Vous êtes sur la page 1sur 56

Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Bases du traitement des images

I Opérations de base et améliorations J

Séverine Dubuisson

23 septembre 2009

Bases du traitement des images


1 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Plan du cours

1 Types d’opérations sur une image


2 Transformations géométriques
3 Opérations entre images
4 Améliorations

Bases du traitement des images


2 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Opérations sur une image

Comment transformer une image ?


I Chaque pixel de l’image est défini par sa position (i, j) et son
amplitude (intensité) k dans l’image
I Il existe deux types de transformations sur les pixels de l’image :
• les transformations géométriques qui modifient les positions des
pixels, et
• les transformations qui modifient les intensités des pixels.
I Possibilité d’effectuer des opérations entre images, qui induisent ces
deux types de transformation

Bases du traitement des images


3 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Transformations géométriques d’image

Qu’est-ce qu’une transformation géométrique ?


I Transformation directe sur les coordonnées spatiales d’un pixel
exprimée de manière générale par :
 0   
i i
=T +V
j0 j

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


I Transformation inverse sur les coordonnées spatiales d’un pixel
exprimée de manière générale par :
 0   
i −1 i
=T
j0 j

où T est une matrice de transformation inversible

Bases du traitement des images


4 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Transformations géométriques d’image

Translation
I La translation d’un pixel (i, j) de vecteur (ti , tj )t s’exprime :
 0      
i 1 0 i ti
= +
j0 0 1 j tj

Bases du traitement des images


5 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Transformations géométriques d’image

Changement d’échelle
I Le changement d’échelle d’un pixel (i, j) de coefficients αi et αj
s’exprime :  0    
i αi 0 i
=
j0 0 αj j

Bases du traitement des images


6 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Transformations géométriques d’image

Rotation
I La rotation d’un pixel (i, j) d’angle θ s’exprime :
 0    
i cos θ sin θ i
=
j0 − sin θ cos θ j

Bases du traitement des images


7 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Transformations géométriques d’image

Déformation linéaire
I La déformation linéaire d’un pixel (i, j) de coefficients βi1 , βi2 , βj1 et
βj2 s’exprime :
 0    
i βi 1 βi 2 i
=
j0 βj1 βj2 j

Bases du traitement des images


8 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Transformations géométriques d’image


Problème
I Une transformation directe n’implique pas que tous les pixels de
l’images destination auront une couleur
,→ phénomènes de “trous” dans les images
I Deux solutions :
• Appliquer une transformation inverse (mais la matrice doit être
inversible !)
• “Boucher” les trous
I Dans les deux cas, il faut interpoler

Bases du traitement des images


9 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Transformations directe et inverse


I Transformation directe : on part des pixels de l’image initiale et on
calcule leur transformé : génération de “trous” ou de superpositions
I Transformation inverse : on part des pixels de l’image résultat et on
détermine à quel pixel ils correspondent dans l’image initiale par
transformation inverse.

Bases du traitement des images


10 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Interpolations
I Deux modes d’interpolation principaux :
• Plus proche voisin : le pixel est de la même couleur que celle de son
plus proche voisin
• Interpolation bilinéaire : prise en compte des 4 voisins du pixel pour
faire une combinaison bilinéaire des intensités

I Il en existe beaucoup d’autres !

Bases du traitement des images


11 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Interpolation bilinéaire

P = (1 − v )A + vB
Q = (1 − v )C + vD
R = (i − u)P + uQ
= (i − v )(i − u)A + (i − u)vB + (1 − v )uC + uvQ

Bases du traitement des images


12 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Opérations entre images

I Les images sont des matrices, on peut donc effectuer les opérations
usuelles sur des matrices
I Bien faire la différence entre une opération matricielle et une
opération pixel par pixel
I En image, on fait en général des opérations pixel par pixel : addition,
soustraction, multiplication, division, combinaison linéaire, ...

