Amelioration Opt Cours Traitement D'images

Plan Types dopration Transformation gomtriques Oprations entre images Amlioration
Bases du traitement des images
I Oprations de base et amliorations J
Sverine Dubuisson
6 octobre 2010

1 / 66
Plan du cours
1 Types doprations sur une image

2 Transformations gomtriques
3 Oprations entre images
4 Amliorations

2 / 66
Oprations sur une image
Comment transformer une image ?

I Chaque pixel de limage est dfini par sa position (i, j) et son
amplitude (intensit) k dans limage
I Il existe deux types de transformations sur les pixels de limage :
les transformations gomtriques qui modifient les positions des
pixels, et
les transformations qui modifient les intensits des pixels.
I Possibilit deffectuer des oprations entre images, qui induisent ces
deux types de transformation

3 / 66
Transformations gomtriques dimage
Quest-ce quune transformation gomtrique ?

I Transformation directe sur les coordonnes spatiales dun pixel
exprime de manire gnrale par :
0
i i
=T +V
j0 j
o T est une matrice de transformation, et V un vecteur

I Transformation inverse sur les coordonnes spatiales dun pixel
exprime de manire gnrale par :
0
i 1 i
=T
j0 j
o T est une matrice de transformation inversible

4 / 66
Translation
I La translation dun pixel (i, j) de vecteur (ti , tj )t sexprime :
0
i 1 0 i ti
= +
j0 0 1 j tj

5 / 66
Changement dchelle
I Le changement dchelle dun pixel (i, j) de coefficients i et j
sexprime : 0
i i 0 i
=
j0 0 j j

6 / 66
Rotation
I La rotation dun pixel (i, j) dangle sexprime :
0
i cos sin i
=
j0 sin cos j

7 / 66
Dformation linaire
I La dformation linaire dun pixel (i, j) de coefficients i1 , i2 , j1 et
j2 sexprime :
0
i i1 i2 i
=
j0 j1 j2 j

8 / 66
Les coordonnes homognes

I Systme de coordonnes dfini dans les "espaces projectifs"
espaces euclidiens espaces affines espaces projectifs
I Avec les mains : une coordonne supplmentaire
(x, y ) affine (x, y , 1) (x w , y w , w ) projectif
I Formalisation plus complexe, mais calculs facilits :
Transformations projectives linaires en coordonnes homognes
Permet dinclure les translations dans la matrice de transformation

9 / 66
Les coordonnes homognes

I Ex : dformation linaire en coordonnes homognes :
0
i i1 i2 0 i
j 0 = j1 j2 0 j
1 0 0 1 1
I Dformation affine (linaire + translation) :

0
i i1 i2 Tx i
j 0 = j1 j2 Ty j
1 0 0 1 1

10 / 66

Problme
I Une transformation directe nimplique pas que tous les pixels de
limages destination auront une couleur
, phnomnes de trous dans les images
I Deux solutions :
Appliquer une transformation inverse (mais la matrice doit tre
inversible !)
Boucher les trous
I Dans les deux cas, il faut interpoler

11 / 66
Transformations directe et inverse

I Transformation directe : on part des pixels de limage initiale et on
calcule leur transform : gnration de trous ou de superpositions
I Transformation inverse : on part des pixels de limage rsultat et on
dtermine quel pixel ils correspondent dans limage initiale par
transformation inverse.

12 / 66
Interpolations
I Deux modes dinterpolation principaux :
Plus proche voisin : le pixel est de la mme couleur que celle de son
plus proche voisin
Interpolation bilinaire : prise en compte des 4 voisins du pixel pour
faire une combinaison bilinaire des intensits
I Il en existe beaucoup dautres !

13 / 66
Interpolation bilinaire
P = (1 v )A + vB
Q = (1 v )D + vC
R = (1 u)P + uQ
= (1 v )(1 u)A + (1 u)vB + uvC + u(1 v )Q

14 / 66
Oprations entre images
I Les images sont des matrices, on peut donc effectuer les oprations
usuelles sur des matrices
I Bien faire la diffrence entre une opration matricielle et une
opration pixel par pixel
I En image, on fait en gnral des oprations pixel par pixel : addition,
soustraction, multiplication, division, combinaison linaire, ...

