114
Informatique médicale, e-Santé
Filtre médian et autres filtres de rang
Dans la catégorie des filtres de rang, les pixels du voisinage considéré
ne sont pas combinés selon une formule de calcul tenant compte des coef- f f
ficients d’un noyau de convolution. Ils sont classés dans l’ordre croissant
ou décroissant, et la valeur du pixel résultat est celle du pixel d’un rang
choisi. Pour le filtre médian, la valeur du pixel résultat est celle du pixel
médian.
Le filtre médian permet d’atténuer le bruit sans rendre les contours flous. Il est
très efficace sur un bruit impulsionnel ou un bruit sel et poivre (fig. 8). C’est un
filtre non linéaire.
Le filtre maximum et le filtre minimum sont d’autres filtres de rang qui
renvoient respectivement la valeur maximale et la valeur minimale du voisinage
considéré. Le filtre minimum augmente les zones sombres, alors que le filtre
maximum augmente les zones claires.
Fig. 8 – Filtre médian : image d’origine, image avec un bruit sel et poivre, image filtrée.
Rehaussement et détection de contours
Rehausser une image est le contraire de la lisser. Le rehaussement vise
à accentuer les détails et contours contenus dans les images. La détection de
contours est une étape essentielle dans la reconnaissance d’objets ou d’organes
dans une image.
Les algorithmes de détection de contours cherchent les régions de l’image où
l’intensité des niveaux de gris varie rapidement, c’est-à-dire où le gradient est
supérieur à un certain seuil. Les contours correspondent aux hautes fréquences
spatiales.
« Unsharp masking » ou masquage flou
Le « masquage flou » est une technique hybride qui utilise une image lissée
pour rehausser les contours des images (fig 9). Elle consiste à d’abord lisser
l’image, puis à soustraire de l’image originale le résultat du lissage multiplié
d’un coefficient inférieur à 1. Le résultat ci-dessous est obtenu avec un coefficient multiplicateur de 0,6.
Informatique médicale, e-Santé
Filtre médian et autres filtres de rang
Dans la catégorie des filtres de rang, les pixels du voisinage considéré
ne sont pas combinés selon une formule de calcul tenant compte des coef- f f
ficients d’un noyau de convolution. Ils sont classés dans l’ordre croissant
ou décroissant, et la valeur du pixel résultat est celle du pixel d’un rang
choisi. Pour le filtre médian, la valeur du pixel résultat est celle du pixel
médian.
Le filtre médian permet d’atténuer le bruit sans rendre les contours flous. Il est
très efficace sur un bruit impulsionnel ou un bruit sel et poivre (fig. 8). C’est un
filtre non linéaire.
Le filtre maximum et le filtre minimum sont d’autres filtres de rang qui
renvoient respectivement la valeur maximale et la valeur minimale du voisinage
considéré. Le filtre minimum augmente les zones sombres, alors que le filtre
maximum augmente les zones claires.
Fig. 8 – Filtre médian : image d’origine, image avec un bruit sel et poivre, image filtrée.
Rehaussement et détection de contours
Rehausser une image est le contraire de la lisser. Le rehaussement vise
à accentuer les détails et contours contenus dans les images. La détection de
contours est une étape essentielle dans la reconnaissance d’objets ou d’organes
dans une image.
Les algorithmes de détection de contours cherchent les régions de l’image où
l’intensité des niveaux de gris varie rapidement, c’est-à-dire où le gradient est
supérieur à un certain seuil. Les contours correspondent aux hautes fréquences
spatiales.
« Unsharp masking » ou masquage flou
Le « masquage flou » est une technique hybride qui utilise une image lissée
pour rehausser les contours des images (fig 9). Elle consiste à d’abord lisser
l’image, puis à soustraire de l’image originale le résultat du lissage multiplié
d’un coefficient inférieur à 1. Le résultat ci-dessous est obtenu avec un coefficient multiplicateur de 0,6.