Article épinglé

Domaine ipa-troulet.fr, ce n'est plus moi...

Mise en garde - Domaine ipa-troulet.fr Ce domaine fut le mien de 2012 à 2025, il était hébergé au Canada chez HostPapa. Mais faute de motiva...

Affichage des articles dont le libellé est image. Afficher tous les articles
Affichage des articles dont le libellé est image. Afficher tous les articles

mercredi 26 novembre 2025

Humidité des sols - Pix4DFields, Indices calculés et Gémini pour les formules

Sur Pix4DFields:

Indices de Végétation (VIs)

Ces couches sont générées à partir de l'imagerie multispectrale (ou RGB si les formules le permettent) et sont essentielles pour évaluer la santé, la vigueur et le stress des cultures. Elles reposent sur la manière dont les plantes réfléchissent différentes longueurs d'onde de la lumière.

  • GNDVI (Green Normalized Difference Vegetation Index) : Similaire au NDVI, mais utilise la bande verte au lieu du rouge. Il est souvent plus sensible aux variations de la teneur en chlorophylle des feuilles jeunes ou de haute densité.
  • LCI (Leaf Chlorophyll Index) : Un indice conçu pour estimer la teneur en chlorophylle des feuilles, souvent utilisé pour évaluer les besoins en azote.
  • MCARI (Modified Chlorophyll Absorption Reflectance Index) : Développé pour être plus sensible aux variations de la teneur en chlorophylle et moins affecté par le fond du sol.
  • NDRE (Normalized Difference Red Edge) : Utilise la bande Red Edge (proche infrarouge) au lieu du rouge. Il est particulièrement utile pour mesurer la santé des cultures à des stades de développement plus avancés et pour estimer la teneur en azote.
  • NDVI (Normalized Difference Vegetation Index) : L'indice le plus couramment utilisé. Il mesure la vigueur de la végétation en comparant la réflectance dans le proche infrarouge (NIR) et le rouge. Des valeurs plus élevées indiquent une végétation plus saine.
  • SIPI2 (Structure Insensitive Pigment Index 2) : Conçu pour maximiser la sensibilité à la variation des pigments caroténoïdes par rapport à la chlorophylle, tout en minimisant l'influence de la structure de la canopée.

Mais il semblerait que pour traquer l'humidité du sol il y a mieux... Il faut passer par :

mercredi 15 octobre 2025

Visite du Parc de Maulévrier


Lien vers le site du parc
https://www.parc-oriental.com/



Tuto vidéo pour réaliser ce tour de force en moins de 20 min...



Rq: Pour la visualisation des photos en grandes tailles il suffit de basculer en vue partagée, il n'y a rien à faire.

samedi 4 octobre 2025

lundi 18 décembre 2023

Manipulation et images

L'image est un moyen de communication puissant grâce à sa capacité à générer de l'émotion.

L'objectif initial de simplement transmettre ou renforcer une information est largement dépassé avec le potentiel émotionnel dû à l'image elle-même : l'efficacité de ce média est très forte, une image est très attractive dans un contenu et peut avoir un grand pouvoir de conviction.

Logiquement, l'image est très utilisée pour manipuler les lecteurs ou les spectateurs qui la voient, qui la regardent, car l'émotion qu'elle peut générer est indispensable ou inévitable dans le processus de prise de décision (marketing, design, propagande, etc.)
https://atelier-canope-19.canoprof.fr/

mardi 11 février 2020

Python, image et pixels avec Pillow


Création d'une image avec des couleurs aléatoires puis modification de cette dernière.

Bibliothèque à installer sous l'IDE Thonny

Voir Pillow qui remplace PIL sous python 3


Création d'une image de 5x5 pix² puis inversion des couleurs puis mise en niveau de gris

Script

from PIL import Image
from random import *

#taille image
largeur =5
hauteur=5

# creation image 5 pix² couleur aleatoire
img=Image.new("RGB",(largeur,hauteur),(255,255,255))

print("test 1 creation de l'image source - enregistrement 5par5pix-1.jpg")

for x in range (largeur):
    for y in range (hauteur):
        b=randint(0,255)
        v=randint(0,255)
        r=randint(0,255)

        img.putpixel((x,y),(r,v,b))
        print(x,y,r,v,b)
img.save("5par5pix-1.jpg")

# inversion couleur
print("test 2 Inversion couleur - enregistrement 5par5pix-2.jpg")

img=Image.open("5par5pix-1.jpg")
for x in range (largeur):
    for y in range (hauteur):
        r,v,b=img.getpixel((x,y))
        nr,nv,nb=255-r,255-v,255-b
        img.putpixel((x,y),(nr,nv,nb))
        print(x,y,nr,nv,nb)
img.save("5par5pix-2.jpg")        

# mise en niveau de gris
print("test 3 niveau de gris - enregistrement 5par5pix-3.jpg")

img=Image.open("5par5pix-1.jpg")
for x in range (largeur):
    for y in range (hauteur):
        r,v,b=img.getpixel((x,y))
        gris=int((r+v+b)/3)
        img.putpixel((x,y),(gris,gris,gris))
        print(x,y,gris,gris,gris)
img.save("5par5pix-3.jpg")