15 / 66
Quelques exemples doprations entre

images

16 / 66
Quelques applications doprations entre

images
Soustraction et rduction de bruit

I On a 2 images identiques (au bruit prs) et recales
I Limage diffrence des deux images permet de dtecter le bruit
I Pixel noir : aucune diffrence
I Pixel non noir : diffrence dont lamplitude est celle du bruit
Attention : des temps diffrents, limage de diffrence donne les
mouvements entre images

17 / 66

images
Image de diffrence pour la dtection de mouvement

18 / 66

images
Suivi multi-camera
I Pouvoir suivre un/des objets des selon diffrentes vues dune mme
scne

19 / 66

images
Suivi multi-camera
I Une solution : transformation homographique

20 / 66

images
Recalage dimages pour la cartographie

I Donnes : une carte et une image satellite (IKONOS)

21 / 66

images
Recalage dimages pour la cartographie
I Une solution : dtecter des points dintrt et les faire correspondre
avec ceux de la carte

22 / 66

images
Recalage dimages pour la surveillance des cres

23 / 66

images
Recalage dimages mdicales multimodales pour la fusion

I Donnes : diffrentes modalits (CT, ultra-son, IRM)
I But : les recaler pour pouvoir les fusionner ensuite et disposer dune
information plus complte

24 / 66

images
Recalage dimages mdicales multimodales pour la fusion

25 / 66

images
Prdiction par compensation de mouvement pour la

compression vido
I Donnes : deux images dune squence
I But : prdire dune image vers lautre la position de blocs, et ne
transmettre que des vecteurs mouvement pour ces blocs

26 / 66

images

compression vido
I Partitionnement de limage 1 en blocs

27 / 66

images

compression vido
I Chercher la position de chaque bloc de limage 1 dans limage 2

28 / 66

images

compression vido
I Transfrer le contenu du bloc de limage 1 dans sa cible dans
limage 2

29 / 66
Amliorations dimages
But de lamlioration
I Rendre les images plus aptes linterprtation humaine ou celle de
la machine
I Aucune thorie gnrale
I Manipulation dans le domaine spatial : accs direct aux valeurs de
pixels
I Manipulation dans le domaine frquentiel : modification de la
transforme de Fourier

30 / 66
Types damlioration
I Amlioration ponctuelle : f 0 (i, j) = T (f (i, j))
, Modification de la brillance ou du contraste dune image.
, Larrangement spatial (position) des pixels nintervient pas :
aucune relation de voisinage tudie.
, Travail sur les histogrammes, les valeurs de pixels, ...
, Sujet de ce chapitre.
I Amlioration locale : f 0 (i, j) = T (f (V )), o V est un voisinage du
pixels (i, j)
, Utilisation de filtres (chapitre sur le filtrage).
I Amlioration globale : f 0 = T (f )
, Utilisation de la transforme de Fourier (chapitre sur la TFD).

31 / 66

32 / 66
Pourquoi amliorer une image ?
I Rgions faire apparatre
I Image trop claire ou trop fonce
I Ncessit de modifier ses niveaux de gris afin de rendre visibles
certains dtails

33 / 66
Pourquoi amliorer une image ?
I Modifier la brillance.
I Augmenter le contraste.

34 / 66
Rappels - dfinitions
I Oprations damliorations dimages modifient lhistogramme
I Quest-ce quun histogramme ? Un histogramme cumul
I A quoi correspond le contraste dune image ?

35 / 66
Histogramme
Dfinition
I Fonction dcrivant la rpartition des niveaux de gris de limage
I Fournit des informations propres limage, telles que :
La distribution statistique des niveaux de gris
Les bornes de rpartition des niveaux de gris
I Mais aucune information spatiale !
I chaque image f de taille N M , on peut associer une
distribution H des valeurs contenues dans cette image par :
H(k) = Card{0 i N 1, 0 j M 1 : f (i, j) = k} = nk

36 / 66
Remarque sur lhistogramme

Il ne code pas dinformation spatiale
I Deux images diffrentes (en termes de contenu smantique) peuvent

aussi avoir le mme histogramme
37 / 66
Histogramme normalis
Dfinition
I Fonction Hn donnant la probabilit (en termes de frquence
doccurrence) quun pixel ait pour niveau de gris k
H(k)
Hn (k) =
N M
o N et M sont respectivement le nombre de colonnes et de lignes
de limage
I Les valeurs de H sont normalises
I Approximation de la fonction de densit dune variable alatoire
(pixel)

