Images médicales

Vous cherchez à améliorer les outils d'un hôpital en prétraitant les images radiographiques afin que les médecins aient plus de chances de repérer des détails pertinents. Vous testerez votre code sur une radiographie pulmonaire tirée du National Institutes of Health Chest X-Ray Dataset

Image chargée sous le nom chest_xray_image.

Vous allez d'abord examiner l'histogramme de l'image, puis appliquer une égalisation d'histogramme standard pour améliorer le contraste. Rappelez-vous que l'on obtient l'histogramme avec la fonction hist() de Matplotlib, déjà importée sous plt.

Cette activité fait partie du cours

Traitement d'images en Python

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import the required module
from ____ import ____

Modifier et exécuter le code

Cette activité fait partie du cours

Traitement d'images en Python

SkillTag.level.intermediateSkillTag.label

4.8+

214 reviews

Commencer le cours gratuitement

Plongez dans la structure des images numériques et apprenez à les traiter! Extrayez des données, transformez et analysez des images avec NumPy et Scikit-image. Avec seulement quelques lignes de code, vous convertirez des images RVB en niveaux de gris, en tirerez des données, obtiendrez des histogrammes riches en information et séparerez les objets de l'arrière-plan!

Exercise 1: Donnez vie aux images avec scikit-image Exercise 2: En niveaux de gris ou en pleine couleur?Exercise 3: De RGB à nuances de gris Exercise 4: NumPy pour les images Exercise 5: On remet l'image à l'endroit Exercise 6: Histogrammes Exercise 7: Premiers pas avec le seuillage Exercise 8: Appliquer un seuillage global Exercise 9: Quand l'arrière-plan n'est pas si évident Exercise 10: Essayer d'autres méthodes Exercise 11: Appliquer un seuillage

Vous apprendrez à détecter les formes d'objets à l'aide de filtres de détection de contours, à améliorer des images médicales grâce au rehaussement du contraste et même à agrandir des images jusqu'à cinq fois leur taille originale! Vous appliquerez aussi la morphologie pour rendre le seuillage plus précis lors de la segmentation et passer au niveau supérieur du traitement d'images avec Python.

Exercise 1: Plongez dans les filtres Exercise 2: Détection de contours Exercise 3: Flouter pour réduire le bruit Exercise 4: Amélioration du contraste Exercise 5: Quel est le contraste de cette image?Exercise 6: Images médicales

Exercice en cours

Exercise 7: Image aérienne Exercise 8: Ajoutons de l'impact et du contraste Exercise 9: Transformations Exercise 10: Repliement spectral, rotation et rééchantillonnage Exercise 11: Agrandir des images Exercise 12: Redimensionnement proportionnel Exercise 13: Morphologie Exercise 14: Lettres manuscrites Exercise 15: Améliorer une image seuillée

Jusqu'ici, vous avez réalisé de très belles choses grâce à vos compétences en traitement d'images! Dans ce chapitre, vous appliquerez la restauration d'images pour retirer des objets, des logos, du texte ou des zones endommagées dans des photos! Vous verrez aussi comment ajouter du bruit, utiliser la segmentation pour accélérer le traitement et repérer des éléments dans les images par leurs contours.

Exercise 1: Restauration d'images Exercise 2: Restaurez une image endommagée Exercise 3: Retirer des logos Exercise 4: Bruit Exercise 5: Ajoutons un peu de bruit!Exercise 6: Réduction du bruit Exercise 7: Réduire le bruit tout en préservant les contours Exercise 8: Superpixels et segmentation Exercise 9: Nombre de pixels Exercise 10: Segmentation en superpixels Exercise 11: Détection de contours Exercise 12: Délimiter des formes Exercise 13: Trouver les contours d'une image qui n'est pas binaire Exercise 14: Compter les points sur l'image d'un dé

Après ce chapitre, vous aurez une connaissance plus approfondie du traitement d'images, puisque vous serez en mesure de détecter des arêtes, des coins et même des visages! Vous apprendrez à repérer non seulement les visages de face, mais aussi les profils, ainsi que des chats ou des chiens. Vous mettrez vos compétences en œuvre dans des applications concrètes plus complexes. Apprenez à maîtriser plusieurs techniques de traitement d'images largement utilisées avec très peu de lignes de code!

Exercise 1: Détecter les contours avec Canny Exercise 2: Contours Exercise 3: Moins d'arêtes Exercise 4: Juste au coin de la rue Exercise 5: Perspective Exercise 6: Moins d'angles Exercise 7: Détection de visages Exercise 8: Y a-t-il quelqu'un?Exercise 9: Visages multiples Exercise 10: Segmentation et détection de visages Exercise 11: Applications concrètes Exercise 12: Protection de la vie privée Exercise 13: Aidez Sally à restaurer sa photo de remise de diplôme Exercise 14: Excellent travail !