Bases du traitement des images


13 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques exemples d’opérations entre


images

Bases du traitement des images


14 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images

Soustraction et réduction de bruit


I On a 2 images identiques (au bruit près) et recalées
I L’image différence des deux images permet de détecter le bruit
I Pixel noir : aucune différence
I Pixel non noir : différence dont l’amplitude est celle du bruit
Attention : à des temps différents, l’image de différence donne les
mouvements entre images

Bases du traitement des images


15 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images
Image de différence pour la détection de mouvement

Bases du traitement des images


16 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images

Suivi multi-camera
I Pouvoir suivre des selon différentes vues d’une même scène

Bases du traitement des images


17 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images

Suivi multi-camera
I Une solution : transformation homographique

Bases du traitement des images


18 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images

Recalage d’images pour la cartographie


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

Bases du traitement des images


19 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images
Recalage d’images pour la cartographie
I Une solution : détecter des points d’intérêt et les faire correspondre
avec ceux de la carte

Bases du traitement des images


20 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images

Recalage d’images pour la surveillance des crûes

Bases du traitement des images


21 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images

Recalage d’images médicales multimodales pour la fusion


I Données : différentes modalités (CT, ultra-son, IRM)
I But : les recaler pour pouvoir les fusionner ensuite et disposer d’une
information plus complète

Bases du traitement des images


22 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images

Recalage d’images médicales multimodales pour la fusion

Bases du traitement des images


23 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images

Prédiction par compensation de mouvement pour la


compression vidéo
I Données : deux images d’une séquence
I But : prédire d’une image vers l’autre la position de blocs, et ne
transmettre que des vecteurs mouvement pour ces blocs

Bases du traitement des images


24 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images

Prédiction par compensation de mouvement pour la


compression vidéo
I Partitionnement de l’image 1 en blocs

Bases du traitement des images


25 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images

Prédiction par compensation de mouvement pour la


compression vidéo
I Chercher la position de chaque bloc de l’image 1 dans l’image 2

Bases du traitement des images


26 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications d’opérations entre


images

Prédiction par compensation de mouvement pour la


compression vidéo
I Transférer le contenu du bloc de l’image 1 dans sa cible dans
l’image 2

Bases du traitement des images


27 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Améliorations d’images

But de l’amélioration
I Rendre les images plus aptes à l’interprétation humaine ou à celle de
la machine
I Aucune théorie générale
I Manipulation dans le domaine spatial : accès direct aux valeurs de
pixels
I Manipulation dans le domaine fréquentiel : modification de la
transformée de Fourier

Bases du traitement des images


28 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Améliorations d’images

Types d’amélioration
I Amélioration ponctuelle : f 0 (i, j) = T (f (i, j))
,→ Modification de la brillance ou du contraste d’une image.
,→ L’arrangement spatial (position) des pixels n’intervient pas :
aucune relation de voisinage étudiée.
,→ Travail sur les histogrammes, les valeurs de pixels, ...
,→ Sujet de ce chapitre.
I Amélioration locale : f 0 (i, j) = T (f (V )), où V est un voisinage du
pixels (i, j)
,→ Utilisation de filtres (chapitre sur le filtrage).
I Amélioration globale : f 0 = T (f )
,→ Utilisation de la transformée de Fourier (chapitre sur la TFD).

Bases du traitement des images


29 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Améliorations d’images

Bases du traitement des images


30 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Améliorations d’images
Pourquoi améliorer une image ?
I Régions à faire apparaître
I Image trop claire ou trop foncée
I Nécessité de modifier ses niveaux de gris afin de rendre visibles
certains détails

Bases du traitement des images


31 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Améliorations d’images
Pourquoi améliorer une image ?
I Modifier la brillance.
I Augmenter le contraste.

Bases du traitement des images


32 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Inversion d’image

Définition
I Inversion de l’intervalle des niveaux de gris de f par la formule :

k0 = |(L − 1) − k|

où L est la dynamique de l’image f

I Ne change pas la dynamique

Bases du traitement des images


33 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Seuillage

Définitions et principe
I Seuillage (tresholding) : traitement ramenant l’image à deux ou
quelques niveaux d’intensité
I Binarisation (binarization) : traitement ramenant l’image à deux
niveaux ⇒ seuillage binaire
I Le seuillage binaire est défini par :

k1 si k ≤ S
k0 =
k2 si k > S

où k1 , k2 et S (seuil) sont des niveaux de gris


I Met en avant des régions mais n’améliore pas l’image

Bases du traitement des images


34 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Exemples de seuillages (k1 = 0 et k2 = 255)

Bases du traitement des images


35 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Améliorations d’images
Revenons à notre problème
I Des images trop claires ou trop foncées

I D’une manière générale : l’histogramme est trop concentré


I Méthodes ponctuelles travaillant sur les niveaux de gris ou sur les
histogrammes mais, en général, ne modifiant pas l’information
contenue dans les images
Bases du traitement des images
36 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Rehaussement logarithmique de contraste


Définition
I Formule : k 0 = log(k)
I L’intervalle des intensités sombres est augmenté (éclaircissement
global de l’image) : utilisé pour traiter des images trop sombres
I Remettre l’intervalle de variation des k 0 entre 0 et (L − 1)

