Le traitement d’images médicales : principes, principales applications et perspectives
115
Fig. 9 – « Unsharp masking » : image originale, image floutée, différence des deux images
(source http://irmtpe.wordpress.com/lirm/).
Filtre spatial passe-haut
Un filtre spatial passe-haut accentue les détails de l’image, contenus dans
les hautes fréquences, et atténue ou supprime les basses fréquences (fig. 10).
En revanche, il augmente aussi le bruit éventuel, qu’il faut donc réduire au
maximum avant le filtrage passe-haut. Le noyau du filtre de convolution passehaut est reproduit dans la figure 10.
Fig. 10 – Filtre passe-haut : masque, image d’origine et image rehaussée.
Détection de contours par dérivée première
Les contours sont caractérisés par un changement rapide des niveaux de gris
qui les entourent. Ils correspondent à un gradient ou à une dérivée première plus
grand(e) qu’un certain seuil. La détection de contours peut être obtenue par dérivation ou différenciation. Sous forme discrète, la différenciation est réalisée en
soustrayant deux valeurs, puis en divisant le résultat par le pas qui sépare les deux
valeurs. L’opération de division est superflue si le pas est égal à un.
À partir de ce principe simple, plusieurs masques de convolution ont été
élaborés pour réaliser la détection des contours dans une image. Pour réaliser la
dérivée dans le sens des abscisses puis dans le sens des ordonnées, les opérateurs
de dérivation première utilisent en général au moins deux masques l’un après
l’autre. Ces masques sont tels que la somme de leurs coefficients est nulle, afin
qu’ils donnent une valeur nulle dans les zones sans contour. Les plus usités sont
les masques de Roberts, de Prewitt et de Sobel (figs 11 et 12).
115
Fig. 9 – « Unsharp masking » : image originale, image floutée, différence des deux images
(source http://irmtpe.wordpress.com/lirm/).
Filtre spatial passe-haut
Un filtre spatial passe-haut accentue les détails de l’image, contenus dans
les hautes fréquences, et atténue ou supprime les basses fréquences (fig. 10).
En revanche, il augmente aussi le bruit éventuel, qu’il faut donc réduire au
maximum avant le filtrage passe-haut. Le noyau du filtre de convolution passehaut est reproduit dans la figure 10.
Fig. 10 – Filtre passe-haut : masque, image d’origine et image rehaussée.
Détection de contours par dérivée première
Les contours sont caractérisés par un changement rapide des niveaux de gris
qui les entourent. Ils correspondent à un gradient ou à une dérivée première plus
grand(e) qu’un certain seuil. La détection de contours peut être obtenue par dérivation ou différenciation. Sous forme discrète, la différenciation est réalisée en
soustrayant deux valeurs, puis en divisant le résultat par le pas qui sépare les deux
valeurs. L’opération de division est superflue si le pas est égal à un.
À partir de ce principe simple, plusieurs masques de convolution ont été
élaborés pour réaliser la détection des contours dans une image. Pour réaliser la
dérivée dans le sens des abscisses puis dans le sens des ordonnées, les opérateurs
de dérivation première utilisent en général au moins deux masques l’un après
l’autre. Ces masques sont tels que la somme de leurs coefficients est nulle, afin
qu’ils donnent une valeur nulle dans les zones sans contour. Les plus usités sont
les masques de Roberts, de Prewitt et de Sobel (figs 11 et 12).