In this project a first prototype have been created for noticing the differences between the textures in a mammography image so we can detect breast cancer. The image is divided in blocks, those will be filtered by wavelets until 3rd degree and then analyzed for extracting different features. This data is analyzed by PCA and then reconstructed to a new RGB image in which we can differentiate between different textures depending on the principal components of PCA. Some of the results obtained are the next ones: images with values so low that when I analyze the image the values obtained are to close to 0, I need low resolution for obtaining a quick analysis, there's some principal components with more weight than others… The conclusions obtained from the project is that for a good achievement of the objectives, it's better to increase the contrast of the image, use little windows, and normalize the principal components to obtain a good result of the color image.

En aquest projecte es crea un primer prototip per a diferenciar textures en mamografies i detectar així càncer de pit. Es divideix la imatge per blocs, es passaran aquests per filtres wavelets fins a 3r grau i s'analitzaran per a extraure diverses característiques. S'analitzaran totes les dades mitjançant PCA i es reconstruirà la imatge en RGB per a poder diferenciar les diferents textures depenent de les components principals del PCA. S'han obtingut diferents resultats: imatges amb valors molt baixos que al analitzar la imatge obté valors propers a 0, poca resolució per a fer un anàlisis ràpid, components principals amb mes pes que d'altres… Les conclusions obtingudes son que per a poder obtenir un bon resultat, s'ha d'augmentar el contrast de la mamografia, utilitzar finestres petites, així com normalitzar les seves components per a obtindre els mateixos rangs en les 3 components de cara a la creació de la imatge a color.

En este proyecto se crea un primer prototipo para diferenciar las texturas en mamografías y detectar así cáncer de mama. Se divide la imagen por bloques, se pasarán estos por filtros wavelets hasta tercer grado y se analizaran para extraer diversas características. Se analizaran todos los datos mediante PCA y se reconstruye la imagen en RGB para poder diferenciar las diferentes texturas dependiendo de los componentes principales del PCA. Se han obtenido varios resultados diferentes: imágenes con valores muy bajos que al analizar la imagen obtiene valores cercanos a 0, poca resolución para un análisis rápido, componentes principales con mayor peso que otras... Llegando a la conclusión que para poder obtener un buen resultado, se debe aumentar el contraste en las mamografías, utilizar ventanas pequeñas, así como normalizar sus componentes para obtener rangos iguales en las 3 componentes de cara a la creación de la imagen a color.