Dans cet exercice, vous appliquerez un filtrage morphologique pour nettoyer une image binaire corrompue par un bruit de type sel et poivre (pixels isolés de valeur 1 dans le fond et 0 à l’intérieur des objets). Après le nettoyage, le programme doit extraire les mesures géométriques des composants connectés restants, les trier et afficher le tableau final de métriques.
Entrée : lire deux entiers \(H\) et \(W\) (hauteur et largeur de l’image) sur la première ligne, puis les \(H\) lignes avec la matrice binaire contenant des pixels 0 et 1 séparés par des espaces.
Filtrage Morphologique : appliquer un enchaînement d’Ouverture (pour éliminer le bruit de sel dans le fond) suivi d’une Fermeture (pour combler le bruit de poivre à l’intérieur des objets) avec un élément structurant \(3 \times 3\).
Affichage de l’Image Nettoyée : imprimer la matrice résultante en valeurs 0 et 1 séparées par des espaces.
Mesures Géométriques : pour chaque objet identifié dans la matrice nettoyée, extraire :
id : identifiant numérique séquentiel (réattribué après le tri) ;area : aire calculée via le contour (cv2.contourArea) ;perimeter : périmètre du contour (cv2.arcLength) ;cx, cy : centre de masse (centroïde via cv2.moments) ;x, y, w, h : coordonnées du rectangle englobant (cv2.boundingRect) ;circularity : circularité donnée par \(\frac{4 \pi \cdot \text{aire}}{\text{périmètre}^2}\) ;solidity : solidité donnée par le rapport \(\frac{\text{aire}}{\text{aire de l'enveloppe convexe}}\) ;vertices : nombre de sommets approximé du polygone (cv2.approxPolyDP avec \(\epsilon = 0.02 \times \text{périmètre}\)).bbox[0]) ; en cas d’égalité, utiliser la position \(Y\) (bbox[1]). Réattribuer les ids de \(1\) à \(N\) et imprimer le tableau formaté.
medidas.sort(key=lambda m: (m['bbox'][1], m['bbox'][0])), avec medidas = mm.measure(img).medidas.sort(key=lambda m: (m['bbox'][0], m['bbox'][1]))cv2.contourArea) mesure l’aire du polygone continu délimité par les centres des pixels de bordure, ce qui donne des valeurs numériques inférieures au simple comptage discret des pixels 1 (np.sum).| Opération / Métrique | Fonction dans le Filtrage et la Caractérisation |
|---|---|
| Ouverture Morphologique (\(\circ\)) | Érosion suivie d’une dilatation : supprime les bruits brillants isolés (sel). |
| Fermeture Morphologique (\(\bullet\)) | Dilatation suivie d’une érosion : comble les petits trous sombres à l’intérieur des objets (poivre). |
cv2.boundingRect |
Retourne \((x, y, w, h)\), le plus petit rectangle aligné sur les axes qui englobe l’objet. |
| Circularité et Solidité | Décrivent la compacité et la convexité géométrique du composant. |
| Entrée | Sortie |
|---|---|
| 8 9 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 1 1 1 1 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 |
id area perimeter cx cy x y w h circularity solidity vertices 1 9.0 12.0 3.5 2.0 3 1 4 3 0.79 1.000 4 2 4.0 8.0 7.5 5.5 7 5 2 2 0.79 1.000 4 |
| id | aire | périmètre | cx | cy | x | y | w | h | circularité | solidité | sommets |
|---|
%%writefile EP08_07.py
# Code PythonOverwriting EP08_07.pyTestSuite("EP08_07.py").run()✔️ EP08_07.cases existe déjà dans casos/
📋 4 cas chargé(s) depuis casos/EP08_07.cases
🔍 Test de Python : EP08_07.py
⚠️ EP08_07.py : fichier vide (moins de 3 lignes). Tests ignorés.