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'image

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 comprend :

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

ndi.median_filter(im, size=10)

pied — médiane

Filtrage gaussien

Distribution gaussienne en 1 dimension Distribution gaussienne 1D

ndi.gaussian_filter(im, sigma=5)

Flou à sigma = 5

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

ndi.gaussian_filter(im, sigma=10)

Flou à sigma = 10

Passons à la pratique !

Analyse d'images biomédicales en Python