Traitement de l'image

Tous les logiciels de retouche d'image offrent des possibilités de traitement de l'image, que ce soit l'application de filtres, de seuils, la modifications des niveaux de couleurs, etc... Nous allons voir ici quelques exemples de traitements de l'image, accessibles à l'aide des fonctionnalités vues précédemment.

Pixellisation d'une image

Même si le phénomène de pixellisation est souvent perçu comme une dégradation de l'image, il peut être réalisé de manière contrôlée à l'aide du programme suivant :

import pygame

from pygame.locals import *

# Initialisation de la fenêtre d'affichage

pygame.init()

fenetre = pygame.display.set_mode((870,522))

pygame.display.set_caption("La Vie de Marc Chagall")

# Interrogation de l'utilisateur

p=int(input("Entrer votre degré de pixellisation (supérieur à 1) :"))

# Traitement de l'image

fond = pygame.image.load("lavie.jpg").convert()

# Création d'une image vide

blank_surface = pygame.Surface((870,522))

# Lecture et remplacement de la couleur de chaque pixel

for i in range(1,870,p):

    for j in range(1,522,p):

        color=fond.get_at((i,j))

        for k in range(p-1):

            for l in range(p-1):

                blank_surface.set_at((i+k,j+l),color)

fenetre.blit(blank_surface,(0,0))

pygame.display.flip()

# Boucle principale

continuer = 1

while continuer:

    for event in pygame.event.get():        

        # Quitter

        if event.type == QUIT:

            continuer = 0          

pygame.quit()

L'algorithme de pixellisation choisi est très simple : on détermine la couleur du pixel de coordonnées (i , j) et on applique ensuite cette couleur aux pixels de coordonnées i+1, i+2, i+p, ..., j+1, j+2, j+p de la surface créée avant de l'afficher.

A noter :

• le réglage du degré de pixellisation via l'entrée utilisateur p=int(input("Entrer votre degré de pixellisation (supérieur à 1) :"))
• la double boucle for permettant de changer la couleur de tous les pixels pour une position (i , j ) donnée

for k in range(p-1):

            for l in range(p-1):

                blank_surface.set_at((i+k,j+l),color)

Voici le résultat d'une pixellisation de degré 4 et de degré 10 sur notre image de départ.

Filtration par Seuil (Threshold)

L'outil Seuil transforme une image en noir et blanc, où les pixels blancs représentent les pixels dont la Valeur est supérieure à l'intervalle de seuil fixé, et les pixels noirs représentent les pixels en dehors de cet intervalle. Cette technique peut être utilisée pour améliorer le rendu des images en noir et blanc.

Le programme suivant réalise cette opération en permettant de régler le seuil utilisé.

import pygame

from pygame.locals import *

# Initialisation de la fenêtre d'affichage

pygame.init()

fenetre = pygame.display.set_mode((870,522))

pygame.display.set_caption("La Vie de Marc Chagall")

# Affichage de l'image départ

fond = pygame.image.load("lavie.jpg").convert()

fenetre.blit(fond,(0,0))

pygame.display.flip()

# Interrogation de l'utilisateur

continuer=1

while continuer:

    seuil=int(input("Entrer votre seuil (compris entre 0 et 255 :"))

    if seuil>=0 and seuil<=255:

        continuer=0

# Création d'une image vide

blank_surface = pygame.Surface((870,522))

# Lecture et remplacement de la couleur de chaque pixel

for i in range(870):

    for j in range(522):

        color=list(fond.get_at((i,j)))

        moyenne=int((color[0]+color[1]+color[2])/3)

        if moyenne<seuil:

            moyenne=0

        else :

            moyenne=255

        color[0],color[1],color[2]=moyenne,moyenne,moyenne

        color=tuple(color)

        blank_surface.set_at((i,j),color)

fenetre.blit(blank_surface,(0,0))

pygame.display.flip()

# Boucle principale

continuer = 1

while continuer:

    for event in pygame.event.get():        

        # Quitter

        if event.type == QUIT:

            continuer = 0          

pygame.quit()

A noter :

• la boucle while continuer qui permet de "piéger" l'utilisateur pour le forcer à saisir une valeur utilisable par le programme
• l'utilisation de l'algorithme de conversion d'une image en niveaux de gris avant d'appliquer le seuil choisi

Voici les résultats obtenus sur l'image de départ à l'aide du code présenté ci-dessus pour des seuils respectivement égaux à 50 et 100 :

Détection des contours

La détection des contours consiste à appliquer à chaque pixel une combinaison linéaire de lui même et de ses 8 voisins. Cette technique correspond à l'utilisation d'un tableau à deux dimensions (appelé matrice de convolution ou noyau) qui permet de traiter l'image de départ (c'est à dire la matrice de pixels initiale). Par exemple pour une matrice de convolution 3x3, le programme doit multiplier la valeur du pixel traité ainsi que des 8 pixels qui l'entourent par la valeur correspondante dans le noyau.

