Filtres

Analyse d'images biomédicales en Python

Stephen Bailey

Instructor

Filtres

Exemples d'images filtrées

Convolution avec un filtre d'accentuation

exemple de convolution

Convolution avec un filtre d'accentuation

résultat de la convolution

Par Michael Plotke - Œuvre personnelle, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=24288958

Convolution d'images

import imageio.v2 as imageio
import scipy.ndimage as ndi

im=imageio.imread('foot-xray.jpg')

weights = [[.11,  .11, .11],
           [.11,  .12, .11],
           [.11,  .11, .11]]

im_filt = ndi.convolve(im, weights)

fig, axes = plt.subplots(2, 1)
axes[0].imshow(im, cmap='gray')
axes[1].imshow(im_filt,cmap='gray')
plt.imshow()

radiographie du pied lissée

Fonctions de filtrage

scipy.ndimage.filters inclut :

median_filter()
uniform_filter()
maximum_filter()
percentile_filter()

ndi.median_filter(im, size=10)

pied — médiane

Filtrage gaussien

Loi gaussienne en 1 dimension Distribution gaussienne 1D

ndi.gaussian_filter(im, sigma=5)

Flou pour sigma = 5

Loi gaussienne en 2 dimensions Par Kghose sur Wikipédia en anglais, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=2550031

ndi.gaussian_filter(im, sigma=10)

Flou pour sigma = 10

Passons à la pratique !

Analyse d'images biomédicales en Python