas Mugre

SI SI SI SI SI SI SI

SI SI SI SI SI SI SI

SI SI SI SI SI SI SI

SI SI SI SI SI SI SI

Mugre cafe Precipitad o Mugre azulado

Mugre cafe Precipitad o Mugre azulado

Mugre

Mugre

Mugre

130

anillo arriba derecha Microgametocitopigmento Trofozoito3 Trofozoito derecha

azulado SI SI SI SI SI SI SI SI SI SI NO SI

azulado

azulado Plaquetas

Precipitad o

Plaqueta y precipitad o

Troofozoitogranulaciones shufner Trofozoito joven2 Trofozoito joven3

SI NO SI

SI NO SI (no completo ) SI SI NO

SI SI SI

SI SI SI

Plaqueta y precipitad o Plaquetas

Trofozoito joven Trofozoito maduro grande Trofozoito-neutrofilo

SI SI NO

SI SI NO

SI (no todo) SI NO

Plaqueta y precipitad o Mugre azulado

Plaqueta y precipitad o Mugre azulado

Plaqueta y precipitad o Mugre azulado

precipitad o

131

ANEXO E. ABERRACIN DE COLOR

A lo largo del desarrollo de la investigacin se encontraron constantemente errores en los glbulos rojos de las imgenes, es decir, despues del procesamiento de las fotos algunos bordes de los glbulos rojos son identificados como parsitos. Dicho error posiblemente se debe a un fenmeno que se presenta en fotografa llamado aberracin del color.

Una aberracin, en fotografa, es la deficiencia ptica de un objetivo que da lugar a imgenes faltas de nitidez o deformadas. Hay dos tipos principales de aberracin: la esfrica, o perturbacin del foco, y la cromtica, o perturbacin del color. Ambas se deben al hecho de que los rayos luminosos que atraviesan una lente simple no enfocan todos en un mismo punto, porque los que la cruzan por su parte exterior sufren una refraccin mayor que los que lo hacen por el centro, y en el caso de una lente convexa, se enfocan ms cerca de esta.

De la misma forma, las diferentes longitudes de onda de los colores del espectro que forman la luz blanca estn sometidas a diferentes grados de refraccin, de manera que la luz azul forma el foco en un punto ms prximo a la lente que la roja. Los lentes que corrigen estos efectos se llaman apocromticos, son caros de fabricar y se reservan para trabajos tcnicos. La correccin de las aberraciones es complicada pero por lo general se logra combinando lentes simples de manera que las aberraciones de una sean corregidas por las aberraciones opuestas de otra. Aunque es relativamente fcil corregir as cualquier aberracin particular, es mucho ms difcil lograr un equilibrio general, ya que la compensacin de un defecto puede incrementar otro.

132