Passez au filtrage

Traitement d'images en Python

Rebeca Gonzalez

Data Engineer

Filtres

Améliorer une image
Mettre en valeur ou enlever des éléments
Lissage
Accentuation
Détection des contours

Voisinages

Voisinage du filtre

Détection des contours

Pièces où les contours sont détectés

Détection des contours

Image originale de chocolats Kisses

Image de chocolats Kisses avec contours détectés

Détection des contours

Sobel

# Import module and function 
from skimage.filters import sobel


# Apply edge detection filter
edge_sobel = sobel(image_coins)


# Show original and resulting image to compare
plot_comparison(image_coins, edge_sobel, "Edge with Sobel")

Détection des contours

Sobel

Image de pièces avec contours détectés montrant la forme

Comparer des graphiques

def plot_comparison(original, filtered, title_filtered):

    fig, (ax1, ax2) = plt.subplots(ncols=2, figsize=(8, 6), sharex=True,
                                   sharey=True)
    ax1.imshow(original, cmap=plt.cm.gray)
    ax1.set_title('original')
    ax1.axis('off')
    ax2.imshow(filtered, cmap=plt.cm.gray)
    ax2.set_title(title_filtered)
    ax2.axis('off')

Lissage gaussien

Image d'un chien à côté de la même image avec filtre gaussien

Lissage gaussien

Image de Rebeca à Amsterdam tenant un vélo sur un pont

Lissage gaussien

# Import the module and function
from skimage.filters import gaussian


# Apply edge detection filter
gaussian_image = gaussian(amsterdam_pic, multichannel=True)


# Show original and resulting image to compare
plot_comparison(amsterdam_pic, gaussian_image, "Blurred with Gaussian filter")

Lissage gaussien

Image obtenue

Lissage gaussien

Image obtenue agrandie

Passons à la pratique !

Traitement d'images en Python