7.1.1. Présentation des outils¶
7.1.1.1. Un exemple pour commencer¶
On commence par importer les modules dont on aura besoin pour le traitement d’images:
>>> import numpy as np
>>> import skimage
>>> from scipy import ndimage
>>> import matplotlib.pyplot as plt
On charge une image comme un tableau numpy:
>>> image_array = data.coins() # or any NumPy array!
>>> image_array.dtype
dtype('uint8')
>>> image_array.shape
(303, 384)
On l’affiche
>>> from skimage import io
>>> io.imshow(image_array)
>>> # or plt.imshow(image_array, cmap='gray')
On la transforme pour extraire les bords
>>> from skimage.filter import sobel
>>> edges = sobel(image_array)
>>> io.imshow(edges)
On sauve le résultat
>>> io.imsave('edges.png', edges')>>>
os.path.exists('edges.png')
True
Qu’est-ce que le traitement d’images ?
Au sens large, c’est la manipulation et la transformation d’images numériques pour
- obtenir d’autres images
- extraire des informations d’intérêt des images (réduire l’information): position d’un objet, nombre de personnes, etc.
7.1.1.2. Les applications du traitement d’image¶
Grâce aux capteurs CCD bon marché, il est de nos jours possible de produire de gros volumes d’images à faible coût. De nombreuses applications reposent donc sur l’extraction d’information à partir d’images, il s’agit d’un domain en plein essor. Parmi les diverses applications, on peut citer :
- Diagnostic médical (présence de tumeurs, forme des cellules, etc.)
- Contrôle industriel (détection de défauts)
- Reconnaissance automatique (visages sur Facebook, etc.)
- Extraction de données scientifiques à partir d’images dans une expérience scientifique (position d’une bulle, d’une particule, ...)
7.1.1.3. Le scikit-image¶
Le module scikit-image (http://scikit-image.org/) est le module principal de Python scientifique pour le traitement d’images. Il est prévu pour fonctionner avec des tableaux numpy, ce qui permet d’utiliser facilement le scikit-image en même temps que les autres modules de calcul scientifique:
>>> from skimage import data
>>> import numpy as np
>>> coins = data.coins()
>>> detail = coins[30:80, 10:70]
>>> values, bins = np.histogram(coins, bins=np.arange(256))
>>> plt.plot(bins[:-1], values)
Il existe d’autres modules de Python spécialisés pour le traitement d’image, par exemple
