El espacio de color utilizado generalmente para procesamiento de imágenes cromáticas, es el espacio RGB, pero no existe un modelo óptimo general para todas las aplicaciones, ya que se han desarrollado otros modelos específicos que interaccionan mejor con la aplicación o imagen de estudio.

En una imagen cromática se tiene una mayor cantidad de información, pero esto puede dar origen a la detección de zonas inexactas al realizar el proceso de segmentación y localización de zonas de interés.

Se ha comprobado que al trabajar con los canales por separado del sistema (R1,G1,B1) propuesto, en combinación con operaciones para establecer un orden vectorial (ascendente - descendente) por píxel se elimina el ruido potencial y la aparición de falsos colores, además se obtienen zonas exactas durante el proceso de segmentación

Cada uno de los canales contiene información útil para la segmentación, trabajando por separado con cada uno de ellos y combinando únicamente los que presenten la mayor cantidad de ésta, mediante un análisis gráfico para obtener un resultado final (imagen con las zonas exactas).

Apoyados en técnicas como mezcla y multiplicación de imágenes además de morfología matemática, se obtienen zonas perfectamente definidas y con un mayor realce para la presentación e interpretación de resultados.

Referencias Bibliográficas:

[ 1 ] Ballard, D.H., Brown, C.M.. “Computer Vision”. Prentice-Hall. 2002

[ 2 ] Jain, A.K., Kailath, T.. "Fundamentals of digital image processing". Prentice-Hall information and systems sciences series. Prentice-Hall, Englewood Cliffs,NJ. 2002

[ 3 ] National Cancer Institute, U. S. National Institute of health, and summary PDQ 2004 - 2005. On line: www.cancer.gov.

[ 4 ] Keith A. Johnson, M.D. J. Alex Becker, Ph.D. “The whole brain Atlas University of Harvard” 2004 – 2005.

[ 5 ] Gonzalo Pájares Jesús M. Alfaomega “Visión por computador Imágenes Digitales y sus aplicaciones”. Segunda edición, 2002

[ 6 ] Rafael C. González “Digital Imagen Processing”: Prentice Hall 2002

[ 7 ] Rafael Palacios Hielsher “Procesamiento del color”., Instituto de Investigación Tecnológica de Madrid 2003.

[ 8 ] J.J. Baéz Rojas, M.L. Guerrero “Segmentación de imágenes de color” Universidad Tecnológica de la Mixteca 2004.

[ 9 ] Marcos Martín “Técnicas de Segmentación de Imagen”, 2004.

[10] José Crespo del Arco, Raúl Alonso Calvo, “Temas avanzados en tratamiento y análisis de imágenes en morfología Matemática”, 2004.

[11] Grupo de automática, robótica y visión Artificial, “Extensión de la morfología matemática a imágenes en color “ Universidad de Alicante, Depto. De física, ingeniería de sistemas y teoría de
la señal, 2004.

[12] Joes Staal, Michel D.Max A. Viergever and Bram van Ginneken, “Ridge-based Vessel Segmentation in Color Images of the Retina” IEEE transactions on medical imaging vol 23, No 4 2004.

[13] “Procesamiento morfológico de imágenes en color”. 2005.

[14] Ernesto Coto “Métodos de segmentación de Imágenes Médicas”, Universidad central de Venezuela facultad de ciencias 2005.

[15] Jesús Angulo, Jean Serra, “Segmentación de imágenes en color“ utilizando histogramas bi-variables en espacios de color polares luminancia/ saturación/matiz”, centro de morfología matemática, Paris Francia 2005.

[16] Mariana del Fresno, Mario Moreno, Marcelo Venere, “Segmentación de regiones de interés en imágenes médicas”, Universidad nacional del centro, Argentina 2005.

[17] Y. J. Kim, B.F.M. Romeike, “Automated nuclear segmentation in the determination of the Ki-67 labeling index in meningiomas”. Clinical Neuropathology, Vol 25 – No 2/2006

[18] Pingkun Yan and Ashraf A. Kassim, “Segmentation of volumetric MRA images by using capillary active contour” Department of Electrical and Computer Engineering, National University of
Singapore, 10 Kent Ridge Crescent, 119260 Singapore, Singapore 2006.

[19] Okazawa, Richelle Ebrahimi, Jason Chuang, Robert N. Rohling and Septimiu E. Salcudean, ”Methods for segmenting curved needles in ultrasound images”, Department of Electrical and Computer Engineering, University of British Columbia, 2332 Main Mall, Vancouver, BC, Canada V6T 1Z4 2006.

[20] N. Passat C. Ronse, J. Baruthio, J.-P. Armspach and C. Maillot “Magnetic resonance angiography: From anatomical knowledge modelling to vessel segmentation”. Laboratoire des Sciences de Image, de Informatique et of détection (LSIIT), UMR 7005 CNRS- ULP, Bd Institut de Physique Biologique Laboratoire de Neuroimagerie in Vivo 2006.

[21] Oliver Wirjadi, Thomas M. Breuel, Wolfgang Feiden and Yoo jin Kim, “Automated feature selection for the classification or meningioma cell nuclei”, Universitat des saarlandes, Institute of
Neurolopathology, 2006.