Réduction du Bruit et Lissage
Le bruit dans les images apparaît 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
: l'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.
blurred = cv2.GaussianBlur(image, ksize, sigmaX)

Dans cv2.GaussianBlur()
, le paramètre sigmaX
correspond à l’écart type du noyau gaussien dans la direction X, et le même paramètre dans la direction Y (sigmaY
) a pour valeur par défaut 0. Lorsque sigmaX
et sigmaY
valent tous deux 0, l’écart type est calculé à partir de la taille du noyau.
Flou 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 exemple3
,5
,7
).
- Le flou médian est particulièrement efficace pour supprimer le bruit sel-et-poivre, car il préserve les contours tout en éliminant les pixels bruités isolés.
median_blurred = cv2.medianBlur(image, ksize)

Swipe to start coding
Vous disposez de la variable image
représentant l'image bruitée du chiot :
- Appliquer un flou gaussien et stocker le résultat dans la variable
gaussian_blurred
; - Appliquer un flou médian et stocker le résultat dans la variable
median_blurred
.
Solution
Merci pour vos commentaires !
single
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
Awesome!
Completion rate improved to 3.45
Réduction du Bruit et Lissage
Glissez pour afficher le menu
Le bruit dans les images apparaît 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
: l'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.
blurred = cv2.GaussianBlur(image, ksize, sigmaX)

Dans cv2.GaussianBlur()
, le paramètre sigmaX
correspond à l’écart type du noyau gaussien dans la direction X, et le même paramètre dans la direction Y (sigmaY
) a pour valeur par défaut 0. Lorsque sigmaX
et sigmaY
valent tous deux 0, l’écart type est calculé à partir de la taille du noyau.
Flou 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 exemple3
,5
,7
).
- Le flou médian est particulièrement efficace pour supprimer le bruit sel-et-poivre, car il préserve les contours tout en éliminant les pixels bruités isolés.
median_blurred = cv2.medianBlur(image, ksize)

Swipe to start coding
Vous disposez de la variable image
représentant l'image bruitée du chiot :
- Appliquer un flou gaussien et stocker le résultat dans la variable
gaussian_blurred
; - Appliquer un flou médian et stocker le résultat dans la variable
median_blurred
.
Solution
Merci pour vos commentaires !
single