CommencerCommencez gratuitement

Lissage

Le lissage peut améliorer le rapport signal/bruit de votre image en estompant les petites variations d'intensité. Le filtre gaussien est idéal 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 filtres gaussiens appliqués à la radiographie du pied avant de créer un masque osseux.

Cet exercice fait partie du cours

<cours>Analyse d'images biomédicales en Python</cours>
Voir le cours

Instructions de l’exercice

  • Convoluez im avec des filtres gaussiens de taille sigma=1 et sigma=3.
  • Tracez les « masques osseux » de im, im_s1 et im_s3 (c'est‑à‑dire les pixels dont l'intensité est supérieure ou égale à 145).

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()
Modifier et exécuter le code