Académique Documents
Professionnel Documents
Culture Documents
Ralis par :
Imane
Wahiba
Encadr par :
M. Fahd KARAMI.
TP 3
(a) Rsultat du calcul du produit de convolution (voir papier).
Rsultat sur MatLab :
En utilisant la commande con2 :
Produit de convolution de E avec H1 :
Remarque : il y a une lgre diffrence entre le calcul manuel et le calcul ralis par
MatLab, cela est d au fait que MatLab duplique les contours de la matrice.
TP 3
(b) On ouvre limage ( cameraman.tif ) laide de la commande imread, et on
ralise les diffrents traitements sur limage par ces filtres (H1, H2, H3) :
Rsultat de lutilisation du filtre moyenneur H1 :
clc;clear all;close all;
E=imread('cameraman.tif');
H1=(1/9)*[1 1 1;
50
1 1 1;
1 1 1];
100
A=conv2(E,H1);
image(A);
150
colormap ('gray');
200
250
50
100
150
200
250
50
B=conv2(E,H1);
image(B);
100
colormap('gray');
150
200
250
50
100
150
200
250
TP 3
Rsultat de lutilisation du filtre Laplacien:
clc;clear all;close all;
E=imread('cameraman.tif');
H3=[0 -1 0;-1 4 -1;0 -1 0];
50
E1E=conv2(E,H3);
image(E1E);
colormap('gray');
100
150
200
250
50
100
150
200
250
TP 3
A laide de linstruction whos on visualise les dimensions et obtient :
Name
I
ans
Size
Bytes Class
256x256
65536 uint8
1x2
16 double
Attributes
Ce qui montre que limage contient une seule matrice en niveau du gris.
(b) . on excute la commande J = imnoise(I, 'salt & pepper', 0.1) ce qui donne
limage suivante (voir question (c) ).
I=imread('cameraman.tif');
whos;
K=im2double(I);
J = imnoise(K,'salt & pepper', 0.1);
imshow(J);
Remarque : avant dintroduire leffet salt&pepper limage on ajoute la commande
im2double(I);
(c). On visualise limage qui reprsente des points disperss sur limage initiale,
leffet salt&pepper est une forme de bruit qui se reprsente comme apparition au
hasard des pixels noirs et blancs, Ce type de bruit impulsionnel peut apparatre par
numrisation dune image ou au cours dune transmission.
TP 3
K=im2double(I);
J = imnoise(K,'salt &
pepper', 0.1);
F1=(1/25)*ones(5,5);
A=conv2(J,F1);
image(A);
TP 3
Utilisation du 2me filtre (filtre Circulaire) :
K=im2double(I);
J = imnoise(K,'salt &
pepper', 0.1);
F2=(1/21)*[0 1 1 1 0;1
1 1 1 1;1 1 1 1 1;1 1 1
1 1;0 1 1 1 0];
B=conv2(J,F2);
imshow(B);
TP 3
Utilisation du 4me filtre (filtre Conique) :
K=im2double(I);
J = imnoise(K,'salt &
pepper', 0.1);
imshow(J);
F4=(1/25)*[0 0 1 0 0;0
2 2 2 0;1 2 5 2 1;0 2 2
2 0;0 0 1 0 0];
D=conv2(J,F3);
imshow(D);
TP 3
Avec la taille 7x7 :
K=im2double(I);
J = imnoise(K,'salt &
pepper', 0.1);
imshow(J);
F1=(1/49)*ones(7,7);
A=conv2(J,F1);
imshow(A);
TP 3
Filtre Circulaire :
Avec la taille 3x3 :
K=im2double(I);
J = imnoise(K,'salt &
pepper', 0.1);
imshow(J);
F2=(1/5)*[0 1 0;1 1 1;0
1 0];
B=conv2(J,F2);
imshow(B);
TP 3
Avec la taille 10x10:
K=im2double(I);
J = imnoise(K,'salt &
pepper', 0.1);
imshow(J);
F2=(1/96)*[0 1 1 1 1 1 1
1 1 0;1 1 1 1 1 1 1 1 1
1;1 1 1 1 1 1 1 1 1 1;1 1
1 1 1 1 1 1 1 1;1 1 1 1 1
1 1 1 1 1;1 1 1 1 1 1 1 1
1 1;1 1 1 1 1 1 1 1 1 1;1
1 1 1 1 1 1 1 1 1;1 1 1 1
1 1 1 1 1 1;0 1 1 1 1 1 1
1 1 0];
B=conv2(J,F2);
imshow(B);
Filtre Pyramidal:
Avec la taille 3x3:
K=im2double(I);
J = imnoise(K,'salt &
pepper', 0.1);
imshow(J);
F3=(1/16)*[1 2 1;
2 4 2;
1 2 1];
C=conv2(J,F3);
imshow(C);
TP 3
Avec la taille 7x7:
K=im2double(I);
J = imnoise(K,'salt &
pepper', 0.1);
imshow(J);
F3=(1/256)*
[1 2 3 4 3 2 1;
2 4 6 8 6 4 2;
3 6 9 12 9 6 3;
4 8 12 16 12 8 4;
3 6 9 12 9 6 3;
2 4 6 8 6 4 2;
1 2 3 4 3 2 1];
C=conv2(J,F3);
imshow(C);
C=conv2(J,F3);
imshow(C);
TP 3
Filtre conique:
Avec la taille 3x3:
K=im2double(I);
J = imnoise(K,'salt &
pepper', 0.1);
imshow(J);
F3=(1/6)*[0 1 0;1 2 1;0
1 0];
D=conv2(J,F3);
imshow(D);
TP 3
Avec la taille 10x10:
K=im2double(I);
J = imnoise(K,'salt &
pepper', 0.1);
imshow(J);
F3=(1/352)*[0 0 0 0 1
1 0 0 0 0;0 2 2 2 2 2
2 2 2 0;0 2 5 5 5 5 5
5 2 0;0 2 5 10 10 10
10 5 2 0;1 2 5 10 17
17 10 5 2 1;1 2 5 10
17 17 10 5 2 1;0 2 5
10 10 10 10 5 2 0;0 2
5 5 5 5 5 5 2 0;0 2 2
2 2 2 2 2 2 0;0 0 0 0
1 1 0 0 0 0]
D=conv2(J,F3);
imshow(D);
Rsultat : Plus le filtre grossit plus le lissage devient important et plus le flou
saccentue et les contours deviennent noirs.
(f). diffrentes valeurs de quantification de la rptition du bruit dans limage):
Limage bruite :
Valeur = 0.2
TP 3
Valeur = 0.5
Valeur = 0.7
Valeur = 1
TP 3
Filtrage de limage (avec valeur de bruit = 0.7) :
Filtre rectangulaire :
Filtre circulaire :
Filtre pyramidal :
Filtre conique :
TP 3