Programmation d'un filtre passe-haut en utilisant scipy

Bonjour,

Je suis débutante en Python et je dois programmer un filtre passe-haut dans ce langage en utilisant scipy.misc pour gérer l'image et non le module Image. Voici mon code :

Code:

---

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

import numpy as np from scipy import misc import matplotlib.pyplot as plt   img = misc.imread("fichier_initial.png")   Filtre = [[0, -4, 0], [-4, 18, -4], [0, -4, 0]]     def convolution2D(Filtre, TPix, x, y): p0 = p1 = p2 = 0 for i in range(-1, 1): for j in range(-1, 1): p0 += Filtre[i + 1][j + 1] * TPix[x + j, y + i][0] p1 += Filtre[i + 1][j + 1] * TPix[x + j, y + i][1] p2 += Filtre[i + 1][j + 1] * TPix[x + j, y + i][2] p0 = int(p0 / 9.0) p1 = int(p1 / 9.0) p2 = int(p2 / 9.0) return (p0, p1, p2)     def filtre_convolution(img_orig): im = np.copy(img_orig) # On fait une copie de l'original for x in range(1, img_orig.shape[0] - 1): for y in range(1, img_orig.shape[1] - 1): p = convolution2D(Filtre, img_orig, x, y) im[x, y] = p return im   image = filtre_convolution(img) plt.imshow(image) plt.show()

---

Dans l'absolu le code fonctionne, il donne quelque chose. Mais ce n'est pas le bon résultat, autrement dit ce n'est pas ce qui est attendu avec un filtre passe-haut. Cela fait un moment que je travaille dessus et je ne trouve pas la solution ni pourquoi il y a cette pixélisation.
Est-ce que quelqu'un pourrait m'aider s'il vous plait?
Merci d'avance.

C'est un peu compliqué comme ça sans autre information que "ça ne marche pas". Un peu de contexte devrait aider un peu.

Tu veux faire quoi exactement ? Tu as quoi ? et tu attendais quoi ?


Edit : j'ai prit le temps de regarder ton code un peu. Je piges pas tout, mais déjà faire un cast en int d'une division flottante, c'est une mauvaise idée vu que tu tronques ton chiffre.

Bonjour,
Effectivement j'ai été un peu radine.

J'ai une image initial et je veux appliquer dessus un filtre passe-haut par convolution. Un filtre passe haut favorise les hautes fréquences spatiales, comme les détails, et de ce fait, il améliore le contraste. Donc mon image devrait être moins "flou" je pense.
Voici l'image d'origine : Pièce jointe 425482
Et voici ce que j'obtiens : Pièce jointe 425484
Et voici ce que je devrais obtenir : Pièce jointe 425490

J'ai obtenu le dernier programme en utilisant le module Image en changeant à peine le programme :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

import Image   def convolution2D(Filtre, TPix, x, y): p0 = p1 = p2 = 0 for i in range(-1, 1): for j in range(-1, 1): p0 += Filtre[i + 1][j + 1] * TPix[y + 1, x + j][0] p1 += Filtre[i + 1][j + 1] * TPix[y + 1, x + j][1] p2 += Filtre[i + 1][j + 1] * TPix[y + 1, x + j][2] p0 = int(p0 / 9.0) p1 = int(p1 / 9.0) p2 = int(p2 / 9.0) return (p0, p1, p2)     img = Image.open("/home/laubourg/Documents/CAPES/sujet 16/fichier_initial.png") TabPixel = img.load() imgF = Image.new(img.mode, img.size)   for x in range(1, img.size[1] - 1): for y in range(1, img.size[0] - 1): p = convolution2D(Filtre, TabPixel, x, y) imgF.putpixel((y, x), p) imgF.show()

---

Cependant je n'ai pas le droit d'utiliser ce module. J'essaie donc avec scipy mais comme vous pouvez le voir ça donne un résultat différent d'avec le module Image et je ne vois pas pourquoi.

Tu peux me dire pourquoi tu cast en int les divisions par 9.0 ?

Une autre question me taraude, pourquoi tu n'utilises pas la fonction de convolution 2D qui existe déjà dans scipy ?

Edit : http://machinelearninguru.com/comput...olution_1.html ça devrait t'aider

Parce qu'à la base je voulais le faire par moi même pour comprendre comment le programme fonctionnait.

Ok, alors réfère toi au lien que j'ai posté plus haut. ça explique pas à pas ;)

Salut,

Pour moi le code a l'air OK.
On comprend clairement que tu itères sur un patch de 3 x 3 pixels et que tu retournes la moyenne des valeurs pour chaque composante R, V, et B.

Je pense que si tu n'as pas le résultat ce soit plutôt à cause des valeurs choisies pour le filtre. Essaye avec d'autres valeurs pour voir.

Aussi, il n'est pas impossible que tu aies des valeurs négatives, j'ignore si ça puisse avoir une influence mais, pour fermer une porte essaye ceci:

Code:

---

1 2 3 4

p0 = abs(int(p0 / 9.0)) p1 = abs(int(p1 / 9.0)) p2 = abs(int(p2 / 9.0))

---

Citation:

---

Envoyé par Grumphette

Tu peux me dire pourquoi tu cast en int les divisions par 9.0 ?

---

Parce qu'il lui faut la moyenne des neuf valeurs et que les valeurs R, V, B doivent être des entiers dans son cas.

Merci pour vos réponses.

J'ai essayé de rajouter les valeurs absolues mais ça ne change pas l'image obtenue.
Après les deux programmes que j'ai posté se basent sur le même filtre, donc normalement je devrais obtenir quand même obtenir le même résultat non?
D'ailleurs les deux programmes se ressemblent fortement.... Du coup je ne pense pas que le problème vienne de la fonction convolution2D mais je peux me tromper.

Comme ton image est un png tu es sûre d'avoir une image RVB et non pas RVBA très courante en png ?

Si c'est le cas ça se résout simplement avec return (p0, p1, p2, 255)

C'était une bonne idée, mais ce n'est pas cela le problème....
Mais au lieu de faire comme vous m'avez dit car ça me mettait une erreur (après je mets p dans im[x,y]) j'ai fait

Code:

---

1 2	img = misc.imread("/home/laubourg/Documents/CAPES/sujet 16/fichier_initial.png", mode = 'RGB')

---

Et j'ai aussi appliqué le programme sur la même image mais en jpeg (l'original, d'ailleurs je ne sais même pas pourquoi je n'utilise pas l'image en jpeg) ça me donne exactement les mêmes résultats.