Lissage
Le lissage peut améliorer le rapport signal/bruit de votre image en estompant les petites variations d'intensité. Le filtre gaussien est excellent pour cela : c'est un noyau de lissage circulaire (ou sphérique) qui attribue un poids plus élevé aux pixels proches qu'aux pixels éloignés.
La largeur de la distribution est contrôlée par l'argument sigma : plus sa valeur est élevée, plus l'effet de lissage est important.
Dans cet exercice, testez les effets de l'application de filtres gaussiens à la radiographie du pied avant de créer un masque osseux.
Cette activité fait partie du cours
Analyse d'images biomédicales en Python
Instructions de l’exercice
- Convoluez
imavec des filtres gaussiens de taillesigma=1etsigma=3. - Tracez les « masques osseux » de
im,im_s1etim_s3(c.-à-d. où les intensités sont supérieures ou égales à145).
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Smooth "im" with Gaussian filters
im_s1 = ndi.gaussian_filter(____, sigma=____)
im_s3 = ____
# Draw bone masks of each image
fig, axes = plt.subplots(1,3)
axes[0].imshow(____ >= 145)
axes[1].imshow(____)
____
format_and_render_plot()