Rééchantillonnage
Les images peuvent être acquises dans une multitude de formes et de tailles. Le rééchantillonnage est un outil utile quand il faut les rendre uniformes. Deux cas d'utilisation courants :
- Sous-échantillonnage : combiner des pixels pour réduire la taille
- Suréchantillonnage : répartir des pixels pour augmenter la taille
Pour cet exercice, transformez puis rééchantillonnez l'image du cerveau (im) afin de voir l'effet sur ses dimensions.
Cette activité fait partie du cours
Analyse d'images biomédicales en Python
Instructions de l’exercice
- Déplacez
imde 20 pixels vers la gauche et de 20 pixels vers le haut, c'est-à-dire(-20, -20). Ensuite, faites une rotation de 35 degrés vers le bas. N'oubliez pas de préciser une valeur pourreshape. - Utilisez
ndi.zoom()pour sous-échantillonner l'image de (256, 256) à (64, 64). - Utilisez
ndi.zoom()pour suréchantillonner l'image de (256, 256) à (1024, 1024). - Tracez les images rééchantillonnées.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Center and level image
xfm = ndi.shift(____, shift=____)
xfm = ndi.rotate(____, angle=____, reshape=____)
# Resample image
im_dn = ndi.zoom(xfm, zoom=____)
im_up = ____
# Plot the images
fig, axes = plt.subplots(2, 1)
axes[0].imshow(im_dn)
____
format_and_render_plot()