Résumé des filtres en traitement d'image
Type de filtre Catégorie Avantages Inconvénients Forme/Comment les
distinguer
Filtre Lissage Simple à Floute les Noyau de convolution
moyenneur (Passe-bas) implémenter, contours, perte uniforme (ex. : matrice
réduit de détails avec des 1/n),
efficacement le applique une
bruit moyenne pondérée
des pixels voisins
Filtre médian Lissage Élimine le bruit Coût Remplace le pixel par
(Passe-bas) "sel et poivre", computationnel la médiane des
préserve les plus élevé, moins valeurs dans une
contours efficace sur bruit fenêtre, pas de noyau
gaussien linéaire
Filtre gaussien Lissage Réduit le bruit, Floute Noyau de convolution
(Passe-bas) lisse avec une légèrement les basé sur une fonction
pondération contours, calcul gaussienne (ex. : [1,
naturelle plus complexe 2, 1; 2, 4, 2; 1, 2,
que moyenneur 1]/16)
Filtre passe- Lissage Atténue les Floute les Noyau de convolution
bas hautes contours, perte avec poids
fréquences, de netteté décroissants (ex. :
réduit le bruit gaussien [1, 2, 1; 2, 4,
et les détails 2; 1, 2, 1]/16)
fins
Filtre passe- Amélioration Met en Amplifie le bruit, Noyau de convolution
haut évidence les peut créer des avec somme nulle
détails fins et artefacts (ex. : [-1, -1, -1; -1, 8,
contours -1; -1, -1, -1])
Filtre de Sobel Détection de Détecte bien Sensible au bruit, Utilise deux noyaux
contours les contours, contours moins 3x3 pour gradients
rapide précis horizontaux et
verticaux (ex. : [-1, 0,
1; -2, 0, 2; -1, 0, 1])
Filtre de Détection de Simple, Sensible au bruit, Noyaux 3x3 similaires
Prewitt contours détecte les moins précis que à Sobel mais avec
contours dans Sobel coefficients égaux (ex.
deux directions : [-1, 0, 1; -1, 0, 1; -1,
0, 1])
Filtre de Détection de Contours nets, Paramètres Algorithme multi-
Canny contours robuste au complexes à étapes : lissage,
bruit ajuster gradients, seuillage,
suivi des contours
Filtre de Amélioration Améliore la Amplifie le bruit Noyau de convolution
netteté clarté des existant avec un pic central
détails négatif (ex. : [0, -1, 0;
-1, 5, -1; 0, -1, 0])
Filtre de Transformatio Simplifie Perte Applique une règle
seuillage n l'image pour d'information, binaire (ex. : pixel
analyse (ex. : sensible au seuil > seuil → 255,
binarisation) choisi sinon → 0), pas de
noyau
Filtre de Amélioration Met en Sensible au bruit, Noyau de convolution
Laplace évidence les peut accentuer basé sur la dérivée
variations les artefacts seconde (ex. : [0, 1, 0;
d'intensité 1, -4, 1; 0, 1, 0])
(contours)
Filtre laplacien Amélioration Détecte les Très sensible au Noyau de convolution
variations bruit, nécessite basé sur la dérivée
rapides un pré-lissage seconde, souvent
d'intensité, identique au Laplace
utile pour (ex. : [0, 1, 0; 1, -4, 1;
contours 0, 1, 0])
Filtre de Général Flexible, Nécessite un Utilise une matrice
convolution applicable à noyau bien défini, (noyau) personnalisée
divers effets peut être lent appliquée par
(flou, netteté, convolution sur
etc.) l'image
Filtre Transformatio Utile pour Limité aux Opérations basées
morphologique n images images binaires sur des éléments
binaires ou à faible structurants (ex. :
(érosion, contraste carré, disque) pour
dilatation) modifier la forme des
objets
Notes
● Catégorie : Indique le type d'opération (lissage, détection de contours, amélioration,
transformation).
● Forme/Comment les distinguer : Décrit la forme mathématique ou l'algorithme
distinctif du filtre (ex. : noyau de convolution, règle non linéaire, ou étapes spécifiques).
● Applications : Ces filtres sont utilisés dans des logiciels comme Photoshop, GIMP, ou
via des bibliothèques comme OpenCV.
● Choix du filtre : Dépend du type d'image, du bruit, et de l'objectif (ex. : réduction de
bruit ou détection d'objets).
