less than 1 minute read

QC : qualité d’image à l’entrée du pipeline

Objectif

À la fin, vous aurez reproduit cette étape de bout en bout sur un cas test.

Avant de commencer

  • Résultats intermédiaires déjà exportés.
  • Checklist projet disponible.
  • Critères de validation définis en amont.

Pas à pas

  1. Évaluer netteté, saturation et artefacts avant segmentation.
  2. Mesurer automatiquement un score de focus.
  3. Définir un seuil de rejet objectif.
  4. Mettre de côté les lames non conformes.
  5. Documenter les exclusions.

À copier-coller

import cv2
from pathlib import Path

THRESH_FOCUS = 120.0
for fp in Path('tiles_qc').glob('*.jpg'):
    img = cv2.imread(str(fp), cv2.IMREAD_GRAYSCALE)
    focus = cv2.Laplacian(img, cv2.CV_64F).var()
    if focus < THRESH_FOCUS:
        print('REJECT', fp.name, 'focus=', round(focus, 2))

Vérifier que ça marche

  • Chaque point de checklist est renseigné.
  • Les anomalies bloquantes sont isolées.
  • La décision Go/No-Go est explicite.

En cas de problème

  • Revenir à l’étape précédente avec un lot plus petit.
  • Comparer avec un cas validé de référence.

Documentation officielle

Articles liés

You May Also Enjoy