import os import matplotlib.pyplot as plt import numpy as np # Définir le répertoire de travail avant toute chose os.chdir("C:/Users/franc/Documents/MP2122/IPT") # A compléter #------------------------------------------------------------------------------ # Lecture d'un fichier image au format png. Sous Pyzo le type des # des éléments des matrices R, V et B est float 32 bits (flottants simple # précision compris entre 0 et 255. # ---------------------------------------------------------------------------- # def getImage(nomFichier) : """Cette fonction renvoie un triplet de 3 matrices R, V et B de même dimension L x C qui correspondent aux trois couleurs de base rouge, vert et bleu de l'image. Cette image est située dans le fichier nomFichier d'extension .png obligatoire. L'image possède L lignes et C colonnes de pixels.""" npImage = plt.imread(nomFichier) npImage = 255*npImage # Lecture avec Pyzo R = npImage[ : , : ,0] V = npImage[ : , : ,1] B = npImage[ : , : ,2] return R, V, B #------------------------------------------------------------------------------ # fonction qui enregistre un fichier image au format png. #------------------------------------------------------------------------------ def saveImage(nomFichier, R, V, B) : """ Enregistre l'image contenue dans les trois matrices R, V et B, de type (ligne, colonne) dans un fichier nomFichier d'extension .png obligatoire. Cette fonction ne retourne rien. """ n = R.shape npImage = np.zeros( (n[0], n[1], 3 )) npImage[ : , : , 0] = R/255 npImage[ : , : , 1] = V/255 npImage[ : , : , 2] = B/255 plt.imsave(nomFichier, npImage) #----------------------------------------------------------------------------- #------------------- Début du programme ------------------------------------- #----------------------------------------------------------------------------- #-------- Extraction des matrices R, V et B ---------------------------------- R, V, B = getImage("lena.png") Z = np.zeros(R.shape) # Matrice de zéros de la même taille que R, V ou B saveImage("lenaR.png", R, Z, Z) saveImage("lenaV.png", Z, V, Z) saveImage("lenaB.png", Z, Z, B) #--------------------- Ecriture d'une image ---------------------------------- # On travaille directement sur les vecteurs lignes de la matrice #----------------------------------------------------------------------------- #--------------------- Matrice R --------------------------------------------- R = np.array([ [200,200,200,200,200,200,200,255,255,255], [200,200,200,200,200,200,200,255,255,255], [200,200,200,200,200,200,200,255,255,255], [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0], [200,200,200,200,200,200,200,200,200,200] ]) #--------------------- Matrice V --------------------------------------------- V = np.array([ [0,0,0,0,0,0,0,255,255,255], [0,0,0,0,0,0,0,255,255,255], [0,0,0,0,0,0,0,255,255,255], [255,255,255,255,255,255,255,255,255,255], [255,255,255,255,255,255,255,255,255,255], [255,255,255,255,255,255,255,255,255,255], [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0] ]) #--------------------- Matrice B --------------------------------------------- B = np.array([ [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0,0], [200,200,200,200,200,200,200,200,200,200], [200,200,200,200,200,200,200,200,200,200], [200,200,200,200,200,200,200,200,200,200], [0,0,0,0,0,0,0,0,0,0] ]) saveImage("imageCouleur.png", R, V, B) # #------------- Image en niveaux de gris -------------------------------------- R,V,B = getImage("lena.png") G = 0.11*R + 0.59*V + 0.30*B saveImage("lenaG.png",G,G,G) ##--------------------------- Symétries --------------------------------------- # Symétrie par rapport à un axe vertical passant par le centre # de l'image. Il faut permuter les vecteur colonnes def vertSym(M) : S = np.zeros(M.shape) L, C = M.shape for i in range(L) : for j in range(C) : S[i,C-1-j] = M[i,j] # Echanger les vecteurs colonnes return S #---------- Symétrie par rapport à un axe horizontal passant par le centre ---- #---------- de l'image. def horizSym(M) : S = np.zeros(M.shape) L, C = M.shape for i in range(L) : for j in range(C) : S[L-1-i,j] = M[i,j] # Echanger les vecteurs lignes return S G1, G2, G3 = getImage("lenaG.png") # G1, G2, G3 matrices identiques Z = np.zeros( G1.shape) Gsym = vertSym(G1) saveImage("lenaVSym.png", Gsym, Gsym, Gsym) Gsym = horizSym(G1) saveImage("lenaHSym.png", Gsym, Gsym, Gsym) #-----------La dernière image est réalisée avec la matrice transposée ------- MatTranspo = G1.T # Transposition de G1 saveImage("lenaTranspo.png", MatTranspo, MatTranspo, MatTranspo) #------------------------------------------------------------------------------ #----------------------- Quantification ---------------------------------- #------------------------------------------------------------------------------ def quantifie2niveaux(M) : L,C = M.shape S = np.zeros((L,C)) for i in range(L) : for j in range(C) : if M[i,j] <= 127 : S[i,j] = 0 else : S[i,j] = 255 return S G1, G2, G3 = getImage("lenaG.png") Gq = quantifie2niveaux(G1) saveImage("lenaQuantif.png", Gq,Gq,Gq) #------------------------------------------------------------------------------ #----------------------- Floutage --------------------------------------------- #------------------------------------------------------------------------------ def floutage(M) : L, C = M.shape # Nombre de lignes et de colonnes de M Mflou = np.zeros((L,C)) for i in range(1, L-1) : # Ne pas considérer les lignes 0 et L-1 for j in range(1, C-1) : # Ne pas considérer les colonnes 0 et C-1 Mflou[i,j] = 1/9 * ( M[i-1, j-1] + M[i-1, j] + M[i-1, j+1] + M[i, j-1]\ + M[i, j] + M[i, j+1] + M[i+1, j-1] + M[i+1, j] + M[i+1, j+1]) return Mflou # le signe \ (antislash) permet d'écrire une instruction sur plusieurs lignes G1, G2, G3 = getImage("lenaG.png") Gflou = floutage(G1) saveImage("lenaFlou.png", Gflou, Gflou, Gflou) #------------------------------------------------------------------------------ #----------------------- Détection des contours ------------------------------- #------------------------------------------------------------------------------ import math as m # On a besoin de la racine carrée m.sqrt def contours(M) : L, C = M.shape # Récupération du nombre de lignes et de colonnes de M Mcontour = np.zeros( (L,C) ) # Initialisation for i in range(1, L-1) : # Ne pas considérer les lignes 0 et L-1 for j in range(1, C-1) : # Ne pas considérer les colonnes 0 et C-1 Mcontour[i,j] = m.sqrt( (M[i, j+1] - M[i, j-1])**2 + (M[i-1, j] - M[i+1, j])**2 ) return Mcontour G1, G2, G3 = getImage("lenaG.png") Gcont = contours(G1) saveImage("lenaC.png", Gcont, Gcont, Gcont) #---------- On prend le négatif de l'image des contours --------------------- Gcont = 255 - Gcont saveImage("lenaCInv.png", Gcont, Gcont, Gcont)