38 / 66
Histogramme cumul
Dfinition
I Lhistogramme cumul est donn par :
X
Hc (k) = H(i)
ik
o H(.) est lhistogramme

I Lhistogramme cumul normalis est donn par :
X
Hc (k) = Hn (i)
ik
o Hn (.) est lhistogramme normalis

I Hc (k) reprsente la probabilit davoir un niveau de gris infrieur ou
gal k (fonction croissante qui tend vers 1), ou fonction de
rpartition
39 / 66
Proprits de limage
Contraste
I Dfinition 1 : variation maximale entre valeurs de niveaux de gris
min et max dans limage :
maxi,j [f (i, j)] mini,j [f (i, j)]

C=
maxi,j [f (i, j)] + mini,j [f (i, j)]
I Dfinition 2 : cart-type des variations de niveaux de gris dans

limage : v
u 1 N1 X M1
u
X
C =t (f (i, j) B)2
NM
i=0 j=0
I Deux images totalement diffrentes peuvent avoir le mme contraste

40 / 66
Modifications dhistogrammes
I On va modifier la luminance k
f : k k 0 = f (k).
I Diffrentes fonctions f vont avoir des impacts diffrents sur limage

41 / 66
Inversion dimage
Dfinition
I Inversion de lintervalle des niveaux de gris de f par la formule :
k0 = |(L 1) k|
o L est la dynamique de limage f
I Ne change pas la dynamique

42 / 66
Seuillage
Dfinitions et principe
I Seuillage (tresholding) : traitement ramenant limage deux ou
quelques niveaux dintensit
I Binarisation (binarization) : traitement ramenant limage deux
niveaux seuillage binaire
I Le seuillage binaire est dfini par :

k1 si k S
k0 =
k2 si k > S
o k1 , k2 et S (seuil) sont des niveaux de gris

I Met en avant des rgions mais namliore pas limage

43 / 66
Exemples de seuillages (k1 = 0 et k2 = 255)

44 / 66
Revenons notre problme
I Des images trop claires ou trop fonces
I Dune manire gnrale : lhistogramme est trop concentr

I Mthodes ponctuelles travaillant sur les niveaux de gris ou sur les
histogrammes mais, en gnral, ne modifiant pas linformation
contenue dans les images
45 / 66
Rehaussement logarithmique de contraste

Dfinition
I Formule : k 0 = log(k)
I Lintervalle des intensits sombres est augment (claircissement
global de limage) : utilis pour traiter des images trop sombres
I Remettre lintervalle de variation des k 0 entre 0 et (L 1)

46 / 66
Rehaussement logarithmique de contraste

47 / 66
Rehaussement exponentiel de contraste

Dfinition
I Formule : k 0 = e k
I Lintervalle des intensits claires est augment (assombrissement
global de limage) : utilis pour traiter des images trop claires
I Remettre lintervalle de variation des k 0 entre 0 et (L 1)

48 / 66
Rehaussement exponentiel de contraste

49 / 66
Translation dhistogramme
Dfinition
I Permet de faire varier la luminosit de limage sans en changer le
contraste
I On obtient une image plus claire ou plus sombre
I Sapplique sur des images faible dynamique
I On a donc : k 0 = k + t, o t R

50 / 66
Translation dhistogramme

51 / 66
Changement de contraste
Dfinition
I On effectue une transformation affine sur les niveaux de gris
I La transformation sexprime : k 0 = ak + b, o a, b R
I Diminution de contraste a < 1 et b > 0
I Augmentation de contraste a > 1 et b < 0
I Un exemple : ltirement dhistogramme

52 / 66
tirement dhistogramme
Dfinition
I Cas o lintervalle de variation des niveaux de gris est rduit : on le
remet entre 0 et (L 1)
I Si les niveaux de gris de I appartiennent [kmin , kmax ], et quon
ltire lintervale [0, L 1], alors on a :
L1
k0 = (k kmin )
kmax kmin

53 / 66

54 / 66
Un cas particulier : la transformation linaire avec saturation
I On choisit deux seuils Smin et Smax tels que
kmin Smin < Smax kmax
I On a : k 0 = L1
Smax Smin (k Smin )
I On peut obtenir des valeurs pour k 0 en dehors de lintervalle de
variation maximale des niveaux de gris.
I Exemple : image code sur 8 bits (valeurs entre 0 et 255) :
k0 < 0 k0 = 0
k 0 > 255 k 0 = 255

55 / 66
Et dans le cas gnral ?

