A segmentação é uma etapa intermediária no registro e reconstrução 3D do pulmão. Geralmente, os métodos de segmentação são interativos e utilizam diferentes estratégias para combinar a expertise dos humanos e a velocidade e precisão dos computadores. A segmentação de imagens RM do pulmão é particularmente difícil devido à grande variação na qualidade da imagem. Dois métodos para a segmentação do contorno do pulmão são apresentados. No primeiro, uma análise individual de cada imagem da série de imagens RM é realizada, e a segmentação ocorre através de técnicas de limiarização e labeling. No segundo método, a respiração é associada a uma função respiração padrão, e através de técnicas de processamento de imagem 2D, detecção de bordas e transformada de Hough, padrões respiratórios são obtidos e, conseqüentemente, a posição dos pontos no tempo são estimados. Seqüências temporais de imagens RM são segmentadas, considerando a coerência no tempo. Desta forma, a silhueta do pulmão pode ser determinada em cada quadro, mesmo em quadros com bordas obscuras. A região do pulmão é segmentada em três etapas, neste método: uma máscara contendo a região do pulmão é criada a partir do resultado do primeiro método de segmentação; a transformada de Hough é aplicada exclusivamente aos pixels da máscara em diversos planos; o contorno do pulmão é extraído do resultado da transformada de Hough utilizando os contornos ativos. O formato da máscara pode ter uma grande variação, e a transformada de Hough modificada pode lidar com essa variação. Os resultados obtidos pelos dois métodos são comparados.

The segmentation of the lung is an intermediary step towards its registry and 3D reconstruction. Usually, segmentation methods are interactive and make use of different strategies to combine the expertise of the human and the computers accuracy and speed. Segmentation of lung magnetic resonance (MR) images is particularly difficult because of the large variation in image quality. Two methods for the lung contour segmentation are presented. In this first method, an individual analysis of each image in the series approach is taken, and the segmentation is made through thresholding and labeling techniques. In the second method, the breathing is associated to a standard respiratory function, and through 2D image processing, edge detection and Hough transform, respiratory patterns are obtained and, consequently, the position of points in time are estimated. Temporal sequences of MR images are segmented by considering the coherence in time. This way, the lung silhouette can be determined in every frame, even on frames with obscure edges. The lung region is segmented in three steps: a mask containing the lung region is created from the results of the first method; the Hough transform is applied exclusively to mask pixels in different planes; and the lung contour is created from the results of the Hough transform through active contours. The shape of the mask can have a large variation, and the modified Hough transform can handle such a shape variation. Results from both methods are compared.