Académique Documents
Professionnel Documents
Culture Documents
Traitements de base
Nombre
de pixels
Niveau de gris
PI(k)
1
0.5
k
PI(k)
0.1
CVIPTools : Enhancement>Histograms
8
Source : Caroline Rougier. Traitement d'images (IFT2730). Univ. de Montréal.
Transformation linéaire
I’
255 ( I (i , j ) −min) [ ]
I ' (i, i) = ( I (i , j ) −min) avec ∈ 0,1
max −min max −min
CVIPTools : Enhancement>Histograms>Linear Modification
9
Source : Caroline Rougier. Traitement d'images (IFT2730). Univ. de Montréal.
Transformation linéaire
%
255
255 0 255
min max
255
255
min max 0 255
10
Source : Caroline Rougier. Traitement d'images (IFT2730). Univ. de Montréal.
Implémentation…
11
Source : Caroline Rougier. Traitement d'images (IFT2730). Univ. de Montréal.
Transformation linéaire avec saturation
%
255
255 0 255
Smin Smax
255
255
min max
Smin Smax 0 255
12
Source : Caroline Rougier. Traitement d'images (IFT2730). Univ. de Montréal.
Transformation linéaire avec saturation
255
I ' (i, j ) = ( I (i, j ) −Smin )
Smax −Smin
I ' (i, j ) ≤ 0 ⇒ I ' (i, j ) = 0
I ' (i, j ) ≥ 255 ⇒ I ' (i, j ) = 255
13
Source : Caroline Rougier. Traitement d'images (IFT2730). Univ. de Montréal.
Transformation linéaire par morceaux
%
255
255 0 255
Smin Smax
255
255
min max
Smin Smax 0 255
S
14
Source : Caroline Rougier. Traitement d'images (IFT2730). Univ. de Montréal.
Transformation linéaire par morceaux
Exemple d’une
fonction ad-hoc
de modification
du contraste de
l’image.
γ
I émise =k⋅n
1
γ
⇒n'=n
γ écran ∈[ 1 . 3, 3 . 0 ]
1 1
γ oeil≈ à
2 3
255
255
255
Source : www.crans.ens-cachan.fr/~genest/histogramme.pdf 19
Egalisation de l'histogramme
3500 3500
3000 3000
2500 2500
2000 2000
1500 1500
1000 1000
500 500
0 0
0 50 100 150 200 250 0 50 100 150 200 250
k k
Etape 1 : Calcul de l'histogramme hi i∈[ 0, 255]
hi
Etape 2 : Normalisation de l'histogramme h n i = i∈[ 0, 255]
(Nbp : nombre de pixels de l‘image) Nbp
i
Etape 3 : Densité de probabilité normalisé C i = ∑ h n j i∈[ 0, 255]
j= 0
Etape 4 : Transformation des niveaux de gris de l'image
f ' x , y=C f x , y× 255
21
Egalisation de l'histogramme
ET =
OU =
CVIPTools : Utilities>Arith/Logic>{AND,OR}
Source : Gonzalez and Woods. Digital Image Processing. Prentice-Hall, 2002. 25
Opérations sur les images (ET,OU)
CVIPTools : Utilities>Arith/Logic>Add
Source : Eric Favier. L'analyse et le traitement des images. ENISE. 27
Soustraction d’images
CVIPTools : Utilities>Arith/Logic>Substract
Source : Eric Favier. L'analyse et le traitement des images. ENISE. 28
Multiplication d’images
La multiplication S d’une image f par un ratio (facteur) peut se définir par :
S(x,y) = Max( f(x,y)*ratio ; 255)
x1,5 = x1,2 =
CVIPTools : Utilities>Arith/Logic>Multiply
Source : Eric Favier. L'analyse et le traitement des images. ENISE. 29
Opérations sur les images (+,-)
0.5*F(x,y) + 0.5*G(x,y)
F(x,y)
G(x,y)
G(x,y) - F(x,y) -
F(x,y) G(x,y)
Source : www.nte.montaigne.u-bordeaux.fr/SuppCours/5314/Dai/TraitImage01-02.ppt 30
Interpolation d’images
31
Changement d'échelle (interpolation)
12 14 12 12 14 14
15 17 12 12 14 14
15 15 17 17
15 15 17 17
33
Interpolation bilinéaire
Zoom !
Interpolation bilinéaire
Fonction bilinéaire de 4 pixels voisins (en 2D)
Principe 1D
i-1 i i+1
yi = xi
x
yi+1/2 = (xi + xi+1) /2
Problème pour le dernier point
i-1 i-1/2 i i+1/2 i+1 i+3/2 ⇒ extrapolation linéaire de :
=2*xN - xN-1
y
Plus proche
voisin
Bilinéaire
Plus proche
voisin
Bilinéaire
(4 voisins)
Bilinéaire
(4 voisins)
Bicubique
(16 voisins)
Eric Favier. Cours sur L'analyse et le traitement des images ; Les principes de la
vision assistée par ordinateur. ENISE (France).
http://www.enise.fr/perso/favier/vision/indexvision.htm
Cours sur les traitements ponctuels :
http://www.enise.fr/perso/favier/vision/traitements_ponctuels.pdf
39