Voici un exemple d'image traitée par convolution à l'aide d'un matrice de convolution faisant la moyenne des couleurs d'un pixel et de celui située juste-au dessus

Voici le programme permettant de réaliser l'opération :

import pygame

from pygame.locals import *

# Matrice de convolution

mat=[[0,1,0],[0,1,0],[0,0,0]]

# Initialisation de la fenêtre d'affichage

pygame.init()

fenetre = pygame.display.set_mode((870,522))

pygame.display.set_caption("La Vie Convoluée de Marc Chagall")

# Traitement de l'image

fond = pygame.image.load("lavie.jpg").convert()

blank_surface = pygame.Surface((870,522))

# Affichage de l'image départ

fenetre.blit(fond,(0,0))

pygame.display.flip()

pygame.time.wait(1000)

# Lecture et remplacement de la couleur de chaque pixel

for i in range(870):

    for j in range(522):

        if i!=0 and i!=869 and j!=0 and j!=521:

            newcolor=[0,0,0]            

            for k in range(3):

                for l in range(3):

                    for m in range(3):

                        color=list(fond.get_at((i-1+k,j-1+l)))

                        newcolor[m]=newcolor[m]+color[m]*mat[k][l]

            for m in range(3):

                newcolor[m]=int(newcolor[m]/2)

        else :

            newcolor=list(fond.get_at((i,j)))

        newcolor=tuple(newcolor)

        blank_surface.set_at((i,j),newcolor)

# Collage du fond

fenetre.blit(blank_surface,(0,0))

pygame.display.flip()

# Sauvegarde de l'image dans un fichier

pygame.image.save(blank_surface,"lavieconvolueedemarcchagall.jpg")

# Boucle principale

continuer = 1

while continuer:

    for event in pygame.event.get():        

        # Quitter

        if event.type == QUIT:

            continuer = 0

pygame.quit()

Détaillons un peu le programme :

• La matrice de convolution utilisée ici est assez simple mat=[[0,1,0],[0,1,0],[0,0,0]] , il s'agit de la même que celle traitée en exemple précédemment
• l'instruction if i!=0 and i!=869 and j!=0 and j!=521 sert à éviter de traiter le cas des pixels situés au bord de l'image, on peut l'enlever si on modifie pour ces pixels la dimension de la matrice de convolution. L'instruction else couplée permet de copier la couleur de ces pixels dans la nouvelle image
• les deux boucles for k in range(3) et for l in range(3) permettent de traiter chacun des pixels de l'image correspondant à un des éléments de la matrice de convolution
• La ligne color=list(fond.get_at((i-1+k,j-1+l))) sert à récupérer la couleur de chaque pixel entourant le pixel de l'image traité, les indices i-1+ k et j-1+l servant à repérer leurs positions
• la liste à accumulateur newcolor utilisée dans la ligne newcolor[m]=newcolor[m]+color[m]*mat[k][l] permet de stocker la couleur issue du produit entre un des éléments de la matrice de convolution et la couleur du pixel correspondant sur l'image traitée. Intégrée dans les deux boucles for, elle assure le calcul correct du produit de convolution.
• l'instruction for m in range(3): newcolor[m]=int(newcolor[m]/2) permet de re-normaliser la valeur de la couleur. Il est à noter que le diviseur 2 doit être modifié si vous changez les éléments de la matrice de convolution...

Voici l'image de départ et le résultat de la convolution : on peut constater que l'opération a amélioré les contours de l'image...

Exemple d'exercice d'appropriation : créer un deuxième script permettant d'éliminer le "bruit" sur une image à l'aide d'un filtre médian, filtre pour lequel chaque pixel est remplacé par la médiane de la série constituée du pixel et de ses huit voisins.

La correction du script est ici.

Voici l'image de départ et le résultat de l'application du filtre médian. A vous de comparer avec le résultat précédent !