Bases du traitement des images


37 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Rehaussement logarithmique de contraste

Bases du traitement des images


38 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Rehaussement exponentiel de contraste


Définition
I Formule : k 0 = e k
I L’intervalle des intensités claires est augmenté (assombrissement
global de l’image) : utilisé pour traiter des images trop claires
I Remettre l’intervalle de variation des k 0 entre 0 et (L − 1)

Bases du traitement des images


39 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Rehaussement exponentiel de contraste

Bases du traitement des images


40 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Translation d’histogramme

Définition
I Permet de faire varier la luminosité de l’image sans en changer le
contraste
I On obtient une image plus claire ou plus sombre
I S’applique sur des images à faible dynamique
I On a donc : k 0 = k + t, où t ∈ R

Bases du traitement des images


41 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Translation d’histogramme

Bases du traitement des images


42 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Changement de contraste

Définition
I On effectue une transformation affine sur les niveaux de gris
I La transformation s’exprime : k 0 = ak + b, où a, b ∈ R
I Diminution de contraste a < 1 et b > 0
I Augmentation de contraste a > 1 et b < 0
I Un exemple : l’étirement d’histogramme

Bases du traitement des images


43 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Étirement d’histogramme

Définition
I Cas où l’intervalle de variation des niveaux de gris est réduit : on le
remet entre 0 et (L − 1)
I Si les niveaux de gris de I appartiennent à [kmin , kmax ], et qu’on
l’étire à l’intervale [0, L − 1], alors on a :

L−1
k0 = (k − kmin )
kmax − kmin

Bases du traitement des images


44 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Étirement d’histogramme

Bases du traitement des images


45 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Étirement d’histogramme
Un cas particulier : la transformation linéaire avec saturation
I On choisit deux seuils Smin et Smax tels que

kmin ≤ Smin < Smax ≤ kmax

I On a : k 0 = L−1
Smax −Smin (k − Smin )
I On peut obtenir des valeurs pour k 0 en dehors de l’intervalle de
variation maximale des niveaux de gris.
I Exemple : image codée sur 8 bits (valeurs entre 0 et 255) :

k0 < 0 → k0 = 0
k 0 > 255 → k 0 = 255

Bases du traitement des images


46 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Étirement d’histogramme

Et dans le cas général ?


I La dynamique de l’image n’est pas forcément maximale
I On peut choisir un intervalle cible [fmin , fmax ] quelconque
I C’est une simple changement d’intervalle, de [kmin , kmax ] vers
[fmin , fmax ]
I On a donc :
fmax − fmin
k0 = fmin + (k − kmin )
kmax − kmin

Bases du traitement des images


47 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Égalisation d’histogramme

Définition
I Homogénéisation de la répartition des intensités des pixels
I Amplification des fluctuations dans les zones où elles sont faibles
I Étalement des détails concentrés dans un petit intervalle de niveaux
de gris

Bases du traitement des images


48 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Égalisation d’histogramme

Définition
I Formule :
 
L−1
k 0 = Int Hc (k)
N ×M

où L est la dynamique de l’image, N et M respectivement le nombre


de lignes et de colonnes de l’image et Hc (k) l’histogramme cumulé
du niveau de gris k. Int est la fonction qui arrondit à l’entier le plus
proche.

Bases du traitement des images


49 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Égalisation d’histogramme : exemple 1

Bases du traitement des images


50 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Égalisation d’histogramme : exemple 2

Bases du traitement des images


51 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Étirement et égalisation : le même combat ?

Deux effets différents


I L’étirement va changer la répartition spatiale des bâtons (bins) de
l’histogramme, mais pas leur taille
I L’égalisation va changer la répartition spatiale des bâtons (bins) de
l’histogramme, et leur taille

Bases du traitement des images


52 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications de modification


d’histogrammes

La mosaïque d’images
I Donnée : une image cible et une base d’imagettes

Bases du traitement des images


53 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications de modification


d’histogrammes

L’apprentissage sur une base d’images


I Donnée : une base de visages

Bases du traitement des images


54 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications de modification


d’histogrammes
L’apprentissage sur une base d’images
I Un problème : des variations d’illumination au sein de la base
,→ normaliser l’ensemble des histogrammes pour que les images
aient la même dynamique

Bases du traitement des images


55 / 56
Plan Types d’opération Transformation géométriques Opérations entre images Amélioration

Quelques applications de modification


d’histogrammes

L’image inpainting

Bases du traitement des images


56 / 56

Vous aimerez peut-être aussi