I La dynamique de limage nest pas forcment maximale
I On peut choisir un intervalle cible [fmin , fmax ] quelconque
I Cest une simple changement dintervalle, de [kmin , kmax ] vers
[fmin , fmax ]
I On a donc :
fmax fmin
k0 = fmin + (k kmin )
kmax kmin

56 / 66
galisation dhistogramme
Dfinition
I Homognisation de la rpartition des intensits des pixels
I Amplification des fluctuations dans les zones o elles sont faibles
I talement des dtails concentrs dans un petit intervalle de niveaux
de gris

57 / 66
galisation dhistogramme
Dfinition
I Formule :

L1
k 0 = Int Hc (k)
N M
o L est la dynamique de limage, N et M respectivement le nombre

de lignes et de colonnes de limage et Hc (k) lhistogramme cumul
du niveau de gris k. Int est la fonction qui arrondit lentier le plus
proche.

58 / 66
galisation dhistogramme : exemple 1

59 / 66
galisation dhistogramme : exemple 2

60 / 66
tirement et galisation : le mme combat ?
Deux effets diffrents

I Ltirement va changer la rpartition spatiale des btons (bins) de
lhistogramme, mais pas leur taille
I Lgalisation va changer la rpartition spatiale des btons (bins)
de lhistogramme, et leur taille

61 / 66
Quelques applications de modification

dhistogrammes
La mosaque dimages
I Donne : une image cible et une base dimagettes

62 / 66

dhistogrammes
Lapprentissage sur une base dimages

I Donne : une base de visages

63 / 66

dhistogrammes
Lapprentissage sur une base dimages
I Un problme : des variations dillumination au sein de la base
, normaliser lensemble des histogrammes pour que les images
aient la mme dynamique

64 / 66

dhistogrammes
Limage inpainting

65 / 66

dhistogrammes
Segmentation

66 / 66

Amelioration Opt Cours Traitement D'images

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Amelioration Opt Cours Traitement D'images

Transféré par

Droits d'auteur :

Formats disponibles

Plan Types dopration Transformation gomtriques Oprations entre images Amlioration

Bases du traitement des images

I Oprations de base et amliorations J

Bases du traitement des images

1 Types doprations sur une image

Bases du traitement des images

Oprations sur une image

Comment transformer une image ?

Bases du traitement des images

Transformations gomtriques dimage

Quest-ce quune transformation gomtrique ?

o T est une matrice de transformation, et V un vecteur

o T est une matrice de transformation inversible

Bases du traitement des images

Transformations gomtriques dimage

Bases du traitement des images

Transformations gomtriques dimage

Bases du traitement des images

Transformations gomtriques dimage

Bases du traitement des images

Transformations gomtriques dimage

Bases du traitement des images

Transformations gomtriques dimage

Les coordonnes homognes

Bases du traitement des images

Transformations gomtriques dimage

Les coordonnes homognes

I Dformation affine (linaire + translation) :

Bases du traitement des images

Transformations gomtriques dimage

Bases du traitement des images

Transformations directe et inverse

Bases du traitement des images

I Il en existe beaucoup dautres !

Bases du traitement des images

Bases du traitement des images

Oprations entre images

Bases du traitement des images

Quelques exemples doprations entre

Bases du traitement des images

Quelques applications doprations entre

Soustraction et rduction de bruit

Bases du traitement des images

Quelques applications doprations entre

Bases du traitement des images

Quelques applications doprations entre

Bases du traitement des images

Quelques applications doprations entre

Bases du traitement des images

Quelques applications doprations entre

Recalage dimages pour la cartographie

Bases du traitement des images

Quelques applications doprations entre

Bases du traitement des images

Quelques applications doprations entre

Recalage dimages pour la surveillance des cres

Bases du traitement des images

Quelques applications doprations entre

Recalage dimages mdicales multimodales pour la fusion

Bases du traitement des images

Quelques applications doprations entre

Recalage dimages mdicales multimodales pour la fusion

Bases du traitement des images