Le bruit dans les images se manifeste sous forme de grain ou de distorsion indésirable, souvent causé par une faible luminosité, des artefacts de compression ou des limitations du capteur. Les techniques de lissage permettent de réduire le bruit tout en préservant les détails importants de l'image.

Flou gaussien (Lissage du bruit)

La fonction cv2.GaussianBlur applique un flou gaussien, qui lisse l'image en moyennant les valeurs des pixels à l'aide d'un noyau gaussien (une moyenne pondérée qui accorde plus d'importance aux pixels centraux) :

• cv2.GaussianBlur(src, ksize, sigmaX) :

  • src : image source à lisser ;

  • ksize : taille du noyau au format (width, height), les deux valeurs doivent être impaires (par exemple, (5, 5)) ;

  • sigmaX : écart-type dans la direction X ; contrôle la quantité de flou.

• La fonction réduit le bruit et les détails de l'image en convoluant l'image avec une fonction gaussienne, ce qui est utile pour des tâches telles que la détection de contours ou le prétraitement avant seuillage.

Filtrage médian (Suppression du bruit sel-et-poivre)

La fonction cv2.medianBlur applique un filtre médian, qui remplace chaque valeur de pixel par la valeur médiane des pixels voisins dans la fenêtre du noyau :

• cv2.medianBlur(src, ksize) :

  • src : image source à filtrer ;

  • ksize : taille du noyau carré (doit être un entier impair, par exemple, 3, 5, 7).

• Le flou médian est particulièrement efficace pour éliminer le bruit sel-et-poivre, car il préserve les contours tout en supprimant les pixels bruités isolés.