Discussion :

[sebebe]

Bonjour,

j'ai programmé un filtrage gaussien sur une image couleurs, mais je ne suis pas satisfait du résultat.
Quelqu'un peut-il m'aider à trouver mon erreur ?
J'utilise pyplot pour l'affichage de l'image et imageo comme module d'image.



Résultat :

[marco056]

Sans aucun doute, si tu y postes ton code !!!

[sebebe]

Merci.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
 
def filtrer1(filtreA,matB):
    """filtreA est une matrice carree
     filtrage sur une couleur seulement 
"""
    nA=filtreA.shape[0] # taille de filtreA
    nb_ligneB=matB.shape[0] # nb de lignes de matB
    nb_colonneB=matB.shape[1]
    C=matB.copy() # on copie matB
    bordure=nA//2 ## taille du bord
    for i in range(bordure,nb_ligneB-bordure): # on eclut les lignes du bord
        for j in range(bordure,nb_colonneB-bordure): # idem pour les colonnes
            Bij=matB[i-bordure:i+bordure+1,j-bordure:j+bordure+1] # on crée la matrice autour de l'élément central bij
            C[i,j]=np.sum(np.dot(Bij,filtreA)) # on calcule le terme Cij
    return(C)
 
 
def filtrer(filtreA,matB):
    nA=filtreA.shape[0]
    nb_ligneB=matB.shape[0]
    nb_colonneB=matB.shape[1]
    C=np.zeros((nb_ligneB,nb_colonneB,3),dtype='uint8')
    for k in range(3):
        Ck=filtrer1(filtreA,matB[:,:,k]) 
        for i in range(nb_ligneB):
            for j in range(nb_colonneB):
                C[i,j,k]=Ck[i,j]
    return(C)
 
 
def matriceFlouGaussien(taille,sigma):    
    """
    taille : taille de la matrice impaire
    sigma : ecart-type
    retourne un niveau gaussien
    """
    mat=np.zeros([taille,taille])
    taille=taille//2
    for x in range(-taille,taille+1):
        for y in range(-taille,taille+1):
            mat[taille+x,taille+y]=np.exp(-(x**2+y**2)/(2*sigma**2))
 
    s=np.sum(mat)
    return((1/s)*mat)
 
def FloutageGaussien(tabPix,taille,sigma):
    filtreA=matriceFlouGaussien(taille,sigma)
    return(filtrer(filtreA,tabPix))
 
picture_floute=FloutageGaussien(Picture,5,0.9)
plt.figure(3)
plt.imshow(picture_floute)
plt.show()

[marco056]

Erreur déjà chez moi dans la fonction filtrer :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
    nb_ligneB=matB.shape[0]
 
AttributeError: 'str' object has no attribute 'shape'

[edit] C'est moi qui suis en cause.
Par contre, tu ne montres pas ce qu'est Picture...
Perso, j'utilise PIL pour ouvrir une image, ce n'est apparemment pas ton cas.

[sebebe]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
import imageio as mg 
picture=mg.imread('modele.png')
Picture=np.array(picture)

[lg_53]

Ligne 14

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

            C[i,j]=np.sum(np.dot(Bij,filtreA)) # on calcule le terme Cij

Ton nouveau point c'est une moyenne sur les points voisins. Bij, contient l'ensemble des points du voisinage. FiltreA les coefficient à appliquer pour calculer cette moyenne. np.dot va te calculer un produit matriciel, qui ici, je doute fort que ce soit cela que tu veux. Il te faut un produit terme à terme.

En numpy cela se fait de manière assez trivial mais tu semble pas trop maitriser numpy. Ce qui me le fait dire c'est notemment cela :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
        for i in range(nb_ligneB):
            for j in range(nb_colonneB):
                C[i,j,k]=Ck[i,j]

alors qu'en numpy justement on a plein de chose bien faites pour éviter de faire des boucles sur tous les indices :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

              C[:,:,k]=Ck

Un petit tour vers un bon tuto numpy semble donc inévitable pour toi. Et concernant ton problème isole ta ligne de code, donne toi un filtre (meme simple, avec des 1/9 partout), et un exemple de Bij, et voit si ca correspond au résultat attendu (que tu peux calculer à la main, ou bien aussi, en écrivant la moyenne pondérée de manière explicitée en python vu que là tu connais la dimension)