Vous êtes sur la page 1sur 33

Traitement d’images

Chapitre 4
Représentation fréquentielle
Wided SOUID MILED
Plan

Notion de fréquence dans une image

Transformée de Fourier Discrète 2D


Représentation du spectre d’amplitude

Filtrage spectral
Filtres passe-bas
Filtres passe-haut

2
Notion de fréquence dans un signal

3
Les fréquences dans une image

4
Les fréquences dans une image

• Qu’est-ce qu’une fréquence dans une image ?


Fréquence = changement d’intensité
Basses fréquences : régions homogènes,
Hautes fréquences : contours, changement brusque d’intensité, bruit

5
Les fréquences dans une image

• Qu’est-ce qu’une fréquence dans une image ?


Fréquence = changement d’intensité
Basses fréquences : régions homogènes,
Hautes fréquences : contours, changement brusque d’intensité, bruit

6
Les fréquences dans une image

Les basses fréquences


correspondent à des
changements d’intensité
lents

Les hautes fréquences


correspondent à des
changements d’intensité
rapides

7
Analyse spectrale d’une image

• Une image est avant tout un signal (visuel)


Tout comme le son est un signal audio

• On peut analyser les fréquences de ce signal

L’outil de base pour cela est la Transformée de Fourier

On parle de fréquences spatiales (image) au lieu de fréquences


temporelles (audio)

On parle de domaine fréquentiel, par opposition au domaine spatial


(de l’image)

8
Analyse spectrale d’une image

La transformée de Fourier permet la décomposition d'une image f(x,y) en


une combinaison linéaire de sinusoïdes complexes, dont les coefficients
F(u,v) dits coefficients de Fourier, fournissent des informations sur les
fréquences (u,v) et permettent une analyse de l’image dans le domaine
fréquentiel.

Outil fondamental pour beaucoup d’applications


• Échantillonnage
• Compression d’une image
• Filtrage des images

9
Transformée de Fourier 2D

Transformée de Fourier discrète bidimensionnelle :


Soit f(x, y) définie par une matrice d’échantillons régulièrement espacés,
w : nombre de lignes; h : nombre de colonnes
(x,y) : coordonnées du domaine spatial
(u,v) : coordonnées du domaine fréquentiel
La TFD est définie par:

La TFD inverse est définie par :

10
Transformée de Fourier 2D

Propriétés de la Transformée de Fourier 2D

11
Transformée de Fourier 2D

• La Transformée de Fourier d’une fonction réelle donne une fonction complexe


Entrée: une image
Sortie: image (partie réelle: ) + image (partie imaginaire )

• L’analyse de la transformée F(u,v) est souvent réalisée en analysant son :

• Spectre d’amplitude

• Spectre de phase

12
Représentation du spectre d’amplitude

1. On calcule la transformée de Fourier d’une image (fft2 en matlab).


2. On calculer l’amplitude de la transformée de Fourier (abs en matlab) .
3. On remarque que les basses fréquences sont situées sur les coins du spectre,
et qu’elles constituent la majorité de l’information.

4. Pour les ramener au centre, il suffit d’appliquer une opération de décalage


(fftshift en matlab).
Ne change pas le contenu du spectre, juste son agencement
Met en avant la propriété de symétrie du spectre par rapport à F(0,0)

13
Représentation du spectre d’amplitude

5. L’énergie étant concentrée dans les basses fréquences ! On appliquer


ensuite une transformations logarithmique pour mieux visualiser les
différentes fréquences présentes dans l’image (log(1+x) en matlab).

Image originale Spectre d’amplitude Spectre rehaussé 14


f(x,y) |F(u,v)| log(1+ |F(u,v)| )
Représentation du spectre d’amplitude

Les basses fréquences


Amplitude situées au niveau des
de la TF coins

Image originale
Décalage

Transformation
Les basses fréquences
logarithmique
sont ramenées au
centre

Spectre d’amplitude
15
Interprétation de TFD 2D

Hautes fréquences : loin du centre de la TF


Basses fréquences : proche du centre de la TF

Composante continue (DC) : centre de l’image


fréquence zéro = moyenne de l’image

16
Interprétation de TFD 2D

la représentation fréquentielle comporte une information structurelle sur la


direction des fréquences spatiales.

L'image de gauche possède des L'image de droite possède des


lignes horizontales/verticales lignes dans toutes les directions
qu'on retrouve dans sa Transformée qu'on retrouve aussi dans sa TF

Il y a un écart de 90 degrés entre les directions spatiales et fréquentielles lignage vertical


(resp. horizontal) du spectre correspond aux lignes horizontales (resp. verticales) sur
l’image.
Une rotation d’angle α dans le domaine spatial se traduit par une rotation d’angle α dans le
domaine fréquentiel
17
Exemples de TFD 2D

18
Exemples de TFD 2D

19
Exemples de TFD 2D

20
Exemples de TFD 2D

21
Exemples de TFD 2D

22
Filtrage dans le domaine spectral

Le filtrage spectral ne s’intéresse pas aux niveaux de gris des pixels de


l’image mais plutôt aux fréquences présentes dans cette dernière.

Les régions lisses constituent les basses fréquences alors que les variations
brusques (contours) constituent les hautes fréquences.

L’opération de filtrage spectral nécessite la transformation de l’image du


domaine spatial au domaine fréquentiel (spectral) via la Transformée de
Fourier (TF) 2D.

23
Filtrage dans le domaine spectral

Dans le domaine spatial, le filtrage se fait par convolution. Dans le domaine


spectral (ou fréquentiel), il se fait par multiplication (ou masquage de l'image).

24
Filtrage dans le domaine spectral

Les étapes du filtrage fréquentiel

Transformée de Fonction du filtre Transformée de


Fourier Fourier Inverse

Prétraitement Post-traitement

Image d’entrée Image améliorée

25
Filtrage dans le domaine spectral

1. Les filtres passe-bas


Le filtre passe-bas masque la zone de haute fréquence et laisse
apparaître les phénomènes liés à la basse fréquence.
Fonction de transfert du filtre passe-bas idéal:

26
Filtrage dans le domaine spectral

Filtre passe-bas idéal

Image 500*500 pixels et son spectre de Fourier.


Les cercles superposés de rayons 5, 15, 30, 80 et
230 représentent respectivement 92, 94.6, 96.4,
98 et 99.5 % de l’information de l’image.

Résultats du Filtrage
passe-bas idéal

27
Filtrage dans le domaine spectral

Filtre passe-bas idéal

28
Filtrage dans le domaine spectral

Filtre passe-bas gaussien

Image originale

Résultats du filtrage passe-bas gaussien

29
Filtrage dans le domaine spectral

2. Les filtres passe-haut


Le filtre passe-haut contrairement au précédent peut masquer toutes
les composantes de la FFT dans le domaine de basse fréquence et fait
apparaître celles de la gamme de haute fréquence.
La fonction de filtrage est contraire des filtres passe-bas :

30
Filtrage dans le domaine spectral

Filtre passe-haut idéal

31
Filtrage dans le domaine spectral

32
Filtrage dans le domaine spectral

33